摘录部分，以飨。
User Growth
- 如何评估产品上线后的效果
- 订阅型产品的收入计算方式
- LTV 指标的理解
- 流失用户分析框架
- 关于产品续费率的思考
- 新媒体运营规则
- 技术公众号排版规则说明
- AARRR指标
- 常用的数据分析方法论
- 如何写好一份数据分析报告
- 提升客单价的6个方式
- 《我在一线做用户增长：存量时代的用户运营之道》读书笔记
- 《上瘾》读书笔记
- 分销体系方法论
- 广告管理系统的基础功能
- 数据分析师技能树
- 数据分析师的价值
Product Design
- 如何判断页面布局是否合理？
- 《交互设计实用指南》笔记
- 《简约至上》读书笔记
- 《锦绣蓝图》读书笔记
- 《设计心理学》之六个设计要素
- 必要的交互设计自查表
- 资讯流到底该左文右图还是左图右文？From vivo UED
- 一次线上故障
- 看交互设计师岗位的2个角度
- 产品的情感价值
- 产品课笔记
- 产品力的维度
- 体验碎片（第 1 期）
- 体验碎片（第 2 期）
- 体验碎片（第 3 期）
- 体验碎片（第 4 期）
- 体验碎片（第 5 期）
- 体验碎片（第 6 期）
Management
- 重视需求评审
- 产品静默评审会规则
- UI稿评审会
- 项目结果好，是不是因为运气好？
- 如何开一个高效的会议
- 如何判断一个老项目的基础不好？
- 如何应对电商大促
- 管理客服团队的内容整理
- 由有赞数据中台，想起的业务-组织发展
- 霍桑实验带来的启发
- 如何做好一个分享者
- 面试产品经理总结
- 述职报告的一些建议
- 管理职能型团队的一些总结
- 团队新人规范
- 面试UI设计师问题清单
- 如何才算一个好的团建活动
- 企业真正的竞争壁垒是什么
- 如何管理能力强的员工
- 如何看待加班
- 绩效考核的理解
- 产品团队如何与客服团队对接
- 协同文档工具在项目管理中的使用说明
- 搭建团队的预备事项
- 职场中的“贴标签”
- 参与创业要思考的问题
- 处理汰换员工的流程
- 创业者如何判断进场时机（技术驱动型）
- 从指标（或者目标）拆解能力说对应岗位
- 关于晋升答辩的一些感想
- 员工视角适应新团队的2个问题
- 打过仗、打过胜仗、打过硬仗，打赢过硬仗的区别
- 针对销售团队新人和销售目标奖惩的方法
- 销售团队业绩预测
用户研究
- 写给新人的用研方式
- 用户访谈流程准备和注意事项 From 腾讯CDC
- 问卷调研题目设计注意事项 From 网易
- 问卷设计之纠结的选项 From 腾讯CDC
- 3种拆解问题的思路
- 用户访谈的 3 个基本问题 From Chuck Liu
- 用户访谈是最重要的用研方法
- 专家用户的“残害”
- 就医流程改善零碎想法
- 是否应该回复用户反馈
需求分析
行业
- 为提升网点业务员效率，我们做的事情
- 渠道推广复盘
- TOP 淘宝客公司业务介绍
- 1688服务市场类目分析
- 服务市场与ISV
- 直播电商一些看法（一）
- 直播电商一些看法（二）
- 淘宝中差评产品逻辑调整的一点想法
- 拼多多平台商家情况分析（2020年）
- 拼多多和淘宝的几个细节差异（2020年）
- Alex Zhu (TikTok) interview notes by Blake Robbins
- SaaS 服务的简单介绍
- 电商SaaS工具后续的方向
- 关于飞书OKR的零碎想法
- 电商客服场景描述（一）
- 电商客服场景描述（二）
- 用科斯定理来决策业务边界
- 电商工具基础知识
- 拍卖市场的简单理解
- 淘宝开放平台和服务市场
- SaaS产品线上、线下版本定价的考虑
- SaaS高客单价产品的冷启动
- 直销和线上推广的不同
- 直销和代理的区别
- SaaS产品线下推广线索流转过程
- 产品寻找线上、线下售卖的决策依据
- SaaS新产品版本定价和直销冲突的解决方案
- 6种B2B平台和4种买家群体
- 为什么要做客户案例
- 多多进宝和淘宝客的零碎想法
- 淘宝千牛客服分流的逻辑（202104）
- 基础对话的3种类型
- 高客单价产品如何报价
- SaaS产品2种销售流程对比
- 关于销售岗位的4个观察
- 智能客服领域一些术语
- 实体识别在多轮对话中的运用
- 淘宝直播和快抖直播的区别
- 电商智能客服的随想
Pandas & NumPy
- Pandas：Python常见的字符串操作
- Pandas：数据类型几种常见的转换方式
- Pandas：常用 3 个有意思的函数
- Pandas：数据透视表和数据交叉表
- Pandas：数据选取的 4 种方式
- Pandas：axis的位置说明
- Pandas：map()、apply()、applymap() 区别
- NumPy：NumPy的cumsum()函数
- NumPy：NumPy中dot()函数
数据探索&处理
- 数据可视化：Seaborn库常用图形
- 数据可视化：heatmap使用使用掩码去掉部分展示
- 数据可视化：heatmap筛选对标签影响较大的特征值
- 数据可视化：sns.regplot 和 sns.distplot
- 数据可视化：sns.kdeplot（核密度估计图）查看数据分布
- 数据可视化：用箱线图快速查看特征异常值
- 判断数据正态分布的2个方法
特征工程
- 特征选择（feature_selection）的一些方法
- 使用 PCA 降维可视化，了解数据特征分布
- 主成分分析（PCA）的使用
- 使用TSNE进行降维
- 特征工程：线性回归拟合优度的度量：R平方
- 划分训练集和测试集
- 字典特征提取器 DictVectorizer
- 特征工程：数据标准化之Max-Min标准化
常用算法
- 算法：决策树算法介绍
- Mac安装Graphviz调用画图
- 算法：近邻算法介绍
- 数据的距离度量
- 算法：聚类分析之K-Means
- KNN算法和K-means算法的区别
- 算法：随机森林算法介绍
- 算法：朴素贝叶斯算法介绍
- 算法：朴素贝叶斯算法介绍（补充）
- 集成学习Bagging和Boosting简述
- 案例：使用K-Means对用户进行分群
- Python-dataanalysis-case
模型评估
- 二分类模型评估指标：Accuracy、Recall、Precision、F1-Score
- cross_val_score交叉验证使用
- 偏差和方差的理解
- 如何用学习曲线判断过拟合和欠拟合
- 精确率和召回率的关系 From Google
统计学
- 统计学：相关系数介绍
- 统计学：自由度的两个维度理解
- 统计学：卡方检验的理解
- 统计学：假设检验的基本步骤
- 统计学：辛普森悖论
- 统计学：T检验、F检验和卡方检验
- 统计学：常见的概率分布
- 统计学：参数估计
- 统计学：正态分布的3大分布类型——卡方分布、t分布、F分布
- 统计学：参数估计和方差分析的应用场景
数学
文学
认知
- 简单说说对大数据的态度
- 个人知识管理之flomo工具
- 如何避免低效阅读
- 《如何高效学习》读书笔记
- 为什么我们要工作
- 为什么有互联网杠精
- 如何掌控自由时间
- 斯坦福监狱实验的告诫
- 李笑来选书的基本原则
- 李笑来读书分享
- 整理的一些谬误定义和举例
- 《心灵奇旅》观后感
- 不要追逐「大词」
- 中年焦虑
- 关于舍得
- 互联网职场的年龄与求职（产品、运营岗）