入職培訓需要給公司產品提出一些算法方案來對產品進行優化。根據作業反饋向前輩們請教了一些問題，收穫良多，在這篇文章中總結一下當需要針對產品提出算法方案時，方案中需要具備的一些比較通用的考量因素。
主要從功能，價值，可行性，必要性，數據，流程幾個維度展開。
功能即你的算法方案具體是要對應產品中的哪一個功能或者某一個模塊，比如增加一個推薦框。
價值即算法能給產品帶來怎樣的收益，比如常見互聯網產品的迴流，活躍度，留存率，轉化率，付費率，玩家體驗等。其中比較容易量化的比如留存，付費這些指標是比較具備說服力的。關於不太容易量化的一些指標則需要做出額外評估，主要是從對於用戶的體驗改善有多大，用戶平時接觸的頻度有多高，結合產品週期考慮目標用戶的比例這幾個方面來考慮。
必要性，包括2個層面。第一個層面是這個方案本身有多大的必要去做，不管是產品，數據分析還是算法去做，前提是這個需求一定要有價值。然後第二個層面上的必要性是這個需求多大程度上需要依賴算法去做，也就是算法相對於其他方案有怎樣的優勢，這兩個層面在方案中是需要覆蓋到的。
可行性，也包括2個方面。一方面是技術方面的可行性，比如實時或者離線，吞吐量，響應時間這些。另外一個方面是這個方案是否具備具體的可行性，比如方案寫的比較粗略，很多細節沒有覆蓋，那麼在實際工作中可能就沒有辦法具體去推進，如果比較詳細，比如有數據分析支撐，算法實施流程各個環節需要考慮什麼東西都比較完善，那麼和其他部門去推進合作的時候，就比較容易得到認同和支持，去把這個方案一步步推進直到最後上線，那麼才能認爲該方案具備一個較好的可行性。
數據即算法執行會用到哪些場景下的數據，比如用戶畫像，加購，展示，點擊，購買，評論，社交等場景中的數據。以及數據的體量，因爲數據的體量會影響到算法方案的選擇。
關於流程的推進，基本上是以周（月）爲單位進行總結，比如一個常見的算法工作週報，應該包括本週工作小結，下週計劃，具體內容要涉及到模型調研，數據採集，模型迭代，工程優化，線上驗證，競品對比，對外合作等部分。