IT瘾产品推荐

拼多多20条运营小技巧

Wed, 24 Dec 2025 11:28:46 CST

拼多多的运营看似粗放，实则细节决定生死。本文提炼20条实战技巧，从高转化定价、层级突破到截流应对与付费策略，直击平台算法偏好与流量逻辑，帮助商家在强付费竞争中精准提效、稳住ROI。

最近开始接触某东某宝等其他电商平台，做下来后发现，各个电商平台的底层逻辑倒是一样的，都是付费买流量。

现在每个平台都有所谓的全站推广，也就是咱们卖家开车推广只需要设置一个目标投产比，剩下的让平台跑单量就可以了。

道理虽然都是这个道理，但跑下来的效果就各有千秋了。这也是各个平台之间不同技术和规则导致的，就跟每个炒菜馆都有西红柿炒鸡蛋这道菜，但每家的做法和味道都各有各的特点。

本文，咱就来讲讲我主做的拼多多这个电商平台的20条运营小技巧，毕竟不同平台不同的规则，拼多多平台的运营技巧，还是得单独看。

高转化率=快速起量

众所周知拼多多起量就是快，快的2天干到1000单都是常事。那么问题来了，咱们如何能干到2天1000单呢？答案是：能不能做到，不是看你的能力，而是看资源。

平台的算法是高转化率的链接会持续推流，那么什么样的链接转化率会很高呢？主图详情牛掰的？基础数据特别高的？SKU布局很到位的？这些都不是，告诉大家，价格到位了，转化率是最高的！其他的大家细品就好，尤其是大标品表现最为突出。

层级决定流量上限

已经上了3层级的店铺，对流量的感知不是很明显。但是刚起店时1层级和2层级店铺的流量上限就会很明显。除非卖价有优势可以打破流量天花板，其他常规品在1层级的话，每天单量只能在个位数，要强车硬拉，先把店铺拉到2层级，这样店铺会好做一点点。

店铺星级比消费者体验指标更重要

经常有新人问我消费者体验分怎么去拉，我一看问的是消费者体验分，直接回复，这个就当没看见。

拼多多最看重的是店铺星级，4颗星5颗星那个，如果店铺星级低于4.5颗星，就会影响到流量，低于4.3颗星就上不了活动了，低于4颗星，店铺就别要了。至于消费者体验分，高了低了，只要不是很离谱的数据就没啥影响。

每日必做商品体检

有次我一个链接莫名断流了，评分、价格、直通车都没啥问题，于是推测是不是被截流了。然而第二天进行商品体检时，那个断流的链接直接提示为SKU图片违规。

图片违规这东西自己排查可是排查不出来的，于是把图一换，流量又起来了，对于显性的流量降权等问题，是可以用商品体检排查出来的。

超时发货=虚假发货

再提醒各位拼多多新人，发货一定不要超时，不能做到24小时发货的，千万别勾选24小时发货。只要超时发货，系统就判定为虚假发货，且申诉无效。虚假发货的处罚不仅仅是扣几块钱，最主要是店铺降权，如果出现批量虚假发货，店铺也别要了。

有活动好过没活动

拼多多最好的玩法一定是活动配车，其次是仅开车或者仅活动。对于一个普通链接，在活动位上不仅仅有流量扶持，更重要是有活动标，有标和没标转化率能相差个10%。

但是问题又来了，大标品上活动，哪怕是大促活动，系统建议价都给的很低，很难报，这个就看大家的资源有没有优势了。另外白牌产品，这个嘛，有没有活动都那样！

ROI比成交出价更稳定

直通车有成交出价和投产比出价，之前我玩多支SKU特别喜欢用成交出价，这样跑下来一支平，多支赚，好不快活。然而现在跑出来发现，系统更鸡贼了，如果开成交出价，系统就会拉低客单人群，只拍一支的，搞得投产比很低很低。

所以，除非统一卖价的高客单品，其他多SKU高客单以及所有低客单的品，都开投产比出价就可以了。

直通车千万别提示余额不足

大家不要以为直通车没钱了才会断流，这样说吧，只要余额不足，哪怕还剩下个几十块，系统就会给你断流了。好几次直通车明明有余额，但是曝光腰斩，把钱补多一些后，曝光又起来了，说明系统给不给曝光，就是看你兜里的玛尼够不够花的。

日限额不要上来就无限额

有些新人习惯上来就开无限额，这样操作不太好。一是万一设置错了卖价，再加上个自动充值，那遇到薅羊毛的，岂不是亏的裤衩都没了。

还有就是一上来开无限，系统默认你这个链接是有利润的，直通车就会少曝光杀价，想拿曝光就得降低投产比出价，与咱们的目标背道而驰。所以，先设置个几百的限额，等稳定出单有利润了，再开无限也不迟。

三十天不出单链接尽快下架

平台虽然没有说过考核链接动销率，但是店铺里不动销链接多了，总感觉店铺跑的会很迟钝，所以我建议是每天排查在售链接，30天不出单的链接尽快下架。如果之前有单现在没单了，发布相似品继续做。如果是新链接，说明链接不行，直接下架。

发布相似品链接可以承接流量

对于推广受限或者其他原因导致这个链接挂了的，我们前期砸这条链接的车费是不是打水漂了？是的。但是有个方法可以补救一下，就是该条链接发布相似品，一模一样的去上架，这样可以很好的承接到之前的流量，达到快速重新起链接的目的。

截流就玩机会商品

如果各位有资源有优势的品，那么就去机会商品发布商品吧，如果你的卖价能按照机会商品给的卖价来，你这个链接上架之后直通车稍微出个价就能出单，机会商品都是别人已经起量的链接和品，照着做效率高，起量快。

定价=拼单价+限时限量购

拼多多定价跟其他平台不太一样，常规的到手价设置方式就是虚高拼单价加限时限量购了。至于券之类的，那个就要具体问题具体分析了。正常情况下，限时限量购等于到手价就差不多了。当然，拼单价=到手价也不是不行，就是这样做的人少。

讲解视频必须要传

上完链接后第一件事就是把讲解视频上传上去，图文都是静态的，讲解视频是动态的，有了讲解视频链接转化率会提高一点点，且还能获得视频推荐的流量。不过同品尽量选不同的讲解视频，不然多个链接用一个讲解视频，容易被驳回。

链接断流不要慌

拼多多平台链接断流掉量是很正常的，没有哪个商家链接能稳定跑六个月以上的。我五星店铺评价90%以上的链接还动不动的断流，所以，做好随时起新链接的准备就可以了。不要寄希望于一条链接过日子，在拼多多这里不可取。

好品可以开运费险

运费险要不要开呢？答案是看情况。如果各位做的品质量可以，那就打开运费险，好品退货的概率会小很多，开了运费险等于给买家一个承诺，是可以提高转化率的。

但如果是垃圾品，就不要开运费险了，我做过50%退货退款率的品，把运费险一关就降到了30%，所以开不开运费险主要看品的品质。

起量速度=拖价节奏

直通车怎样拖价最合适，其实没有标准的。真正的标准就是根据链接的起量快慢来拖价。链接起的快，拖价就可以快。比如一天增长百单以上的，拖价可以按照投产比增加0.5的节奏来。如果一天增长10单，那么拖价只能0.2的节奏来了。拖价快慢就取决于单量增长的快慢了。

好品才能长久运营

虽说拼多多链接不稳定，但是好品的链接存活时间是要远远大于垃圾品的，我做过的某垃圾品，3天起量，7天死链接的都有。而好品，起量之后活3个月以上是有可能的。好品断流更多的是被截流导致的，应对截流就没必要起新链接，直接洗SKU就可以了。

最好的防比价就是独家品

关于活动被比价的事，是不是很让各位苦恼，那么如何做到防比价呢？答案就是这个品就你有，别人没有，这样你想多少卖价报活动，都不会被比价。

那么真的问题就来了，你有没有畅销的且只有你有别人没有的品呢？大概率是没有的。你有的只有高价白牌，这种别人是没有，但是高价白牌没销量也没意义。归根到底拼的还是资源。

常规商家主要还是玩强付费

最后一条奉劝各位对自然流抱有幻想的老板，如果你不是源头厂家，那么你只能玩强付费。付费买流量是除极个别商家外的主流玩法，大家要做的只有一件事，核算好产品的成本和保本投产比，以及想办法开出有利润的投产比就完事了。

最后

魔鬼的魅力在于细节，想把拼多多做好，不是会一两招厉害的技术玩法就可以做到的，要精益求精，各个环节要做到位。

别的不说，上面讲的20条运营小技巧都掌握了，做拼多多也会好做那么一丢丢。

本文由运营派作者【老虎讲运营】，微信公众号：【老虎讲运营】，原创/授权发布于运营派，未经许可，禁止转载。

题图来自 Unsplash，基于 CC0 协议。

中国汽车工业协会：2024年中国汽车产销累计完成3128.2万辆和3143.6万辆同比分别增长3.7%和4.5%

Thu, 06 Feb 2025 21:30:12 CST

中国汽车工业协会日前发布数据显示，2024年，我国汽车产销累计完成3128.2万辆和3143.6万辆，同比分别增长3.7%和4.5%。创新高的数据背后，汽车产业变革亦呈现出前所未有的速度、广度和深度，并实现了全方位跃升：国内新能源乘用车新车渗透率已连续五个月超过50%，乘用车L2级以上辅助驾驶渗透率2024年上半年就已超过55%，自主品牌乘用车市场占有率已超过65%。

三个重要市场占有率指标悉数超过50%，实现了里程碑式的升级突破，也意味着我国汽车产业站上以“电”为主、以“智”推进、自主品牌竞争力领跑的新起跑线。

迈向“油电平分”关键节点

中汽协数据显示，在政策利好、供给丰富、价格降低和基础设施持续改善等多重因素共同作用下，2024年全年，我国新能源汽车产销分别完成1288.8万辆和1286.6万辆，同比分别增长34.4%和35.5%，产销连续10年位居全球第一，成为我国最具竞争力的战略性新兴产业之一。

“在强劲需求的推动下，新能源汽车渗透率攀升至新高。几年前，渗透率仅在限牌的大城市较高，如今，不论限牌与否、大城市还是小城市，渗透率都走到了非常高的位置，与2023年同期相比，各线城市新能源汽车渗透率都增长了十几个百分点。”瑞银中国汽车行业研究主管巩旻说。

赛力斯集团副总裁康波说：“纯电先发引领，插混紧跟放大，增程异军突起。三种技术路线相继推动我国新能源汽车挑战新的高度。”

当新能源汽车经过三四年的超高速增长，即将走到“油电平分”的关键节点时，产业逐步迈入成熟期，这一阶段，高速增长还会持续吗？业内人士的答案是，增速可能稍稍放缓，但内涵质量更高。

中国电动汽车百人会副理事长兼秘书长张永伟说：“2025年内需+出口的新能源汽车销量有望达1650万辆左右，增速约30%，其中国内市场1500万辆。2025年新能源汽车渗透率将达到55%左右，进入相对高质量的发展阶段。”

从新能源汽车车型结构来看，商用车的新能源化有望进入快速爬坡期，成为未来的新增长点。从电动化技术创新角度看，以固态电池为代表的新一代电池产品将加速量产。

目前，国内全链条、多主体布局固态电池，其中半固态电池技术先行，2025年出货量有望突破10GWh，全固态电池当前处于核心技术突破和验证阶段，有望在未来两三年完成小批量上车。电动化将迎来技术的迭代升级，释放更大价值。

“AI+”开启第二增长曲线

以电动化渗透率50%为界，汽车革命的上半场是电动化，下半场是智能化。智能化已经成为汽车产业最重要的竞争力，并通过跨界融合创新，孵化出更多未来赛道。

张永伟说，2024年上半年，国内乘用车L2级及以上辅助驾驶渗透率已超过55%，预计2025年将达到65%。2024年国内乘用车智能座舱渗透率更是超过70%，预计2025年将达到76%。基础智能化2025年将进入全面覆盖阶段。

高阶智能化也呈现快速增长，国内NOA(领航辅助驾驶)功能渗透率在2024年上半年达到11%，预计2025年达到20%。

“2025年新能源汽车技术的竞争焦点肯定是智能化，大模型、城市NOA、端到端、自动驾驶辅助等智能技术将快速产业化，未能进入智能化门槛的车企面临被淘汰风险。”岚图汽车CEO卢放说。

智能化渗透率过半，代表了智能化进入了真正的拐点，同时，“软件定义汽车”正逐渐演变为“AI定义汽车”。

基于强大的AI能力，特斯拉此前发布了Robotaxi自动驾驶出租车“Cybercab”，并宣布将在部分已有车型上实现无人监管的FSD(完全自动驾驶)技术。风向标企业的动作进一步加快了汽车的AI进化速度。

“AI在研发端的应用场景将持续扩大，并显著提高研发效率。AI在整车与产业链条上将加速端到端的应用，进一步赋能高级别自动驾驶。”罗兰贝格全球高级合伙人、亚洲区汽车业务负责人郑赟说。

在张永伟看来，汽车产业的技术高地和汽车企业的战略竞争支点正在向AI驱动的智能化快速迁移。过去的竞争力已经很难支撑汽车企业下一步的发展，未来必须建立以AI驱动的智能化发展模式，实现战略迁移。

理想汽车董事长兼CEO李想将人工智能视为“未来的全部”，称理想未来100%会做人形机器人。

吉利汽车刚刚在2025年美国拉斯维加斯消费电子展(CES)上发布“智能汽车全域AI”技术体系，吉利称，智能汽车是当前深度融合AI技术的重要载体之一，未来智能汽车将不仅仅是移动工具，还将具备自我意识，成为有智慧、有温度、有情感的“出行智慧生命体”。

“AI+”也让汽车产业外溢出第二增长曲线。张永伟说，汽车行业在人工智能时代出现了一个非常有意思的趋势，“在路上”是智能汽车；“飞上去”是飞行汽车、低空产业；“立起来”是人形机器人、具身智能。

从特斯拉到小鹏汽车、吉利汽车、比亚迪、广汽集团、奇瑞汽车、长安汽车……主流车企纷纷投身飞行汽车、具身智能，计划投入资金多达千亿元，通过布局这些与汽车产业有极高相关性的未来赛道，赢得未来市场。

“越来越多的汽车企业计划进入飞行汽车和人形机器人赛道，现在也许相当于2007年的移动互联网，或者2012年的新能源。”小鹏汽车董事长、CEO何小鹏说。

　合资品牌开打份额保卫战

电动化和智能化彻底改变了中国汽车品牌的竞争力。2023年，中国品牌乘用车市场占有率已经超过50%；2024年，中国品牌乘用车市场占有率达65.2%，较上年同期提升9.2个百分点。

“2025年，自主品牌市场份额有望突破70%。”在吉利汽车开年的销量目标会议上，吉利高层做出了这样的预测。

业内专家表示，中国汽车市场确实出现了结构性变化，由过去合资品牌主导的格局变成了自主品牌为主、跨国企业为辅的结构。中国市场的变化超出了很多跨国企业的预期。

巩旻表示，全球车企在中国的市场份额从2017年开始逐步下滑，2024年，外资品牌的市场份额加速下滑。中国本土品牌的产能利用率过去几年从65%爬升到了84%。同一时间，外资品牌产能利用率从73%跌到了56%。过去10年，平均每年合资车企在中国赚取了约200亿美元。但在过去两年，2023年降了大约1/3，2024年上半年进一步下跌了近一半，200亿美元利润池正在不断缩减。

跨国车企如何面对新的市场竞争态势，打好份额保卫战？

专家认为，外资品牌必须做出重大改变才能在中国市场继续有所作为，按照中国消费者的需求定义在中国销售的汽车，强化在中国本土的研发，充分利用中国在电动和智能方面的资源。

巩旻说，全球品牌在中国需要重新调整策略，改变组织架构以及重新“定位”中国。“中国已经不只是单纯的全球最大市场，而是汽车最新技术的全球研发中心，跨国车企应更多利用这些资源，转变中国在其全球版图中的角色。”

郑赟对记者表示，众多合资品牌已经开始以“换将”为突破，打响份额保卫战。以大众为代表的转型者正设立更多在华有研发自主权的实体，将车型开发从德国总部转移至中国，确保在中国直接决策并加速本土产品的研发与制造。

张永伟说，过去跨国车企在中国做的是技术、供应链“两头在外”的本土化，新的本土化则是“在中国，为世界”，需实现两个重大转变：一是技术向外，利用中国技术赋能全球；二是市场供应链向外，带着中国供应链实现全球布局。

Google搜索引擎架构Caffeine

Wed, 04 Dec 2024 22:09:28 CST

什么是 Google Caffeine？

Google Caffeine 是 Google 搜索引擎的一次架构重构，旨在满足不断增长的互联网内容和用户实时搜索需求。它替代了 Google 早期的分层索引系统，转而采用更加实时的索引机制，使搜索结果更加快速和新鲜。

发布时间：Google 于 2009 年 8 月发布 Caffeine 项目 Beta 版本，并于 2010 年 6 月正式启用。

Google Caffeine的产生背景

传统索引架构的局限性

在 Caffeine 出现之前，Google 使用的是一个分层的索引结构：

分层索引：
- 数据分为“主索引”和“增量索引”。
- 主索引：周期性地更新，通常需要几天或几周。
- 增量索引：包含最新的数据，但覆盖范围较小。
更新延迟：对于新增的网页或内容，用户可能需要等待较长时间才能在搜索结果中看到。
扩展性瓶颈：随着互联网内容的指数增长，传统架构难以高效处理。

Google Caffeine 的目标

提高索引速度：支持更快地抓取和处理新增内容（如新闻、博客、社交媒体）。
改进搜索结果的新鲜度：实现接近实时的搜索结果，用户能够快速获取最新信息。
扩展性：提升 Google 数据中心的存储和处理能力，满足日益增长的互联网规模。
提升性能：降低搜索延迟，改善用户体验。

Google Caffeine 的核心特性

实时索引：
- Caffeine 实现了一个单层实时索引系统。
- 新的网页和内容在被抓取后，几乎立即可供搜索使用。
分布式处理：
- 利用 Google 的分布式文件系统（GFS），对网页进行分片存储和处理。
- 大量服务器协同工作，提高数据处理速度。
高效的分片机制：
- 把网页划分为多个独立的“索引片”（index shard），每个片可以独立更新和查询。
改进抓取策略：
- 更频繁地抓取更新频率高的网站（如新闻网站）。
- 对重要页面和内容优先处理。
支持海量数据：
- Caffeine 的架构允许 Google 索引比以前多得多的网页内容，同时支持更多种类的数据（如图片、视频、实时内容）。

Caffeine 的技术优势

特性	传统索引架构	Google Caffeine
索引更新频率	周期性（数天至数周）	实时更新
处理速度	较慢	高效并行处理
扩展性	有限	动态可扩展
数据类型支持	主要是网页	多种数据类型

速度与效率：每秒可以处理数以千计的网页更新，显著提高了索引更新的频率。
可扩展性：动态扩展索引容量，适应互联网规模的持续增长。
新鲜度：通过实时处理机制，确保用户搜索结果中始终包含最新内容。
数据融合：Caffeine 不仅索引网页，还将图片、视频、社交媒体内容等多种类型数据整合到搜索结果中。

Google Caffeine的影响

对用户的影响

更快的搜索结果：用户可以几乎实时地获得最新的新闻、博客和社交媒体内容。
更全面的搜索覆盖：索引规模的扩大意味着用户能够搜索到更多样化的内容。
搜索体验提升：减少了延迟，搜索结果更加相关。

对网站管理员的影响

频繁抓取：Googlebot 的抓取频率增加，对频繁更新的网站尤为明显。
关注内容更新：网站需要更注重内容质量和频繁更新，以便在搜索中保持竞争力。
页面权重动态变化：页面排名可能会更快地反映内容的更新和链接关系的变化。

对互联网行业的影响

推动实时搜索：其他搜索引擎（如 Bing、Yahoo）也纷纷改进索引技术，以缩短数据处理延迟。
促进内容生产：更快速的内容索引激励了新闻网站和博客作者加速生产优质内容。
提高搜索质量：用户能够获得更加多样化和相关的搜索结果。

Google Caffeine 是一次革命性的搜索引擎升级，标志着搜索技术进入实时化时代。它不仅大幅提升了 Google 的搜索能力，还推动了整个互联网生态系统的快速发展。如果对其架构或技术实现有更深入的兴趣，可以讨论相关的分布式系统和大规模数据处理技术（如 GFS、 Bigtable、 MapReduce 等）。

Google Caffeine后更新

Google Caffeine 的推出是 Google 搜索引擎历史上的重要里程碑，但它并不是终点。Caffeine 后，Google 持续在搜索算法、基础架构和用户体验方面进行升级，以应对互联网快速变化的需求和挑战。

Google 在 Caffeine 后的升级，主要集中在以下几个方向：

更智能的查询理解：RankBrain、BERT、MUM。
用户体验优化：移动优先索引、页面体验更新。
实时性与动态性：实时数据索引和搜索。
安全性与透明性：加强数据隐私和搜索可信度。
生成式 AI 的应用：引入生成式 AI，提供更全面和互动的答案。

每一次升级都反映了 Google 对搜索体验优化的持续追求，同时适应了技术趋势和用户需求的变化。

以下是 Google 在 Caffeine 后的主要升级和改进：

RankBrain（2015 年）

RankBrain 是 Google 搜索引擎引入的机器学习算法，用于更好地理解用户查询背后的意图，特别是长尾查询和模糊表达。

核心功能：
- 将查询转换为向量形式（数值表示），便于理解和匹配用户意图。
- 提升了对自然语言查询的处理能力。
影响：
- 搜索结果变得更加相关和智能。
- RankBrain 成为 Google 排名因素之一，与内容相关性和页面权威性共同决定排名。

BERT（2019 年）

BERT（Bidirectional Encoder Representations from Transformers） 是 Google 推出的基于深度学习的自然语言处理技术，用于理解查询的上下文含义。

核心改进：
- BERT 能双向分析查询中的词语和短语，而不是孤立地理解单个词。
- 尤其对长查询和疑问句效果显著。
应用场景：在多个语言版本的搜索中使用，改善了 70 多种语言的搜索质量。
举例：查询 “2019年在巴西的游客需要签证吗？”
- BERT 可以正确理解“在巴西”是对游客的修饰，而不是对签证的修饰。

移动优先索引（Mobile-First Indexing，2016 年启动，2021 年完成）

随着移动设备使用量的增加，Google 改变了索引策略，从桌面优先转向移动优先。

核心概念：Google 搜索索引以网站的移动版本为基础，而非桌面版本。
影响：
- 网站需要优化其移动页面，以确保排名不受影响。
- 响应式设计和快速加载成为关键因素。

Page Experience Update（页面体验更新，2021 年）

Google 强调用户体验因素，将 Core Web Vitals（核心网页指标）纳入排名算法。

核心指标：
- LCP（Largest Contentful Paint）：页面主要内容的加载速度。
- FID（First Input Delay）：用户与页面首次交互的响应速度。
- CLS（Cumulative Layout Shift）：页面布局稳定性。
其他因素：
- HTTPS 安全性。
- 无侵入性广告。
影响：更注重用户友好的设计，缓慢或交互不佳的网站可能失去排名。

MUM（Multitask Unified Model，2021 年）

MUM 是 Google 搜索的多任务统一模型，旨在更智能地处理复杂查询，并提供综合答案。

核心特点：
- 使用多模态模型，能够同时处理文本、图像甚至视频数据。
- 支持多语言理解，并能将知识迁移到不同语言。
应用场景：复杂查询（例如：计划登山旅行需要哪些准备？），MUM 可以整合多种资源，生成更全面的答案。
改进：支持图文结合的搜索，比如用户上传一张图片并配以问题。

实时搜索与增强数据呈现

Google 持续增强搜索结果的动态性和直观性：

实时搜索：整合新闻、社交媒体动态（如 Twitter）、股市变化等实时数据。
丰富的结果展示：
- 使用知识图谱（Knowledge Graph）提供结构化信息。
- 提供更直观的搜索结果卡片（例如：直接在搜索页面上显示天气、赛事结果、影片简介等）。

神经匹配（Neural Matching，2018 年）

Neural Matching 是一种基于神经网络的算法，专注于更好地匹配用户查询和网页内容之间的相关性。

特点：更偏向于全局语义理解，而非关键词匹配。
应用场景：特别是在用户查询中未使用精确关键词的情况下表现突出。

AI 驱动的改进（2023 年及之后）

Google 不断使用更先进的 AI 模型改进搜索引擎，包括生成式 AI 的引入：

生成式 AI 回答：提供直接的、简短的答案，尤其在用户提出的问题非常具体时。
对话式搜索：搜索引擎逐渐具备类似 ChatGPT 的能力，能够与用户进行多轮对话。

数据隐私与安全性改进

近年来，Google 加强了对用户数据隐私的保护，同时确保搜索结果的可信度：

隐私保护：为用户提供更多控制搜索记录的方式。
搜索透明性：提供“关于此结果”（About This Result）的功能，帮助用户了解来源的可靠性。

国内高铁票价的计算规则

Sat, 23 Dec 2023 22:16:02 CST

高铁（包括 G、D 字头列车和一部分 C 字头列车）票价的计算是一个比较复杂的问题。它取决于线路的速度等级、里程、递远递减以及折扣等方面。

注意：

以下的讨论均不包含既有线动车组以及除京津城际线以外的城际铁路动车组的情况；
为不致混淆，本文中“高铁”指除第 1 条情形以外“开行 G、D 字头列车的线路”，不指代“G 字头列车”。

速度等级

线路的速度等级很大程度上决定了该线路上票价率（即每公里的票价）的高低。我国高铁车票定价时，速度等级分为两个：300 km/h 及以上（开行 G 字头列车为主）和 300 km/h 以下（开行 D 字头列车为主）。

时速 300 km/h 及以上的线路，G 字头列车（以下简称 G 车）二等座票价率一般为46 元/公里，D 字头列车（以下简称 D 车）二等座票价率一般为 0.31 元/公里或 0.37 元/公里；
时速 300 km/h 以下的线路，G 车和 D 车的二等座票价率大多相同，一般为31 元/公里或 0.37 元/公里。

国内部分高铁线路的票价率参见表（里程单位：公里，票价率单位：元/公里）。

利用表中给出的票价率，计算沈阳北—大连北的 G 车二等座票价。

解：沈阳北—大连北，383 公里（里程计算详见第二部分），383×0.46=176.18≈176 元。实际票价 175.5 元，大致相符。由于取消保险以及不同线路对尾数舍入的规定不同，计算出的票价与实际票价有 1~2 元的差距是正常的。

至于一等座、特等座和商务座的票价，则分别按照二等座票价的 1.6 倍、1.8 倍和 3 倍计算（广深港高速线福田段除外）。

客运运价里程

上面的例子中已经使用了沈阳北—大连北的里程数据。铁路部门在计算票价时，使用的并不是直线距离，也不是铁路线路的实际长度，而是一个叫做“铁路客运运价里程”的里程。客运运价里程通过《铁路客运运价里程表》公布，并在新线路开通之前通过《铁路客货运输专刊》进行更新。客运运价里程可以与实际里程有所出入。火车Wiki在线客里表可查询。

如果某次列车在两条或以上线路上运行时（称为“跨线”，反之称为“本线”），运价里程通过线路间的“接算站”进行累加计算。计算里程时的经由可能与列车实际走向不一致。

【例】计算 G200 次列车淄博—北京南间的客运运价里程。

解：

胶济客专线淄博—济南 110
京济联络线济南—济南西 20
京沪高速线济南西—北京南 406
共计 110+20+406=536 公里。

递远递减

远递减票价计算

高铁票价执行递远递减的原则：500 公里以下的部分无折扣，500~1000 公里的部分打九折，1000~1500 公里的部分打八折，以此类推。

【例】计算京沪高铁本线 G 车北京南—上海虹桥二等座票价。

解：

北京南—上海虹桥，1318 公里，有递远递减。
500×46+(1000-500)×0.46×0.9+(1318-1000)×0.46×0.8=554.024≈554 元，与实际票价完全一致。

【例】计算哈大高铁全程 G 车二等座票价。

解：先计算客运运价里程。

京哈高速线沈哈段哈尔滨西—沈阳北 538
沈大高速线沈阳北—大连北 383
共计 921 公里，享受递远递减。
500×46+(921-500)×0.46×0.9=404.294≈404.5 元，实际票价 403.5 元，基本一致。

运价里程通算

由于高铁客专大多数是由地方和中国铁路总公司合资修建，在不同省份或路局集团公司管内组建了不同的合资公司，为了便于进行收入核算和利润分配，并不是所有线路上的运价里程都可以直接相加参与递远递减（可以直接相加的情况称为“通算”）。甚至部分线路由于分属不同路局集团公司管辖，即使本线车里程也不享受递远递减，表 1 的备注栏中对这种线路予以了标注。并且，二等座票价率不同的线路一定不可通算。

目前我已知可以通算运价里程的线路有：

京沪高速线、津秦高速线、合蚌高速线、合福高速线、宁杭高速线间发生直接跨线时，运价里程通算
京广高速线各段间运价里程通算
徐兰高速线西安北至徐州东间里程通算
京哈高速线沈哈段与沈大高速线（即通俗所称的哈大高铁）间发生直接跨线时，运价里程通算

所谓“直接跨线”是指中间不经由其他任何线路从某线跨到另一条线。

除表 1 备注栏标注无递远递减的线路以外，还有以下情形：

广深港高速线各段间不通算
沪昆高速线沪杭段与其余部分不通算，杭州东至昆明南段通算
徐兰高速线西宝段与宝兰段及西安北至徐州东段不通算
武九客专线大阳段与阳九段不通算，但大阳段与武石城际线通算
宁蓉线南京南至合肥南段、合肥南至宜昌东段、宜昌东至重庆北段、重庆北至成都东段相互之间不通算，各段内部通算
杭深线杭甬段与宁波至深圳北段不通算，宁波至深圳北段内部通算
海南环岛高铁线东段、西段间不通算
南广线南宁至梧州南段与梧州南至广州南段不通算，即南广线无递远递减

若某列车跨经不通算的线路运行时，分别计算出各段票价，相加即得总票价。

下面举几个例子：

【例】计算 D2373 次列车南京南至汉口的二等座票价。

解：宁蓉线南京南至合肥南段、合肥南至宜昌东段间不通算，先列出各段运价里程。

宁蓉线宁渝段南京南—合肥南 157
宁蓉线宁渝段合肥南—汉口 359
南京南至合肥南段，157×43=67.51≈67.5 元。
合肥南至汉口段，359×37=132.83≈133 元。
两段相加，得到总票价5+133=200.5 元，实际票价 200 元，基本一致。
注意，宁蓉线上的列车实行浮动票价，并非所有经由和里程相同的列车票价都相同，具体请参见第五部分。

【例】计算 G1371 次列车（上海虹桥—昆明南）全程二等座票价。

解：沪昆高速线沪杭段与其余部分不通算，先列出各段运价里程。

沪昆高速线上海虹桥—杭州东 159
沪昆高速线杭州东—昆明南 2093
上海虹桥至杭州东段，159×46=73.14≈73 元。
杭州东至昆明南段里程通算，2093 公里享受递远递减。
500×46+(1000-500)×0.46×0.9+(1500-1000)×0.46×0.8+(2000-1500)×0.46×0.7+(2093-2000)×0.46×0.6=807.668≈807.5 元。
两段相加，得到总票价 73+807.5=880.5 元，实际票价 879 元，基本一致。

【例】计算 G1904/1 次列车（西安北—福州）全程二等座票价。

解：先计算客运运价里程。

徐兰高速线西安北—徐州东所 880
徐州东联络线徐州东所—徐州东 3
京沪高速线徐州东—蚌埠南 156
合蚌高速线蚌埠南—合肥北城 110
合福高速线合肥北城—福州 850
西安北至徐州东段里程通算，883 公里享受递远递减。500×46+(883-500)×0.46×0.9=388.562≈388.5 元。
徐州东至福州段里程通算，1116 公里享受递远递减。500×46+(1000-500)×0.46×0.9+(1116-1000)×0.46×0.8=479.688≈479.5 元。
两段相加，得到总票价5+479.5=868 元，实际票价 867 元，基本一致。

不达速折扣

根据原铁道部于 2011 年 8 月 12 日发布的《关于新建高速铁路动车组列车下浮票价的通知》（铁运电〔2011〕108 号）文件，

对降速运营的京津城际线、沪昆高速线沪杭段、宁蓉线合宁段和合武段、石太客专线获太段、昌九城际线、海南东环线、沪深线甬厦段、长吉城际线和既有线提速区段上开行的动车组列车，各席别票价在现行票价基础上下浮 5%，不足 1 元的尾数按四舍五入处理。

列表中除宁蓉线合宁段和合武段已于 2018 年 7 月 1 日恢复原速度运行外，其他线路以及后来的部分运营时速不足 250 km/h 的线路均有不同幅度的票价下浮。折扣比例见表 1。

至此，所有高铁车票的定价规则就介绍完毕了。下面举两个例子，看看票价究竟是如何计算出来的。

【例】计算 G200 次列车淄博—北京南二等座票价。

解：

对胶济客专线和京沪高速线分段计算。
胶济客专线，110×31=34.1≈34 元。
京济联络线和京沪高速线，426×46=195.96≈196 元。
两段相加，得到总票价 34+196=230 元，实际票价 229 元，基本一致。

【例】计算 G1313 次列车汉口—重庆北二等座票价。

解：

宁蓉线合肥南至宜昌东段、宜昌东至重庆北段间不通算，先列出各段运价里程。
宁蓉线宁渝段汉口—宜昌东 292
宁蓉线宁渝段宜昌东—重庆北 553
汉口至宜昌东段，292×37=108.04≈108 元。
宜昌东至重庆北段，享受递远递减，有不达速折扣。(500×31+(553-500)×0.31×0.9)×0.95=161.30≈161.5 元。
两段相加，得到总票价 108+161.5=269.5 元，实际票价 270 元，基本一致。

浮动票价

2018 年 7 月 5 日起，铁路部门对早期开通的合肥至武汉、武汉至宜昌、贵阳至广州、柳州至南宁、上海至南京、南京至杭州 6 段线路上运行时速 200-250 公里的高铁动车组公布票价进行优化调整，明确执行票价以公布票价为最高限价，铁路相关企业可根据客流情况，分季节、分时段、分席别、分区段在限价内实行票价下浮，最大折扣幅度 6.5 折。

浮动票价以“公布票价”为上限，不同车次执行不同折扣。各列车公布票价可在12306查询，一般高于原来的固定票价。目前多条高铁线路执行浮动票价，包括已开通多年的京沪高铁、成渝高铁、沪宁城际等，新开通的高铁一般也直接按照浮动票价定价，例如今年通车的津兴城际、福厦高铁等。

实际上，国铁集团在2016年就获得了高铁自主定价权。当年1月1日实施的《关于改革完善高铁动车组旅客票价政策的通知》提到，高铁动车组可制定无折扣的公布票价，再根据公布票价确定实际的执行票价。到2017年4月份，铁路部门在东南沿海高铁首次执行浮动票价。2018年7月，浮动票价模式又扩大到合肥-武汉、武汉-宜昌、贵阳-广州、上海-南京、南京-杭州等高铁线路。2020年12月，京沪高铁也开始执行浮动票价。此后，更多线路采取这一定价模式。

铁路部门在执行浮动票价时，一般会表示票价“有升有降”。但统计部分线路票价发现，涨价的车次数一般高于降价车次数，总体上这些线路票价也上涨了。以京沪高铁为例，此前全程二等座的固定票价为553元，现在的公布票价为662元。12月20日，北京南站至上海虹桥站开行35趟列车，其中只有2趟列车二等座票价低于553元，有5趟列车与原固定票价持平，其余80%列车高于原票价。涨价的列车中，8趟列车的实际票价与公布票价（662元）一致。

参考链接：

ChatGPT 最强平替出现！免费就能用，真是太香了｜Hunt Good 周报

Mon, 17 Jul 2023 11:36:50 CST

欢迎收看全新一期的 Hunt Good 周报！

本周我们将会介绍一款不亚于 ChatGPT 的聊天机器人，并且它是免费！免费！免费的！重要的事情说三次，快来看看它能不能代替 ChatGPT 解决你的问题吧。

在本期内容你会看到：

4 条新鲜资讯
4 个有用工具
3 个鲜明观点
1 个有趣案例

Hunt for News｜先进头条

别再迷恋 ChatGPT，快试试它的最强对手

ChatGPT 确实是目前最强大的聊天机器人，但这并不意味着它没有缺点：免费版经常会卡顿、每次输入的内容（tokens）有限、知识还停留在 2021 年、不能个性化回答……

如果你也因为这些缺点而烦恼，那么你一定会喜欢 Anthropic 新发布的 Claude 2 模型。

Anthropic 是由 OpenAI 前研究副总裁 Dario Amodei 和他的妹妹 Daniela Amodei 共同创立的，致力于打造「可操控、可解释、稳健」的大规模 AI 系统。

首先 Claude 2 模型免费就能体验，无需加入万恶的等候列表，注册就能使用。

其次，Claude 2 支持多达 200000 个 tokens 的上下文（目前只开放了 100000 tokens），相当于约 150000 个单词，可以一次性读完一整本《哈利波特之魔法石》。

这就能衍生出许多玩法，例如把你的文章做成集合上传给 Claude 2，让它模仿你的文笔写文章。

又或者把不想看到财报文档、论文丢给 Claude 2，让它提炼信息并帮你分析。

值得注意的是，目前 Claude 2 仅面向美国和英国的用户体验，晚些时候才会开放更多国家和地区的支持。

claude.ai/login

Midjourney 发布 1 周年，进步有多大？

什么叫 AI 一日，人间一年？看看 Midjourney 发布后一年的进步就知道了。

在下面的图例里，左边是初版 Midjourney 的效果，右边是最新版本的效果，可以直观地看到 AI 进化的速度真的非常惊人。

迈开第一步，OpenAI 宣布与美联社合作

最近 OpenAI 并没有像大家想象那样过上明星公司的悠闲日子，相反 OpenAI 似乎成了人类与 AI 发生冲突时首当其冲遭到抨击的靶子，接二连三地收到了多起侵犯版权、隐私权的诉讼。

OpenAI 正在尝试着解决这些矛盾，与一些重要版权商达成协议，例如非盈利通讯社美联社。

近日 OpenAI 与与美联社达成协议，OpenAI 可以获得美联社的新闻存档许可，用于训练 AI，而美联社则在考虑将生成式 AI 技术应用于新产品和服务中。这听起来像是一笔互惠互利的交易。

由于美联社的规模庞大且与其他新闻机构有着深厚的联系，这项协议对整个新闻行业影响深远，对行业评估 AI 潜力和风险来说非常重要。如果 OpenAI 与美联社的合作顺利的话，或许会有更多的新闻机构愿意抛出橄榄枝。

apnews.com/article/openai-chatgpt-associated-press-ap-f86f84c5bcc2f3b98074b38521f5f75a

‍ Google 最新的「AI 代言人」——一只鸟

你的心里会不会有个小提琴/大提琴梦？现在 Google 用「一只鸟」帮你实现。

Google Art & Culture 实验室近日发布了一个新的实验项目：你只需要按住鼠标左右滑动，就能让一只名叫 Viola the Bird 的鸟帮你演奏处贝多芬、巴赫等古典音乐巨作。

Viola 演奏的过程也很带感，它用嘴叼着琴弓，会随着你鼠标移动的方向、速度演奏出乐曲的每个音符，只要你划拉地够快，你甚至可以用 10 秒钟演奏完一首卡农。

Viola 是由 Google 的研究员与多名大提琴演奏家和小提琴家合作开发的项目。

他们通过训练一个机器训练模型来理解大提琴和小提琴的作曲。然后，将该神经网络应用于创建实时音频合成引擎，可以根据你的输入生成大提琴或小提琴的声音。

想要体验 Viola 的体验也很简单，进入下方的链接即可开玩，快来演奏一曲吧。

artsandculture.google.com/experiment/nAEJVwNkp-FnrQ

Hunt for Tools｜先进工具

Pika，能拍广告大片的 AI 视频工具

又一 AI 视频神器发布，这次连广告大片都能拍。

即 Runway、Zeroshot 之后，AI 视频界又冉冉升起了一颗新星——Pika。从用户们的测试视频来看，Pika 可以根据文字生成接近真实视频质感的画面，有人敲入了一些镜头描述，用来拍宝马的广告大片，看起来还像模像样。

Pika 目前正在公测中，填写链接来加入排队队列：

7cj3uzfnqqy.typeform.com/pika-beta?typeform-source=botzero.net

Cotrans，自动嵌字的 AI 字幕组

你曾因为啃不动生肉，而失去在第一时间浏览喜爱漫画的机会吗？

现在使用 Cotrans 脚本一键就能免费翻译。

开源的 Cotrans 脚本支持英日韩三种外语，可以在浏览网页的同时一键翻译，支持的网站有 Pixiv、Twitter、Misskey 和 Calckey。

其它网站上的漫画可以通过网站应用上传图片的方式进行翻译，翻译可选 GPT-3.5/DeepL 等。

有了 Cotrans，看漫画就不再苦等汉化组啦。

翻译前后对比 (Source @rikak)

插件：greasyfork.org/zh-CN/scripts/437569-cotrans-manga-image-translator-regular-edition

在线应用：https://cotrans.touhou.ai//

Stability.ai 发布 SDXL 1.0，可在线生图

还在因为 Midjourney 收费而犹豫不决吗？

Stable Diffsion 现在可以在线免费生图了！

一直以来，Stable Diffusion 和 Midjourney 分别代表着 AI 生图的两个派系——本地部署派和云生图派，但现在 SDXL 1.0 打破这个平衡。

随着 SDXL 1.0 的发布，Stability.ai 最近在 Discord 论坛上线了 SDXL 1.0 模型，用户可以像在 Midjourney 一样直接输入 prompt 生图，不用再本地部署模型，操作门槛大大降低，目前可以免费体验。

discord.com/invite/stablediffusion

Google 带来了一个「AI 笔记本」，人人都有 AI 秘书

在最近的 Google I/O 大会上，Google 推出了一款名为 NotebookLM 的实验产品。

NotebookLM 可以自动生成摘要、回答问题和产生创造性的想法，帮助你快速获取信息并建立联系。

NotebookLM 还可以成为个性化的 AI 助手，只需上传文档，就能调用大语言模型来整理你的文档。

而且，Google 称他们充分保护了用户的隐私保，你上传的文件和与 AI 的对话仅自己可见。

现在，NotebookLM 已经进入测试体验阶段，可在下方链接加入排队队列：

notebooklm.google.com/about?location=us-only

Hunt for Insights｜先知

比尔盖茨：别急着害怕 AI

比尔·盖茨最近在个人博客更新了他对 AI 的看法。他认为人工智能的潜力巨大，也存在一些问题。人工智能可能导致深度伪造、有偏见的算法和学校作弊等问题，但他相信这些问题是可以解决的。

他主张对人工智能进行限制和规范，例如针对汽车设立「限速和安全带」制度，并提出建立类似于国际原子能机构的全球监管机构。他对人工智能的发展持以积极而谨慎的态度，认为人类过去对其他重大技术的适应经验也适用于人工智能。

盖茨认为，我们现在正处于又一个巨大变革的最早阶段，即 AI 的时代。他指出，AI 的变化如此之快，以至于我们无法清楚地预知接下来会发生什么。我们面临的大问题是当前技术的工作方式，人们将如何恶意使用它，以及 AI 将如何改变我们作为社会和个体的方式。

在这样的时刻，人们自然会感到不安，但历史表明，我们有可能解决新技术带来的挑战。

www.gatesnotes.com/The-risks-of-AI-are-real-but-manageable

GPT-4 变笨了吗？

最近，GPT-4 的用户们抱怨模型的性能下降，一些人甚至称模型变得「懒惰」和「愚蠢」。

他们在 Twitter 和 OpenAI 的开发者论坛上分享 GPT-4 出现的问题，包括模型逻辑能力下降、更多错误回应、丢失提供的信息、难以遵循指示、在基础软件代码中忘记添加括号，以及只记住最近的提示等问题等等。

一位使用 GPT-4 来帮助他为网站编写功能的开发者写道：「现在的 GPT-4 令人失望。就像开了一个月的法拉利，然后突然变成一辆破旧的老皮卡。我不确定我是否愿意为此付费。」Roblox 的产品主管 Peter Yang 在 Twitter 上表示，模型产生的输出更快，但质量更差。

对此，OpenAI 副总裁 Peter Welinder 回应称 OpenAI 并没有降低 GPT-4 的性能，人们觉得它变得不如以前，只是人们用得多了之后开始注意到之前没有留意的问题。

这大概就像伴侣对你说：「你对我已经不像以前那样了」。

www.businessinsider.com/openai-gpt4-ai-model-got-lazier-dumber-chatgpt-2023-7

电商 CEO 用 AI 代替了 90% 的客服

电商平台 Dukaan 近日解雇了 90% 的支持人员，并用 AI 聊天机器人取代他们。Dukaan 近日的 CEO Suumit Shah 在 Twitter 上分享称，他们的措施将客户支持成本降低了 85%。

他写道：「由于这个 AI 聊天机器人，我们不得不解雇 90% 的支持团队。困难？是的。必要？绝对」。

然而，网友们并不接受这样的解释。有网友表示客户团队被解雇是因为 Dukkan 业务失败和资金短缺，AI 不过是遮羞布罢了。

对于网络上的批评，Shah 回应称他坚持认为他的观点仍然站得住脚。「AI 正在接管我们的工作，」他说。「随着时间的推移，每个人都会开始这样做。这不仅仅是我们。」

www.businessinsider.com/ai-chatbot-ceo-laid-off-staff-human-support-2023-7

Hunt for Fun｜先行

Pika 制作动态专辑封面

Pikapika

彩蛋时间

如果你哪天醒来，一掀开被子钻出了一个可爱的脑袋会怎样？

{Lion} peeking out from under the blanket on the bed –ar 16:9
作者：KALSON.
工具：Midjourney V5.2

苏冉芃对本文亦有贡献

黄智健

少说废话。

邮箱

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

华为流程体系：IPD流程框架

Fri, 16 Jun 2023 14:39:25 CST

本篇文章作者介绍 IPD 体系主体框架所涉及的一些相关内容，并详细介绍了其三个核心思想：市场管理、流程重组、产品重组。IPD是灵活发展的，熟悉掌握IPD这一思维框架，能对我们日常生活有很多帮助。

今天主要来谈谈 IPD 体系的主体框架所涉及的一些相关内容。

其实关于 IPD 体系，我在之前的文章中都有过不同程度的讲解。

但是，由于这个体系所涉及的面是非常广泛的，这个时候就必须通过一系列的延伸内容从不同的维度来分析和讲解。

只有通过这种方式，才能够让大家最终在工作或者生活中去应用、去思考。即便是你在日常生活中想到了 IPD 这个结构化的思维框架，这也是很有价值的一件事情。

IPD 的全称是指集成产品开发。IPD 的核心思想最早是来源于美国 PRTM 公司的 PACE 理论。

如果大家对 PACE 感兴趣的话，可以看一下《培思的力量》这本书。这套理论详细描述了业界最佳的产品开发模式所包含的各个方面。

后来经过 IBM，以及华为这些企业的实践。IPD 已经成为一套包含企业产品开发的思想、模式、工具的系统性工程。

如果从客户需求到客户满意这个维度出发，也就是从“以客户为中心”的角度出发。

可以将企业的业务划分为三个主要的业务流程。也就是下面这张图所展示的：

第一个是集成产品开发：IPD 流程。这个流程解决的是如何满足需求的问题。
第二个是从线索到回款：LTC 流程。这个流程解决的是如何回款的问题，也就是如何实现企业的商业变现的问题。
第三个是从问题到解决：ITR 流程。这个流程解决的是客服服务的问题。

尤其是对于这个高度行业内卷的时代，你比别人的服务多做一点，客户就可能更愿意选择你。

其中，IPD 流程中融合了大量的优秀的业界实践，主要就涉及：

并行工程。
瀑布式开发流程。
跨职能团队。
产品及周期优化法 PACE。
门径管理流程等。

大家可以看下面这张图。

讲 IPD 体系，就一定绕不开 IPD 的核心思想。

IPD 的流程本身会随着时代、新方法的创新，在动态变化着。

这个时候，核心思想便是 IPD 体系的“根”，起到指导和稳定剂的作用。

IPD 的核心思想包括三个板块，分别是：

市场管理。
流程重组。
产品重组。

大家可以看下面这张图：

下面简单拆分一下。

第一个核心思想：研发是投资行为。

业务经营有两条主线：

一个是实现公司的商业目标；
另一个是满足客户需求。

第一个是为了企业的可持续发展，第二个是企业存在的基础。两者缺一不可。

因此，要把所有研发项目作为投资对象进行组合管理。包括产品开发、平台和技术开发，以及研究类项目。

从一开始就要考虑产品、服务、解决方案和技术的投资回报率。

第二个核心思想是基于市场，也就是需求的开发。

满足客户需求是企业生存的基础。

无论公司战略、市场规划、产品技术规划、各功能部门的规划，还是产品和技术的研发。

甚至是公司其他运营活动，都必须围绕客户需求进行展开。

第三个核心思想是跨部门的协作。

创新和研发是全公司的行为，接力棒式的产品开发流程是很难保证产品质量的。

在 IPD 体系中，无论是需求管理、产品和技术规划、项目任务书开发、产品和技术研发、产品上市，还是上市后的生命周期管理。

都会广泛采用跨部门团队，这样就可以汇集各个领域的专业智慧。

然后形成合力，共同满足客户需求，为产品的商业成功负责。

第四个核心思想是平台化的开发。

为了提高产品、服务、解决方案的开发效率，就需要通过需求管理、产品和技术规划提前识别公共技术和关键技术。

然后单独立项开发，这样才能在产品开发过程中调取这些资源。从而在快速响应客户需求、提高质量、降低成本上同时取得领先优势。

第五个核心思想是结构化的流程。

IPD 体系中的各种流程被划分为若干个阶段。

而且在每个阶段都设置了评审点，按角色归集流程中的活动，便于与组织结构相互匹配。

第六个核心思想是持续改进：灵活发展，与时俱进。

IPD 是灵活发展的，必须在不断吸取业界最佳实践和解决业务问题的过程中与时俱进。

持续变革和优化，以便适应 VUCA 时代的 IPD 体系。

专栏作家

卫朋，公众号：产品人卫朋，人人都是产品经理专栏作家。关注智能硬件领域，擅长市场分析、产品设计开发、生产管理等，喜欢阅读和爬山。

本文原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。

一文讲透产品经理如何用好ChatGPT

Mon, 27 Mar 2023 18:00:15 CST

ChatGPT，特别是4.0版本的出现，对各行各业产生了极为深远的影响。但人类不应该害怕机器，而是要想办法让机器为自己所用。作为产品经理，ChatGPT能帮我们做什么呢？本文作者对此展开了分析，与你分享。

“4.0版本的ChatGPT可以有效提升产品经理工作效率，但并无法充当产品经理的角色。”

一、引言

3月15日，OpenAI发布了最新的基于GPT-4的ChatGPT，关于其智能性的讨论热度在互联网上空前高涨。

我之前体验过3.5版，发现其难以应用于实际工作中。4.0版本推出后，在中文互联网上并没有辅助产品经理工作的详细介绍。这让我意识到相关内容还没有被系统性地总结。因此，我基于GPT-4，梳理了帮助产品经理全流程提效的方法，整理了一些prompt，本文旨在分享这些收获，希望能抛砖引玉。

二、GPT-4简介

关于ChatGPT的介绍屡见不鲜，在此仅简要介绍GPT-4。本文所述的ChatGPT的所有能力均基于GPT-4模型。

GPT-4（Generative Pre-trained Transformers 4）是OpenAI发布的第四代自然语言处理模型。其主要特点和功能包括：

更高的准确性和协作性：与前代模型相比，GPT-4在准确性、创造性和协作性方面有所提升，准确回应的可能性提高了40%。
多模态处理能力：GPT-4不仅可以处理文本， 还具备处理图片和视频的能力，使得用户可以同时提交文本和图片，让模型处理和讨论这两方面的内容。
广泛的应用场景：GPT-4可以应用于各个行业，例如金融、教育、IT等，帮助企业改进业务流程和提高客户体验。

三、如何用好ChatGPT

要解答这个问题，首先需要了解一个新概念： 提示（prompt），即与ChatGPT进行交流时，用户输入的内容。“提示”可以是一个问题、一段文字描述，甚至可以是带有一系列参数的文字描述。AI模型会根据“提示”所提供的信息，生成对应的文本或者图片。 熟练地使用“ 提示” 在五年之内绝对会成为产品经理的必备能力。

需要注意的是，本文中所有的提示，均为本人基于手机里各类APP模拟，不代表我所从事的产品经理工作，也不代表我司的情况。

0. 产品经理的工作流程

要充分利用ChatGPT来提高效率，需要根据产品经理的工作流程进行逐步分析。关于产品经理工作流程的介绍，在网络上有许多不同的版本。在本文中，我选取了一种较为通用的工作流程：

并针对这些流程进行打分：

市场调研：提效能力⭐️⭐️
产品规划：提效能力⭐️⭐️⭐️⭐️⭐️
方案设计：提效能力⭐️⭐️⭐️⭐️
项目推动：提效能力⭐️⭐️⭐️⭐️
运营推广：提效能力⭐️⭐️⭐️⭐️
数据分析与迭代升级：提效能力⭐️⭐️
项目汇报：提效能力⭐️⭐️⭐️

以下是详细的介绍：

1. 市场调研：提效能力⭐️⭐️

在市场调研环节，产品经理需要深入了解市场趋势、竞争格局以及用户需求。从而制定更贴合市场和用户需求的产品规划。ChatGPT的优劣势如下：

先说劣势：

ChatGPT本体的信息时效性很差，数据训练截止至2021年9月。尽管时效性问题可以通过插件解决，但该插件截止至3月26日并未正式上线。
ChatGPT会编造他不知道的内容，需要尤其注意甄别。

再看优势：ChatGPT具有出色的归纳总结能力，在好的 “提示”下，可以进行非常结构化的总结，可加快产品经理分析网上资料的速度。

提示（prompt）建议：

在用于市场调研时，建议 少直接提问市场趋势，回答会过于宽泛不具有参考价值，建议先对市场进行初步研究，整理若干材料，使用ChatGPT进行辅助分析。需要注意的是，如果你只提供文章链接，那他仍可能通过编造的方式回答你。到目前为止，仍需要把文章的内容输入给他才能确保分析的准确性。而每次输入最多只有4096个字。

下面是一些案例：

提示（prompt）负面案例：直接提问， 数据过于老旧，可用性很差。

提示（prompt）正面案例1：输入多份最近的文字报告，要求其进行总结。在我提供了多份文章后，反馈如下：

提示（prompt）正面案例2：行业分析，在已经输入足够信息的前提下，指定针对谁（公司/行业/产品）进行 何种分析（SWOT分析/3C分析/PEST分析等）

输入文章内容，让ChatGPT 分析论点论据也是一种好用的 “提示”技巧。大家有兴趣可以自行尝试。

总结：目前ChatGPT信息时效性太差，在市场调研中的作用仅能评为两颗星。 数据实时化插件上线后，预计评级可提升到 四颗星。但它仍无法替代产品经理的市场调研工作。“要想知道梨子的味道，就要亲口尝一尝”。任何线上信息都无法替代实际的用户调研。ChatGPT只能加速你对市场理解的速度，但真正的判断仍需依赖“人”的智慧。

2. 产品规划：提效能力 ⭐️⭐️ ⭐️ ⭐️ ⭐️

在完成市场调研与用户分析后，产品经理需要明确用户需求并开始产品规划。从这一阶段开始， ChatGPT将会展现出其强大的提效能力。前文已提到，ChatGPT归纳总结能力极强，尽管市面上的具体产品千差万别，但是产品类型其实是相对有限的， 这就意味着ChatGPT 可以很好的输出目前各类产品的规划。

当产品经理面对新领域时，会担心规划的周全性，因此需要投入大量时间学习某类产品规划的方法。而在ChatGPT的加持下，可极大地缩短这个进程。

下面请看案例，都是我不熟悉领域：

提示案例1：咨询新游戏的产品规划

我们公司计划开发一款基于虚幻5引擎的手机跑酷类游戏，能帮我制定一份产品规划吗？需要考虑游戏设计的各个方面，避免遗漏。

提示案例2：咨询风控系统产品规划

我所在的公司是一家本地生活公司，最近频繁受到黑灰产的滋扰，需要设计一款风控系统，能帮我出一份全面的产品规划吗？

作为一个外行，通过他的解答，也能快速了解相关产品的框架。达到了我们预期的效果。

此外ChatGPT 在公式分解产品问题上也表现优异，众所周知， 对问题进行公式化拆解并找到其中的重点，是产品经理的一项关键能力，ChatGPT的出现极大地降低了掌握这项技能的门槛。

以下是案例：

提示案例3：帮忙对某个产品问题进行公式拆解

我部门的用户为C端用户，我想要提升我们部门产品的微信社群渠道的销售额，请对这个问题进行公式分解，拆解到最细粒度。

通过以上三个案例，足可验证ChatGPT在产品规划上的强大能力，对于某一领域的专家来说，可能用途不大，但是对刚涉足某产品领域的新人来说，可以有效提升产品规划思考的周全性，极大缩短规划时间，降低产品规划考虑不周带来的潜在风险。

当然， ChatGPT 提供的只是一个完备的框架 （基于其强大的归纳总结能力），产品经理仍需根据公司业务的具体场景进行详细规划。

3. 方案设计：提效能力 ⭐️ ⭐️ ⭐️ ⭐️

在产品经理完成产品规划后，将进入到了方案设计阶段，需要设计产品方案并输出产品文档。在这个阶段，ChatGPT仍可有效地帮助产品经理。

3.1 产品方案：提效能力 ⭐️ ⭐️ ⭐️ ⭐️ ⭐️

产品经理需要掌握 “提示”的颗粒度，注意避免泄露公司信息。

好的提示应当包括： 背景，痛点，目标用户，求一个解决方案。

这样可以有效帮助产品经理梳理方案需要包括哪些功能。

提示案例1：

为了提升用户体验，我们的电商平台为用户提供一种特色服务：当一个订单产生售后行为时，商品没回去的时候就给用户退款，如果退回商品有人为损坏的问题，已经退的款如何收回？请帮忙设计一个产品方案

如果想要了解某一个功能的细节，还可以进行追问，案例如下：

提示案例2：

你回答得很全面，我想了解一下预售权扣款协议产品方案具体都包括哪些内容？

此外，还可以在提示中引入【资源】的维度，让其提供在资源有限前提下的解决方案。

总之，在设计一个新的产品功能时，产品经理往往需要花费较多时间思考包含哪些功能点，在ChatGPT的加持下，可以很好的启发产品经理， “喔，原来这个点很重要，之前我没想到”。但是具体的产品方案内容还需要产品经理根据公司情况进行详细的调研与撰写。

3.2 产品文档：提效能力 ⭐️ ⭐️

在梳理完产品方案后，产品经理需要撰写产品文档（PRD），因为产品文档中包含大量实现细节，受限于公司的信息安全与ChatGPT的能力特点，指望他完全帮助产品经理直接输出还有一定难度。我仅提供一个案例(虚构场景，不涉及公司内部数据)，请大家欣赏一下他的全面性。

提示案例：

我们部门主要销售生鲜蔬菜，我们的产品已经具备了买菜的全部功能。最近，我们计划在产品中增加学做菜的功能，让用户在购买后也能使用我们的产品做菜。当用户想用我们产品做菜的时候，也会顺便买菜，形成正向循环。请帮我输出一份完整的产品PRD文档，设计学做菜模块。需要细到都在哪些页面展示学做菜功能。

基于有限的 “提示”，ChatGPT竟能输出如此详细的内容，如果把依赖接口文档提供给他，或许他真的能写出完整的PRD。但是这肯定涉及公司信息安全，不应冒险尝试。相信随着大家对ChatGPT理解的不断深入，一定可以找到既能保证公司信息安全，又能快速输出的 “提示”技巧。

4. 项目推动：提效能力 ⭐️ ⭐️ ⭐️ ⭐️

项目推动可分为 广义和狭义。广义上，工作中推动任何事情都属于项目推动。狭义上，则专指在产品文档编写完毕后推动产品上线。无论是广义还是狭义，ChatGPT都能为产品经理提供有效帮助。

4.1 广义项目推动：提效能力 ⭐️ ⭐️ ⭐️ ⭐️

相信许多产品经理都有工作中遇到问题，苦于如何解决的时刻吧。特别是新手产品经理，在成长过程中，难免遇到种种困难，个中滋味，相信大家都有所体会。

我们在工作中常讲，工作有“ 知不知，能不能，愿不愿”三个层次。ChatGPT 可以让大家了解如何正确地做事，极大降低了“知不知”的门槛，让我为大家演示一些案例。

此类提示的格式：角色+场景+事件+问题+相关角色

提示案例：

最近我在支持我们公司一个大型项目的测试工作，负责解答和产品逻辑有关的问题，我发现，经常存在一个问题被反复提问的情况，导致我做其他工作的时间被大量挤压。我应当建立一套什么样的机制，以有效提升支持测试同学的效率？

针对以上场景，ChatGPT提供的方案确实有效。可见ChatGPT确实可以 帮助产品经理解答工作推进中的难题。

4.2 狭义项目推动：提效能力 ⭐️ ⭐️ ⭐️ ⭐️

既然广义项目推动都能应对，狭义项目推动对ChatGPT来说就更轻松了。下面是一个我抽象再加工的复杂案例，看下ChatGPT如何回答。

提示案例：

最近我在推动一个跨部门的产品项目，这个项目对于两个团队来说都具有很高的价值。然而，对方团队还有几个更为紧急的项目在进行。我应当如何推动，确保这个产品项目能按照原预期的节奏上线，因为我方有多位领导都很关注本项目的进展。

可见，ChatGPT考虑得非常全面，甚至都考虑到了要分配一些我方资源用于共建的可能性。通过使用ChatGPT，可以有效的帮助产品经理想清楚如何推动项目， 而产品经理仅需把自己的困难使用提示 阐述清楚。

5. 运营推广：提效能力 ⭐️ ⭐️ ⭐️ ⭐️

当产品上线后，产品经理还需要制定运营和推广计划，以便该产品能产生实际价值。在这方面，ChatGPT也可以给产品经理提供有效的框架性建议。

在提示中，需要提供产品类型和目标受众信息。

提示案例1：

我们产品的主要用户为潮鞋玩家，最近新上线了一款功能，支持搭建一个潮鞋微信社群，让大家在社群里可以讨论，从而反向带动我们APP的活跃。需要把潮鞋玩家的兴趣需求和习惯也考虑到，请输出一份完整的运营推广计划。

还可以进行追问， 帮助定位运营推广计划中的关键问题：

提示案例2：

你总结的很全面，但是我们 人力有限，应当优先关注 哪三个方面， 原因是？

其实，让ChatGPT回答任何问题，都可以在提示中加一句，原因是？帮助大家知其然，知其所以然。

6. 数据分析与迭代升级：提效能力 ⭐️ ⭐️

6.1 数据分析：提效能力 ⭐️

ChatGPT的 数据分析能力其实非常强。但目前，ChatGPT一次最多只支持输入4096个字符。这在分析大量数据时显然是不够用的。指望ChatGPT在这方面大放异彩的同学，可以等一等微软的office365 copilot。

另外我要提醒大家， 数据分析应该已经踩到大部分公司的红线上了，没有公司的许可，请不要使用ChatGPT进行数据分析！而这正是我给他打低分的原因。

6.2 迭代升级：提效能力 ⭐️ ⭐️ ⭐️ ⭐️

众所周知，产品演进是一个敏捷且不断优化的过程。因此，迭代升级实际上就是重复前面几个步骤。在迭代升级过程中，ChatGPT同样可以为产品经理提供有效的建议和解决方案，帮助产品不断优化和完善，我就不赘述了。

7. 项目汇报：提效能力 ⭐️ ⭐️ ⭐️

作为产品经理，项目汇报也是工作的一部分，以及时同步项目的进展及个人的成长。经过实践，虽然ChatGPT的文字输出能力很优秀， 但是仍不能指望依靠他在汇报上节省大量时间。

主要是两方面原因：

汇报中很可能涉及公司的规划和数据，这会牵扯到公司的信息安全问题，轻易不要尝试。
目前， ChatGPT生成PPT的能力还比较初级，要想生成结构清晰，立意高远的PPT，在短期内还不太现实，可以期待一下office365 copilot，或许能有质的飞跃。

尽管如此，我仍然给予该环节3颗星。因为在梳理汇报框架上，ChatGPT还是很在行的，也能一定程度上帮助大家提效。

提示规范：角色+主要工作+汇报场景+汇报对象+汇报目的。

提示案例：我是一位新闻资讯个性化排序的产品经理，需要进行年终总结述职，汇报对象为部门产品委员会（10人，都是部门的高级产品经理），希望能很好的呈现出一年所做的工作，请撰写年终总结汇报。

以上的场景是我虚构的，大家也可尝试下真实的汇报场景。通过输入带有具体场景的“提示”，产品经理梳理汇报框架的时间将会大大缩短，可以将更多时间投入到准备每个章节的内容。

8. 总结

总的来看，ChatGPT在产品经理各个工作流程中都能提供帮助。相较于3.5版本，4.0版本的理解能力有了质的飞跃，更能显著地帮助产品经理提效。

无论是产品方法论还是工作解题的方法论，ChatGPT的表现都很出色。 使每位产品经理都能更快地获得全面、合理的思考框架和行事方法。极大的降低了产品经理“知不知”的门槛，可以把工作重点投入到实践上去，提升“能不能”的能力。

说到“能不能”，受制于企业信息安全，仍需要靠产品自己动手动脑去考虑细节。即使信息安全不成问题，短期内，ChatGPT也不可能解决”能不能“的问题。ChatGPT能做的更多是已有知识的重组和归纳，而不能给你提供世界上原本不存在的新认知。而基于各种真实场景萌发的新认知，正是产品经理的重要价值所在。

如果有一天，ChatGPT能够随着世界的发展，不断【自主】产生一些新场景，新方法论，那么它将不仅改变产品经理的工作流程，而且还将直接重构整个社会的运行逻辑。

四、一些思考

ChatGPT，特别是4.0版本的出现，对各行各业产生了极为深远的影响。正如黄仁勋所言，其意义不亚于第一代iPhone的发布。在我看来，ChatGPT是工业革命4.0的重要标志之一，因为他通过极其简单的交互方式，降低了所有人应用AI的门槛， 使AI成为每个人都能使用的工具。

回顾历史，前三次工业革命每次都充分解放了生产力，推动了全球人口的爆炸式增长和社会模式的深远变革。现如今，以ChatGPT为代表的人工智能，就像第一次工业革命的 纺织机、第二次工业革命的 内燃机与电气设备、第三次工业革命中的 计算机与网络一样，将改变我们现有的工作方式，带来一个全新的时代。

第四次工业革命中的重要事件 移动互联网催生了大量产品经理的岗位，ChatGPT会给大家的工作带来怎样的变化？我非预言家，只能建议大家都要尽早学习这个新生事物。尽管4.0版本目前较难申请，但即使先使用3.5版本，多多练习 “提示”技巧，也能对理解其功能产生极大的帮助。祝愿大家都能保持核心竞争力，运用先进生产力，在新时代浪潮涌动之际，仍能够勇立时代潮头！

本文由 @AI时代新产品原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自Unsplash，基于CC0协议

如何写一篇挑不出毛病的需求文档？

Mon, 13 Mar 2023 18:16:17 CST

作为产品经理，撰写需求文档是一门必须掌握的基本功，那么除了知道需求文档应当包含哪些内容，你知道需求文档究竟应该怎么“写”吗？怎样才能写出一份可以让每个项目成员都能清晰明了得到所需信息的PRD文档呢？一起来看看作者的经验分享。

前言

需求文档是产品经理的基本功，也是产品能力的体现，产品能力行不行看文档就能看出来。

我从实际工作+日常总结，整理了一些自己写PRD的方法，分享给各位，希望能对各位有用~

一、原则与前提

在文章开始前，我们简单看下在什么时候用、谁去用，来明确需求文档的书写原则：

产品需求评审的时候看；
研发技术方案设计、敲代码的时候看；
UI进行界面设计的时候看；
测试写测试用例、执行用例的时候看。

PRD 文档的目的就是让每个项目成员知道需求为什么做、要做什么、怎么做。

所以可以得到PRD的书写原则有：

有理有据：从项目成员知道为什么做；
全面、清晰、准确：让大家知道做什么、怎么做；
易读性：让大家方便快捷的理解文档内容。

明确了原则，还有 2个前提：「需求类型、需求大小」

需求类型有：功能需求、接口需求、性能需求、策略需求、埋点需求、统计需求等等。
需求大小：可以是从0-1的大项目，包含上边的所有需求类型，还有就是日常迭代版本的小需求。

我们接下来文章内容都是基于以上原则与前提，接下来正文开始~

二、需求文档用啥写

我们以终为始，先看需求文档的呈现方式。目前主要有以下2类：

1. Axure一体化需求文档

使用Axure将全部需求文档，最终通过Axure打包提供出去。好处是方便查看，看原型的基础上又能看文档说明。但有一种不是很“严肃”的感觉。

2. Word版

通过Word进行需求描述，并统一提供。容易留存，也比较正规，在阅读上以文字为主。

具体选择那种方式，可以先看公司要求。

像我之前有公司要求，必须用word，就算是有大量原型的，也只能把页面原型画好，然后再复制到word里，在word写需求内容。

如果没有要求，具体采用的方式可以看不同的需求类型：

如果只涉及到画原型的，可以使用Axure。

如果只有偏后端需求的，逻辑相关的需求，比如说是接口需求、算法需求，并不涉及到前端需求的，我们可以直接使用word写。

如果是做的大项目，同时有功能需求，又有接口需求、算法需求的，我建议都放在一起，比如说都用Axure写需求。

我之前做新项目的时候，同时提供了功能需求的axure文档+word版的接口需求，后来用例评审的时候，测试说不知道word版接口需求，之后我就统一写在axure里了。

三、需求文档包含哪些内容

需求有大有小，同样的需求文档也有大有小，小到直接一句话描述，大到上百个原型页面，好几万个字。

一句话的需求我们在这就不说了，我们说下正常的需求文档。

不论是使用Axure还是word，也不论需求大小是什么， PRD文档中一般需要包含以下内容：

1. 文档修改记录

需求文档在需求评审、研发、测试过程中一定会改的。

比如说加个限制，补充个遗漏的逻辑等等，不过我们一定要记录下修改内容，并及时更新需求文档、及时同步项目成员。

一般通过表格展示出以下内容：

修改内容：说清楚修改的哪个模块，哪个页面、哪个功能点。当然也可以分成修改模块、修改页面多个列。
修改原因：就是为啥要修改，比如说逻辑缺失需要补充等等。
修改人：谁改的。
修改日期：修改时间。

在使用Axure时，我们可以在文档修改记录中加上文本链接跳转，项目成员点击文字可直接进入到对应页面查看。

对于word，也是同样的，加个文档修改记录。

对于文档修改记录，不仅在PRD文档中可以用到，在写其它文档时都可以加上，比如操作手册。

2. 项目背景 or 需求背景

背景同样也是有大有小，对于新项目，则需要介绍下整个项目的大背景。对于每个需求，我们同样也可以简单说下需求背景。

参考格式如下：

当前的现状是什么，有哪些问题/痛点，这些问题导致了什么结果，为了解决这个问题，我们需要采取什么动作，达到什么目的，能够获取哪些收益，产生什么价值。

3. 名词解释

如果有专业名词，一定要写上。

在不同行业、不同公司、不同团队中都有专门的名词，项目成员是不明白一些名词的，这个时候一定要说明。

比如说抗菌药物DDD值，绝对的专业名词，不说一般没人知道。

另外在说名词解释的时候，尽量加上示例说明方便大家快速理解。

4. 流程图

当涉及跨角色、跨系统、跨模块、多判断逻辑时，我们一定要画出来，让各方更快地了解产品流程。

流程图同样有大有小：

包括整体产品业务流程图、单个模块的流程图、单个功能的流程图。

1）整体流程图

为了将这个产品的功能业务串起来，可以不用画的太详细，画出大的概览图，从大而全的角度将这个项目表达出来。

一般是在0-1的新项目中画，日常迭代的需求中不需要。

2）单个模块功能的流程图

当一个功能模块功能很多时，为了将模块内的功能串起来，说清楚单独模块的流程，这个就要画的细致一点。

当涉及到新的模块时一定要画。

3）单个功能的流程图

对于复杂的单个功能，涉及到的处理逻辑比较多时，我们也需要画出单独的流程图进行说明。

流程图的类型有很多种，像业务流程图、页面流程图、泳道图、uml里的时序图、用例图等等。

我们可以基于不同流程图的特性去选择不同的类型，比如有多角色时，我们可以使用泳道图。

对于UML，像用例图、序列图，在画的时候有一定的门槛，同样的一定会有团队成员看不懂。我是从来没画过，所以大家可以自行选择学习与绘制。

对于页面流程图，是表达出页面之间的跳转逻辑，像移动端的页面，我们可以直接平铺出每个页面，展示出页面间的跳转逻辑。

对于PC端产品，页面尺寸较大，我们可以通过页面名称展示出页面流程。

流程图的能够达到业务清楚，表明重点，项目成员能够快速理解的目的就行。

5. 需求说明

对需求的详细说明，这一点肯定是必须的，我们下边单独说。

以上内容是我认为在写需求文档时，需要包含的内容，下边的内容我们则可以自行选择~

1）产品架构图

在0-1产品搭建的时候进行展示，将整个产品抽象化，通过数据层、服务层、应用层、展现层等抽象层面表现出产品的整体架构。

来自Processon

产品架构图是非常大的层面，当你没有独立负责一条业务线的时候，很难有这种大的架构概念。

当你需要规划一条产品线的时候，可以画出来产品架构图，让之后的产品方向再这个大的框架下去走。

我也是在最近这2年，独立负责产品线的时候才开始绘制的，主要是和领导们汇报使用的。

具体怎么画，大家可以在平台上搜一下，有很多。

2）功能架构图 or 信息架构图

对于功能架构图，就是写清楚产品功能的层级架构，简单说就是一级菜单、二级菜单是什么，每个菜单里有哪些功能，展示出功能的层级关系。

我一次都没有画过。

对于功能架构的展示，我一般在画原型的时候规划出来，然后直接画原型。

当然也可以通过思维导图的方式画出来，但是吧，画出来也没人看。

还有一个信息架构图，这个我也没画过。

我有很长的一段时候都没整明白功能架构图与信息架构图有啥区别~

现在我的理解是：

功能架构图是展示出功能层级关系，体现出菜单-功能的层级逻辑。
信息架构图是展示出每个功能页面内的展示字段内容，主要用于研发设计表结构与表字段。

对于功能架构图和信息架构图，一般是在产品0-1的时候画，而且涉及到的内容比较多，多的内容一定没人去看。

到底要不要画是一方面，大家一定要知道功能结构图和信息架构图是个什么东西，具体画不画大家自行选择。

四、画原型写文档

需求类型里有一个功能需求，这个就是每个产品避免不了的，所以我们单独说下画原型+写文档~

1. 首先根据要做的需求范围进行分类

当有多个需求类型时，按类型进行分类，使用Axure时可以通过建立文件夹。

使用word则可以加个一级标题。

目的是将需求有层级的依次展示出来。

然后在不同的文件夹下，在进行分级。

比如「功能需求说明」文件夹下有多个功能模块，则按照模块/菜单名称建立子文件夹，然后再在每个模块下建立对应页面；

当同一个页面内有多个tab页/子页面时：

对于PC端，我一般是分页面说明；APP的页面尺寸小，我们可以在一个Axure页面内统一说明。

然后再对每个页面单独画原型，写文档。

2. 需求文档的表现方式

当采用Axure写需求文档的时候，常见的布局是：左图右文。

左边展示原型图，右边展示需求说明。

对于word版，常为：原型页面展示，单独写文档说明。

3. 提取公共逻辑，放入全局说明

在画原型、写文档的时候，一定会有相同的功能逻辑、相同的需求逻辑。

例如说后台系统，会有一堆的列表，列表就涉及到分页数量、默认排序等。

我们可以直接统一使用全局说明。

将相同的功能逻辑、需求内容当在一个单独的全局说明里，在全局说明里进行单独说明。

当在某个页面中需要说明的功能点已经在「全局说明」里存在时，可以加个说明：请见全局说明。

同时对文字添加文字跳转链接，阅读者点击可直接跳转到对应的全局说明页面。

3. 功能点序号标注

先画出原型图，在原型中标注「序号」，然后在右侧按照相同的序号进行功能需求描述。

标注顺序：一般按照从左到右，从上到下的顺序。
标注哪些点：需要进行功能说明的功能点， 但是并不意味着每一个点都要进行标注。

我一般按照 从大到小，按照模块化的方式。

以下方的表单页面为例：

当原型画出后，在页面上标个序号[1]，对页面进行下简介，一般说明页面是什么，使用角色是谁。

然后继续标注「返回」，对「返回」进行说明。

因为点击返回时，没有添加其它判断逻辑（如是否二次确认），所以直接描述交互逻辑即可。

然后接着对下方的「患者信息」进行标注。

我们可以看到「患者信息」里有很多字段，我不建议对每个字段进行说明。

我们直接对「患者信息」整个模块进行标注，然后对每个字段进行说明。

由于只是表单输入，我们需要说明是否必填、采用什么组件、是能输入文字、还是数字输入框，数字范围限制、数字小数点限制（如最多2位小数）、输入小数点超过如何处理（是直接限制输入，还是能四舍五入）、字符长度限制、当字符输入超长如何处理。

如果是采用选择框，选择框里的值是写死的，还是从哪里取值。

……

这就是对需求的描述，我们需要尽可能的写全，就是尽可能的把考虑到的限制加上，你写的越全，在评审的时候，才会少挨怼。之后的需求变更才会少。

（现在看其实上边的需求描述还是不全，比如漏了小数点位数说明，文本输入框内能不能输入表情emoji符号等等）

当页面内出现弹窗时，我们需要对弹窗里的内容进行说明，单独对弹窗里功能点进行标注，然后再下方继续对需求进行说明。

对于弹窗里的内容，我一般从「1」开始重新编号。不把序号顺序和其他页面夹杂在一起。当调整一个功能点后，需要重新编号，增加了多余的工作量。

4. 需求详细书写

对需求的详细描述，是最核心的内容，我们可以按照下方的格式来写：

标题：功能点名称。
角色权限：如当前登录用户角色为管理员时，则显示此按钮。
规则逻辑：主要有 校验逻辑、前置条件、触发时机等，当涉及到的校验逻辑太多时，可以采用 分行分段、添加序号、使用表格等方式，将每个逻辑有条理的全部说明清楚。

比如：确定按钮。

当角色为「管理员」时，展示出确认按钮；

当XX未填写时，按钮显示为禁用状态，点击时出现toast提示：请填写XXX。
当XXX、XXX全部填写后，按钮置为可点击状态，点击后跳转至XXX页面。

极值说明：如输入框输入字符的长度，数字输入的范围值。

交互说明：如点击调整至XXX页面。

在写需求时，根据不同的需求内容，尽可能的将全部内容写清楚。

这个时候一定会有一个问题：写不全。

我们可以明确一点，没有产品经理把所有情况都考虑到，乔布斯、张小龙也考虑不了那么全。

我们需要做的是尽可能的考虑全，尽可能是个很虚的词，受行业经验、项目经验等影响，不同级别的产品经理的需求文档写的水平很显而易见，当然你考虑的越全面，产品能力可以说就越强。

我们可以在需求评审前，先和研发提前碰下，避免有大的遗漏。

也可以借助「需求自查表」来辅助，自查出遗漏的说明。

5. 其它

1）文字描述言简意赅， 避免口语化，别使用模棱两可的文字。需求文档里的内容必须明确，别写「尽量」「尽快」。

2）添加示例：被误解是表达者的宿命，文字说明都会有一定的片面理解，对于比较复杂的内容，我们可以添加示例说明：

同时在原型上，尽量使用贴合实际场景的内容。比如说时间别写出：13:88:99。

3）为了便于阅读，可以 采用多分段，多分行，加序号的方式。

4）使用标点符号，将内容说清楚，如：点击「确认」按钮，跳转至【XXX页面】。

关于标点符号，大家可以看这个文章：https://zhuanlan.zhihu.com/p/359255980

5）结合axure的特性，添加文字链接，便于阅读者快速跳转查看，不用自己找。

添加「返回」按钮，比如阅读者跳转到【全局说明页面】，看完后，想在回到来源页继续看需求，我们可以在【全局说明页面】中添加个「返回来源页」按钮，加个返回上一页的交互，直接能返回。

6）对于变量值，使用特殊符号标记下

对于会变化的值，我一般使用用两个百分号，如下方的‘科室名称’，会根据不同的选择展示不同的名称，所以我就通过‘%科室名称%’进行表示，然后单独说明，并举例说明。

7）重要内容进行标记

可以通过加粗、换个颜色等方式进行提醒，当内容较多的时候，大家很容易忽略掉，所以很有必要进行加粗加大标色提醒。

8）涉及到逻辑时，可以使用公式进行说明

如：当A+B≥100时，则XXXX。

9）写完后自己再过一遍

就像上学做题后，自己zai再验算一遍，在写文档的时候，自己肯定会有抽风的时候，不知道哪个地方就给写错了。

10、对外提供时，对于Axure，可以打包出html提供。

如果是word版本，可以提供出pdf版。

以上是对功能需求的说明，对于接口需求、性能需求、埋点需求等非功能性需求，当涉及到的时候，一定要写上，不然就是需求遗漏了。

我之前一直以为产品经理只需要写功能需求就够了。

有一次让我写接口需求，我就很郁闷，这明明是技术的活，干嘛产品写。后来，我明白了一件事，产品经理不往前站，之后就会是一堆坑。

除了接口需求，还是像研发数据库建表时，这些我也建议产品经理去介入，因为表里有哪些字段，字段最大长度是多少，需要建哪些字段等等，都是和业务有关系的。

举个示例，药品的「规格」这个字段，研发把最大长度设置成250个字符，但是在实际业务上，「规格」会有2000个字的情况。

研发绝对是不理解的，所以最清楚这个情况的是产品，就需要提醒研发关注下。避免上线后，字数超长导致保存错误。

对于性能需求怎么写，大家可以看这篇：《5000字详解性能需求》。

对于接口需求、埋点需求等大家可以在平台上搜一下，接口需求可以看：https://www.woshipm.com/pmd/2297401.html

总结

写出好的需求文档受很多方面的影响，从前期的需求分析，当确定业务流程，然后再到画原型，最终把PRD写出来，这里边涉及到的内容非常非常多。

这篇文章是给大家提供的概述，大家可以在日常中总结积累，多和项目成员沟通，每一次需求评审就是一次淬炼，挨个一次怼后就总结，下次别再犯。

另外，当你把一篇完美的需求文档交付后，一定会有研发、测试不看的，只会问，就不看文档。我一般是“微笑服务”，把文档内容截个图发过去。

本文由 @王大鹿原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

关于 To B & To C 账号体系的设计问题

Sun, 01 May 2022 06:00:00 CST

钉钉账号是个人所有的么？

答案是「否」，钉钉账号表面上是你自己的账号，但在企业的逻辑当中，这是「企业授权给你使用的」，本质上，这些都是企业的资产，企业是有权处置这些资源的。你所说的、所看的、所做的，都是企业提供的资产，企业可以根据自己的需求来调整这些资源的所在位置。

为什么钉钉和我们使用的微信、QQ 不同？

这是钉钉的不同的一点，在钉钉当中，任何一个账号，都是有对应的租户的（除了你的个人租户）。租户才是资源的所有者，我们只不过是使用者。而我们使用的微信、QQ 其实也不是我们的，在微信的用户协议当中写明了，我们所拥有的不过是微信账号的使用权。只不过，因为腾讯离我们很远，我们可以认为不会对我们执行任何操作（当然，实际上如果你发一些不和谐的内容，也会被设置为内容自见），但在钉钉中，租户的管理员可能就是我们身边的同事，在这种情况会更有「隐私」和企业所有的对比。

7.1.2 微信帐号的所有权归腾讯公司所有，用户完成申请注册手续后，仅获得微信帐号的使用权，且该使用权仅属于初始申请注册人。同时，初始申请注册人不得赠与、借用、租用、转让或售卖微信帐号或者以其他方式许可非初始申请注册人使用微信帐号。非初始申请注册人不得通过受赠、继承、承租、受让或者其他任何方式使用微信帐号。

综上所述， 你的账号，并不属于你。

GitHub 和 GitLab 的故事

Tue, 11 Jan 2022 23:30:00 CST

引子

2005年，因为 Linux 社区被商业公司撤回了免费试用源码配置管理工具的权利，Linus Torvalds 一怒之下自己花了十天时间开发并发布了分布式源码配置管理工具Git, 虽然当时 Linus 只是想着给 Linux 社区小伙伴们开发个顺手的协作工具，但没想到这款工具将席卷全球，并改变了软件世界。关于 Git 的诞生和源码分析参见拙作《改变世界的一次代码提交》。我在该文的最后写道：

在 Git 诞生后两年，旧金山的一个小酒馆里坐着三位年轻的程序员，决定要用 Git 做点什么，几个月后，GitHub 上线。

原本是打算紧接着写一写 GitHub 的历史的，但拖延症犯了，一拖就是一年多。等到 GitLab 上市了，才想起来应该写点东西了。周末回顾了下 GitHub 和 GitLab 的历史，来聊一聊这两个产品的故事。

GitHub 的故事

2007年，Tom Preston-Werner 刚刚卖掉上一个创业项目 Gravatar, 开始构建新的想法。他的新项目叫 Grit，这是一个使用 Ruby 语言开发的 Git 组件库，通过 Ruby 封装操作 Git 仓库的接口。那个时候 Ruby 以及 Ruby on Rails 在硅谷很流行，很多前卫的创业公司都会选择 Ruby。Tom 在酒吧里碰到了 Chris Wanstrath 和 PJ Hyett，向他们推销自己的想法并拉他们一起入伙。这便是 GitHub 的开始，而 Tom Preston-Werner, Chris Wanstrath 和 PJ Hyett 也成了 GitHub 的三位创始人。后来他们又找了一名程序员，名叫 Scott Chacon, 负责 Git 接口开发。这哥们很长一段时间一直在简介中写着：第一位 GitHub 员工。是的，GitHub 的初始创业团队里，就是三个老板和一个员工。

GitHub三位创始人(左一: Chris Wanstrath; 左二: Tom Preston-Werner; 右一: PJ Hyett)和第一个员工(右二: Scott Chacon)

不过 GitHub 的三位创始人都是程序员出身，所以老板和员工的区别不大，一起撸代码。Tom Preston-Werner 更是一名极客，GitHub 技术栈上的核心组件基本都是他捣鼓出来的，他还创造了静态博客框架 jekyll，也就是 GitHub Pages 默认的博客框架；以及 Toml(即 Tom’s Language)配置语言，成为了 Rust 语言包 Cargo 的官方配置脚本语言。不过后来 Tom 牵涉进了办公室性别歧视事件，辞去了 GitHub CEO 的职位。Tom辞职后，Chris Wanstrath 接任了 CEO，一直到2018年微软收购 GitHub。

Tom Preston-Werner 回忆他第一次创业，他躺在学校宿舍的床上绞尽脑汁去想有什么创业的机会，但好像互联网上点子都被人实现了。于是又去想有哪些服务可以提供公共 SaaS 服务，比如提供评论服务的 disqus. 他想到每次在网站上注册账号时都要上传头像，于是就做了头像服务 Gravatar，用户只要在 Gravatar 上传头像，那么支持 Gravatar 的网站便可以直接显示用户的头像。但这个服务赚不到钱，一直到卖给 WordPress 后 Tom 才还清了自己的贷款。等到创立 GitHub 时，Tom 就认定首先要把商业模式想清楚，因而 GitHub 在一开始就是提供私有仓库收费服务的。从2008年创立到2012年的四年间，GitHub 从未融过资，在它的官网介绍页面一直自豪的写着0融资。2012年，GitHub 接受了 a16z 的1亿美元投资，2015年再次接受红杉资本2.5亿美元投资，此时估值已达20亿美元。2018年6月，微软宣布以75亿美元收购 GitHub.

微软收购 GitHub 后三位大佬的合影(左: 收购前 GitHub CEO Chris Wanstrath; 中: 微软 CEO Satya Nadella; 右: 收购后 GitHub CEO Nat Friedman)

微软收购 GitHub 可谓是捡了个大便宜，2016年微软收购 Linkedin 时就花了262亿，GitHub 吃亏在被投资界认定为是开发者的 Linkedin. 这是大大低估了GitHub的价值。从可替代性上看，Linkedin 是可以被替代的，而 GitHub 不可替代。从 Linkedin 进入中国（领英）去年又退出可以看出，Linkedin 并没有优势（至少在中国没有优势）；但 GitHub 则不同，GitHub 的不可替代性太强了。扯远了，GitHub 已经成为了全球最大的开发者社区、代码中心和开源软件平台，软件在我们的生活中越来越重要，GitHub 也只会越来越重要。不仅是 Git 成就了 GitHub（Git是GitHub的技术基础），更是 GitHub 让 Git 成为了版本控制管理工具的事实标准。

GitHub 最初的 Slogan 是 “Social coding”(后来改为 Build software better, together, 现在是 Where the world builds software)，因此也认为是程序员版的 Facebook. 在 GitHub 之前，全球最大的开源项目平台是SourceForge, 任何人都可以在上面创建并发布开源软件，但它侧重于开源软件的展示和发布，没有考虑开发者的社交活动。而 GitHub 在面世时就突出开发者社交，最亮点的特性有三个：开发者社交功能、”Fork+Pull Request”、Explore 页面。

GitHub最初的 Slogan: Social coding 以及GitHub的著名Logo章鱼猫 octocat

社交功能主要体现在登录用户的首页和用户 Profile 页面。登录用户首页上以 timeline 状态流的方式呈现与用户关注的用户和项目的动态，感觉就像刷社交媒体一样爽 GitHub。GitHub 的用户 Profile 页面在2012年做过重大调整，这种风格基本保持到了现在。Profile 页面上展示用户的项目和 follow 及被 follow 的数量；后来加上了贡献图，就是那些绿色小格子的日历图，每个勤奋的程序员都想点亮它们。这就成了程序员的最真实的个人名片，因此早在2009年就有人在 Twitter 上提出：对程序员来说，GitHub 比简历和 Linkedin 重要的多。GitHub 非常注重它的社交属性，这是它成功的最主要原因。

早在2009年，Twitter 上就有网友提出 GitHub 比简历更重要

GitHub 第二个亮点特性是“Fork+Pull Request(简称 PR)”，这种开源协作模式充分利用了 Git 的分布式特性。在以往的开源协作模式中，程序员们主要通过邮件+patch的方式来交换代码。而 GitHub 提供的 PR 机制，让程序员在 GitHub 上可以一键 Fork 仓库到自己名下，然后通过提交 PR 来将自己的共享合回社区（或原项目所有者），基于 PR 公开讨论，并决定是否合入主干。这种社区协作的方式让大家觉得很酷，很快 GitHub 就在硅谷的黑客圈子里流行了起来。最开始是 Ruby 社区（因为 GitHub 本身也是用 Ruby on Rails 写的），Ruby on Rails 的创始人 DHH 开始注意到了它，并将 Ruby on Rails 源码托管迁移到了 GitHub。在2014年前的几年里，Ruby 一直是 GitHub 上排名第一的语言。接着，是更多的社区、企业和个人将自己的代码迁移到 GitHub. 当然，不是每个人都喜欢 PR，最大的反对声音来自于 Git 的创始人 Linus Torvalds。Linus 曾直言不讳的批评 GitHub PR 制造了“一堆毫无用处的垃圾合并”。

Linus 在邮件列表中痛批 GitHub PR

而 Explore 页面稍晚一些，在2010年推出。在拥有了一定数量的用户和项目仓库后，GitHub 开始通过 Explore 页面推荐一些热点(Trending)项目仓库，排名靠前的项目是那些近期 Star 数量飙升的项目。程序员们乐意给中意的项目加”Star”，而被 Star 的项目也有更高的权重被更多的人所知道，这样就让整个 GitHub 社区活跃了起来。如果说 Facebook 的标志性操作是”Like”的话，那么 GitHub 一定非”Star”莫属了。网络的价值，在于网络中连接节点的数量。GitHub 网络中的连接节点就是用户和项目仓库代码，当这种连接数量越来越多时，就会产生规模效应，越来越多的用户加入 GitHub，越来越多的代码被上传。而后 GitHub 又推出了marketplace (原名Integrations), 将第三方软件厂商提供的服务也连接到节点中，GitHub 成了一个连接了全球开发者、代码和服务的社交网络。

虽然 GitHub 后来又增加了项目管理的 Project 功能、CI/CD 功能(GitHub Actions)，看上去似乎是在向 DevOps 平台发展；但本质上，GitHub 仍然是一个社区，并且也在着重打造社区。GitHub 提供更多更全面的服务，也是为了让社区里的用户体验更好。根据 GitHub 发布的报告，GitHub 上已经有7300万开发者用户，其中2021年新增了1600万；托管代码仓超过2亿，仅2021年新增代码仓6100万。

GitHub 首页上的地球动图，当该地区有人提交代码到 GitHub，地球动图的该位置就会被点亮

GitLab 的故事

GitHub 创始人 Tom Preston-Werner 曾在2011年时写过一篇博文 Open Source (Almost) Everything, 他的观点是尽可能多的开源，因为开源可以带来的好处很多，如广告效应、使用社区力量（更多的用户带来更多的应用场景和促进高质量代码）、吸引人才、选拔人才、留住人才、模块化软件架构、减少代码重复等，而且开源本身也是回馈社区的行为。但他认为有些代码是不能开源的，比如那些具有核心商业价值的代码组件。GitHub 在创始人的驱动下，开源了一些组件，如 grit、resque、jekyll、gollum、hubot 等，这让 GitHub 获得了开发者特别是 Ruby 开发者的好感，当时，GitHub 也是最酷的技术公司之一。顺便说一句, Tom 在文章中提到唯一正确的 License(One True License)是 MIT，这也是 GitHub 上创建仓库长期以来默认的 License，以至于MIT很快取代了老牌的 GPL 和 Apache License, 成为了开源社区最为流行的 License.

几年后，GitLab 也在官网上发布的一篇博客，名为 Almost Everything We Do Will Be Open, 在文章中，GitLab 宣称他们将公开所有能公开的东西，包括源码、文档、工作手册、工作讨论交流等，除了涉及隐私或安全相关的内容，能公开的都会公开。虽然 GitHub 开源了很多组件，但他们核心的产品 GitHub 本身是闭源的。而GitLab是完全开源的，用他们自己的话说，这是 Open Core, 即核心开放，这是开源的一种商业模式，产品的核心是开源的，而提供商业收费的增值或附加特性。

The Org 曾发表过一篇专题报道“全世界最透明的公司”( GitLab: The World’s Most Transparent Company)，介绍了 GitLab 的公司运作。GitLab 全球1400名员工，分布在全球65个国家，因此远程(Remote)是 GitLab 的基本工作方式。GitLab 按照他们所声称的那样公开了几乎所有的东西，最著名的是他们的员工手册(handbook)，涵盖了公司价值观、内部沟通、开发流程、公司运作，以及如何请假、如何报销等方方面面。这份员工手册如果打印成纸质文档的话，会超过8000页。并不是每位新进 GitLab 的员工都能理解这种透明的文化，刚开始他们会很不习惯被“暴露”在公开社区的工作方式。但很快员工就会习惯，因为透明和开放让协作变得更简单。而透明也有利于流程和效率改进，比如员工手册，一直在持续优化更新。

这种近乎偏执的透明文化让 GitLab 持续保持着创业公司的特质，当然这与公司创始人的黑客风格也是密不可分的。2011年，乌克兰的两个程序员 Dmitriy Zaporozhets 和 Valery Sizov 想做一个能帮助他们团队协作的工具，于是就开发了 GitLab。2011年10月9日，GitLab 发布了第一版并开源了源码，而后，每个月他们都会发布新版本。2012年，荷兰程序员 Sid Sijbrandij 发现了 GitLab，正好他手中握有 GitLab.com 这个域名（Dmitriy发布GitLab时用的是 gitlabhq.com），于是 Sid 和 Dmitriy 一拍即合，决定成立公司来全职投入GitLab。

GitLab 的两位创始人（左: Sid Sijbrandij; 右: Dmitriy Zaporozhets）在去年 NASDAQ 上市时的合影

最初，GitLab 是定位为开源的 GitHub（确切的说，是 GitHub Enterprise，也就是可在企业内私有部署的 GitHub 版本）。当时 GitHub Enterprise 的一个License 大约是500美元每人年。因此，功能接近 GitHub 而又开源的 GitLab 开始被越来越多的公司和个人所采用。我在2012年5月在公司搭建了第一个 GitLab 服务，好像是2.5版本，后来几乎每个月我都会升级，因为每个月都能感受到 GitLab 日新月异的变化。从最初仅仅是Git仓库托管，到项目管理功能(issues, milestone)，到借鉴与 GitHub PR 的 Merge Request。实际上，Merge Request 还是有很大的流程性创新的，在 GitLab 的 MR 流程中，无需 Fork 仓库，而是创建分支提交MR，这其实比 GitHub PR 更适合项目内协作。GitHub 后来也将这种无需 Fork 创建分支提 PR 的功能也实现了，可谓是学生教了老师。而 GitLab 的更新迭代非常快，他们也非常积极听取用户特别是企业用户的意见。记得应该是在2013年左右，我发了封邮件(也许是issue)给 GitLab，很快就收到了 Sid 的回复，并约我和 Dmitriy 一起开了个电话会议，我还记得 Sid 在电话会议快结束时说我们三个非英语国家的人分别在三个时区完成了对 GitLab 发展很重要的交流，这是互联网带来的奇迹（我脑洞一下，莫不是从那次会议起 Sid 动了 Remote 工作的念头^_^）。GitLab持续加强企业代码托管及开发协作所需的特性和服务，在 GitLab 之外还发布了持续集成服务 GitLab CI.

2015年初，GitLab 申请成为 Y Combinator 孵化器成员并获得通过。Y Combiantor 是 Paul Graham（即《黑客与画家》的作者）创办的风险投资结构，对投资项目要求极为严格。GitLab 获得 Y Combiantor 投资后整个团队（包括两创始人在内也就5个人）便搬到了硅谷。GitLab 也有了更为清晰的商业路线，加快了扩张，从最初的能装在一辆SUV的团队扩张到了140人。

GitLab 搬到硅谷初期的时候的团队，他们将这辆能塞下整个团队的车称为 Boat

GitLab 发现如果单纯做开源版的 GitHub Enterprise，商业变现比较困难，虽然GitLab 提供了收费的 GitLab EE 版本，但营收一直不是很理想。因为小企业其实部署开源免费的 GitLab CE 版本就够了，而大企业也会优先选择在 GitLab CE 版本上做二次开发和功能增强。因此 GitLab 在加入 Y Combinator 孵化器后，在商业策略上也开始调整，着重打造 GitLab.com SaaS 服务，将 GitLab CI 合入到 GitLab 中，并增加项目管理、CICD、性能安全检测等全链路的DevOps功能。对比 GitLab 和 GitHub 的订阅费可以看出，GitLab 的 Premium 版本每用户每月收费19美元，Ultimate 版本每用户每月 99美元；相对应的 GitHub 的两档收费版本 Team 和 Enterprise 分别是每用户每月 4美元和 21美元。可以说，GitLab 的收费远远高于 GitHub. 而 GitLab之所以有这样的底气，是因为它能给客户提供比 GitHub 更多功能特性的产品，用 GitLab 自己的话说，他们是（唯一的） DevOps 平台(The DevOps Platform, 注意这个 “The”)。当然，这个唯一是GitLab 自己声称的，其实各大云厂商都有自己的DevOps平台。不过仅就比较GitHub而言，确实 GitLab 在 DevOps 能力方面更胜一筹，GitLab 在官网也有与其他工具对比：GitLab = JIRA + GitHub + Jenkis + JFrog + 性能监控 + 安全检查。

GitLab 官网上将自己与其他工具对比

2020年，新冠疫情席卷全球，而提供企业 DevOps 服务的 GitLab 获得了快速发展的机会，成员也增长到了1200人，GitLab 获得了2亿6千万美元的风投，而 GitLab 也开启了它的上市计划。2021年，在 GitLab 创立10周年之际，GitLab 在纳斯达克(NASDAQ)上市，开盘市值冲到150亿美元（目前市值 100亿美元 10.24B）。

从2011年9月在 GitHub 上发布第一个版本，GitLab 每个月都会发布一个新版本，而且基本上都在每月的22日，前后相差不过一两天。十多年如一日，即使 GitLab 体量已经非常大了，还保持着最初版本一样的敏捷迭代效率，真的是令人佩服。而这体现了 GitLab 良好的构架守护。GitLab 最初采用 Ruby on Rails 框架编写，一直是学习 Ruby on Rails 的最好实例样板，代码非常干净整洁，测试用例也很齐全。而后关键性能组件用 Go 重写，前后端分离前端使用 VUE 重构。GitLab 一直采用合适的新技术来保持架构的弹性。

GitLab 代码量增长曲线

除了透明和敏捷，GitLab 的联合创始人及 CEO Sid Sijbrandij 总结了 GitLab的文化，将它归纳为 CREDIT: 及 Collaboration(开放协作), Results(结果导向), Efficiency(效率优先), Diversity Inclusion and Belonging(多样性、包容及归属感), Iteration(敏捷迭代), Transparency(透明)。从最初的两个创始人到目前全球分布的1400多员工，从最初的一次开源代码提交到现在市值160亿美元的上市企业，GitLab 的故事激励着初创企业和开源社区。可以说，GitLab 是将开源软件的开放与透明文化与商业模式结合最为成功的案例之一。

启示

GitHub 和 GitLab 的故事带给我的启发大概有如下几点：

文化是公司或团队最重要的东西。任总说过：“只有文化才能生生不息。”很多组织的文化是在组织创立后逐渐形成的。一个积极而正向的文化能将优秀的人聚集在一起，所谓物以类聚，人以群分。GitHub 的黑客文化，GitLab 的透明开放文化，都将一批有同样理想和追求的人聚集在了一起，从而创造出优秀的产品。
解决自己遇到的问题，这往往是做好产品的前提。如果别人也有这个问题，那么商业模式就有了。如果这是个普遍存在的问题，那么这将是个很好的商业模式。GitHub 和 GitLab 在创立初期都是为了解决自己遇到的问题，吃狗粮(eating dog food)，直到发现更广阔的用户场景。
持续迭代，持续演进，持续更新。GitLab 可以说将迭代做到了极致，而 GitHub 的更新迭代也是很快的。与之形成对比的是 Gitorious，作为 Git 托管平台，Gitorious 很早就开源了，它的诞生不仅比 GitLab 早，甚至比 GitHub 还早。但 Gitorious 基本上是对标 SourceForge 做的，后期也不怎么更新，最终被 GitLab 所收购。产品如果不及时更新，很快就会被用户所遗忘。
后发产品要想实现超越必须要探索出一条新路，沿着领先竞争对手的路去走只能是跟随。GitLab 初期是以开源可私有部署的 GitHub 方式而深入人心，因此得到了很多期望以更低成本私有化部署 GitHub 的用户的青睐。后来 GitLab 做代码托管 SaaS 服务 GitLab.com, 曾想以免费私有仓的差异化来获取用户，但在产品路线上并没有与 GitHub 形成太大差异，因此效果并不理想，而等到微软收购 GitHub 宣布免费创建私有仓后，这点唯一的优势也就没有了。因此 GitLab 后来将重点放到了支持企业级 DevOps 上，全力打造 DevOps 能力，探索出另一条新路，也使得自己的估值指数级上升，获得了市场认可。

如果你有任何想法和建议，欢迎与我交流或联系。

参考

本机号码一键登录原理与应用

Fri, 26 Nov 2021 19:54:03 CST

很多APP的目前都支持“本机号码一键登录”功能。本机号码一键登录是基于运营商独有网关认证能力推出的账号认证产品。用户只需一键授权，即可实现以本机号码注册/登录，相比先前的短信验证码流程体验更优。

目前市面上有很多厂商提供三网验证的服务，只不过是对三大运营商的包装。要了解具体的原理可直接看三大运营商相关的介绍。

中国移动

中国移动号码认证服务支支持移动、联通、电信三网号码。主要产品功能：

一键登录：依托运营商的移动通信网络，采用通信网关取号技术，准确识别用户流量卡归属的手机号码。在获得用户授权后，App端（适配iOS和Android）可使用本机号码实现一键免密登录。
本机号码校验：通过SDK/JSSDK提供的本机号码校验功能，调用网关鉴权方式，验证用户输入的手机号码或后台绑定的手机号码是否为本机流量卡归属号码，保证机卡不分离，用于快捷登入和安全风控等场景。本机号码校验现已适配iOS、Android、H5、小程序、快应用。

获取手机号码（一键登录）：

本机号码校验：

取号方法

通过调用安卓的getPhoneInfo或iOS的getPhoneNumberCompletion，在用户无感知的情况下进行网络判断、蜂窝数据网络切换和网关取号等操作（以上操作均需消耗一定时间），返回取号是否成功的结果。

取号所需网络环境：运营商取号能力是通过数据网关实现，取号过程须在数据流量打开的情况下才能进行。因此，用户如果关闭数据流量将无法取号；若当前信号弱或者网络有干扰时，时延会高于平均值，取号成功率降低。
超时设置：SDK默认超时设置为8000ms，同时提供设置取号超的方法：安卓通过setOverTime设置，iOS通过setTimeoutInterval设置。
运营商判断：SDK提供判断用户当前网络状态和流量卡所属运营商的方法，通过调用安卓SDK的getNetworkType或iOS的networkInfo可获得以上信息，以便对不同用户选择不同的运营商的SDK进行取号或选择不同的登录方式。
关于取号缓存：应用取号或者授权成功后，SDK将取号的一个临时凭证缓存在本地，缓存能有效提高取号成功率、降低时延，并允许用户在未开启蜂窝网络时成功取号。SDK本身对缓存有处理逻辑，在某些场景下（如换卡）会让缓存提前失效，但若应用对安全性要求较高，也可以通过SDK提供的方法（安卓的delScrip和iOS的delectScrip）让缓存马上失效。

本机号码校验

通过调用安卓的mobileAuth或iOS的mobileAuthCompletion方法，可在不拉起授权页的情况下获得token。此时获得的token不能用于兑换用户的完整号码，只能用于校验本机号码与待校验号码的一致性。

预取号：安卓的getPhoneInfo或iOS的getPhoneNumberCompletion所形成取号缓存scrip同样适用于本机号码校验，可提前进行取号以提高后续获取token的效率。
适用场景：可在用户无感知的情况下校验本机号码与待校验号码的一致性，适用于所有基于手机号码进行风控的场景。

中国电信

中国电信天翼账号开放平台提供了：免密登录、手机号码认证、二次卡校验等服务。目前只支持中国电信用户。

免密认证：天翼账号免密认证方案，依托运营商的移动数据网络，采用“通信网关预登录”及 SIM卡识别等技术，准确识别用户手机号码，实现一键登录，并可有效规避短信验证码泄露风险。

手机号码校验：确认本机号码信息是否为当前用户本机号码。依托运营商的移动数据网络，采用“通信网关预登录”及 SIM卡识别等技术，判断用户输入的手机号与本机号码是否一致。

二次卡校验：众所周知，三大运营商每月注销的手机号约有2000多万，为避免手机号资源浪费，运营商会先回收已注销的手机号，然后重新销售，重新销售的卡即为二次卡。如果用户更换了手机号，且未与原账号解绑，可能存在安全风险。天翼账号二次卡校验方案，使用独有的运营商二次号数据库，可快速检测用户号码更换状态，保障号码旧用户隐私安全。

中国联通

中国联通通信创新能力平台提供了号码认证（一键登录）、匿名设备标识、匿名用户标识、空号识别、二次号验证、三要素验证等服务。

号码认证

依托运营商网关认证能力，面向互联网应用提供的本机手机号码一键注册登录及本机手机号码校验服务，支持APP、H5页面多场景应用。官方SDK，支持联通、移动、电信三网，智能化程度高，交互时间短，提升用户体验、提高拉新转化率;专利技术，性能可靠，降低空号注册登录、密码拦截盗取风险。

应用场景：

一键登录
- APP一键登录。手机在有蜂窝信号的环境中（若WIFI接入，SDK可瞬间切换至蜂窝信号再切回)，可自动获取手机号码，帮助用户实现一键验证快捷登录，无需手动输入号码和短信验证，有利于提升用户体验，提高登录安全性。
- H5一键登录。适用于手机接入蜂窝信号时，H5页面登录场景，用户只需输入4位本机号码即可实现快捷登录，减少降登录等待时间。

本机校验。自动校验用户手机号与当前本机卡号的一致性，免输登录密码或短信验证码;适用于如手机号绑定、支付确认、积分兑换等需要具备安全校验能力的业务场景，提供仅限本机操作的安全风控机制。支持有蜂窝信号环境下的APP及正在使用蜂窝信号下的H5。

匿名设备标识

通过识别移动设备唯一ID，为客户提供基于用户和设备的标识方案，支持IOS和安卓系统，不依赖设备厂商，具备稳定性和唯一性，可关联安卓设备资产数据，帮助企业找回历史关联资产，实现基于用户画像的精准投放，有效识别设备篡改和营销作假，防止薅羊毛，避免金融风险等。

应用场景：

风险识别：企业开展营销活动时，面对薅羊毛、黑产等，通过设备识别可有效识别判断参与用户，防止有限资源被无价值用户占用，支持APP/H5/小程序等全场景，覆盖安卓/IOS生态系统。适用于开展各类营销活动的企业，如电商、金融、游戏、生活等。
场景营销：企业可基于不同营销场景（APP/H5/小程序）下的用户标识，进行跨应用用户分析与画像生成，实现精准营销推送。适用于需分析用户偏好、阅读习惯的企业，如购物、新闻、视频、娱乐、阅读等.

匿名用户标识

通过手机用户的公私网IP返回唯一串码，可以在保护用户手机号不泄露的情况下，提供用户唯一标识（即伪码）方案。仅支持联通用户。

应用场景：

会员营销：会员营销活动时，用户领取会团优惠，平台方通过联通唯一识别平台将手机号转换成伪码供商户进行维系和发放。适用于入住商户无法获取平台用户手机号的场景。

空号识别

识别号码是否为真实有效的开机使用号码，对于不可达号码（例如关机、养卡等情况）采取相应的运营措施。识别过程一秒以内，支持大规模并发查询，且对用户无感知。帮助企业快速、高效、精准开展营销、维系等商业活动，减少营销成本。

应用场景：

外呼中心：用于外呼中心，回访或者推介产品之前先对用户手机状态进行有效识别，关机、离网及不在服务区用户免拨叫，节省人力物力。
存量用户维系：用于检测用户手机是否处于在网状态，便于企业精准开展后续营销活动。例如优惠券发放、权益下达等，为真实客户送权益，送利益。
注册用户清洗：对注册会员的号码进行检测，对短期内高频次的注册行为进行监控，对可疑号码进行监控，及时清理批量注册的垃圾用户和数据、被占用数据，将恶意注册用户拒之门外，防止“薅羊毛党”恶意套利现象。使用号码检测功能，可以减少企业客户的营销维护成本，保护真实用户的权益。

二次号验证

次号验证产品是指核验手机号码在指定时间之后是否重新开户。

应用场景：

三要素验证

三要素验证产品提供联通用户的姓名、身份证号、手机号三要素的一致性核验服务。

应用场景：

实名认证：针对金融、婚恋等应用系统中的实名注册场景，企业可通过联通三要素验证产品识别用户身份真实性和信息一致性，有助于防范用户风险。
贷前审核：针对借贷、信用卡申请等金融场景，企业可以通过使用联通三要素验证产品识别申请用户信息真实度，助力用户风险评估和贷款决策。

微软：恭喜你，现在可以在元宇宙里做 PPT 了

Sat, 06 Nov 2021 14:38:01 CST

8 月，北半球还停留在炎热的夏天，Facebook 还没改名 Meta。一群科技媒体记者戴上 VR 头显，准备出席一场虚拟的新闻发布会，远程体验 Facebook 的办公应用 Horizon Workrooms。

虚拟会议室里，一个个只有上半身的虚拟形象，在好奇地张望与摸索。而扎克伯格等 Facebook 高管，手舞足蹈地介绍着各种功能：

▲ 手舞足蹈的扎克伯格

你可以在 Horizon Workrooms 沉浸式开会，投屏分享真实的电脑屏幕内容，走到白板处记下脑暴碰撞的火花，空间音频会让你更加身临其境。一个虚拟会议室最多容纳 50 个人，其中最多 16 人可以虚拟形象加入，其他通过视频通话接入……

这一幕，拉开了「元宇宙打工」的序幕。

▲ Horizon Workrooms

继 Meta 大张旗鼓转型元宇宙公司后，最近，微软也宣布入局元宇宙——没想到，快乐的可能性那么多，他们的首选场景还是元宇宙打工。

微软眼中的元宇宙，从「沉浸式开会」开始

11 月 2 日，在 Microsoft Ignite 大会上提及元宇宙时，微软的首席行政官 Satya Nadella 这么说：

随着数字世界和物理世界的结合，我们正在创造一个全新的平台：元宇宙。

元宇宙使我们能够将计算嵌入现实世界，并将现实世界嵌入计算，为任何虚拟空间带来真实的存在。最重要的是我们可以展示人性，选择自己如何体验这个世界，以及想与谁互动。

这不再只是看着工厂车间的拍摄影像，你可以就在车间里；也不再只是与同事进行视频会议，你可以跟他们身处同一个房间里。

随后，Nadella 宣布微软将推出 Mesh for Microsoft Teams。

简单来说，就是将虚拟体验平台 Microsoft Mesh 的混合现实功能，引入到办公协作软件 Microsoft Teams 中。官方称，最快 2022 年上半年，你将可以在 Mesh for Teams 预览版体验到沉浸式开会，以及更身临其境的远程协作。

首先，不用为视频会议洗头准备精致妆容了。你将拥有自己的个性化 3D 虚拟形象，不想开摄像头露脸的时候，可以让它代替你出镜。

微软会用 AI 来捕捉你的声音，以此推测出你的口型、面部表情、肢体语言等，并呈现在虚拟形象上。微笑、皱眉、生气……所有情绪和动作都可以很自然地表达出来，让你有跟同事面对面交谈、知道眼前是个活人的真实感。

你可以戴上有 6 个麦克风、16 个摄像头的 HoloLens 来体验沉浸式开会，也可以用其他 VR 头显、手机或笔记本电脑等接入。有 Mesh 的技术支持，人们可以通过任何设备在这里进行交流、协作和共享。

企业或团队还可以在 Microsoft Teams 上搭建不同的虚拟空间。

在虚拟会议室，你跟同事们的 3D 小人可以畅谈项目进度，脑暴碰撞小宇宙；如果累了想歇会儿，还可以去休息室等区域，相约喝杯咖啡，来一局游戏放松一下。空间音频能为你的这些体验增加现场感。

Word、PPT、Excel 等你熟悉的微软办公软件都可以随时调用。从此以后，在元宇宙加班写稿做 PPT 将不再是梦。

另外，有实时翻译和转录的技术支持，即使在这里见来自不同文化背景的同事，你也可以跨越语言障碍，快速开展协作。

微软的这些「元宇宙打工」体验，都在强调沉浸和现场感。

在这之前，Microsoft Teams 曾推出过 Together 模式，认为将视频会议的参与者放在同一个静态虚拟背景里，能让彼此感觉在一起，有助于增强团队凝聚力。

▲ Microsoft Teams 的 Together 模式

相比之下，Mesh for Teams 的场景更丰富，如果你愿意，甚至可以分分钟将整个办公室都搬到虚拟空间。体验也变得更立体沉浸了——毕竟，同事之间的沟通和感情，不只有开会的激情碰撞，还有办公室走廊偶遇，摸鱼聊八卦分享生活等时刻。

埃森哲咨询公司是首家在 Microsoft Teams 体验「元宇宙打工」的企业，目前有 62.4 万员工，遍布全球 120 个国家。

他们应用这些技术搭建了一个「虚拟总部」，员工们可以在那相互认识、学习、协作、增进感情并找到归属感。据称，埃森哲公司已经举办过 100 多次团队活动。

疫情期间，埃森哲还在这个虚拟空间里，对数万名来自世界各地的新员工进行了入职培训。他们跨越现实世界的种种限制聚集在一起，身临其境地体验企业文化，认识新同事，在对话等互动中快速积累人脉网络。

「这听起来可能很老套，但人们喜欢它。这比找一位职场导师，跟你连续用视频会议聊 2 天要好得多。」埃森哲首席人力资源官 Ellyn Shook 这么说。

而埃森哲全球数字体验主管 Jason Warnke 表示，有时人们会忘记自己身处虚拟空间，认出某位同事的虚拟形象后，就自然而然走过去，开展深入而有意义的对话，「这就是这片虚拟空间最神奇的地方。」

选择最不性感的场景，微软希望为元宇宙提供动力

Microsoft Ignite 大会结束后，微软又再发布一条简短的视频，解释他们眼中的元宇宙是什么：

你可以把元宇宙看作是互联网的一个新版本，或者说是一个新愿景。在那，人们聚集在一起，在任何设备上通过个性化的虚拟形象来进行沟通、协作和分享。

社交、娱乐、游戏、健身、教育……那么多天马行空的元宇宙场景，微软为什么偏偏以办公协作为切入点？

接受彭博社采访时，Nadella 表示，很多消费者领域的场景听起来还像科幻小说一样，相比之下，疫情让企业探索数字解决方案变得更为主流普遍。想要实现公众对元宇宙的理解还遥不可及，但元宇宙已经开始有商业用途了。

实际上对微软来说，Mesh for Teams 只是一个开始，一个原型，一个通往元宇宙的入口。

《Fast Company》报道称，微软对「拥有/统治一个元宇宙」并不感兴趣，它更希望为元宇宙提供动力，希望 Mesh 平台能成为将多个世界连接在一起的粘合剂。

接受采访时，微软技术研究员 Alex Kipman 表示，很多人认为有一个元宇宙，但他更认同多元宇宙的观点，「今天每一个网站，明天都有可能成为元宇宙；而让互联网变得有趣的，是网站之间的连接。」

Microsoft Mesh 是今年 3 月推出的，一个由 Azure 提供支持的混合现实平台，允许人们通过多种设备（智能手机、笔记本电脑、VR 头显等）加入协作和共享的全息体验。

▲ Microsoft Mesh

某程度上来说，你可以把 Mesh 视作一项基础技术，今天首先获得加持的是办公协作平台 Teams，明天就可以有其他更多应用场景通过 API 拥有元宇宙沉浸体验。

Nadella 在 Microsoft Ignite 大会的一些表述，也能看出这种踏实同时又有野心的想法：

我们正在将人、地方、事物与虚拟世界结合起来，无论是消费者领域还是企业领域。

在整个微软云中，从 Azure IOT 到 Azure Digital Twins，再到 Connected Spaces 和 Microsoft Mesh，我们正在构建元宇宙的内在要素，一个供你创造搭建的元宇宙平台。

▲ Nadella 谈及为元宇宙的各种技术解决方案

就目前看来，跟 Meta 画的元宇宙「大饼」相比，微软的元宇宙的构想听起来要克制踏实得多。

除了「元宇宙打工」，微软也透露称未来 Xbox 游戏将加入元宇宙计划中。Nadella 表示，《光环》系列（Halo）、《我的世界（Minecraft）》、《微软模拟飞行（Flight Sim）》都可以是元宇宙，但重点是如何将它们从 2D 带到一个完整的 3D 世界。

11 月 3 日，微软总裁 Brad Smith 在出席葡萄牙里斯本网络峰会时指出，Facebook、微软、苹果这样的科技巨头很可能会各自开发自己的元宇宙。但重要的是，不要让「炒作」掩盖技术趋势。

大家都在谈论元宇宙，好像我们正在进入某个新的维度一样。这并不是什么死后前往的天堂，我们还是得生活在现实世界中，与人相处的。

（元宇宙）将变得非常庞大且重要。我们必须确保它保护隐私、数字安全并防止虚假信息和操纵。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

知名网站热门排序算法分析

Thu, 15 Apr 2021 19:19:02 CST

很多内容网站都会根据用户的交互信息等对内容进行排序。这里整理了一些比较知名的内容网站的排序规则，每个网站都有不同，在此过程中，我们不仅仅要了解其排序规则（公式），更多的期望了解公式背后的逻辑。

Hacker News

Hacker News 是一家关于计算机黑客和创业公司的社会化新闻网站，由 Paul Graham 的创业孵化器 Y Combinator 创建。与其它社会化新闻网站不同的是 Hacker News 没有踩或反对一条提交新闻的选项（不过评论还是可以被有足够 Karma 的用户投反对票，或是投支持票）；只可以赞或是完全不投票。简而言之，Hacker News 允许提交任何可以被理解为“任何满足人们求知欲”的新闻。

以上为Hacker News的界面截图，如果你是该产品的负责人，你会如何进行排序？哪些维度可以进行排序？

从上面截图中我们考虑的因素主要有：

点赞数（每个新闻标题前面有一个向上的三角形，如果你觉得这个内容很好，就点击一下，投上一票）
距离发布的时间
评论量

最简单的方式是只考虑点赞数，这样点赞数越多的文章的会排在最前面。但是会导致整个站点信息的新颖度不高。即历史的文章由于展示的时间较长点赞数相对会更高。所以需要将时间因素也考虑在内。由于点赞量与评论量存在一定的相关性，且评论量大也有可能是由于内容有较大争议而非热门导致的，所以我们先将影响因素限制在：

点赞数：相同发帖时间，投票数越高，分值越高
距离发布时间：相同投票数，距离发帖时间越近，分值越高

我们将点赞数设为，发帖时间设为t，则排序分值可以是：

$$score = \frac{P}{t}$$

即分值与点赞数存在正相关，与距离发布时间存在负相关。画出的分值图形如下：

而Hacker News真实采用的公式如下：

$$score = \frac{P-1}{(t+2)^{1.5}}$$

画出的图形如下：

备注：Hacker News 采用公式$score = \frac{P-1}{(t+2)^{1.5}}$做为排行依据（Hacker News使用Paul Graham开发的Arc语言编写，源码可以从 arclanguage.org下载），其中P是投票数量，t是发表以来的时间，小时计。后来AMIX.DK给出公式$score = \frac{P-1}{(t+2)^{G}}$推广了上面的公式，Hacker News的公式变成了一个特例，其在G=1.5时的应用。历史上Hacker News有用G=1.8。

接下来我们对公式进行分析：

得票数P

在其他条件不变的情况下，得票越多，排名越高。从下图可以看到，有三个同时发表的帖子，得票分别为200票、60票和30票（减1后为199、59和29），分别以黄色、紫色和蓝色表示。在任一个时间点上，都是黄色曲线在最上方，蓝色曲线在最下方。

为什么是P-1?网络上的一种解释是，很多文章作者在提交的时候会给自己投上一票。其实更重要的原因是文章发布初期的投票数对排名影响非常的，仅仅是自己给自己投的一票，也占非常大的作用。

假设P不去减去1，一个作者发布完就给自己投票，那么文章的得分为1/(0+2)^1.5=0.3535 。假设另外一篇文章发布了8小时，那么需要多少的投票呢？x/(8+2)^1.5>0.3535，即X>11.17即一天前的帖子要有12票才能超过新提交的文章，这显然不合理。

投票数具体应该减去多少，可能需要考虑刷数据的问题，根据网络环境去设置很可能更合理，比如去除同一IP用户的操作等。

另外想要调整得票数的影响权重，可以采用的方式是在得票数上买一个指数。例如你不期望“高投票文章”与“低投票文章差距过大，可以在得票数上加一个小于1的指数，比如(P-1)^0.8。

距离发帖时间t

在其他条件不变的情况下，越是新发表的帖子，排名越高。或者说，一个帖子的排名，会随着时间不断下降。从上图可知，经过24小时之后，所有帖子的得分基本上都小于1，这意味着它们都将跌到排行榜的末尾，保证了排名前列的都将是较新的内容。

公式中为什么要使用t+2？我们先来看下图：

在时间上+2，核心是为了分值曲线向左移，让最开始几个小时过大的下降趋势被舍弃。

重力因子G

它的数值大小决定了排名随时间下降的速度。从下图可以看到，三根曲线的其他参数都一样，G的值分别为1.5、1.8和2.0。G值越大，曲线越陡峭，排名下降得越快。

毫无疑问，G这个数字既非时间，也非评价，其实它的主要目的是控制更新频率。G的值越大，score的衰减速度越快，排行的更新越频繁。所以，确定G值需要观察系统内部投票数在时间上的分布，然后根据需要的更新频次确定G的合理取值。越火爆、用户互动越频繁的社区，为了保证排行的稳定性（不要频繁大量的刷新），G值趋向于比较低。这就是为什么Hacker News从一开始的1.8修改成1.5，过段时间可能就变成1.2了。

应用思考

电商网站的热门排序能否使用Hack News的排序规则？答案是不太适合，主要原因的Hacker News是类似新闻类的网站，用户对于信息的更新频率要求比较高。而电商率的网站更多的看中近期或一段时间的热度。两者还是有些差别。

在电商网站上我先前尝试过的公式为：

$$score = \sum (orderCount * \alpha ^t)$$

这里主要实现逻辑是取一定范围内的订单，比如30天。计算商品每天的销售量。再在销售量根据距离的天数t进行衰减。其中$\alpha $为0-1之间的衰减系数。

当α=1时，即为最为简单的仅统计浏览量或者订单量的数据，整个公式中最不好确定的是α的取值。我通常使用假设的方式，最后通过不同假设计算出来的结果进行人工的选择。

1周后的权重降为5，则$\alpha$ ^7=0.5，$\alpha$≈0.905724
2周后的权重降为5，则$\alpha$ ^14=0.5，$\alpha$≈0.951695
3周后的权重降为5，则$\alpha$ ^21=0.5，$\alpha$≈0.967532
4周后的权重降为5，则$\alpha$ ^28=0.5，$\alpha$≈0.975549

Reddit文章

Reddit与Hacker News类似，也是一个社会化新闻网站，Reddit对文章和评论使用了不同的排名算法，这里介绍的排序规则主要针对的是文章排序。

Reddit与Hacker News有很大的不同点就是，Hacker News文章标题前面只有一个向上的小箭头，即只能投赞成票，而Reddit的每个文章标题前会有两个箭头，即一个向上，一个像下。分别代表“赞成”与“反对”。 Reddit已经把他们的所有源代码进行了公开，具体涉及到排序部分的代码如下： https://github.com/reddit/reddit/blob/master/r2/r2/lib/db/_sorts.pyx。由于此部分代码是使用Python的C语言扩展来写，下面是用Python重写的代码：

from datetime import datetime
from math import log

epoch = datetime(1970, 1, 1)


def epoch_seconds(date):
    """ Returns the number of seconds from the epoch to date. """
    td = date - epoch
    return td.days * 86400 + td.seconds + (float(td.microseconds) / 1000000)


def up_down(ups, downs):
    return ups - downs


def hot(ups, downs, date):
    """ The hot formula. Should match the equivalent function in postgres. """
    z = up_down(ups, downs)
    order = log(max(abs(z), 1), 10)
    sign = 1 if z > 0 else -1 if z < 0 else 0
    seconds = epoch_seconds(date) - 1134028003
    return round(order + sign * seconds / 45000, 7)

从上面的代码中可以看到整个逻辑并不复杂。

分值计算公式：

$$score = \log_{10}z+\frac{yt_s}{45000}$$

其中：

z：获得的投票数的绝对值（赞成-反对），当=0时，z=1
y：投票方向，投票数＞0时，y=1；y＝0时，y=0；＜0时，y=-1
$t_s$：发布时间距离2005年12 月 8 日07:46:43的秒数

从上面的代码级公式中我们可以了解到Reddit的排名算法主要与以下内容有关：

文章的发表时间t

t = 发表时间 – 2005 年 12 月 8 日7:46:43

在Hacker News的算法中，用来标注文章新旧程度的单位为小时，而Reddit的单位为秒，其使用Unix时间戳（从1970年1月1日到当前时间的秒数）进行的计算，代码中的1134028003代表的日期为2005 年 12 月 8 日7:46:43。这个应该是Reddit这个网站的上线时间。通过上面的公式可以看到一旦帖子发表，t就是固定值，不会随时间改变，而且帖子越新，t值越大。

发表时间和话题排名的影响可以被概括如下:

发表时间对排名有很大影响，该算法使得新的话题比旧的话题排名靠前
话题的得分不会因为时间的流失而减少，但是新的话题会比旧的话题得分高。这与 Hacker New 的算法不同（随着时间的发展降低话题的得分）

下图展示了话题得分在好评和差评的数量不变时，随着时间而变化的情况：

赞成票与反对票的差x

x = 赞成票-反对票

真是由于Reddit提供了投反对票的功能，所以可以使一些具有争议的话题会排的较后，下图展示了在好评和差评不变时，随着时间而变化的情况：

公式分解分析

上述公式可以分成两个部分来讨论：

$$\log_{10}z$$

这个部分表示，赞成票超过反对票的数量越多，得分越高。需要注意的是，这里用的是以 10 为底的对数，意味着z=10可以得到 1 分，z=100可以得到 2 分。也就是说，前 10 个投票人与后 90 个投票人（乃至再后面 900 个投票人）的权重是一样的，即如果一个帖子特别受到欢迎，那么越到后面投赞成票，对得分越不会产生影响。而当反对票超过或等于赞成票，z=1，因此这个部分等于0，也就是不产生得分。

Reddit 的热排序算法使用了对数函数来衡量前面的投票与其他投票的差距使其前十个好评和之后的100个，1000个投票有相同的权重。参见下面的图：

如果不采用对数，而使用线性函数的效果如下：

Reddit敢于如此消弱投票的作用，其实与其庞大的流量和用户参与度相关。如果没有以上因素算法很难实现很好的推荐。

另外对数取不同的额底对于消弱的效果也是不同的。

$$\frac{yt_s}{45000}$$

这个部分表示，t越大，得分越高，即新帖子的得分会高于老帖子。它起到自动将老帖子的排名往下拉的作用。分母的 45000 秒，等于 12.5 个小时，也就是说，后一天的帖子会比前一天的帖子多得 2 分。结合前一部分，可以得到结论，如果前一天的帖子在第二天还想保持原先的排名，在这一天里面，它得到的净赞成票必须增加100 倍。

y 的作用是用来产生正分和负分。当赞成票超过反对票时，得分为正；当赞成票少于反对票时，得分为负；当两者相等，得分为0。这就保证了得到大量净赞成票的文章，会排在前列；得到大量净反对票的文章，会排在最后。投票对于总分的贡献不大，但是当投票的意见倾向发生变化时（由正面评价转向负面评价），投票对于总分的作用却是决定性（Y的取值）。

总结

关于Reddit的排名，基本上是由发表时间决定的，只有相同时段的文章才有可比性。晚半天，投票就要翻10倍，只能同时段的文章相比。只有超级受欢迎的文章才会排在最前面，有争议或者一般性的文章很难靠前。基于上述也就决定了 Reddit是一个符合大众胃口的网站，并不是一个很激进可以展示少数派想法的地方。

再来看下Reddit与Hacker News的区别，到底哪一个的算法更好一些呢？其实算法并没有优劣之分，两种方法更有千秋，重要的是你打算用在什么地方。Reddit流量大，所以可以减少投票的权重，而也因为流量大，使得每篇文章在没有收到新的投票的时候无需重新计算得分，也可大大的减少服务器的运算成本。

Reddit评论

目前很多网站采用的评论排名主要有两种，即绝对好评数（好评减去差评）和好评率（好评/总评）。这两种评价方式都存在很明显的缺陷，以下为事例：

A:好评550;　差评450
B:好评60；差评40
C:好评1；差评0
D:好评9，差评1

首先是A与B比较，A的绝对好评数是550-450=100，B的绝对好评数是60-40=20，从绝对好评数比较，A的排名应该在B的前面；A的好评率为550/（450+550）=55%，B的好评率为60/（40+60）=60%，从好评率来说B的排名要比A的排名好。

再来比较下C与D，从好评率出发，C的好评率为100%，而D的好评率为9/（1+9）=90%，单纯从数据上看D的排名要比C的排名落后。对于评论排名上述的方法是否是我们所需要的呢？这样的计算才能更好的体现评论价值？正确的排名算法应该是怎样的？

我们先做如下设定：

每个用户的投票都是独立事件。
用户只有两个选择，要么投好评，要么投差评。
如果投票总人数为n，其中好评为k，那么好评率p就等于k/n。

如果你熟悉统计学，可能已经看出来了，p服从一种统计分布，叫做 “两项分布”（binomial distribution）。

p越大，就代表这个项目的好评比例越高，越应该排在前面。但是，p的可信性，取决于有多少人投票，如果样本太小，p就不可信。由于p服从”两项分布”，因此我们可以计算出p的置信区间。所谓 “置信区间”，就是说，以某个概率而言，p会落在的那个区间。比如，某个产品的好评率是 80%，但是这个值不一定可信。根据统计学，我们只能说，有 95% 的把握可以断定，好评率在 75% 到 85% 之间，即置信区间是[75%， 85%]。

通过上面的分析，我们就可以推断出，如果要给一个评论进行排名，就需要考虑一下内容：

计算每个评论的“好评率”
计算每个“好评率”的置信区间（以 95% 的概率）。
根据置信区间的下限值，进行排名。这个值越大，排名就越高。

这样做的原理是，置信区间的宽窄与样本的数量有关。比如，

A有 8 张赞成票，2张反对票
B有 80 张赞成票，20张反对

这两个项目的赞成票比例都是 80%

A的置信区间（假定[70%， 90%]）
B的置信区间（假定[75%， 85%]）

B的置信区间的下限值（75%）会比A（70%）大，所以B应该排在A前面。置信区间的实质，就是进行可信度的修正，弥补样本量过小的影响。如果样本多，就说明比较可信，不需要很大的修正，所以置信区间会比较窄，下限值会比较大；如果样本少，就说明不一定可信，必须进行较大的修正，所以置信区间会比较宽，下限值会比较小。

正态区间

二项分布的置信区间有多种计算公式，最常见的是“正态区间”（Normal approximation interval），教科书里几乎都是这种方法。但是，它只适用于样本较多的情况（np > 5 且 n (1 – p) > 5），对于小样本，它的准确性很差。

要了解正态区间前需要先掌握一些正态分布的知识。

上图最右侧的0%、90%、95%为置信水平。即数据录入[a,b]区间内的概率。与此对应的1.28$\sigma$、1.64$\sigma$、1.96$\sigma$，其中\sigma为标准差，1.28、1.64、1.96为z-score（标准分位）。在正态分布中，不同的置信水平对应的z值是固定的，如下为常见的90%、95%和99%对应的z值。

你可以通过搜索z-score table搜索到详细的Z值对应置信水平的表格，如下图：

正态区间[a,b]的计算方法：

a = 总体平均值$\mu$ – 标准分位z * 标准误差SE
b = 总体平均值$\mu$ + 标准分位z * 标准误差SE

其中：

$$SE=\frac{S}{\sqrt{n}}$$

SE：标准误差
s：样本标准差
n：样本大小

威尔逊区间

1927年，美国数学家 Edwin Bidwell Wilson 提出了一个修正公式，被称为威尔逊区间，很好地解决了小样本的准确性问题。Reddit 目前使用的是评论算法就是基于威尔逊得分区间 (Wilson score interval)。具体代码片段可从开放的源代码中找到，将其转化成Python代码后：

from math import sqrt
 
def _confidence(ups, downs):
    n = ups + downs
 
    if n == 0:
        return 0
 
    z = 1.0 #1.0 = 85%, 1.6 = 95%
    phat = float(ups) / n
    return (phat+z*z/(2*n)-z*sqrt((phat*(1-phat)+z*z/(4*n))/n))/(1+z*z/n)

def confidence(ups, downs):
    if ups + downs == 0:
        return 0
    else:
        return _confidence(ups, downs)

威尔逊得分区间具体公式如下：

$$\frac{\hat{p}+\frac{1}{2n}z_{1-\frac{\alpha }{2}}^2 \pm z_{1-\frac{\alpha }{2}}\sqrt{\frac{\hat{p}(1-\hat{p})}{n}+\frac{z_{1-\frac{\alpha }{2}}^2}{4n^2}}}{1+\frac{1}{n}z_{1-\frac{\alpha }{2}}^2}$$

其中：

p 是好评率
n 是总投票数
$ z_{1-\frac{\alpha }{2}}$表示对应某个置信水平的z统计量，这是一个常数，可以通过查表得到。一般情况下，在 95% 的置信水平下，z统计量的值为96。

可以公式看到，当n的值足够大时，这个下限值会趋向$\hat{p}$。如果n非常小（投票人很少），这个下限值会大大小于$\hat{p}$。实际上，起到了降低“好评率”的作用，使得该评论的得分变小、排名下降。

威尔逊得分区并不关心一个评论的投票数，而关心好评数和投票总数或采样大小的相对关系！

上图是根据威尔逊得分区计算出来的值：一个评论有1个好评，没有差评，它的支持率是100%，但是由于数据量过小，系统还是会把它放到底部。但如果，它有10个好评，1个差评，系统可能会有足够的信息把他放到一个有着40个好评，20个差评的评论之前。因为我们基本确认当它有了40个好评的时候，它收到的差评会少于20个。最好的一点是，一旦这个算法出错了（算法有15%的失效概率），它会很快拿到更多的数据，因为它被排到了前面。

威尔逊得分区间不仅仅用于评论排名，它还适用于以下情景：

垃圾邮件检测：看到这个内容并将它标记成垃圾邮件的百分比有多少？
创建精华列表：看到这个内容并将它加星标件的百分比有多少？
创建最受欢应列表：看到这个内容并将它转发给朋友的百分比有多少？

说了那么多，再来看看威尔逊得分区间的缺点，从上面的分析中也很容易发现问题，即排行榜前列总是那些票数最多的项目，新项目或者冷门的项目，很难有出头机会。

另外被成为当代故事会的知乎回答的答复貌似也是采用的威尔逊得分。

IMDB

IMDB.COM是目前互联网上最为权威、系统、全面的电影资料网站，里面包括了几乎所有的电影，以及1982 年以后的电视剧集。它所特有的电影评分系统深受影迷的欢迎，注册的用户可以给任何一部影片打分并加以评述，而网站又会根据影片所得平均分、选票的数目等计算得出影片的加权平均分并以此进行TOP250（最佳250部影片）和Bottom100（最差100部影片）的排行。

如果是你，你会如何进行排序？哪些维度会被你考虑在内？

点评数
点评分

以上两个因素都是正相关，如何确定哪个权重更高？比如：

电影A，十个人看过，全部评分均为10分
电影B，十万个人看过，评分平均值为8分

如何计算才能确定哪部电影更好看？有的人可能认为是A，有的人可能认为B，作为平台如何确定哪个更好？

IMDB排名算法采用的是贝叶斯定理确定的其分值。在了解贝叶斯定理前，我们想要来理清一些概念。

什么是概率？

抛一枚硬币正面向上的概率是多少？

频率学派：事件A在独立重复试验中发生的频率趋于极限p，那么这个极限就是该事件的概率。理论基础：事件本身具有某种客观的随机性。

不能重复试验的场景下的概率又是什么？

比如：苏州明天下午的概率是？

贝叶斯学派：把概率解释为对不确定的主管置信度，描述观察者知识状态在新的观测发生后如何更新。理论基础：同一件事情对于知情者而言就是「确定事件」，对于不知情者而言就是「随机事件」，随机性并不源于事件本身是否发生，而只是描述观察者对该事件的知识状态。

平均数定律

在赌场里或看到有趣的人类行为。当投骰子的人连续赢了几把的时候，有些赌徒就会认为他“手很顺”，打赌他还会继续赢。其他人说，根据“平均数定律”他接下来要输了，这样输赢才能平衡。从你的角度你认为他会赢还是会输。

在解答上述问题前，我们先来看一个数学题，抛硬币，连续三次向上，下一次抛硬币还是正面概率是多少？

概率学派：只要我们认可硬币是均匀的（正负概率各半），且为独立同分布，则结论仍然是50%。

贝叶斯学派：问题转换，你拿一个硬币，扔一百次，每当连扔出三个正面时你就把下一次投掷的结果记下来，最后你的结果里正反面各占多少？下一次投掷是正面的概率对不同的投掷次数 n、连续出现正面的次数 k 和单次投掷出现正面的概率 p 作图。“扔一百次，观察连扔出三个正面后下一次的结果” 对应着 n=100，k=3，p=0.5，所以下一次是正面的概率约为 0.46。

贝叶斯定理

贝叶斯定理是关于随机事件A和B的条件概率的一则定理。

$$P(A|B) = \frac{P(A)P(B|A)}{P(B)}$$

其中A以及B为随机事件，且P(B)不为零。P(A|B)是指在事件B发生的情况下事件A发生的概率。基于上式可推倒出：

$$P(B)=P(A,B)+P(A^C,B)=P(B|A)P(A)+P(B|A^C)P(A^C)$$

IMDB排名公式

$$WR=\frac{v}{v+m}R+\frac{m}{v+m}C$$

其中：

WR，加权得分
v，该电影的投票人数
m，排名前 250 名的电影的最低投票数（人为设定的，目前好像是25000）
R，该电影的用户投票的平均得分
C，所有电影的平均得分（现在为9）

针对该公式的解读：

IMDB为每部电影增加了25000张选票，并且这些选票的评分都为9。
假设所有电影都至少有25000张选票，那么就都具备了进入前250名的评选条件
假设这25000张选票的评分是所有电影的平均得分（即假设这部电影具有平均水准）
用现有的观众投票进行修正
长期来看，v/(v+m)这部分的权重将越来越大，得分将慢慢接近真实情况。

这样做拉近了不同电影之间投票人数的差异，使得投票人数较少的电影也有可能排名前列。值得注意的是，虽然很多影片在资料系统中得分很高，但由于未能达到TOP所要求的最低投票数而无法参加排行。

IMDB电影排名算法的缺陷：

新上映的电影短时间内评分上不去（点评量达不到要求）
能进入TOP 250的肯定是好电影，不是所有的好电影都能进入TOP 250

贝叶斯平均

把这个公式写成更一般的形式：

$$\bar{x}=\frac{C\times m+\sum_{i=1}^{n}x_i}{n+C}$$

其中：

C，投票人数扩展的规模，是一个自行设定的常数，与整个网站的总体用户人数有关，可以等于每个项目的平均投票数。
n，该项目的现有投票人数。
x，该项目的每张选票的值。
m，总体平均分，即整个网站所有选票的算术平均值。

这种算法被称为“贝叶斯平均”（Bayesian average）。因为某种程度上，它借鉴了“贝叶斯推断”（Bayesian inference）的思想：既然不知道投票结果，那就先估计一个值，然后不断用新的信息修正，使得它越来越接近正确的值。

在这个公式中，m（总体平均分）是“先验概率”，每一次新的投票都是一个调整因子，使总体平均分不断向该项目的真实投票结果靠近。投票人数越多，该项目的”贝叶斯平均”就越接近算术平均，对排名的影响就越小。因此，这种方法可以给一些投票人数较少的项目，以相对公平的排名。

“贝叶斯平均”也有缺点，主要问题是它假设用户的投票是正态分布。比如，电影A有 10 个观众评分，5个为五星，5个为一星；电影B也有 10 个观众评分，都给了三星。这两部电影的平均得分（无论是算术平均，还是贝叶斯平均）都是三星，但是电影A可能比电影B更值得看。

解决这个问题的思路是，假定每个用户的投票都是独立事件，每次投票只有n个选项可以选择，那么这就服从“多项分布”（Multinomial distribution），就可以结合贝叶斯定理，计算该分布的期望值。由于这涉及复杂的统计学知识，这里就不深入了。

问题：豆瓣的TOP 250排序？

StackOverflow

Stack Overflow是一个专门针对程序员的问答网站，它能解决代码开发中遇到的很多问题。StackOverflow的排序共分为两类，1个是问题排序，1个是答案排序。这里主要介绍的是关于热门问题的排序。

在分析问题前可以先考虑下，如果是你来做这个排名算法需要考虑哪些因素？

StackOverflow在开始设计热门排序规则时考虑的因素：

问题的投票数，StackOverflow允许用户投反对票，所以这里可以使用绝对投票数，即正面票-负面票数量。绝对数越高问题越热门。
答案的投票数，即是否存在一个被大量认可的答案。这里存在两种情况，被提问者认可或被其他访问者投票。多少的投票量可以认为是问题答案被认可也是需要考虑的问题。
问题的浏览量，或是有效浏览量，有效浏览量可以建立一个停留时间的阀值去衡量。浏览的越多则越热门。
问题的答案数，理论上说答案越多则问题的越热门，但这也并不绝对，有些好的问答可能只有一个好的答案。
问题的提问时间和问题的最近回答时间，问题的受欢迎程度应该是随时间变长而变得不热门。
提问者的声望和回答者的声望，声望越高的问题肯定质量越到，越值得去推荐。

在2008年8月23日的时候，StackOverflow的创始人Jeff Atwood曾经公布了一个热门问题的排名算法（链接）：具体为：

$$\frac{(\log_{10}Qviews)\times 4+\frac{Qanswers\times Qscore}{5}+sum(Ascores)}{((Qage+1)-(\frac{Qage-Qupdated}{2}))^{1.5}} = \frac{(\log_{10}Qviews)\times 4+\frac{Qanswers\times Qscore}{5}+sum(Ascores)}{(1+\frac{Qage}{2}+\frac{Qupdated}{2})^{1.5}}$$

Qviews（问题的浏览次数） log(Qviews)*4

某个问题的浏览次数越多，就代表越受关注，得分也就越高。这里使用了以 10为底的对数，用意是当访问量越来越大，它对得分的影响将不断变小。

Qscore（问题得分）和 Qanswers（回答的数量） (Qanswers * Qscore)/5

Qscore（问题得分）= 赞成票-反对票。如果某个问题越受到好评，排名自然应该越靠前。Qanswers 表示回答的数量，代表有多少人参与这个问题。这个值越大，得分将成倍放大。这里需要注意的是，如果无人回答，Qanswers 就等于0，这时 Qscore 再高也没用，意味着再好的问题，也必须有人回答，否则进不了热点问题排行榜。

Ascores（回答得分） sum(Ascores)

一般来说，”回答”比”问题”更有意义。这一项的得分越高，就代表回答的质量越高。但是简单加总的设计还不够全面。这里有两个问题。首先，一个正确的回答胜过一百个无用的回答，但是，简单加总会导致，1个得分为 100 的回答与 100 个得分为 1 的回答，总得分相同。其次，由于得分会出现负值，因此那些特别差的回答，会拉低正确回答的得分。

Qage（距离问题发表的时间）和 Qupdated（距离最后一个回答的时间） ((Qage+1) – ((Qage – Qupdated)/2)) ^ 1.5

Qage 和 Qupdated 的单位都是小时。如果一个问题的存在时间越久，或者距离上一次回答的时间越久，Qage 和 Qupdated 的值就相应增大。也就是说，随着时间流逝，这两个值都会越变越大，导致分母增大，因此总得分会越来越小。

此算法目前是否还继续使用或者是否改变不得而知。将其转化成Python代码为：

import time, math


def hot(Qviews, Qanswers, Qscore, Ascore, date_ask, date_active):
    Qage = round((time.time() - date_ask) / 3600)
    Qupdated = round((time.time() - date_active) / 3600)
    return (math.log10(Qviews) * 4 + Qanswers * Qscore / 5 + Ascore) / (pow((Qage + 1) - (Qage - Qupdated) / 2, 1.5))

Stack Overflow 热点问题的排名，与参与度（Qviews 和 Qanswers）和质量（Qscore 和 Ascores）成正比，与时间（Qage 和 Qupdated）成反比。以下为个人思考点：

为什么不使用“声望值”？

问题的质量与提问者的声望无正相关系
问题的答案与回答者的声望无正相关系
无名小辈也可以有精彩的问题与答案

提问的目的是获得正确的答案，而不是谁参与了此问题。声望值纳入容易造成，在没有声望认识加入的情况下，问题无法进入热门榜。

浏览量与分值的关系 log(Qviews)*4

这类对浏览量做了一次对数处理，主要目标应该是防止浏览量较大的问答占着榜单不动，抑制马太效应。这里再对结果*4，应该是由于10为第的对数抑制效果太大了，乘4稍微加大权重的影响。

针对此部分内容，我认为可以简化为：

$$ \log_{10}{x}=\log_{b}{x}\Rightarrow b=\sqrt[4]{10}=1.78$$

即将底数从10改为1.78，或者以2为底。

答案数和投票数与分值关系 $\frac{Qanswers\times Qscore}{5}$

这里的将答案的分值与答案数相乘，我个人认为是不适合。问题是否热门与回答数量正相关？与答案的分值正相关？这里将分数除以5，我的猜测是答案数、投票分的权重，考虑到问题答案数量普遍较少，猜想是想投票分的影响。

是否合理？

技术类问答，非开放性问题，往往答案只有一个，提问者的需求也仅仅需要一个答案
Qscore = 赞成票-反对票，如果这个问题存在较大的争议，赞成票与反对票接近，是否是一个热门的问题？

我建议的修改方案是：Qstatus * Qupvote：

Qstatus：是否有答案，没有为0，有为1
Qupvote：赞成票数量（考虑到Stackoverflow可能没有存赞成票数，用Qscore也可以）

答案投票数与分值关系 sum(Ascore)

是否合理？

问题A：有1个答案，投票数为10
问题B：有4个答案，投票数为4，3，2，1
问题C：有2个答案，投票数为10，-5

以上问题哪个更好？从现有的公式中最好的可能是A和B，实际上更高的或许应该是AC？

建议优化方案：Ascore只取投票数为正（Ascore>0）的答案，取每个分值平方和的开方（Square root of sum of squares）：$\sqrt{x_1^2+x_2^2+…+x_n^2}$

提问时间与最后解答时间与分值关系 $(1+\frac{Qage}{2}+\frac{Qupdated}{2})^{1.5}$

为什么要+1？防止问题刚提交时，公式中分母为0
为什么要÷2？把2小时作为最小的时间粒度单位
为什么要去5次方？添加“重力加速度”，提升曲线的陡度

如何理解影响关系？

发布时间越久，分值越低
回答时间越久，分值越低

总体评价：Stack Overflow的排序算法非常的简陋，还有很多优化空间。

SegmentFault

SegmentFault 参考了Stack Overflow的热门算法设置了自己的排序算法，具体排序算法如下：

热门文章

对于热门文章，使用了如下公式：

$$\frac{\lg(views)*4+recommendScore+collectScore+\ln(articleComments)}{(1+\frac{age}{2}+\frac{update}{2})^i}$$

其中

views：浏览量，对浏览量做了一次去对数处理，主要是为了防止某些浏览量较大的文章异军突起，待在榜单迟迟不动。
recommendScore：文章的推荐数，直接加和到分子中，作为文章热门程度的考虑因素。
collectScore：文章的收藏数，直接加和到分子中，作为文章热门程度的考虑因素。
articleComments：文章评论数，这个也作为一个影响文章热度的因素，不过为了降低其影响，对其作了一次取对数操作，主要是考虑到评论数量的影响力并没有上面两个的高。
(1 + age/2 + update/2)^i：分母是对时间因子的考虑，宏观上来看，就是文章热度和创建时间成反比。细节上，做成了个指数函数，可以通过对 i 变量的调控来改变时间因子在对热度的影响。
age：内容发布时间
update：内容最后更新时间（所有时间值单位均为 h/3600）
i：重力因子，取值的大小会直接决定热门排序（后面将介绍这点）

热门问答

对于热门问答，使用了如下公式：

$$\frac{\lg(views)*4+\frac{sum(Qanswers * answerScores + Qscore)}{5}+ln(commentScore)}{(1+\frac{age}{2}+\frac{update}{2})^i}$$

热门问答的计算参考了 Stack Overflow 对于回答数量和问题得票数的处理。同时，结合我们的实际，将评论的得票数也做为一个因素加入计算。

Qanswers / Qscore：分别是问题的答案数量和问题的得票数
anwserScores / commentSocres：分别是该问题下所有答案的总得票数和所有评论的总得票数
update：该问题下答案的最新更新时间

其余的变量含义和文章算法相同。

日/周/月热门

首先要明确各类不同热门内容的目的。

日热门的主要目的就是突出最近一天内的热门内容，更方便于内容被大家看到，文章快速地形成讨论、受关注的问题尽快得到解决；
周热门的主要目的很明确，就是突出过去一周内的热门内容，同时，给新产生的优秀内容机会，让其有机会进入热门列表；
月热门同周热门目的一样，但更需要给新内容进入列表的机会，以让内容经常更新。

所以，该怎么做呢？对于同一内容，上面的计算公式均可简化为：$\frac{s}{t^i}$

S是总得分指标
t为时间量
i是变量重力因子

可以看出，其热度和创建时间成反比，那么这个反比的值最终就由重力因子 i 来影响。

日热门为了突出新热内容、过滤时间过久的热门内容，需要增大重力因子，尽可能排除 24 小时之外的热门内容；周热门和月热门则需要按时间要求依次逐渐降小 i 值。

关于指数 i 值的选定，采取了估算：绘制出一定范围内时间和文章热度的指数函数的图，然后根据需求挑选满足自己条件的指数值。如下图：

多次估值测试，最终分别将日、周、月的 i 值选取为 1.0、0.5、0.3。

参考链接：

常被混淆的账号体系与账户体系

Sat, 09 Jan 2021 18:59:17 CST

导语：账户体系是任意一款互联网产品都必有的基础体系，而账户体系的产品设计文章却寥寥无几。本文小编将从互联保险产品的账户体系入手，来聊一聊如何基于复杂业务场景构建一套完整账户体系。

账户体系、账号体系、用户体系的区别与联系

在分享如何构建账户体系之前，先聊一聊小编对 「账户」「账号」「用户」三者之间关联和区别的理解。

账户可以定义是一个具有特定信息含义的内容集。比如一张身份证，一本银行存折，一份个人信用资料等。
账号则是一组特定符号组成的序列，且与账户有一一映射关系。比如身份证号，银行卡号，个人征信代码等。
用户则是通过这组特定字符序列与内容集产生关联的个体，同时也是账户内容所描述的特定个体。

在互联网产品中， 用户体系往往是面向用户，更偏重于用户运营与增长。而 账户体系则是面向业务，更偏重于产品结构与业务支撑。 账号体系则是桥接在用户体系与账户体系之间，为用户体系提供价值体现的同时，又可为账户体系提供服务的支持。换言之，在偏重用户体验的产品中，账户体系的价值常常被忽略。而在偏重于业务效率与供需交易的产品中，账户体系的价值举足轻重。

案例：信用卡

这里小编通过「信用卡」这个大家生活中都会接触的产品来讲讲上述三者的区别和关联。

对于一张信用卡来讲，我们站在普通人的角度看，它的用户自然是使用它的人。它的账号自然是登录或支付的账号和密码。而它的账户可能就是它的消费记录，可用金额等。读到这里大家可能觉得这个例子非常的简单。

那么我们换一个思考的角度，站在产品经理的立场看，对于一个信用卡产品来讲，它的用户体系，账号体系，账户体系又分别是什么呢？

在小编看：

信用卡的 用户体系就是它的用户成长体系，可能是用户积分体系，会员等级体系等这些可以提升用户粘性，促进用户刷卡消费，提升业务量的产品运营模块。而这部分模块往往是直接面向用户的，我们可以在各种信用卡产品中轻易找到。
信用卡的 账号体系就是信用卡的使用通道或者说产品触达用户的渠道。可以是线下直接刷卡消费，这时使用的账号就是卡号和支付密码。也可以线上产品端扫码消费，或者第三方支付通道调起，这时必然要通过产品端的登录账号和密码以及付款账号和密码等。这些不同的用途的账号和密码共同组建了一个复杂的账号体系。
账户体系就更加复杂了，包括普通用户可以看到的个人基本信息，个人认证信息，信贷账户，分期账户，分期账户，余额账户，借贷账户，消费记录，贷款记录，还款记录等。以及普通用户看不到的银行信用评级记录，逾期记录，卡片升级记录，异常消费记录等等。由此也可以看出账户体系更多是面向业务的，根据业务不同，账户体系的设计偏重也不同。

那么下面小编将通过互联网保险产品的账户体系 搭建方法论来聊一聊如何设计一个可以应对复杂业务场景的账户体系。

搭建账户体系的第一步：用户是谁，具有什么样的特点？

在互联网保险行业中，由于其业务场景的多元化，可以分为持牌保险企业，保险经纪公司，理赔服务供应商，代理人展业供应商等多种产品形态。小编将通过复杂度适中的互保经纪公司的产品为例来进行分析。

用户关系定位：

首先将保险产品的需求侧用户分为以下四类：

个人用户：进行投保和被保险的个人。
个人客户：存在的被保险的个人。
企业用户：进行投保和被保险的企业。
企业客户：进行被保险的企业。

这里的用户和客户的区别在于： 用户是与产品产生直接行为的个体，而客户是与产品产生间接行为的个体。间接行为就是该个体并未与本产品中产生直接交互行为，而是通过第三方代为完成的。比如企业为员工提供的补充医疗险，就是企业为员工集体购买的险种。当产品本身为被保险人提供保全或理赔服务时，则需要为该被保险人进行账户的创建和维护。客户与用户的具体关联逻辑将在第二步中进行讲解。

案例：个人账户体系

当确定了用户是谁后，在搭建账户体系时就要为用户添加标签，创建账户规则及字段，以及不同类型的账户的下的属性字段有哪些。企业用户因涉及到供给侧，需求侧以及第三方服务角色，相对较为复杂，在此就不展开讨论了。此处小编以个人用户为例简单说明一下。

个人用户的账户信息大概可以分为以上七个信息模块。其中基本信息和身份认证信息这两个模块的用途是确定用户的真实性和唯一性。保险行业相对于其他行业，在进行投保核保时是需要进行个人身份的认证。因而保险产品更容易获取用户的真实信息，用于保险风控及用户运营。

这里可能有读者朋友会问： 为什么将基本信息和身份认证信息归并在个人账户体系中，而不是放在用户体系或者账号体系中。

这里小编解释一下自己的考虑。首先没有归并到用户体系的原因很简单，用户体系的作用是为了促进用户与产品的粘性，进而促进业务增长。而个人基本信息和身份认证信息的归并并不能起到这方面的作用。而在较为复杂或繁琐的产品中，可能会存在多账号的情况，此时如果将基本信息和认证信息放入账号体系中，可能会带来数据不同步或数据冗余的问题。

保险信息和所属企业的用途是确定个人是用户还是客户以及该个人与保单之间的关联关系。因为一个人可以关联多张保单。

如该个人在某一保单中是连带被保险人，那么该人对于该保单/该保险产品而言就是客户，因为Ta无法与产品发生直接交互行为，而是需要主保险人代为进行保全或理赔的行为交互。
如该个人在某一保单中是主被保险人，但该保单的理赔收单方式是以企业为单位收单理赔。那么该个人对于该保单/该保险产品而言仍是客户，因为TA没有与产品发生直接交互行为。
如该个人在某一保单中是主被保险人，且他可以直接在产品中提起保全或理赔的申请，那么该个人对于该保单/该保险产品是用户。

支付信息的用途是在用户与产品产生理赔行为时所需要处理的业务信息模块。这其中较为重要的是额度账户模块，将在第二步重点说明。而登录账号模块作为各种产品的基础支撑模块，将在第三步中重点讨论一下。运营信息模块属于用户体系部分，本文不做扩展。

搭建账户体系的第二步：业务是什么，具有什么样的区别？

如果第一步是确定账户的标准化属性，那么这一步则是确定账户的业务化属性。因为小编讨论的是保险产品的账户体系，那么该账户体系主要围绕的就是险种责任和险种额度。即交易业务的规则和金额。

投保方案中的每条险种责任对应的险种额度都是不同的，被保险人的理赔诉求与险种责任是一一对应的。

在互联网保险中，业务主要可以分为两个思考方向：

提供什么服务？比如投保，保全，理赔。
支持什么险种？比如健康险，财险，车险，寿险等。

这里我们就通过支持 补充医疗险的保全和理赔的团体保单业务为例子来简单分析一下。

补充医疗保险是相对于基本医疗保险而言的，包括企业补充医疗保险、商业医疗保险、社会互助和社区医疗保险等多种形式，是基本医疗保险的有力补充，也是多层次医疗保障体系的重要组成部分。

从业务种类来进行保险账户体系的分析与构建：

保险的业务种类可以直接理解为保险的险种区分及具体理赔或保全规则。因为讨论的是补充医疗保险的保全和理赔业务，所以第一个属性就是账户业务类型，基本医疗保险或补充医疗保险。第二个重要的属性则是保险项目性质，这类企业的补充医疗保险项目会分为风险型和基金型。

所谓风险型保险项目是以一个特定时间段为标准（大多是一年一期），到期续保后重置保险额度，不进行保额累加的操作。而基金型保险项目则可以在到期续保后进行险种额度的累加。因而需要在账户中区分保单性质是基金型还是风险型。

还有一类重要的维度就是保险期间，也就是险种额度有效期。例如去年的理赔申请仅能使用去年的险种额度而不能使用今年的险种额度。当然还有很多其他的规则，比如共享额度，即多个险种共用一个额度。企业公共额度，即在某些特殊病中对个人补充医疗账户的额外的额度补充。

根据上述描述，我可以将额度账户切分为四层结构，即项目层，保单层，责任层，额度层。额度有效期则是从保单层到责任层再到额度层皆有关联。

从业务流程来进行保险账户体系的分析与构建：

保险的业务流程在这里可以理解为理赔流程和保全流程，当被保险人申请理赔服务后，在完成的收单，录单，理算及复核后，会相应的扣除被保险人的对应的险种额度。这其中就会涉及到账户额度的变动。

根据业务流程不同，会延伸出额度加费流程，额度冻结流程，账务清结算流程等。因此在额度层就需要记录该账户的总额度，可用额度，冻结额度，剩余可用额度，初始额度，累计使用额度，累计加费额度。因而就能得到如下图所示的额度账户的结构样例。

搭建账户体系的第三步：账号有哪些，会遇到什么问题？

读到这里，可能会有读者有疑惑，开篇时小编不是将账号体系和账户体系分开来了吗， 为什么账户体系中要考虑账号呢？因为账户体系是一个内容集，我们需要一把钥匙去打开这个内容集，而账号就是触达账户体系的钥匙。但是这把钥匙如何设计也是需要考量的。

有些读者可能在设计账户体系或者初期构建一个C端产品时，会优先搭建账号体系，再根据业务发展逐步的完善账户体系和用户体系。

这种产品设计思路在某些流量为王，偏重用户体验的C端产品中是一种还不错的产品设计思路。但是在一些具有复杂业务场景的行业或产品中可能并不是一个好的设计思路，比如互联网金融，互联网保险或者偏重供需交易业务的互联网+传统行业。为什么这样讲呢？且看小编一一为你解答。

1. 互联网产品的账号类型和适应场景

首先我们先来看看产品账号共有哪些类型，每一种类型的前世今生是怎么样的。

（1）自定义账号类型：

自定义账号起源于PC时代，用户可以根据喜好设定一组字符为账号，没有特定的组合格式。其缺点除了显而易见的因无特定生成规则而不容易记忆外，还无法关联到某一可以认证号主身份的识别信息，丢失后不易直接找回。

（2）邮箱账号类型：

与自定义账号一样起源于PC时代，在自定义账号兴起之后，为了解决其易忘，难维护，难找回的问题。同时使用邮箱也逐步进入中国网民生活中。各大厂开始纷纷使用邮箱作为PC端最常见的登录账号形态。其优点较自定义账号除了降低了维护成本，提高了用户找回账号的便捷性外。也为对流失用户的召回和激活，账号安全性，产品业务推广的提升都起到的至关重要的作用。

（3）手机号码账号类型：

当移动时代的到来后，由于中国大多数网民的手机号普及度远高于邮箱普及度，且国内网民的并未养成如国外网民一样的邮件使用习惯。手机号码作为账号载体受到了绝大多数移动产品的认可。其较邮箱有更高效便民的登录方式，仅需通过验证码即可登录，不需在消耗脑力成本记录密码。尤其当三大运营商对全网手机号实现身份认证后，其对账号安全性的提高是邮箱账号所无法比拟的。现在更有本机手机号一键登录的功能，更极大提高用户体验。

（4）三方授权账号类型：

随着几大国民现象级的APP产品出现，其为抢占各垂直赛道和树立用户心智，衍生出第三方授权登录的概念。仅需要移动产品开启第三方登录接口，用户注册/登录时授权第三方，即可通过第三方账号登录产品。其优点使用户可以跳过较为繁琐的手机号注册登录流程，一键式完成注册/登录，并可将基本信息直接带入产品中。其缺点也十分明显，用户是方便了，但是作为产品本身，无法获得用户真实有效的身份信息。无法对用户进行安全验证，用户召回激活，用户常规运营等行为。

（5）特定账号类型：

最后这一种可能在普通产品中并不常见，但是在某些B端产品或与个人敏感信息相关的产品中颇为常见，比如银行类产品的账号为身份证号，银行卡号。或者社保产品，某些教学平台，OA系统等办公软件。该类账号大多并非主动注册创建的，而是通过被动邀请或主动激活已存在的账号产生。其场景皆是对产品及账号信息的保密性和安全性要求较高。

2. 同一产品的账号合并与账户打通

当我们了解了几种账号类型后，可能遇到过在一个复杂业务产品的账号体系可能包含以上多个甚至全部的类型。这种情况的出现可能是产品的历史遗留问题造成的或者其本身业务形态决定的。而作为产品经理此时要思考的问题是：是否应该合并这些账号数据？这就涉及到了一个非常关键的字段： 用户唯一标识。

用户唯一标识（UID）：用户在产品中完成账号注册后，自动生成一组特定规则字符组，作为用户账号在产品中的唯一识别标识，不可修改，不可重复，不对用户开放。

合并账号数据其实就是在同一个业务体系或系统下，将同一个用户的不同账号进行数据合并。而账号的合并的本质区别就在于： 是否将同一用户的不同账号的UID进行合并，保持用户在系统中的唯一性。

这里需要产品人衡量与思考的点在于： 不合并或合并，对于业务价值的影响是什么？对于用户价值的影响是什么？

（1）多账号合并：

场景：用户A在同一产品的同一业务系统中有两个相互独立的登录账号，类型相同。

分析思路：这种场景较为常见，比如一个人拥有多个微信号码，QQ号，微博号等。大多数社交类产品是不处理这种一人多账号的情况。那么什么业务场景中会对这类同一用户多账号进行处理合并呢，小编在保险产品中就遇到过这类情况。其处理原因是因为互保产品中，用户作为被保险人会进行实名认证，当被实名认证后，如存在多账号的情况，将较难对其进行保全及理赔的服务维护。多账号的情况会造成保单信息不同步或保险数据冗余。换言之， 当在同一产品的同一业务中，同一用户存在多个账号的情况时，如对该业务数据造成较大影响时，需要对账号数据进行合并处理。此时多账号的合并处理又分为两种：

当需要被合并的账号类型相同，如类型都是手机号码时，其常见的处理手段为选择其中一个手机号码为账号名，其他手机号码注销，并将其对应的账户数据合并同步。
当需要被合并的账号类型不同，如类型一个是手机号码，一个是邮箱号码时，其常见的处理手段为选择其中一个类型为账号主体，其他类型保存，可作为展现数据，也可作为副账号。并将其对应的账户数据合并同步。

在工作中，除了同一产品中同一用户的多账号是否合并的问题，我们还可能遇见同一产品同一账号的多账户是否打通的问题。

（2）多账户打通：

场景：用户A在同一产品的不同业务系统中共用一个登录账号，但业务的账户数据是相互独立，不关联同步。

分析思路：

这种场景也较为常见，比如同一个微信可以在王者荣耀的iOS端和Android端各创建一个账户，登录账号通用，但对应的账户数据相互独立。

那么什么业务场景中会对这类同一用户同一账号在多业务系统的账户数据进行打通处理呢？

这种情况在具有供需交易类业务场景的产品中是较为场景的，比如保险产品，或者二手交易类产品，交易代理人产品。普通C端用户即可是需求方也可以是供给方，俗称小B用户。此时是否要将同一用户在买方业务系统的数据与卖方业务系统的数据打通，在于其相互是否有业务交集或连带的价值体现。

所谓 打通账户数据就是将同一个用户同一账号的在不同业务系统的账户数据进行部分关联和同步。在具有复杂业务场景的产品中，我们想清以上可能会遇的问题及对应解决方案后再进行账号体系的设计会更加的清晰和高效。

总结

每一个行业，每一个产品都有自己的产品特点与业务偏重。产品方法论并不能以点概面，以偏概全。小编在本文分享的账户体系搭建的三步方法论仅针对 偏重业务效率或供需交易的多业务场景的产品设计思路。希望通过本篇分享能为有需要的读者朋友在产品设计之路上有所帮助和借鉴。

#专栏作家#

杨三季，微信公众号：杨三季，人人都是产品经理专栏作家。7年互联网经验的高级产品官，深耕内容电商，互联网保险领域，擅长产品增长、数据分析、中台架构等内容。

本文原创发布于人人都是产品经理，未经许可，禁止转载

题图来自pexels，基于CC0协议

B端：产业互联网的终极奥义

Wed, 30 Dec 2020 10:49:19 CST

编辑导语：当产业互联网时代到来，引起了越来越多的人的关注。如果将C端流量看成是消费互联网时代的生命线，那么B端就是产业互联网的终极奥义。 B端，不仅为产业互联网提供了新市场，为产业互联网提供了新模式，还为产业互联网提供了新方向。

当我们开始远离消费互联网的”势力范围”，原本的狂热开始变得理性。所谓的互联网模式并不是万金油，面对产业转型升级的新需求，以去中间化为代表的互联网模式开始显得力不从心。

寻找新的，区别于消费互联网的发展模式成为一种必然和趋势。

无论是传统的消费互联网公司，还是传统的实体企业，几乎都开始从产业的角度来看待和思考后消费互联网时代的发展新模式。产业互联网的概念便是在这个大背景下诞生的。

顾名思义，所谓的产业互联网就是一个以产业端为改造对象的存在，通过改变产业端的生产方式和方法，完成那些在消费互联网时代并未完成的任务，最终再度实现供求两端的统一。理想很丰满，现实很骨感。

我们看到的诸多的产业互联网的玩家总是会自然不自然地走入到消费互联网的怪圈当中，他们仅仅只是把产业互联网看成是收割产业端流量的概念和噱头，在改造产业端的问题上却鲜有建树。

真正适合产业互联网的发展模式，最终让产业互联网的发展跳出消费互联网的怪圈，显得尤为重要。在诸多的产业互联网的发展模式里，TO B一直都是贯穿始终的。

无论是将B端流量看成是改造对象也好，抑或是将B端流量看成是收割对象也罢，B端始终都是产业互联网的主角。

因此，给B端用户以正确的定位，并且真正找到改变B端的正确方式和方法，或许才是真正让产业互联网的发展真正跳出消费互联网怪圈的关键所在。

一、B端，产业互联网时代的终极奥义

如果我们将C端流量看成是消费互联网时代的生命线的话，那么，B端，才是产业互联网的终极奥义。对于产业互联网时代来讲，B端用户主要有如下几个方面的内涵与意义。

从产业互联网的字面意思，我们就可以看出，“产业”是区别消费互联网与产业互联网的根本字眼。如果我们把C端流量看成是消费互联网时代的核心的话，那么，B端，才是产业互联网时代的核心内涵。

1. B端，为产业互联网提供了新市场

当消费互联网时代的流量红利见顶，人们面临的是新的发展困局。寻找新的市场，寻找新的改造对象，成为产业互联网时代的玩家必然要面临的新问题。

当人们的消费行为和习惯被深度改变的大背景下，上游产业成为了“被遗忘的角落”。

当产业互联网时代来临，玩家们的发展开始从C端转移到了B端。相对于C端市场的短兵相接，B端市场更像是一片尚未被开发的新大陆，不断为产业互联网的提供者新的市场。

2. B端，为产业互联网提供了新模式

当产业互联网的概念被提出，S2B的商业模式几乎在同一时间被推到了前台。

同消费互联网时代仅仅只是依靠撮合和中介来实现盈利的商业模式不同，B端时代的来临开始提供一种全新的商业模式。

这种全新的商业模式真正让产业互联网有了自身的独特性，即赋能与改造开始取代撮合和中介成为全新的发展模式，这种新模式的出现，最终让消费互联网时代所形成的各方角色的得以重构，经典意义上的平台和中心或将不复存在。

3. B端，为产业互联网提供了新方向

当人们开始将发展的目光从C端转移到B端，看到的是一个与消费互联网时代完全不同的新方向——这种新的发展方向是一种反消费互联网的新方向。

如果深度分析消费互联网时代的发展方向的话，我们就会发现，消费互联网时代的发展方向是自上而下的，即通过将上游产业的产品和服务输送给C端用户来实现的，这是一种自上而下的发展。

当产业互联网时代来临，我们看到的是一种双向互动的发展方向：

一方面，下游的C端流量不断提供给上游的B端用户以数据，通过数据来赋能B端，促进B端用户生产和供应方式的改变；另一方面，上游的B端用新的产品和服务提供给下游的C端用户，以满足C端用户的新需求。

当这种双向互动的发展模式开始形成，产业互联网的发展开始有了新的方向。由此可见，B端，才是产业互联网时代的核心内涵。

换句话说，B端才真正让产业互联网真正称之为产业互联网。当我们以B端的思维来看待产业互联网的发展，并且真正找到真正破局B端的正确方式和方法，产业互联网的内涵与概念才能真正被赋予新的意义。

这个时候，产业互联网才算是真正跳出了消费互联网的怪圈，真正进入到了自身的发展时区。

二、以B端为纲，产业互联网的再定义

以B端为根本，重新定义产业互联网，才能真正让产业互联网的发展跳出消费互联网的怪圈，真正进入到一个全新的发展阶段。

当产业互联网的概念越来越多地成为共识，我们或许更加应该思考的是如何从B端的角度来看待产业互联网，而不是仅仅只是沿着C端的老路，简单地把产业互联网看成是一种新的收割流量的套路。

那么，以B端为纲，产业互联网的再定义在哪呢？

产业互联网的生命线不是流量，而是留量。当消费互联网时代的发展红利见顶，我们听到最多的一个词叫“长期主义”。

何谓长期主义？按照笔者的理解，就是要共同成长，长期同行。基于这种逻辑，如果我们站在B端的角度重新定义产业互联网的话，那么，产业互联网时代的生命线或许不在流量，而在留量。

所谓的流量就是一种短期的行为，充满了收割的味道，很显然，仅仅只是以收割的视角来看待产业互联网，而不去做长期、深度的布局，在产业互联网时代是无法获得好的发展的。

相反，以留量的视角来看待产业互联网，将自己看成是行业的一份子，并且投身到行业的发展过程当中，以长期主义的视角来看待产业互联网，或许可以找到消费互联网之外的全新发展方式和方法。

当产业互联网的玩家把自己看成是行业发展的一份子，而不是抽离于行业之外。

这个时候，才算是真正跳出了消费互联网时代以平台和中心为代表的发展模式，并且真正将产业互联网的发展带入到了属于自身的发展轨道里。此刻，产业互联网的发展才算是真正跳出了消费互联网的发展怪圈。

产业互联网的驱动力不是资本，而是技术。

资本，在消费互联网时代扮演了至关重要的作用，这种唯资本至上的发展模式所导致的一个最为直接的结果就是资本的无序发展。

当产业互联网时代来临，特别当我们站在B端用户的角度来看待产业互联网的时候，我们就会发现资本在产业互联网所扮演的作用开始变得不那么重要的，取而代之的是那些真正可以给行业的发展带来深度改变的新技术。

为什么这么说呢？因为如果站在C端的角度，我们需要的是尽可能多地让C端用户产生购买，达成交易，进而获得撮合和中介费。如果我们站在B端的角度，我们需要做的是要改造B端的生产方式和方法，在这个过程当中，相对于资本来讲，有效的技术显得更加重要。

因此，在产业互联网时代，我们应该将更多的关注焦点聚焦在技术的研发和创新上，通过技术而非资本来打开产业互联网时代的发展新模式，从而真正让产业互联网时代的发展跳出消费互联网时代的怪圈，进入到一个全新的发展阶段。

产业互联网的本质不是中心化，而是去中心化。

当我们站在B端的角度来看待产业互联网的发展时，就会发现，所谓的产业互联网并不是一个依靠中心来完成改造的过程，所有的改造都需要玩家深度到行业的发展过程当中，通过深度介入来寻找破局的方式和方法。

比如，我们经常提到的改造生产方式和方法，改造产品和服务，仅仅只是依靠搭建平台，建构中心，缺少真正的介入和投身其中是无法实现的。

所以，从B端来看待产业互联网的本质，并不是我们在消费互联网时代司空见惯的中心化的发展模式，而是去中心化的发展模式。

我们看到的产业互联网的玩家几乎都是将自己定位成为行业的一份子，通过参与到行业的实际运作过程当中来寻找落地和实践产业互联网的方式和方法。

阿里的犀牛工厂、京东的C2M工厂、拼多多的多多工厂就是产业互联网的生动案例。

随着越来越多的产业互联网案例的出现，产业互联网的这种去中心化的发展模式将会越来越多地出现，从而真正将产业互联网的发展带离消费互联网时代的中心化、平台化的漩涡，真正进入到一个去中心化、去平台化的发展新时代。

如果我们将撮合和中介的能力看成是决定消费互联网时代成败的关键的话，那么，真正决定产业互联网时代的是玩家们下沉到实体行业的能力。

当产业互联网的玩家下沉得足够深，触角触达的行业领域足够广，他们就可以获得足够多的发展可能性。总的来讲，产业互联网不是一个中心化的时代，而是一个去中心化的时代。

三、结语

当产业互联网时代来临，越来越多的人开始将关注的焦点聚焦于此。

然而，消费互联网影响的深入且全面，最终，让产业互联网始终都无法跳出消费互联网的发展怪圈。以B端为视角来审视与看待产业互联网，或许可以让我们看到一个全新的产业互联网。

当我们用B端的视角来定义产业互联网，并且真正找到真正符合产业互联网的发展模式的时候，所谓的产业互联网或许才算是真正进入到了真正属于自己的发展轨道。

#专栏作家#

孟永辉，微信公众号：menglaoshi007，人人都是产品经理专栏作家。资深撰稿人，特约评论员，行业研究专家。长期专注行业研究，累计发表财经科技文章超400万字。

本文原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议

盘点Facebook 、YouTube等主流产品的10大创新设计

Wed, 23 Dec 2020 18:47:25 CST

编辑导读：每个设计师都会有创意灵感缺失、大脑一片空白的状态，这个时候去看看最新的一些设计趋势会是一个寻找灵感的好方法。本文作者梳理盘点了国外主流产品的10大创新设计，希望能帮助解决你设计时遇到的灵感枯竭。

国内的产品设计同质化严重，将众多同类产品放在一起，去除图标和主题色的话，很难区分是哪个App。

设计师的视野如果长期只关注国内，那么设计创新能力很容易被束缚，导致创新能力下降。

应对突发需求，国内没有相对应的竞品，就无法做出可落地的方案。

本篇文章盘点下国外主流产品的10大创新设计，通过本篇文章，希望可以打开视野，提升创新能力。

01 左滑进入聊天界面

Instagram在首页界面，用户左滑进入消息聊天页。这是一种全新的交互形式。

国内的产品，左右滑是切换首页的二级导航。

我第一次使用时不习惯，很容易误操作。当习惯之后，就觉得超级方便。它可以快速地切换到聊天消息页。

为什么Instagram要做这个交互？猜测原因有以下2点：

Instagram发力即时通讯，鼓励用户相互发消息。底部已经有了5个tab，没办法继续增tab。这时候只能想办法找其他流量大的入口。
流量最大的入口毫无疑问是首页。所以Instagram在首页新增手势操作，当用户左滑，就能快速地到达消息聊天页。此方案可以完美的满足业务需求。

02 视频小窗口播放

在YouTube视频详情页，没有视频关闭功能。用户不想看视频时，只能点击播放器左上方的收起箭头。

当用户点击之后，会变成卡片小窗口，进行小窗口播放。如下图所示：

这样设计的好处：

可以让用户边找视频，边观看。尽可能地利用用户时间。
使用户消费更多视频，提升用户的观看效率。

03 推荐视频

YouTube在播放过程中，底部会出现四个视频，用户上滑时全部出现。

用户可以在播放过程中，点击推荐视频观看。

这种设计更加强化推荐视频功能。用户可以在播放过程中，选择更感兴趣的视频。

国内视频产品，在全屏的情况下，无法推荐视频，只能在视频结束后推荐视频。国内这样的好处是可以更聚焦当前视频。

04 筛选订阅视频观看

在订阅内容Tab，用户可以根据标签，进行筛选视频，这种操作可以极大的提升用户查找视频的效率。

像继续观看、未观看内容，这些标签，可以高效，不遗漏地观看订阅up主的视频。

05 提升push打开率

当订阅up主后，push推送没有打开时，会出现消息未打开的图标，用户点击，进入设置页面，进行打开通知设置。

这种设计的好处是：推送设置入口固定展示，用户打开push的概率大大增加。

而push打开率的提升，对提升产品的日活帮助巨大。

06 导航和设置展示在一起

Google Chrome 首页，将用户最常访问的网站和功能项放在一起，如下图所示：

一般来说，国内产品很少将两个不同属性的模块放在一起，这样的话容易被误解为一种类型。

但是为了让用户使用更加方便。Google Chrome将其放在一起，都采用宫格导航的形式，通过图标和背板的不同做了一定程度的区分，用户的体验更加友好。

07 下拉操作

Google Chrome下拉时，展示三个选项，左右滑动选择对应的操作。

这种交互方式，即做到了界面简洁，也做到高效方便使用。

08 为其他app引流

Facebook作为一个超级App，所涉及到的业务庞杂，公司内部各个部门利益复杂。为了业务利益，不同部门组织在不断地博弈。

如下图所示，为了尽可能的给其他业务引流，Facebook底部有6个tab，这在主流产品中是不可思议的存在。

为了给messenger引流，首页右上角增加了一个闪电消息图标，会和messenger App联动，当有新消息时，会出现消息提示。点击跳转到messenger。早期facebook 是将底部一个tab给messenger引流，点击tab，直接跳转到messengerApp。

Facebook的这种导流设计，粗暴高效，短期内使得messenger也成为一个超级app。

09 删除中倒计时

Telegram在删除联系人时，底部会出现倒计时提示，在这个期间，用户可以撤回删除操作。

这种交互设计，使得用户在删除过程中更加有安全感，可以回撤毁灭性操作。

10 一次发多条动态

Twitter在发布动态的时候，可以一次性发送多条，这种设计，可以一次性批量的发送，提升用户效率。

以上就是我发现外国主流产品的创新设计。而这些设计，国内基本没人采用，所以分享出来给大家。

如果大家有其他的发现，欢迎在评论区留言。

#专栏作家#

UX，人人都是产品经理专栏作家。前美团点评高级交互设计师。微信公众号：Echo的设计笔记，欢迎关注

本文原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自 Unsplash，基于 CC0 协议

用户画像规划流程和方法

Thu, 08 Oct 2020 18:11:43 CST

编辑导语：如今在这个大数据时代，“用户画像”这个词经常出现，它跟精准营销挂钩，可以根据一个人的兴趣、地理位置等进行精确的推送，达到良好的营销效果；本文作者分享了关于用户画像规划的流程和方法，我们一起来看一下。

互联网行业飞速的发展，带动行业业务量激增，同时伴随数据量的增加，互联网各行各业慢慢形成头部企业，2/8原则下长尾企业也越来越多；因此，在大数据量和激烈竞争下，如何更好的对产品进行营销，如何制定价格策略，越来越重要。

那么，如何制定准确的营销和价格，就需要我们针对不同人群，不同个体的特点进行精细化推荐，所要本章介绍了如何进行用户画像。

文章结构：

一、什么是用户画像

用户画像就是对用户按照一定的规则进行统计，划分，从而能够指导用户推荐，客户分层运营，达到营销效果。

昨天：手机APP大爆发是随着手机硬件的发展而发展起来的，发展前期大量APP为抢占市场纷纷上线；用户画像只是为了指导产品设计，主要用于产品设计前夕的用户访谈、用户调研的前期工作，而且一般覆盖的人群比较狭隘，精准度差，产品经理设计产品全靠感觉。

今天：行业竞争越来越大，行业产生的数据量也越来越大，各大公司开始建造自己的数据仓库；那么如何应用数据仓库中的数据，如何进行精细化运营，用户画像越来越受到重视。

明天：随着大数据技术的成熟应用，用户画像标签将越来越多，目前互联网行业中比较成功的标签系统是淘宝的千人千面，技术创新必将推动用户画像的精准度。

二、用户画像常用场景

用户画像概况可应用于一下三个场景：

产品设计：开发前期的产品定位设计；
产品营销：指导运营对特定用户进行推送活动信息，推广信息，个性化推荐等。
产品决策：分析用户画像统计对产品的发展现状和发展趋势进行预测，及时调整产品发展路线。

按照用户标签的生产方式可分为：

统计标签：现有的可以直接从数据中提取出来的标签；包括用户自然属性，用户行为统计等信息。

规则标签：自定义规则进行标签建模；根据业务流程提取需要统计的标签。

算法模型标签：根据机器学习等算法进行用户行为预测分类；具有不确定性、开发周期长、成本高，因此系统中此类标签数量较少。

三、用户画像系统搭建流程

1. 数据采集

对用户数据进行采集，数据预处理，数据挖掘和过滤等手段得出期望的数据集。

用户数据一般分为埋点数据和业务数据：

埋点数据：根据用户的行为特征进行埋点，将得到的数据进行处理存储；
业务数据：用户的姓名、年龄、地理位置等自然属性，同时包括用户购买、用户评价、用户评论等隐形数据。

具体采集方法可以使用如下算法模型：

文本挖掘模型（TF-IDF）：处理文本类型，提取数据信息。

TF是词频，IDF是逆向文件频率，TF-IDF是词频和逆向文件频率的乘积。

Nij就是词i在j文章中出现的次数，分母就是文章的总词数。

D就是语料库中文件总数，下面分母就是词i出现的文档数，然后取对数。

该算法可以直接调用python库Sklearn进行实现，但是该算法比较单一，不考虑词条在文章中的位置，不能准确描述词的重要程度，一般需要结合其他其他算法或者增加权重改进。

聚类算法：聚类算法较多，如ANN神经网络和贝叶斯等，聚类主要是针对冷启动用户、用户分群营销等目的；具体算法相对复杂，目前算法应用多使用python的各种库如Sklearn，包括一些框架tensorflow、caffe等。

相似度模型：一般使用相似度模型进行辅助用户分群，常用的有逻辑回归、线性回归、余弦相似度、皮尔森相似度等。

具体说下余弦相似度：

实例：

用户1和用户2通过公式计算相似度为0.945406，是不是可以解释为两个用户可以划分为同一类人，进行用户分群（计算过程只是用于解释算法，无其他意义）。

若已有数据仓库，数据采集相对比较轻松，可参考文章“ 每日优鲜如何搭建数据仓库？”。

2. 用户维度分析

用户分析具有多维度，随时间更新的特点，包括用户年纪、学历、兴趣、消费水平等都容易变化。

因此维度信息应该随着用户偏好发生变化，因此，在标签系统中需要有新增标签功能。

3. 维度标签化

用户画像最终的实现应该是对维度进行标签化，常用MECE法则进行标签化，防止标签界限不清晰。

标签需要根据需要进行逐级拆分，例如：

4. 标签映射，接口封装

用户画像数据导入服务器中，为后续推荐系统，营销活动服务；封装成API可以作为数据服务的内容，对其他系统提供数据支持。

5. 用户画像评估

对画像进行评估：

用户覆盖率：用户画像具体能够覆盖到多少用户，有些用户画像可能覆盖总用户的50%或者80%；所以覆盖率是用户画像应用的一个评价，覆盖率越高，对后续精准营销的策略选择越准确。

准确率：模型的准确性，如上所述，使用算法模型导致的用户分群错误或者对用户的购买意向预测错误，将直接影响购买率，影响GMV。

可拓展：用户画像在维度刻画应该是可扩展的。

及时性：如果用户画像服务到实时推荐系统中还需要用户画像的及时。

四、总结

用户画像结合大数据技术使用户刻画更加细致、及时，对日趋竞争激烈的互联网浪潮起到越来越重要应用。

本文由@汪仔2296 原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自Unsplash, 基于CC0协议

做分销系统，这几个问题需要注意

Wed, 09 Sep 2020 19:21:59 CST

编辑导语：分销裂变是产品运营的手段之一，作为一种独特的营销玩法，分销裂变不仅被传统电商平台使用，同时也是新平台快速获客引流的不二法门。不过在众多误解之下，这个词很容易被妖魔化。本文向我们介绍了做分销系统过程中需要注意的几个关键内容，并分别对每个点展开了详细的分析，与大家分享。

说起分销，现在大家普遍的认知，可能大多还停留在朋友圈里的微商层面。

拉人头是司空见惯的手段，发展下线是常用的操作手法，朋友圈和微信群轰炸是日常套路。

外行看热闹，内行看门道。没做过分销系统，就没资格说懂分销。就算做过分销系统，可能也只是略懂。

要想玩转这一整套复杂体系，必须经过千锤百炼，历经磨难与挫折。

今天就试着捋一捋在做分销系统过程中，我们需要注意的内容。

一、分销门槛

关于分销的门槛，根据我自己公司的实际情况，同时参考了其他主流平台，发现大致有下面这三类： 提交审核型、购买加入型、直接加入型。

1. 提交审核型

所谓提交审核型，指的是 用户想要加入分销体系，需要提交相应的资料，然后平台进行资质的审核，必须审核通过后才能成功加入。

这种类型，适合大部分的B端/供应链场景。

此时，对于平台自身来说，其目的并不是希望获得更多的用户，也不是分销卖货，而是为了获得优质的资源。

拿供应链来说，无论是对所有渠道的控制还是对价格的敏感度，就决定了其势必不是追求量，而是追求质。

而关于审核所需要的资料，就要看每个公司的实际业务情况了。

对于分销后台来说，我们需要提炼不同行业的通用标准，然后以此为基础，形成不同的模板。

然后根据用户的类型自动匹配，同时也要能够对这些资料进行自定义配置，满足不同需求。

比如美容行业，在入驻分销的时候，就需要对方提供相应的营业执照、门店信息、美容执照。其他通用行业，可能只需要身份信息即可。

2. 购买加入型

所谓购买加入型，指的是 用户想要加入分销体系，必须购买指定商品/服务/充值，购买成功后自动加入分销。

这种类型，适合的是针对C端/平台场景。

根据不同的平台类型，购买的内容会有所不同，有些是商品，有些是服务，有些是套餐，有些则是直接充值。

这样做的目的，也是筛选出有付费意愿的用户，有两个好处：

帮助平台过滤掉那些没有真实意向的用户，这样的人后续的运营维护成本会很高。
让用户对平台有一种门槛权威，在大家心里，越难得到的东西才越珍惜。

当然，这些购买的内容，不仅需要提供行业标准，同时还需要能够自定义。

3. 直接加入型

所谓的直接加入型，指的是用户想要加入分销体系，只需要同意平台的协议就可以，没有其他额外门槛。

这种类型，适合的是初创公司/业务。

初创业务，天然面临的是产品知名度的问题，这时候如果还有门槛，那这就真的是门槛了，大部分情况下不会有用户愿意付出额外的金额、时间去考虑的。

在这样的情况下，目的其实是为了能够快速的推广业务、快速的积累用户，一切为了这个目标。

我看过很多反面的例子，创业公司的新平台，品牌认知度几乎是0，产品力也不够强，但加入门槛还挺高，199/年的会员费，才能够享受折扣和分销功能。虽然不知道最终的数据，但结果也可想而知。

综上，无论选择哪种类型的加入方式，都要结合公司的现状和目标，不能一成不变。

二、分销等级

关于分销等级，首先需要明确分销等级的说明，其次需要知道分销上下级的关系。

1. 等级说明

做过分销的人都知道，分销等级一直是有红线的，那就是不要超过3级。超过这个红线，你离传销就不远了，你离拘留也不会太远了。

这里解释一下什么叫分销等级，通俗点说，就是自己能从下级、下级的下级那里获得奖励。一级分销就是只能从下级获得，二级分销就是从下级、下级的下级都能获得奖励，以此类推。

现在大部分的分销其实都是2级，虽然是常见的，但这并不代表没有风险。之前有报道，淘宝的淘小铺，就被相关部门警告和处分了。

所以，最保险的做法就是1级分销，这是最直接，也是最好解释的一种。至少从现在的情况看来，这样的方式是没有什么风险的。

如果你的业务还存在很多不确定性，如果你的业务想长期持续发展的话，选择稳妥比什么都重要。

记住一点就好：用合法的手段，做合法事。

2. 上下级关系

上下级关系的绑定，决定了最终的奖励归属。一般做法有两种：一种是永久绑定，一种是有绑定时效。

所谓的永久绑定，指的就是上下级关系绑定后就不能改变，以后下级发生的任何购买行为，上级都能够获得相应的奖励。

这样的好处是，可以鼓励分销人去发展下线，毕竟发展的下线永远都是自己的。适合那种拉人头、增加用户量的场景。

所谓的绑定时效，指的是上下架关系绑定有一定时效，在时效内，下级发生的任何购买行为，上级能够获得相应的奖励。时效外的奖励，就根据实际情况来定。

这样的好处是，可以鼓励分销人更多的去分销商品，不用担心别人是否已经绑定了，毕竟有时效限制。适合那种要销量、要销售额的场景。

对分销系统来说，需要提供灵活配置的地方，让用户自行选择绑定的方式。

对用来说，根据公司的整体目标和阶段需求，选择合适的类型。

综上，无论分销等级如何变化，永远记住红线。

三、分销奖励

关于分销奖励，不同的行业也有不同的奖励方式，我现在所了解到的，就有现金奖励、商品奖励、服务奖励这三种类型。

1. 现金奖励

现金奖励，是最常见也是最有效的奖励方式，毕竟谁也抵挡不了金钱的诱惑。

分销人将商品分享出去-触达人购买该商品-分销人按约定的方式得到相应的奖励金-奖励金达到一定金额分销人就可以提现。

这是通用的流程，这其中涉及到的后台配置内容就是需要为每个分销商品配置相应的奖励规则。

关于现金奖励的规则，一般有按百分比和固定金额两种方式。

百分比奖励：根据购买人购买的金额，按照约定的百分比进行奖励，多买多得。
固定奖励：无论购买人购买的金额多少，统一按固定金额奖励。

两种方式，适用的场景和活动目的不同，在不同的推广阶段配合使用才能达到最优效果。

想拉人头，建议用固定金额，鼓励分销人去找人。想要销量，建议用百分比，鼓励分销人去找订单。

关于现金奖励的，就涉及到提现的问题，关于提现相关内容就需要进行配置。包括周期内提现的次数、最低提现金额等内容，在这里就不展开了。

记住一点，涉及到钱的，一定要慎重再慎重。

2. 商品奖励

商品奖励的场景适用于商城卖货。

分销人将商品分享出去-触达人购买该商品-分销人按约定的方式得到相应的商品-分销人将商品提货。

有些电商平台，为了提升自身产品的知名度和接受度，会采用这种分销奖励商品的策略。

虽然目前我自己在实际工作中并没有遇到这样的场景，但这样的需求也是真实存在的。

以前接触过一个卖运动服装的老板，有段时间，他们为了推商城的一个爆品，就采取了这样的方法。只不过当时并没有使用系统，而是直接走线下渠道完成的推广。

情况是这样的，他们的分销人，在推广成功后，会得到一个指定的商品，分销人可以选择快递或者自提的方式来提货。

后续他们公司切换我们线上系统的时候，就对这块需求特别注意。我们自然也是用这个需求作为出发点，来拓展更多的场景和业务。

有需求就有市场，有市场就要产品能够满足。

3. 服务奖励

服务奖励的场景适用于服务行业。

分销人将服务分享出去-触达人购买该服务-分销人按约定的方式得到相应的服务-分销人将享受服务。

这个需求的来源是我现在所在的美业（美容护肤行业），一般这种情况下，都是想通过服务的到店消费，进而为用户提供更多增值服务。

现在传统的美容行业，获客成本越来越高，用户消费频率又低，能够带来更多消费和用户的分销手段，是其业务增长的常用方法。

所产生的服务奖励，分销人可以自己使用，也可以赠送给其他好友使用。一切能产生二次消费的机会，都可以进行引导。

当然，服务奖励，不仅仅适用于美业，任何类似的行业都可以，比如在线教育的体验课都是属于这个类型。

综上，根据自己的行业属性，结合实际业务需求，选择合适的奖励方式。

四、传播方式

传播方式，影响的是分销人触达的渠道和效率。按照方式来说， 有图文分享、平台直发、商品详情。

1. 图文分享

图文分享适合在朋友圈转发，而且对分销人来说，价格相对保密，具体赚多少钱，只有分销人自己知道，用户想要下单，都是找分销人私聊转账。

这样做的好处就是打消了分销人的顾虑，毕竟是人家的私域流量。而这样做的不足就是对平台来说，永远没法触达购买用户，也就没法产生后续价值。

为了满足图文分享，作为平台来说，需要为每个商品提供相应素材，包括推广文案和推广图片。

后台配置完成后，分销人在商品详情分享时就可以进行选择。

2. 平台直发

平台直发适合的是平台类产品，分销人分享内容出去，触达人直接进入平台，后续操作都会在平台内完成且留痕。

这样的好处是平台留下了用户，可以进行后续的营销。当然这样做的前提是得优先保证分销人的利益，否则人家是不愿意去推广的。

从目前的情况来看，大部分人还是会选择微信、QQ两种方式，毕竟用户基数决定了分销收益。

平台直发的难点在于打通和对接各个平台，资源有限的情况下可以优先考虑大众普遍接受的渠道，需要理清每个渠道的相关规则，后续条件允许可以横向扩展。

3. 商品详情

这种方式是我在阿里的某个产品中看到的，算是一种整合折中方案。

分销人分享出去，触达人进来后，看的是商品详情，类似于淘宝的商品详情。分销人可以自己设置是否显示价格，但是没有购买按钮。想购买，还是要找分销人私聊。

个人感觉这样的做法可以有三个好处。

首先，保证了分销人私域流量的隐私性，毕竟不能购买，就不会产生什么数据，感觉上容易接受。
其次，给触达人提供比较直观的产品体验，仅仅靠图文介绍，有时候很难有直观的感受。
最后，为平台的后续升级留足了空间，毕竟详情页在这，里面能拓展的方向就太多了。

如下的案例，将就典型的分销人分享商品页面。

综上，平台根据自身的资源，优先开发通用方式，用户根据实际情况，选择适合的方式。

一些想说的话

关于分销，其实是互联网拉人头和推广的常用手段。

其结果是双赢，对平台来说获得的是用户和销售额，对分销人来说获得的是收益。

工具只是手段，在有些人手里可以变成营销利器，在有些人手里就会变成灰色地带。

作者：明天上线微信公众号：明天上线

本文由 @明天上线原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议

数据运营：如何搭建App的数据监控体系？

Sun, 24 May 2020 17:37:59 CST

精细化运营的核心是数据驱动增长，透过数据分析指引产品迭代和运营推广。因此，产品和运营需要掌握一定的数据运营能力，特别是需要搭建一套产品运营数据的监测体系来对日常运营效果进行复盘。本文介绍了搭建App数据监控体系的四大数据层次，与大家分享。

移动互联网进入到下半场，流量红利逐渐消失，互联网公司的竞争从增量用户的争夺转向存量用户的争夺。在这种环境下，精细化运营是每个互联网的必然选择。

区别于之前以采买流量为重点的运营模式，精细化运营的特点是针对产品和运营的每一个环节进行精心打磨，以最小的成本产出最大的价值，小到一个推广文案、大到一个业务流程，都要进行小心求证和持续优化，确保转化率达到最优解。

01 结果层

第一层是结果层，是指直接体现运营结果的数据，通常也是我们要定期向老板汇报的KPI数据。虽然不同行业的KPI会有所不同，比如电商产品会重点考核成交用户和成交额，但是归根结底都是围绕注册、活跃和付费转化3个核心，因此，我们的结果层数据一般包括：

KPI完成数：注册用户活跃用户付费用户
转化率：下载-注册转化率，注册-付费转化率，注册-活跃转化率
增长率：按日、周、月、季、年计算增长率
完成率：一般会将KPI分解到周、月、季和年，并定期计算完成率

02 运营层

第二层是运营层，是指反映运营问题的数据。运营方面，一般我们可以从以下3个方面进行分析：

1. 用户层面

可针对不同用户群体建立监控指标，常见的分群方法有按新老用户分群、按地区分群、按性别分群等，监控指标有留存率、转化率、活跃度等，比如新用户次日留存率、7日留存率和30日留存率；

根据用户分群进行数据监控的精髓在于，通过不同用户群的数据差异找到更精准的用户群体，以及针对不同用户群体找到差异化的营销策略。

2. 商品层面

针对不同品牌、不同sku建立监控指标，指标包含商品曝光、点击、加入购物车、下单、成交的数量、用户数和转化率，根据不同商品的对比和同一商品不同周期的对比可发现异常情况，从而找出商品定价、促销政策、排列规则或购物流程等方面的问题。

3. 渠道层面

针对不同推广渠道建立监控指标，比如按应用市场、按投放渠道。建立渠道的监控指标是为了监测渠道的推广效果，选择性价比最高的推广渠道。这里需要强调的是，渠道的效果监测一定要监测到付费用户的投入产出比，即在该渠道获取1个付费用户的成本是多少，这有这样才能判断渠道的性价比。

03 产品层

第三层是产品层，是指验证产品和反映产品问题的数据。针对产品的使用情况，我们可以重点监测以下3个方面的数据：

1. 新功能使用率

每次发布新版本后我们都应该观察新功能的使用情况，包括访问量、访问用户数、占全部访问用户数量的比率，平均停留时长、与其他功能访问时长的比较、用户转发该功能页面的数量/人数，以及和其他功能转发数据的对比，通过这些数据我们可以判断新功能的受欢迎程度，从而为下一次迭代做决策辅助。

2. 主要业务流程漏斗分析

不同的产品有不同的业务流程，我们要根据自身产品的业务流程建立转化漏斗，并定期观察漏斗转化率，及早发现异常情况。

最常见的业务流程转化漏斗有：

购买流程：首页-点击商品标题进入商品详情-点击购买按钮-提交订单-点击支付按钮-付款成功；
注册流程：首页-个人中心-点击注册-输入手机号码-获取验证码-输入验证码-提交-注册成功；
开户流程：首页-在线开户-输入手机号码-获取验证码-提交验证码-上传身份证照片-输入银行卡账号-提交

按上述方式将主要业务流程的每一个步骤列出，在每个节点进行埋点采集用户的访问和点击数据，即可计算每个环节的转化率。

通过长时间的数据监测即可发现数据异常，通过数据异常情况可反推可能在哪个环节出现问题，比如当点击购买按钮的用户数下降明显的时候有可能是商品的价格没有优势，这时候应对比竞品的价格策略。

3. 用户反馈数据

用户反馈数据也是运营需要统计和监测的运营数据，用户反馈数据与产品的崩溃日志相结合可反映产品线上的质量问题。

04 市场层

关注市场和竞品的数据一方面能使自己和公司管理层更客观的评价自身的运营情况，另一方面也能随时关注行业趋势帮助公司决策。一般可通过以下渠道收集行业数据：

竞品的财报：如果竞品已经上市，可以通过财报获取竞品的准确运营数据，通过炒股软件即可查询。

专业数据平台：易观、艾瑞有少数免费的行业报告，但是大部分需要付费；极光大数据有大量免费的行业数据，数据来源是装有极光sdk的APP产品，数据准确性参考度80%左右。

专业数据平台的不足之处是时效性不强，一般以季度和半年为时间周期发布，时效性不强。

百度和应用市场搜索热度：百度搜索热度和appstore的搜索热度可反映应用在前一天之前的用户搜索热度，搜索热度曲线约等于用户的增长曲线。

百度搜索热度大家应该比较熟悉，这里就不介绍，主要介绍一下Appstore搜索热度的查询方法：

登陆蝉大师、ASO100等ASO数据平台，输入关键词搜索会得出“搜索指数”的数据值，搜索指数就是这个关键词的搜索热度，指数越大热度越高。

boss直聘在Appstore的搜索热度曲线

需要注意的是，Appstore的搜索热度会受到ASO等运营手段的影响，因此要通过热度增长幅度、评论数有无爆发性增长等判断该时间段竞品是否由于ASO手段导致搜索热度大幅提升。

作者：Alien；公众号：运营记事本

本文由 @Alien 原创发布于人人都是产品经理，未经许可，禁止转载

题图来自Unsplash，基于 CC0 协议

方法论：如何从0到1设计用户激活增长策略

Fri, 17 Apr 2020 20:27:06 CST

用户激活是完成用户获取后的第一步，它也始终是营销人员的重点工作之一。想要完成用户增长，营销人员需要明确新用户激活阶段的目标并找到激活时刻。

在做增长的工作中大家都非常关注拉新。但若计算拉新漏斗每一步的转化率，常会得出一个非常糟糕的结论： 获取的95%以上的用户都流失了。在这种情况下，做增长人的首要任务不是花费几十万甚至上百万的经费做拉新、扩展渠道，而是从根源解决问题，提高整体的漏斗转化率。因此我们应该思考的问题是：

用户因为什么要留下，又因为什么流失？
留下的用户在使用哪些功能，流失的用户又去了哪？

用户激活处于完成新用户获取后的第一步，其存在的目标就是：让用户通过首次体验产品的价值，完成关键行为的转化，从而提高了留下的动力，降低了流失的可能。

一、明确新用户激活阶段的目标

新用户激活的最终目标是为了 将新用户变为持续使用产品并从中获得长期价值的老用户。因此新用户激活在用户留存全过程中尤为重要。新用户的激活时刻就是新用户首次体验到产品价值的时刻。代表用户对产品的一种情绪表达。产品给用户留下了足够强烈的第一印象，让用户感到惊喜，从而为以后持续使用产品打下基础。

激活时刻通常出现在用户首次使用产品时。一个用户是否经历了这一时刻，决定了用户会成为产品的留存用户还是流失用户。激活时刻的确定是通过分析找到活跃用户与流失用户间的行为差异点，分析这些行为差异背后的用户核心需求。通过产品策略或运营手段，尽可能的满足这类新用户的需求，从而触发这类用户达到激活时刻。

1.1 激活时刻的思考模型：

1.2 激活时刻的前提假设：

产品对于用户是具有长期价值和意义的。具象化表现为产品达到了PMF。
通过 关键行为，新用户可以快速便捷的感受到产品带给他的长期价值。
感受到产品的长期价值的新用户有更大的可能性成为留存用户。

1.3 激活时刻的策略本质：

通过简化的行为数据，模拟用户首次获得产品的核心价值的时刻。

简化行为：

实际业务中，新用户激活可能通过多个用户行为的组合完成触发，不同特征的用户可能产生的行为是不同的，感受到的产品价值是不同，激活的时间节点也是不同的。
激活时刻，就是找到一个最可能让大部分新用户感受到产品价值的行为。从而给新用户激活策略找到一个清晰的行为目标。

模拟价值：

激活方案一定要让用户可感受到产品的价值并受益。
诱导用户达到激活时刻的策略，不能是简单机械地强推用户执行某些动作，而是也要尽可能模拟用户获得产品价值的那个时刻。

二、找到新用户激活时刻的方法

大家可能会下意识地认为得激活时刻就是用户登录或者用户注册。实际中也有很多产品把用户登录和注册作为激活率和活跃率的标准。但这两个行为不一定能让用户感受到产品的价值。因此，如果仅关注登录和注册，很容易走偏。那什么行为是能够让大多数用户感受到产品的价值呢？如何找到这个行为呢？

2.1 找到新用户激活时刻步骤：

第一步：提出备选行为：

明确产品的长期价值；
找到新用户在开始使用产品时，能够最快感受到产品长期价值的用户路径和用户行为；
根据上述方式，提出几个最可能达到新用户激活时刻的备选行为。

常用的备选行为分析方法：

（1）通过关键问题分析：

Who：用户是谁？
What：用户用这个产品要解决的需求是什么？
Why：用户基于什么原因提出了这个需求？
Vs：用户还可以通过什么其他的途径解决这个需求？

（2）通过用户调研分析：对比不同行为特征用户的访谈记录，发现产品对用户的最重要的价值，找到备选的激活行为。

长期活跃的用户：因为什么让用户长期使用？
注册后迅速离开的用户：为什么迅速离开？
注册后活跃使用的新用户：做了哪些动作，有哪些深刻的体验？

案例：毒APP

第二步：找到激活行为：

评估激活行为要多快发生，找到新用户激活周期。
对比早期留存曲线，寻找在新用户激活期中，与早期留存相关性最强的行为作为激活行为。

确定新用户激活周期的原则：

使用频次越高，新用户越快从产品中获得价值。
生命周期越短，新用户越快从产品中获得价值。
通过数据分析，根据绝大多数新用户的早期激活行为发生的时间窗口来确定新用户激活周期。

案例：

假设是一个视频编辑类产品的新用户前30日的留存率：

1）画图不同用户组的新用户留存曲线：

2）对比留存曲线，找到与留存相关性最强的行为：

「安装3天内未使用特效元素」和「安装3天内未使用文字特效」的留存曲线基本保持一致，在当前case中，不具有参考价值；
「安装3天内使用特效元素」相比「安装3天内使用文字特效」，用户留存曲线差别更大。因此初步判定，「安装3天内使用特效元素」和留存相关性更强，更可能代表了Aha时刻。

总结：最可能代表Aha时刻的行为是：「 安装3天内使用特效元素」

第三步：计算行为频次：

计算行为频次的原因：

有些产品的激活行为，只做一次就可以。例如电商的首单。但有些产品的激活行为，需要重复多次，才能确保新用户感受到产品价值，例如看短视频。
理论上重复次数越多，对于留存提升越大。但是在新用户激活阶段中时间优先，让用户重复太多次并不现实。因此希望通过找到激活行为的最佳次数来确保用户获得价值，同时又不给用户带来负担。

计算行为频次的常用方法： 边际效用最大法

画出新用户首日激活行为次数的分布图。
分析首日激活行为次数和次日留存率的关系。
找到留存边际效益最大的点对应的激活行为次数。

案例：

视频编辑类产品，针对第一天使用「特效元素」的用户，收集用户数据：

分析首日激活行为次数和次日留存率的关系：画出第一天激活行为次数所对应的次日留存率

找到留存边际效益最大的点对应的激活行为次数：留存率的拐点就是边际效用最大的次数

三、明确新用户激活线索的方法

3.1 激活漏斗：

通过定量分析的方式确定在新用户激活漏斗中流失率最高的环节。针对这个环节进行对应的产品运营增长策略的设计。下面简单分析一下如何通过新用户激活漏斗明确激活线索：

第一步：明确激活指标：

新用户激活率 = 新用户在一定时间内达到激活时刻的比率
可以定量衡量激活时刻，同时也是新用户激活的北极星指标。

第二步：梳理新用户流程：从头到尾记录整个新用户体验。

新用户激活链路漏斗：从渠道获取->产品下载/访问->注册->完成激活行为。
新用户激活产品漏斗：产品首次打开->注册完成->完成激活行为。

第三步：构建激活漏斗：

支持行为：用户必须完成这类行为才可能达到激活时刻，但这类行为不能让用户获得核心价值。

支持行为的配置原则：

去繁求简：触达激活时刻前的步骤越复杂，用户流失的几率越高，因此不必要的支持行为越少越好，让用户更快捷的触达激活时刻。如抖音进入产品后，第一步就是短视频浏览而非注册流程。
权衡利弊：少数支持行为虽延迟用户触达激活时刻，但存在长远优势。如首次进入产品时提示用户开启手机的推送权限。

第四步：分析数据，发现线索

基于新用户激活路径的步骤拆解，可以提出以下思考：

是否可以去掉不必要的步骤？
是否可以调整先后顺序？

基于新用户激活路径的流失率分析，可以提出以下疑问：

流失率高的可能原因是什么？
通过路径分析，了解用户的真实路径是什么？
通过激活漏斗分群，了解是否不同分群流失率不同？
通过激活漏斗的间隔分析，了解用户的激活速度？
通过用户调研了解背后的原因是什么？
通过点击热图了解用户首先点击的元素是什么？

3.2 激动指数：

新用户在刚开始发现和尝试一个产品时，往往带着一些尝试新鲜事物的“兴奋感”。产品的激活流程和交互设计会提升或降低用户的激动程度。 激动指数：就是通过定性分析了解新用户的体验，并粗略评估用户激动程度的衡量标准。通过这种标准，可找到对用户体验带来正面情绪或负面情绪的要素。下面简单分析一下如何通过 新用户激动指数明确激活线索：

第一步：梳理用户流程。

从头到尾记录整个新用户体验。

第二步：明确初始激动指数。

不同渠道来源的初始激动指数是不同的。

第三步：评估各个步骤对指数的影响：

粗略估计；模拟用户走完整个激活流程，给用户的激动指数打分。0为最低分，100为最高分，每个元素可能加分也可能减分。
用户打分：招募目标用户，让用户走完整个流程，并给每个步骤打分，记录评分相应的原因。汇总计算平均分，得到激动指数。

第四步：找到提升激动指数的机会：

通过去掉降低指数的元素、加入提升指数的元素或改变步骤顺序，确保体验前后一致。

第五步：定期重新评估新用户激活流程。

因为随着产品不断迭代优化，功能设计交互都会随之改变。而用户也会跟随产品的改变而改变。因此定期重新评估新用户激活流程是尤为重要的。

本文由 @杨三季原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议

高阶增长：构建和应用3种增长模型

Thu, 06 Feb 2020 20:06:28 CST

构建增长模型在我们的增长全景图中，处于找到增长发力点的下半部分，那么在构建模型之后在应用模型时也会帮助我们找到聚焦领域。

No.1 什么是增长模型？

增长模型就是找到所有对北极星指标有影响的所有细分指标，并用一个简单的公式，把这些细分指标联系起来的过程。其实就是从北极星指标到细分指标的拆解过程。

为什么要构建增长模型？

1. 比如：大家都会玩游戏，在玩游戏时对游戏中的人物有一个指令输入，经过游戏机或者电脑的处理，形成了输入导致游戏人物或者剧情有个结果。所以想要控制输入是通过控制输入而完成的。

2. 比如：你想要减肥，改变体重是你的北极星指标。

通过可以改变控制的输入变量行为去影响你的输出变量结果也就是北极星指标

3. 比如：我们在做增长的时候同样的道理。

你的北极星指标是日活跃用户，我们很难直接做一些什么来提升日活，我们能做的是影响这些的细分指标，app下载量、用户激活率、老用户留存。

输入变量：单一因素、团队可直接操作、行为；

输出变量：受多种因素影响，团队不可直接操作、结果。

所以增长模型就是帮助大家把不可以操作的一个结果一个北极星指标，分解成可以操作的一些细分指标，然后大家可以通过细分指标改善最终的结果；

No.2 如何构建增长模型？

构建增长模型3步走：

举例说明：对于网易云音乐是个听歌的应用，所以：

第一步：北极星指标为总听歌时间
第二步：绘制用户核心转化路径
第三步：组装增长模型

介绍两个比较常用的增长模型框架：

1. 增长模型一应用：全链漏斗模型

总听歌时间=应用下载量*首次访问%*首次听歌%*持续听歌%*平均听歌时长

比如说每天下载量30000，每天有50%人首次打开我的app，在首次访问里的人有33%首次听歌，持续听歌人数5%（老用户听歌人数/老用户总数（天））平均听歌时长20分钟。

全链漏斗模型：优点把影响北极星指标的主要细分指标都显示出来，并标注转化率，找到机会点，容易搭建。

缺点：不能直接计算北极星指标。

2. 增长模型二应用：因子分解模型

因子分解模型：优点把影响北极星指标的主要细分指标都显示出来，并标注转化率，找到机会点，容易搭建。
缺点：不能直接计算北极星指标。

No.3 如何应用增长模型？

1. 应用一：找到聚焦领域-四两拨千斤的增长发力点

问题一：想要增长北极星指标，AARRR里可做的事情很多，如何决定先做什么后做什么？
问题二：小公司资源有限，如何找到性价比最高的点将增长效果最大化？

案例一：Airbnb通过增长模型找到发力点

行业平均值这个指标如果不能提升到和行业一样的水平，那么想办法拉来很多流量其实没什么意义很多都会浪费掉，所以在现阶段这个点就是airbnb最重要的发力点。

案例二：Sass软件用不同用户分群，分解增长模型，寻找机会。

粗略的看起来好像发现除了使用购买率低一点，别的好像看不出来什么问题。这个时候比较有用的一个方法，我们按照一些重要的用户纬度，把增长模型进行分解。

获客渠道最重要的两个部分是公号和广告，客户可能有大公司和小公司按人数来把增长模型进一步拆分出来，拆出之后可对比分析发现一些潜在的机会。

比如说付费广告来源的用户试用注册率和购买率偏低但是订阅长度却很长，可能提示我们这个渠道并不是很多我们的精准用户要想办法提高精准程度，但通过这个渠道来源的用户成为付费用户后生命周期比较长，说明还可以优化这个渠道找到更感兴趣的用户不要盲目的追求流量。

再比如小公司的分解纬度试用购买率很低同时付费用户订阅的长度也比较低，那可能我们的软件是不是不太适合小公司，可能是团队合作的软件对小公司来说访问量虽然很大但对于他们需求并不大，那么大公司可能是我们主要发力的群组。

通过分群的模式分解增长模型对比不同的维度，他的增长模型的细分指标，也可以帮助我们找到改善北极星指标的机会。

2. 应用二：寻找具体的增长思路

问题一：业务很复杂，感觉千头万绪，不知道从何下手推动增长。
问题二：想要改善北极星指标，但是落实到产品、运营等还是没有具体的想法如何做？

案例：淘宝通过增长模型简化业务，寻找增长思路

为了提升订单价或者让用户到达指定感兴趣的页面，增长模型很好的一点是把复杂的东西抽象化，反而比较容易理清思路。

3. 应用三：指导指标拆分和团队协作

问题一：作为增长负责人，定了北极星目标，如何把活分下去，并保证执行团队和我的思路一致减少失误？
问题二：作为执行团队，如何清晰的知道自己的任务，可以在快节奏的日常工作中作出正确的决定？
问题三：如果公司里有多个团队合作推动增长，如何保证大家劲往一处使？

通过增长模型把北极星指标拆分为细分指标。

常见的因子分解增长模型框架：

横向分解：先按照用户群组，通过“加法”分解
纵向分解：在按照用户漏斗，通过“乘法”分解

注意⚠️：拆分细分指标关键

遵循MECE原则：

ME：相互独立，每个细分指标完全独立（避免后续分配给团队时互相打架）
CE：完全穷尽，细分指标涵盖影响增长重要因素（避免增长中的盲点）

协作模式一：每个跨功能团队单独承担一个细分指标

协作模式二：多个团队合作推动同一细分指标

细分指标还可以进一步拆分，以新用户量为例：

目标：年度新用户数量50万

新用户量=运营渠道获客团队（40万）+BD商务合作团队（5万）+产品推荐团队（5万：比如老带新功能等）

运营渠道获客团队为负责新用户指标主要团队，BD和产品为支持团队。

案例：网易的多团队如何协作推动增长

情景：商业化部门将年收入目标，拆分到各个产品线，在单个产品线收入目标下，需要有好几个部门来协作如何推？

第一次尝试：各部门背独立KPI，但出现各部门指标互相影响的情况下，比如广告部收入指标涨，但产品部用户活跃指标降，部门之间难以及时沟通，每个团队都是领域专家，但是汇集到一起反而降低产出。

第二次尝试：成立用户增长中心，改成OKR模式，各部门首先有一个共同的北极星指标，同时给产品部、体验部拆分不同的细分指标，保证细分指标之间没有交集，团队不能考虑仅仅提升细分指标还要最终支持北极星的增长，避免了互相伤害的情况。

总结：构建和应用三种增长模型

本文由@叶子原创发布于人人都是产品经理，未经许可，禁止转载

题图来自Unsplash, 基于CC0协议

方法+实例！新人也能快速掌握的黄金分割构图法

Tue, 24 Dec 2019 18:58:34 CST

自从做设计以来经常会看到一些很高大上的理论，例如：格式塔法则、网格系统、黄金分割法等等，这些词语给人第一印象就是很高大上，很难学会，也有很多设计师看到这些理论就被吓到，认为自己学不会，也不想学，因为理论知识确实是学起来很枯燥。对于初学者的设计师来说，这些理论可以在短时间不用学太多，但是对已经工作几年的设计师来说，这些设计理论知识也是必不可少的。

只有掌握设计中必要的设计知识，才能让自己的设计眼界、技能得到提升。就我个人而言，我在设计初期也是很反感这些所谓的理论知识，对于我来说简单通俗的教学才是最容易让人接受的，理论太深奥，我真的无法从中体会到真正的奥秘。但是，越到后面，我越喜欢研究那些设计理论知识，因为我越来越懂得那些理论的重要性，对我的设计也有很大的帮助。所以今天我采用通俗易懂的方法，教大家去理解和掌握这些高大上的设计理论知识。

今天主要分享我们经常听到的黄金分割构图法。

黄金分割构图法：是一种由古希腊人发明的几何学公式，遵循这一规则的构图形式被认为是「和谐」的，在欣赏一件形象作品时这一规则的意义在于提供了一条被合理分割的几何线段。

黄金分割构图法的基本理论来自于黄金比例 ── 1 : 1.618。

黄金分割构图法运用到海报设计、画册设计、网页设计、绘画、服装设计、logo 设计、电视电影、建筑等等领域。在摄影中也经常会引入黄金分割比例，可以让照片感觉更自然、舒适，更能吸引观赏者，给人一种赏心悦目的视觉感受。

优秀案例分析

我们先赏析一些运用黄金分割法的优秀案例，通过赏析能让我们体会到它的美和重要性。

1. 在海报中的应用

从上面的 2 张人物海报案例中，可以看出都利用了黄金分割螺旋法的技巧，当整张图作为背景时，我们不知道图片主题位置的掌控时，就可以采用黄金分割法的原则。对于人物，可以根据想要突出的人物某一部位，直接采用这种分割方法快速找到版面位置

下面2张海报是通过图形和文字的结合，主题文字排版的位置也都刚刚好是黄金分割的编排，带给人一种美的、舒适的画面感，图片和文字在版面的比例刚好是 1 : 0.618。

2. 在网页中的应用

上面 2 个网页都采用了黄金分割的原则，大体将版面分为图片区+文案区，比例为 1 : 0.618。上面同时采用了网格重叠的形式，而下面的就是最基本的黄金分割比例。版面的编排整体给人一种呼吸感、有序的、层次分明的视觉感受，并且浏览的顺序也是井井有条，如下图阅读顺序指引：

3. 在绘画上的应用

像我们看熟悉的名画「蒙娜丽莎」、「维纳斯的诞生」等也符合黄金分割的比例。黄金分割比例也在这些作品上经过了历史认证，利用黄金分割布局，让画面更耐看、更精致。

4. 在摄影上的应用

在摄影中也经常会引入黄金分割比例，可以让照片感觉更自然、舒适，更能吸引观赏者，给人一种赏心悦目的视觉感受。使用黄金分割的摄影可以制造出一种空旷、寂静的视觉效果，也可以制造出一种特写镜头的效果。不知道怎么拍照好看，学会这一招你的摄影立马高大上。

5. 在建筑上的应用

在建筑设计中的运用也有很多案例，例如上面的金字塔和泰姬陵的多处布局都能看出黄金分割，第三张中国古建筑也都运用了黄金分割构图。自古以来很多文化建筑都采用了这个构图，让建筑看起来更加美观、耐看、精致。

怎么画螺旋黄金分割图

了解了螺旋黄金分割法的用途和好处，我们最主要的是需要知道怎么来画这个螺旋黄金图。

1. 新建画布

2. 画正方形

这里画正方形是最关键的一步，我们只要知道螺旋黄金图的比例就可以很快的画出来。

螺旋黄金图比例为：13 : 8 : 5 : 3 : 2 : 1

只要知道螺旋黄金图的比例我们就可以开始画正方形了，简单的正方形不用我多说吧。我们按 10 倍的比例来画图，简单的意思就是前面的螺旋黄金图比例都乘 10，变为 130 : 80 : 50 : 30 : 20 : 10，再根据这个数字画出 6 个正方形。

正方形画好后按照这个转圈的顺序排好即可。

3. 画圆弧线

正方形画好后，画圆弧线，可以通过画正圆得到。

圆弧线为正圆的四分之一，圆的半径为每个不同正方形的边长，通过不同大小的正方形画出不同大小的圆弧即可。

开始画圆弧：以大正方形的右下角为圆心画正圆，注意相切位置，画好后删除多余的锚点。

△ 圆心位置

△ 相切位置

△ 删除多余锚点

△ 圆弧画完后

到了这一步基本也就出现我们想要的螺旋黄金图，最后只需要将我们的正方形改成描边的模式即可。

△ 最终图形

这里展示一下第二种方法：

螺旋黄金比1 : 1.618在画面中怎么看？

利用黄金分割法的案例实操

说了这么多，没有实际的操作案例你们是不是也很头痛，到底拿到这个技巧怎么去使用呢？在我这里例举一个横版和一个竖版的案例。

1. 横版

找素材

这里找来几张图片，因为是做分析案例，所以我就选择我自己喜欢的图，我选择的是图1。

图片调整

图片确定后，我们就需要把图放到我们的画布中。

但是问题来了，一般我们的设计尺寸基本是不会和找到的素材是一样大的，我们到底要怎样放大图片呢？图片中哪些元素可以忽略，哪些需要重视？螺旋黄金分割法就可以用上了。

利用我们的螺旋黄金分割图，放在我们的版面中。接下来就放大我们的素材图片，分析图片结构。图片上方都是天空，左边是海和天空，只有右下比较复杂，有人和零碎的石头，所以我们这里图片就以人为画面中的焦点，那么我们的螺旋图就需要改变一下位置。

调整图片大小和位置，将图片中的人物放在螺旋图的焦点位置，这样我们的版面就快速地确定了视觉焦点。

文字排版

将文字排版在画布中，再根据文字竖排的样式，和人阅读的习惯，调整图的方向和文字位置，使人看向主题文字，给人一种指引的方向。

总结：主要利用螺旋黄金分割法调整图片的位置焦点，使画面中心达到舒适耐看和精致的视觉效果。

标记分析图：

这个案例我就不做太多的讲解，因为很简单，直接利用螺旋黄金分割构图的方法，将版面按1 : 0.618的比例划分，然后在这个比例画布中排版文案和图片。

2. 竖版案例

图片位置排版

素材选择上面的图2，这里就做一张竖版的海报。

将素材图放在画布中，准备好我们的螺旋黄金分割图，也放在画布中。根据图片本身的特点，人物只有上半身，所以将图片放在底部最为合适。至于人物应该靠中间还是靠边，我们同可以根据图片人物本身的姿势判断，根据人物是微抬头向上看，角度约 30 度，所以选择将人物靠边。

再就是人物具体位置的掌控，我们同样和上面的案例一样直接利用螺旋黄金分割图做参考位置选择，所以就很快找到合适的位置，如上面右图。

填充背景和文案

我们将背景颜色填充为天空统一的色彩，建立网格，将文案排版在画布中，上面主要是海报中的主要文案及主题文案，文案和图片的总体比例为1 : 0.618，遵循我们的黄金法则。

根据图片的气质，图片中的色彩和人物都属于文艺气质，清新、寂静、雅致的感觉，所以我们这里可以选衬线体宋体，结合韩文来体现整体的气质。

效果展示

最后看看海报效果吧，主要讲解螺旋黄金分割图的使用，所以排版方面讲解的比较简单，以及主题文字都采用最简单粗暴的字体，没有过多的修饰。

总结

文章分享了螺旋黄金分割构图的用途，很广泛，包含海报设计、画册设计、网页设计、绘画、服装设计、logo设计、电视电影、建筑、摄影等等领域，以及分享了黄金分割图形的画法，3 个简单的案例实操，利用黄金分割构图来帮助我们构图和排版，最有利于我们对图片焦点位置的选择和排版分布的掌控。

欢迎关注作者的微信公众号：「设计小余」

如何设计一套完整的会员体系？我的5点思考

Wed, 18 Dec 2019 18:01:44 CST

本文作者从自己的工作经验出发，结合案例分享了自己关于会员体系设计的几点思考，与大家分享。

商场购物、生病买药、加油、甚至楼下买早餐……消费几乎就会被问起是否会员的时代，大多时候我们仅仅看到了会员的表层，而它的里层是一整套会员体系。

会员作为用户运营的终端，实现用户价值变现，其中涉及到商业模式、产品、运营、服务等多方协调合作。有过B2B平台的会员产品、零售门店及电商平台的会员设计或运营经验，分享记录一些思考。

一、会员的价值

提升粘性，增加复购：通过权益、激励、关怀等设置让用户持续使用自己的产品，把用户留在自己的生态圈，刺激重复消费。
分层运营：通过会员将用户分层，实现精细化管理，在用户不同生命周期可通过不同权益体系及激励体系激活用户，从而促进用户成长，延缓流失。
异业合作，流量互换：品牌联动，开放异业合作，形成相互导流。如：京东会员与携程会员打造联名会员卡；购买天猫会员拥有爱康国宾体检卡。
场景营销：通过独特消费场景的构建来绑定用户，抢占用户心智，使用户形成使用习惯，从而增加营销触点。例如：买3C数码产品会首先想到京东，买衣服化妆品会首先想到唯品会。
实现二次增长：如今互联网已成为一个存量市场，如何在存量中找增量是企业的第二突破口。一方面，会员可作为企业从传统产品盈利模式到会员收入为主要盈利模式的转变，依托会员费实现营收，如costco；另一方面，会员作为产品的忠实用户，可通过分润激励促使二次传播等。
增加现金流：企业通过收取会员费增加现金流，促进资金周转。

二、会员权益体系的设置

设计会员的权益需思考一个问题：会员设计的商业逻辑。

明确会员设计的商业逻辑首先要确定使用产品的用户画像，其次要确定以用户为中心的服务场景规划，围绕这个场景和人群去设计权益，促活成本和整体设计的核心。当然，会员的商业价值也是在营销中才能体现。

会员权益的分类主要有：

1）身份权益：会员最直观的特权是身份的不同，对应在产品上会有区分于普通用户的身份标识，不同等级或同一企业不同产品的会员又有不同的标识。如QQ会员会有钻石标志，钻石又分绿钻、黄钻等。

2）价格权益：零售三角中的优惠，即与钱相关，要促使用户在你这里消费，价格是其中一个关键因素。价格权益也不是随随便便设置的，需要考虑到成本和营收，企业的最终目的是为了赚钱，前期可以亏钱，但需要有一个回收点，要算清盈亏平衡点，明确投资回报期，真正实现盈利。当然也有的会员单纯是为了丰富产品内容，增加用户粘性，这里不做讨论。

关于价格的权益有很多种，最直接的从产品上体现的价格优惠：会员价、会员折扣、品类折扣等等，间接的有免运费、优惠券、代金券等等，具体的玩法可结合你的会员产品的商业逻辑以及最终要实现的目标来制定。

3）服务权益：提升用户体验设置的权益，如成为携程会员有机场专车接送、候机有豪华候机室、登机有快速通道等。需根据产品特性来设置，如果是个电商平台，可以考虑从物流、售后等设置；功能型产品可设置功能权益，如迅雷会员下载速度更快；内容型产品有针对内容的权益，如爱奇艺会员可以跳过广告，看更多视频的权益等等，根据具体产品来设置。

4）其他权益：和其他产品进行合作，丰富会员权益的同时实现相互导流的功能。如：京东PLUS赠送爱奇艺会员。

三、会员权益体系的实施

1. 产品端

主要从产品底层逻辑、相关系统、展示页面、交互、操作后台等产品的角度进行设计。

产品底层逻辑是重点，基于运营想要实现的功能和达到的目的，产品经理要设计一整套产品底层扭转逻辑，会牵扯到各个系统，例如：

直接售卖的会员产品和销售系统、收银台、订单管理系统等相关；
实现价格权益可能会涉及到优惠券系统等；
服务权益中的专属客服可能涉及到后台会员与客服的绑定、任务派发工作台；
展示页面和交互设计与用户行为路径、习惯、体验、产品的美观度等等相关；
操作后台又涉及到工作人员的配置、数据监控口径等等。

所以看似是一个会员产品，其实背后涉及了很多产品的运转逻辑，产品与产品之间某个系统的打通至关重要。

能用产品解决的事情就尽量系统化、智能化去解决。

2. 运营端

这里的运营指的是宏观层面的运营，包含除产品能实现的功能以外的产品运转的所有阶段。

产品上线前，运营要负责方案的策划（如果是运营发起的项目由运营输出方案），权益的封装，系统人工跑通（和产品的系统跑通不一样，这里主要是各部门的人员协调等工作），组织各条线的产品经理开各种会，规划产品入口、找广告位，营销方案，异业合作导流，产品配置等等。

产品上线后需要监控数据形成日报，根据数据调整运营策略，销售端的激励机制，售后，用户分层运营等等。

四、会员成长体系

简单的会员体系只有权益体系，也是用户最在意的，成为会员可以享受什么好处，如亚马逊和costco，简单粗暴，优势明显。

会员运营也是用户运营，所以针对会员也有会员的分层，在会员的各个生命周期设置不同等级来体现会员的不同价值，延长生命，形成成长体系。

成长值+特殊权益。成长值作为会员等级的划分，可根据用户的行为价值进行赋值。

例如电商平台可以根据提交订单、贡献gmv、购买频率等等行为数据的大小来分层；内容平台可根据打开次数、点击次数、浏览时间等等行为数据来分层；每个动作赋予相应的成长值，有成长值的增加对应也会有成长值的减少（如违返平台规则、删除操作等），根据成长值的不同来规范会员行为，区分会员等级，不同等级的会员又享有不同权益，激励会员不断成长。

五、会员激励体系

如果成长值根据会员行为赋值，那么积分、勋章、大V标识等可作为成长值的展示方式，突出等级制，用产品的形式体现，给用户荣誉感，满足爽点。

有了不同等级，配合激励方式，比如有3000个粉丝就能开通抖音直播，销量、商品数等满足要求能开通淘宝直播。用等级权益去刺激用户不断使用产品，不断获取更多权益，不断成长，形成良性循环。

作者：可乐；微信：zy810331681，微信公众号：可乐的时光旅，欢迎交流~~

本文由 @可乐原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议

国网2020年泛在电力物联网建设(12.12)

Thu, 12 Dec 2019 09:07:05 CST

今天谈下国网下发的《泛在电力物联网2020年重点建设任务大纲》相关内容。

根据大纲，下一步重点将开展能源生态、客户服务、生产运行、经营管理、企业中台、智慧物联、基础支撑、技术研究八个方向40项重点建设任务。重点任务涵盖源网荷多元协调的泛在调度控制、营配贯通优化、营销2.0、新一代电力交易平台、新一代调度自动化系统、智慧供应链、数据中台、资源业务中台、“国网云”、5G建设及应用等。

从上面这个重点任务安排可以看到基本上覆盖了当前的软件信息化，中台，人工智能，区块链，物联网，5G等各个软硬件领域。同时也可以看到加快推进泛在电力物联网建设本身就是电网本身要削减大规模和重资产投资，走向集约化和智能化发展的道路。

大规模投资电网发展方式将难以为继

国网公司要求，不得在投资计划外安排输变电资产租赁，不得以投资、租赁或合同能源管理等方式开展电网侧电化学储能设施建设，不再安排抽水蓄能新开工项目，优化续建项目投资进度。大力压减短期效益不明显的项目，大力压减架空线入地等投资费效比不高的项目，大力压减小型基建等生产辅助性投入。

新亮点或将落在信息化和综合能源服务建设

未来电网投资会出现结构性变化，基于泛在电力物联网建设相关的智能化、信息化领域投资的占比会大幅上升。安信证券电新行业邓永康团队认为，2019年至2020年会是国网公司战略转型关键期，泛在电力物联网建设为首要任务，国网公司信息化投资额将迎来爆发，预计未来3年信息化投资额将从当前150亿元/年增长至500亿元到600亿元/年。

对于任务大纲文件中的一些和软件，信息化相关的点部分摘录和说明如下：

1. 企业中台

在2020年重点建成总部和省两级数据中台，初步建成电网资源业务中台和客户服务业务中台，沉淀共性核心业务能力和数据资源，支撑业务协同和快速创新，初步形成中台运营机制。

具体包括了数据中台建设应用，电网资源业务中台建设应用，客户服务业务中台建设应用等。其中总部制定统一的总体架构和建设标准，统一组织开展共性屁股痛和服务设计研发，各单位负责差异化部署实施，数据接入整合和价值挖掘，推进电网资源，客户资源等向业务中台的聚合，构建中台运营机制，推进相关业务调整和系统适应性改造。

注：从这里我们看到很多偏运营类企业已经在开始规划和建设自己的企业中台，类似的还有各大电信运营商，而对于业务中台和数据中台，数据中台可以统一规划建设，而对于业务中台则根据灵活响应运营类需求逐步建设。比如类似客户服务，是最接近客户和面向运营的业务域，最适合优先开始进行业务中台的改造和优化。

而对于数据中台，同样不能简单的理解为原来的两级BI和数据仓库，数据中台的建设一方面是为决策分析提供服务，另外一个方面就是聚合后的数据服务能力将直接应用到业务操作协同上。

从这里也可以看到，对于集团类企业，已经建设了大量遗留系统的情况下，如何去规划建设数据中台，如何逐步去建设业务中台或迁移到业务中台将成为规划和实施的一个重点。

2. 智慧物联

2020年重点是初步建成覆盖设备侧，客户侧，供应链的智能物联体系，进一步扩大泛在物联覆盖范围，初步形成公司各专业，内外部共建共享的智慧物联生态。

具备包括智慧物联体系建设，设备侧物联网建设，客户侧物联网建设等。其中总部制定统一的物联模型标准，建设标准，规划建设规模，统一组织物联管理平台框架采购。各单位负责平台选型部署，按典型应用场景设计统筹设备侧，客户侧和供应链物联感知需求，因地制宜开展具体建设工作。

注：对于智慧物联部分，可以看到里面的一个关键点就是统一的物联模型标准的制定，其次就是物联网云平台或物联网管理平台的标准制定。有了这些进一步的工作才是基于具体的应用场景，业务场景来考虑具体需要接入哪些设备，设备之间如何进一步进行协同和联动，如何在协同联动的基础上进一步智能化。

物联网是一个实现电网基础设施、人员及所在环境识别、感知、互联与控制的网络系统。其实质是实现各种信息传感设备与通信信息资源的（互联网、电信网甚至电力通信专网）结合，从而形成具有自我标识、感知和智能处理的物理实体。 实体之间的协同和互动，使得有关物体相互感知和反馈控制，形成一个更加智能的电力生产、生活体系。从而衍生出泛在智能电网——基于通信技术的全业务泛在电力物联网-泛在电力物联网概念。

在整个电力物联网架构里面，各种层面的电力物联网设备本身应该是智能化的，即设备和外界的物，外界的软件应用系统之间是完全通过各类接口互联的。 设备需要同时提供南向和北向接口服务能力，不仅仅是采集数据提供给上层，也需要能够接收应用下达的控制指令。

3. 技术研究

2020年重点推进5G，区块链，人工智能等新技术实用化，在相应领域形成具有显著成效且具备推广条件的典型应用，发布泛在电力物联网初步建成评价标准，研究建设和运营关键问题。

注：在电网和电力行业，可以看到电网能源交易，售电等业务是最适合区块链应用的一个场景，也是我在前面区块链相关文章里面谈到的对能源资产进行虚拟货币化处理，同时实现去中心化，无中介方的可信交易平台。

复盘：一次曲折的会员成长体系设计

Fri, 27 Sep 2019 14:54:18 CST

存量运营开始逐渐流行，各大公司也开始启动自己的用户运营计划了。笔者最近负责了一个会员成长体系的建设，个中曲折，与大家分享。

互联网进入到新的时期，存量意识越来越被人群所重视。这种意识不仅在互联网行业甚嚣尘上，甚至最近一家传统行业的公司找到我，要做一套会员激励体系来激活自己的客户！

这是一家成立16年的文化传播公司，在公益赛事演出传播等领域具有一定的知名度/美誉度，在目标群体中渗透率超过60%，但是近年来竞争对手越来越多，市场环境恶劣，目前正意欲扩展新业务方向。即使这样地位的一家公司目前也面临增长困难的处境，看来19年不是大家的好运年。

公司负责人给了我之前公司内部设计的但并未通过执行的会员体系，隐去关键信息呈现会员福利部分如下：

复古风的完美展现，官僚风扑面而来：

像不像居委会大妈站你面前叫你填表。

这个会员体系最终没通过，也是可以理解的。这份设计只有团队福利与理事福利两个主要模块，内容官方，并不完善。缺乏消费者等级成长带来的身份荣誉感，会员参与感为零，特权感知仅仅停留在价格和少量礼品上。用户与品牌之间的距离感强烈，不吸引人。

开始我的分析，分析方法不是唯一的，本次是一次基于互联网方法论的传统行业实践。

用户会员体系的三个属性： 目标—激励目标行为—激励方法。

一、首先确定目标

结合生命周期理论来做判断，看目前这家公司所在阶段。

企业处在不同的生命周期阶段，结合当时的天时地利人和，才能制定运营策略。

用户生命周期状态见下图：

各个阶段详情：

引入期（启动阶段）：产品刚上线，默默无闻，拓展种子用户。
成长期（成长阶段）：用户增长模式至少找到一条途径，用户量开始稳步增长。
成熟稳定期（成熟阶段）：用户量积累到一定程度，或者触达行业天花板，用户增长缓慢，开始思考变现并进行尝试。
流失期（衰落阶段）：用户增长停止，开始衰减。

不同时期的核心业务指标：

引入期（启动阶段）：种子用户数量，产品功能迭代提升
成长期（成长阶段）：用户数量，用户规模，留存
成熟稳定期（成熟阶段）：变现尝试，提升付费用户数和客单价
流失期（衰落阶段）：减缓用户流失的出现，存量运营

用户运营的关键群体和激励方向：

引入期（启动阶段）：尝鲜者，激励用户体验目标流程，提出建议，指导产品迭代（案例：乌托邦）
成长期（成长阶段）：跨界者，突出产品自身优势特点，强化优势和特点（案例：画世界/彩视）
成熟稳定期（成熟阶段）：上瘾者，复购老客户，刺激持续使用关键功能，促进消费复购（案例：抖音/知乎/快手）
流失期（衰落阶段）：情怀客户，召回，延缓流失，稳定运营（案例：宝宝树）

结合公司实际情况，该公司处于 成熟稳定期，会员体系的目的是提升产品与用户的强关系，继续刺激上瘾，加强品牌认知归属，提升用户留存率以及复购率。

二、确定要激励的目标行为

梳理用户行为的方法：

1. 梳理用户交互可能，尽量细致

从下载注册登陆修改昵称等开始梳理。一般产品经理处会有交互汇总资料。

2. 研究实际的关键路径以及产品设计的预期路径，进行比较

产品经理与数据分析都需要加入这个过程，基于你自己平台用户的特征去分析。比如根据我以往的产品经历，注册以后当天更改头像设定昵称上传个人资料的用户留存更好，互动更多。

根据这些交互特征，可以尝试去激励引导其他用户以提高留存和互动。如果创作内容是我们的关键路径，那么那些热衷内容创作的用户的行为需要重点关注，并将细节添加到会员成长体系中去。

3. 根据产品阶段和实际情况判断激励行为的优先级

我们做过一个七天登录转运的抽奖活动。注册登陆后七天内未登录的，第七天会有推送提示登录浮窗抽奖。奖品当中有商城优惠券，积分等礼品。将提升留存和增加商城漏出两个目标结合进行。

话说回来，手头这家企业需要激励的目标行为是：复购和口播，品牌深化。（传统行业基本都是如此）

三、确定激励方法

1. 用户画像决定行为方式

不同的用户群体对同一刺激的反应完全不同，确定激励方法首先确定目标群体，定性与定量分析相结合。

基于当下业务情况，以及企业能提供的消费数据，结合网络数据，做一个简单的目标用户画像分析。

现有企业用户画像分析：40岁-75岁，高净值中老年人群。女性占比70%，男性占比30%。具体省份分布以企业提供的消费数据为准。东部沿海省份明显消费能力强。

案例：

简而言之，会员用户是：中高端“大妈”和中高端“大叔”。

2. 我们设计的内容一定要满足人性8大核心驱动力

人性是我们一辈子都要去考虑去琢磨的领域。八大核心驱动力可以作为指南针，帮你在无头绪的情况下迅速定位，制定策略。在此简单介绍下，如有兴趣，这些领域需要深入进去仔细理解。

（1）使命——史诗意义和使命感

指人类认为自己正在做的事情，其意义比事情本身更重要，他必须身体力行竭尽全力去完成目标以宽慰他内心的世界。

（2）成就——成长和成就感

指我们通过使用产品取得进展、学习技能、掌握精通和克服困难的驱动力，挑战尤为重要，没有挑战性而获得的奖杯和勋章毫无意义可言。

（3）授权——创意和及时反馈

能驱使玩家全身心投入到创造性的过程，不断找出新事物，并尝试不同的组合。通过不断体验创造的过程，同时注重创造的结果，并获得及时的反馈。

（4）拥有——所有权和拥有感

能驱使玩家拥有或控制某样东西，因此而受到激励。当一个人对某一样物品有拥有感时，自然会产生想要提升该物品的各项性能，这一驱动力是人类积累财富的主要欲望来源，也是玩家积累虚拟货币的主要驱动力。

（5）社交——社交影响和关联性

是人们所有社交因素的集合体，包括师徒关系、社会认同、社交反馈、伙伴关系、竞争关系。对应马斯洛需求层次理论中的受到尊敬、自我实现。

（6）稀缺——稀缺性和渴望

人们想要某样东西原因仅仅是它太罕见，或者无法立刻获得。包括任务机制、游戏时间限制，玩家无法立刻获得奖励，会激励他们一有机会就回到这款产品。即便王者荣耀限制了小孩子玩游戏的时长，可能这反倒会刺激更加痴迷。

（7）未知——未知性与好奇

人们一直受到吸引，是因为不知道接下来会发生什么，这就是未知性与好奇心驱动力。当某样东西超出你日常的模式识别系统，你的大脑便会立即进入高速运转模式，来关注这突如其来的事物。

（8）亏损——亏损与逃避心

我们都不希望坏的事情发生，就是不希望之前的努力白费，不想承认自己做了无用功，正在消失的机会也是对这一核心驱动力的有效应用。比如：特别优惠、限时抢购。（引自《八角形为分析法》）

外在动机是我们最常用的刺激点，外在动机用得太过会损害内在动机。正向刺激好于负向刺激。

结合产品情况和用户画像，确定要使用的动机。我确定使用的动机是：拥有，稀缺，社交，使命。这里带有一定的主观性，不同的运营团队会有不同的选择。

3. 对用户行为进行量化

分等级以及制作积分表。等级是可进不可退的，积分是可进可退的。

一般的用户成长体系两条线并行，等级代表了资历荣耀以及离开成本。

积分代表了用户在平台的货币，在一些时候实行代币作用，兑换权益等，设计者需要注意设计通货膨胀的抑制措施。因本次会员体系设计内容所限，本段内容不进行扩充。

4. 设计

与对方几次深度沟通后，头秃的得出以下结论：传统行业要求简单粗暴，要求一看就懂，不玩概念。以线下进行承接，因为对用户预期不确定，暂时不考虑线上的承接。

本来预计线上公众号做会员承接，福利权益推送平台，同时可为对方新建立公众号进行引流和客户锁定，但是甲方爸爸无情否定了这个提议。

其实不论线上还是线下会员体系，几个基本点还是上面的内容中所阐述的，区别在于线下会员动作刺激会更简单直接，因为线下的目标简单直接，就是复购和消费。

（1）参考京东，知乎，百果园等品牌的会员体系资料，尝试提炼如下方案：

明确的会员等级
会员权益（拥有)（稀缺）
会员活动（稀缺）（社交）
公益基金池（使命）

中高端大妈和中高端大叔，即便是中高端人群，也带有那个时期走过来的人的共性，

（2）会员体系目前有两种：一是免费版。按照消费或者行为升等级，不同等级对应不同权益。

一是付费版。比如最近大火的costco，权益刺激直接显性的产品适合付费会员。

本次设计为免费会员体系，只要之前在该公司消费过，自动成为公司会员，按照消费次数匹配等级。因为考虑到品牌的公益性，不采取金额形式评定级别，金额作为一个展示来具体呈现。

（3）会员权益：体现专属和稀缺的感受，要体现不同等级之间的区别。综合参考costco的会员体系结合个人思考，设计归类如下：

产品类：新产品新功能优先体验，免费试用，孤品预定，限量抢购
服务类：售后退款优先处理，退货免运费，额外修理服务，上门配送
活动类：会员日，会员价，会员生日福利，节日福利
金额类：折扣券，优惠券，满减券，积分换礼，邀请返现
异业合作：同一用户画像用户的其它需求

（4）在设计的过程中同时考虑到活动体验官和积分兑换两个补充内容。

活动体验官可与该公司新开发的中高端旅游项目的推广相结合，为高端客户提供仪式感参与感，对提升客户的品牌黏度是一种有效途径，方便激活核心客户。

积分兑换绑定客户给客户带来额外惊喜的作用有目共睹，线上产品根据用户行为生成积分再进行反馈，形成正向反馈，基于RFM模型来看，积分策略对于中段用户有很好的提升刺激做用。

积分体系上线后，我们以往产品中的关键指标大幅提升，同时用户会得到相应福利，反馈是双向正面的。

但最终结合这家企业的情况，这两种方式并不适合他们。这家公司更倾向于采用邮寄手册+电话维护的方式进行目前的客户管理，很谨慎，但这也是他们擅长的部分。

会员权益可根据情况进行升级调整，一般来说，如非行业霸主，不可将权益降级只能升级。品牌的搭建需要一点一滴维护，任重道远。

总结

会员体系和会员关系管理是一家企业发展到一定阶段必须要重视的部分。这个体系不是一成不变的，需要根据企业业务情况与时俱进。

文章开头就有提到，对于一般的企业来说，目前是存量的争夺时期。通过强调和优化会员体系提高用户留存是不得不去尝试的方法。

传统行业与互联网行业有区别也有融合：

对待互动性的区别，传统行业更强调单向传输，让用户接受并不真正在意反馈。
平等思维，传统行业把用户当作圈养的群体。
互联网产品可在使用过程中对用户进行教育，传统行业的教育用户的机会非常少，更注重直接缩短买卖过程，极为在意成交。
传统行业更强调客户概念，互联网企业更强调用户概念。客户可以带来直接收益是公司的命脉，用户可以带来流量收益是互联网概念的直接表现。可以看到，目前互联网企业迫于变现压力越来越强调客户与用户概念以及运营手段的区分。

多接触不同行业是有必要的，避免陷入惯性思维。

该行业内暂无竞品可对比参考。如有条件，一定要研究对比竞品的设计理念和细节。知己知彼百战不殆。

本文由 @伙夫安妮原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。

详解安防产品之“雪亮工程”

Mon, 04 Nov 2019 10:50:46 CST

本文介绍了与安防产品相关的雪亮工程，以及它的特点、应用场景与发展趋势。

01 什么是“雪亮工程”

2015年6月，中共中央政治局委员、中央政法委书记孟建柱到山东临沂平邑县调研时对“雪亮工程”信息化，整合资源、降低成本，提高治安防控能力的经验做法，给予充分肯定/
2016年10月，全国综治“江西会议”指出，中央已将“雪亮工程”建设纳入“十三五”规划，并作为综治工作当前和今后一个时期的重点工作部署推进。
2018年1月2日，《中共中央国务院关于实施乡村振兴战略的意见》建设平安乡村，推进农村“雪亮工程”建设。

“雪亮工程”是以县、乡、村三级综治中心为指挥平台、以综治信息化为支撑、以网格化管理为基础、以公共安全视频监控联网应用为重点的“群众性治安防控工程”。

一句话概括：“雪亮工程”即建设覆盖到村及院落的视频监控点位的“群众的眼睛是雪亮的”。

“雪亮工程”通过三级综治中心和四级综治信息平台建设，结合群防群治、“一户一档”等工作开展，把治安防范措施延伸到群众身边，发动社会力量和广大群众共同监看视频监控，共同参与治安防范，从而真正实现社会治安防控”全覆盖、无死角”。

02 “雪亮工程”的特点

传统安防工程主要是以视频监控为主，并且需要配备专人进行视频监看。

“雪亮工程”监控平台不仅仅能够实现最基础的视频监控，村民通过有线电视机顶盒即可实时监看小区、社区视频监控图像，并可实现“一键报警”。实现人人可监视，处处可监看，让农村百姓实施监督、参与监督。雪亮能够实现安卓手机和苹果手机智能终端的APP无缝接入，通过手机平台即可实现“可视对讲、语音广播、云台控制、一键报警”等强大功能。

项目具有以下特点

（1）让村民通过村务服务监督平台，了解惠民政策、公开公示和共建工程动态，通过这套系统，村民们打开电视机便能看见村里几个重要路口的实时影像。如果村民发现安全隐患，便可立即通过平台与警务室进行视频通话，直接报警。

（2）将短信推送与“雪亮”工程有机结合，实现了信息化值守，大大节约了人工成本，值得大力推广。

（3）利用有线电视和智能手机推动视频监控入户到人，建成综治主导、社会协同、公众广泛参与的综治项目。

（4）与公安“天网工程”互补的群众性综治“雪亮工程”建设，能进一步提升了立体化治安防控体系实战效能。

03 雪亮工程应用场景

普通用户可使用机顶盒查看所在村、社区、街道附近的相关摄像机的实时视频，可以方便用户对周边相关场所现在情况的了解。如：当用户想要查看自己小孩是否在某个公共区域玩耍，或在学校的情况，都可以通过我们的平台进行查看。

场景一雪亮上电视

用户可以通过手机随时随地的查看自己住所周边的相关视频，从而给用户的出行及所希望了解的其他内容提供及时、方便的信息等。

场景二雪亮上手机

村综治办监控值班室，配备一台电脑和显示屏，可实时显示各路视频监控信号，村综治办接收村民的报警信号，并可向上级报警。

通过监控画面，监控人员能在第一时间全面掌握辖区内的治安状况，为及时出警、准确到达事发地段提供可靠依据。

村中各监控装置的实时视频信号，值班人员可以控制云台，操控每一台监控设备。

当居民发出报警信息时，在大屏幕上展示地图上报警地点和联系电话，并有语音提示。值班员可以通过电话与报警的村民沟通，确定出警方式。

当治安事件发生后，村值班人员可调用辖区监控点实况录像，协助事件的调查。对辖区内的难以处理的异常事件上报上级综治办，请求指导和援助。

场景三雪亮工程村综治办监控值班室

04 “雪亮工程”的商业模式

政府采购模式；EPC总包，包括项目的设计、采购、施工、试运行等全过程的总承包；
BT模式，政府购买服务；总投资+资金占有率（5年，4.9%左右），多数按照5~10年期等额本息的方式每年返还；
PPP模式，政府与社会资本化以合资公司的方式，政府出让特许经营权（SPV），按照出资比例利润分成，一般这种模式10年及以上多一些；

利润点

网络带宽利润；视频类的项目，离不开前端设备的网络接入，运营商有天然优势；
设备利润；设备厂家有天然优势，集成商能否拿到设备的低价；
平台定制化建设利润；例如与现有政府信息化系统的对接或一些具有地方特色的定制化功能开发（人脸识别、大数据预判平台等）；
项目利润；政府有预算支持采购，不采用购买服务模式，这种模式最讨人喜，取决于谁的商务关系硬，但也竞争最为激烈；
工程建设与系统维护利润。

05 未来的发展趋势

过去

平安城市建设以城市为主，以道路、重点区域监控建设为主，且主要注重对警务事件的监控管理，而忽视了农村、社区的安防建设以及非警务事件的处理，往往等事件发生或者矛盾激化才采取措施。

现在

通过雪亮工程，以农村、社区为重点，对重要部位、重要场所、农村薄弱地区进行视频监控建设，响应国家“十三五”治安防控体系建设要求，实现城乡治安防控建设一体化，达到预警、预测、预防的效果，提高群众满意度。

将来

通过平安城市和雪亮工程，城乡音视频监控一体化建设完成纵向贯通省、市、县、乡镇、村、网格，横向联通综治中心、公安指挥中心、政务服务中心、数字化城管中心及各服务部门的公共安全视频系统联网应用，实现城乡大联动。最终实现“全域覆盖、全网共享、全时可用、全程可控”。

作者：博哥，微信公众号：博之大者。4年开发，6年安防、通信行业的产品及管理经验。致力于懂技术、懂管理、爱生活的有为青年，愿与大家一起进步成长！

本文原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unspalsh, 基于CC0协议。

复盘：如何从0-1设计SaaS行业CRM系统

Wed, 02 Oct 2019 11:07:28 CST

笔者复盘了做一个SaaS行业CRM系统的关键节点以及重要事项。

从项目启动到现在差不多大半年的时间，这半年中我经历了CRM系统从0-1的搭建过程。不过与以往接触的CRM系统不同，这次我主要负责的系统是面向SaaS行业。从产品形态上看，SaaS行业属于B2B行业大类，但也有着其独有的特征。

这篇文章我希望通过讲故事的方式分享我在V1.0版本时遇到的业务问题以及解决方案，大家如果有不一样的见解，也欢迎大家在评论区进行问题探讨。

一、产品V0.1版本的建立

在刚到公司之前，公司主要以某细分领域的定制化项目作为主要的盈利方式。在这之后公司希望结合自身领域上的优势将自己的产品SaaS化，这其中一方面是出于对产品通用性角度考虑：在这个细分领域中各企业的业务流程有着较多的相似之处，实现产品通用化是可行的；当然更重要的是从商业角度考虑，这样能够降低产品的开发与维护成本；同时通过按需订阅的方式能够争取更多中小“长尾组织”的有限预算。

我在来到公司负责的第一个项目就是将系统架构进行SaaS化改造：首先按照战略思路将产品功能划分为基础服务级、应用模块级，同时支持高可配置化的菜单及功能来满足多租户不同的业务需求，之后将系统权限改造为多租户权限模式，将应用模块与租户ID做灵活关联从而实现按需购买服务。

有关SaaS产品化改造的话题我先大概说到这，更具体的改造细节我会在后面的文章中为大家介绍。

而在改造的过程中，就逐渐有了CRM系统雏形：系统权限在划分为多租户后，需要企业后台系统需要有设置多租户入驻信息及租户开通功能，这也就完成了客户信息的采集与创建，因此我也称之为CRM产品的V0.1版本。

二、SaaS业务的快速扩张促进项目启动

由于是SaaS产品的初步尝试，公司在商业模式上并没有在初期就选择付费，而是希望通过免费的形式获得更高的市场占有率，树立品牌认同；同时持续打磨产品，而后再逐步将产品模块升级，并在原有的基础上做增值服务。

这一打法在市场上确实获得了预期成效：我们在短短一年多的时间内从40w用户量暴涨至240w，租户数也达到将近1w，用户量远远超过入驻即付费的其他平台。

却也随之带来更多业务问题：由于大部分客户是免费入驻与使用产品，产品的运营成本不降反升。因为一方面客户的免费入驻并不能为公司带来收入；与此同时，在售后服务上又需要投入更多的时间和人力成本来培训客户，并要及时解答客户提出的问题。

这时有的同学会问：为什么不通过植入广告的方式来缓解资金压力呢？

我们的是to B的商业软件产品，主要以提升工作与管理效率为目的；
我们所处的行业十分敏感，不宜通过商业广告的形式进行变现。

由于收益增长的压力与成本的提升，导致市场与客户运营部门没有足够的弹药扩充人手，总共不超过12个人的团队在产品上线初期，每天需要应对客户不断打来的电话，同时需要参与开拓市场与售前咨询任务，可谓是身兼多职。

后来，在线上产品慢慢打磨与过渡接近完整后，公司希望能够通过对部分应用采用增值服务的形式实现SaaS产品的业务增长。而争取的客户对象则主要是来自平台在搭建初期积累的这些线索客户，使之成为高意向潜在付费客户并完成付费转化。

这是面临的问题是：如何通过现有的团队来管理与维护如此大体量的客户？这需要引入客户管理系统来解决此问题。

三、项目启动前的研讨：自主研发还是外部采购？

关于系统是通过自研还是外采的问题，我们团队之间讨论过多次。相信很多公司也会有此困惑，如果选择外采，其优势是团队将节省大量的研发及时间成本，但是需要找到与产品业务契合的系统才能有效实施。

最终我们选择了自研系统，原因有以下几点：

产品运营初期，产品战略及商业模式还有待市场考证，需要快速的响应市场快速迭代
市面上的通用CRM系统不能满足当前的业务需求
系统与自身产品的连接较为紧密，需要提供丰富的接口来支持，同时也要相应接口的不断变化

四、明确项目核心问题

在项目启动后，系统待解决的核心问题是：在销售人员较少的情况下，通过系统提升客户营销与管理效率，并最终并实现业务增长。

基于这个核心问题拆解成两个部分，如下图所示：

4.1 业务流程再造

由于是从0到1运营一条新的SaaS产品线，我们需要基于全新的产品形态设计与以往项目型销售不同的业务流程。为此我也做了很多产品调研，从商业模式上分析SaaS产品与原先销售模式的不同。

首先相比于项目型销售，SaaS产品的客单价较低，更多的收入将来自于客户的续费与增购。这就意味着以客户为中心的销售模式将确立主导地位。所谓“以客户为中心的销售模式”的核心就是要参与客户的全生命周期，了解客户在使用过程中产生的各种需求，并及时快速的响应需求。通过这样的销售模式才能真正服务好客户，只有通过这样的方式，才能获得更多的二次收益。

SaaS产品与项目型销售的第二点不同，是更为注重数据驱动而非营销驱动。用户在使用SaaS产品的替换成本会更低，即便客户在销售人员的说服下完成了首单消费，如果产品并不是他们真正需要的，也会直接流失掉。因此SaaS产品需要借助更多的数据挖掘潜在客户而非完全通过线下完成。

基于主流SaaS销售模式调研，并结合公司在组织人员架构与现有业务现状，我对业务流程进行了重新梳理，流程大致如下图所示：

在图中我列出了几个重要的流程节点：

4.1.1 线索获取

考虑前期有限的推广资源以及较低的投资回报率，公司并没有使用付费的市场推广形式。好在产品较好的口碑与高日活量使得在百度搜索的权重较高，加上产品是免费使用，每日的入驻用户仍保有稳定增长。

4.1.2 线索认证

对于线索认证这一阶段的考虑是通过系统目标账户营销（ABM）+人工的方式筛选合格线索（MQL）：

其中系统目标账户营销（ABM）是指通过系统获取用户在浏览付费增值应用时的浏览记录与习惯，通过系统规则标记为潜在客户；
合格线索（MQL）则是根据销售人员以往的经验，手动录入潜在客户信息。

两种潜在客户获取方式分别存成独立的数据表单放入数据库中。

这样做的好处是能够最大程度上起到辅助销售的作用，减少销售人员在客户跟踪与识别上的工作量；在此同时，通过数据还可以挖掘出销售人员在客户识别时的视线盲区，不放过任意一个线索机会。

4.1.3 商机客户转化

严格意义上，线索质量验证与培育应由市场部SDR来完成，而后将合格线索转到销售人员手中做商机客户的转化。但由于产品初期并未配备相关人员，这两个步骤都由同一个销售人员共同完成。

4.1.4 成交客户的续费与增购

前面说到，SaaS产品的大部分收入来自于此步骤，因此在客户完成首单交易后需要做更多的工作，以便实现客户留存并尽可能使之成为高净值推荐客户（NPS）。

在业务实施的开始阶段，我与客户运营部的负责共同制定了详细的相关工作内容及流程：包括客户的回访与跟进频次，产品bug与需求的反馈，客户培训与二次销售流程等等。结合用户需求及业务场景设计产品解决方案，具体解决方案我也会在后面的内容中提到。

4.2 组织架构的优化

在制定了新的业务流程之后，在组织架构层面也会随之调整。客户运营部门明确了岗位角色与分工，一部分人员被拆分到专门负责客户拓展与售前咨询的销售团队；另一部分进入负责售后咨询而增购的客户成功团队。

五、产品路线图规划

在明确了待解决的业务问题后，我们将产品明确定位在“以客户为中心”的核心思路。也就意味着产品功能会在紧张的开发排期中作出取舍。保留现阶段最需要解决的业务问题，同时砍掉与之无关的功能，将视角聚焦在“客户”上。如下图所示：

图中简要列出了一个产品结构示意图，从中可以大致了解产品的全貌。从整体架构上看，我将线索管理与客户成功管理拆分为两个模块，并按照各业务部门职能将权限按照整体模块分配给销售部与客户成功部。当客户处于未达成交易状态时，该条客户会存入线索管理中由销售部跟进，而当客户完成首单后，客户数据将流转至客户成功管理中挖掘二次销售商机。

此外，灰色部分代表暂时舍弃掉的功能，至于舍弃的原因在于客户营销与拓展部门的人数远没有达到通过系统管理的程度，因此暂时不需要开发相应功能。

5.1 线索管理与权限管理

线索管理是销售过程管理中最传统，同时也是最经典的部分；而权限管理是所有后台管理系统的必备工具，基于RBAC的权限设计方法也比较固定和基础，这两部分内容在很多CRM产品相关文章中都有涉及，我就在此不做过多描述。

5.2 客户成功管理

客户成功管理是SaaS领域最重要的部分，一个好的CSM业务体系需要介入客户的完整生命周期中，包括客户的初期促活、中期的客户意见反馈与使用指导。只有服务好客户的每一步，才能最终达成续费或增购的最终业务目的，实现企业收入增长。

在客户流转至客户成功模块后，平台会对客户的使用情况进行数据监控，让客户成功经理实时了解用户的使用情况；并通过系统规则提示哪些客户疑有流失征兆，并设置流失预警，提醒他们及时跟进。

此外，根据特定的业务场景我将商机管理模块放入客户成功模块，使得正式客户表与商机形成1对n的关系，并间接与订单关联；而处于未达成交易状态的潜在客户则直接与订单1对1关联，用户可直接由线上创建订单。这样做的考虑是既能够简化首单流程，又能在客户成功阶段增加对商机过程的管理。为项目后期的客户终身价值（CLV）建模提供较为准确的数据依据。

智能分析模块是CRM产品中非常重要的一部分，但由于初版上线时间紧任务重，以及数据的不完整，因此将放入二期需求；并在一期做好客户信息及销售过程数据的整合与沉淀，搭建数据仓库。

以上是我对V1.0版本CRM产品的设计过程介绍，由于篇幅原因就不再展开对每个功能细节的具体讨论。

六、总结与复盘

回顾整个项目，我认为收获到最多的是对产品全局把控的策略与思路。在产品规划初期，要对现在以及未来的业务发展趋势作出前瞻性预估，从而让系统架构更具扩展性；同时要学会平衡成本与产出，用最小的开发与人力成本完成当前最紧迫的业务问题，在不断地抉择与取舍中验证正确的方向前进。

本文由 @阿猫阿狗原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议

基于Kong网关的管理平台Konga(9.9)

Mon, 09 Sep 2019 07:53:41 CST

在年中我们重新修订了ESB服务总线和API网关的产品规划后，初步决策还是基于Kong网关来定制开放API网关平台，对于Kong网关前面已经有文章做过介绍，下面再总结下Kong网关的一些关键特点。

1.可扩展性: 通过简单地添加更多的服务器，可以轻松地进行横向扩展，这意味着您的平台可以在一个较低负载的情况下处理任何请求；

2.模块化: 可以通过添加新的插件进行扩展，这些插件可以通过RESTful Admin API轻松配置；

3.在任何基础架构上运行: Kong网关可以在任何地方都能运行。您可以在云或内部网络环境中部署Kong，包括单个或多个数据中心设置，以及public，private 或invite-only APIs。

4.数据中心：用于存储Kong集群节点信息、API、消费者、插件等信息。Kong集群中的节点通过gossip协议自动发现其他节点，当通过一个Kong节点的管理API进行一些变更时也会通知其他节点。

对于Kong网关更多的是引擎，Kong网关自带的管理端功能也比较弱，因此还是有必要基于Kong网关来开发一个网关的管控治理平台，而对于管理平台的开发本身又又三个思路可以选择。

思路1：基于我们已有的自研ESB，研究Kong网关的Admin API进行管理平台定制

思路2：完全重新定制一套新的API管理平台，全新开发，但是管理平台和监控平台分离

思路3：基于Konga开源的API管理配置平台进行扩展开发

实际上对于三个思路里面工作量最大的是思路2，能够快速实现的是思路3。因此在决策全部重新开发前还是有必要对Konga管理平台进行下研究。Konga平台是当前使用最多的一个基于Kong网关的第三方开源管理平台，而且完全基于Kong Admin API，功能也比Kong原生的管理台增强了不少。

具体的GitHub地址为：

https://github.com/exceedzhang/konga

我们可以看下该平台的主要特征：

Manage all Kong Admin API Objects.

Import Consumers from remote sources (Databases, files, APIs etc.).

Manage multiple Kong Nodes.

Backup, restore and migrate Kong Nodes using Snapshots.

Monitor Node and API states using health checks.

Email & Slack notifications.

Multiple users.

Easy database integration (MySQL, postgresSQL, MongoDB, SQL Server).

在这里面可以看到管理平台可以管理所有的Kong Admin API对象接口，也可以从远程资源中导入各类的消费方，可以管理多个Kong网关节点，支撑多用户。同时支持对API接入服务状态进行监控。Konga平台本身自带数据库，但是也支持和主流的MySQL, postgresSQL, MongoDB数据库进行集成。

Kong网关本身具备足够的开放性，提供全面的Admin API对引擎内部功能进行管理。对于Kong Admin API接口的一些介绍可以参考下面这篇文章： https://blog.csdn.net/qism007/article/details/89842130

由于Kong具备足够的开放性，而且增加的功能都是以插件的方式进行提供，Kong的商业化插件的实现很多也是收费的，因此我们可以提供同等功能甚至更多功能的插件，这些插件同时又能实际解决企业的集成问题。

对于插件，优先需要定制开发和优化的主要还是体现在以下几个方面

1. 安全类插件：BaseAuth OAuth2 Key Ldap，其他的访问控制类安全，传输安全

2. 流控类插件：限流，熔断，入口和出口限制，速率限制

3. 监控类插件：日志，服务链监控等

七问七答：亲历者讲阿里中台落地的实践

Wed, 21 Aug 2019 20:19:09 CST

笔者2013年转岗到阿里巴巴交易平台，从2014年开始推动阿里巴巴交易运营平台的建设（阿里交易中台的前身），此后推动阿里巴巴交易中台的建设直到2016年离开阿里创业。

本篇文章中，笔者从自己的工作经历出发，为大家介绍了阿里中台落地实践的具体情况。

在过去一年的时间中台这个词流行了起来，从市面上的文章看很多朋友讲中台的时候倾向于把平台等同于中台，甚至是后台当中台。

在打算写这篇文章前我觉得把中台讲的最透彻的就是王健先生的“白话中台”系列 —— 定义中台为“企业级能力复用平台”，特别是用Pace-Layered Application Strategy中的SOD（Systems of Differentiation）来定位中台。

但是还不断有朋友问我中台到底是什么、怎么做，其中还不少资深的产品/研发同学。我完全不怀疑他们的理解能力，那么一定是有地方出现了问题，我把这个问题定位在“落地”。

标杆企业中台的理念已经说了太多，但是极少有人讲如何落地，导致大家不只是没吃过猪肉，也没见过猪跑，只是听说过有猪这么个东西 —— 据说比狗胖，比牛小，不挑食，长肉快。

所以，有了这篇文章，把最近朋友常问到的“中台问题”以及我常讲到的“中台故事”完整呈现一下，让大家有个对中台更真切的体验。

一、到底什么是中台？

交易中台是阿里巴巴中台的第一个项目，从这里讲起大家更容易理解背后的逻辑：我刚进入阿里巴巴交易平台的时候先是开心，因为交易平台是阿里的核心系统，和自己合作的都是技术体系的大牛，做什么需求都丝毫不担心技术实现；

但是不久之后就很困惑，因为交易平台几十个开发，每年（只能）做1000多个需求，研发差不多每天都要加班到晚上10点左右，作为产品经理我一年要开900多个会，每天18:00之后才能正经写写文档做做设计，和研发的下班时间差不多；

但是即便大家这么努力，交易平台的需求周期依然是特别长，整天被业务线投诉。

这个事情困扰了我半年的时间，后来一个晚上和渐疯老师聊的时候聊出了这么一句话 —— 我们建设了很多平台能力，但是缺少管理这些能力的能力 —— 这句话有点儿绕，但在当时我们有种被“点亮”的感觉，因为当时我们面对的问题不是常见的“资源不够”，而是“失去掌控”。

本质上，是集团交易平台快速发展了10年，平台治理没跟上，同时面向业务的视图缺失，导致平台对业务的响应速度跟不上，沟通也不顺畅，有点儿力不从心。

一开始我们要做的东西叫“运营平台”，让常见需求“可配置”，业务变更有地方可查，很朴素的想法，后来进化到“交易中台”，我们一直围绕如何对平台能力的有效管理在做事情，从业务建模、系统改造、管理平台建设，目标都是交易平台能够快速对接、有效管理电商体系内各种商品、资金、交付方面的能力，并用业务可理解的方式呈现、复用、整合。

一直到现在交易中台的建设仍然是按照这个方向在发展，这个过程中“业务视图”被建设的越来越好了（参见极客公园专访玄难的文章）

所以当老板突然说我们要做中台的时候，我的建议是去理解“我们要做中台”这句话背后的诉求：多业务支撑、快速响应前台创新等现实问题。正常的情况下，每家公司做出来的中台都应该是不同的，因为不同阶段面对的问题不同，中台切入的点会不一样。

不过中台还是能有个统一答案：

中台是平台发展到一定规模，业务的扩展和变化超出了平台服务能力后自然生成出来的一个发展策略 —— 即中台是平台向业务进化；
中台的目标是更好的应对业务的变动和差异（王健先生文章中的pace-layered application strategy，SOD层面主要讲的就是这个） —— 业务稳定或者单一小伙伴们认真做好平台化，特别是IT治理就能解决大部分问题了；
中台的价值是通过有效的管理让平台上的各种能力（功能/产品）能够有效复用、快速组合，支持业务更快捷的进行探索和发展 —— 如果老板问中台定什么KPI，最直接的其实就是需求交付时间，只不过这个时间的精准度量也是比较耗精力的。

一句话，千万别把中台当作前后台中间的那个，不在一个维度上；中台这个名字其实是平台的升级版。

二、我们公司有几十个开发，怎么做中台合适？

在问怎么做之前先要回答两个问题：

现有平台的成熟度怎么样 —— 有多少需求是可以基于现有功能做少量开发工作就直接复用的？
现在平台团队人员的成熟度怎么样 —— 应对业务需求的时候能否清晰、高效的分析需求，以高于业务的抽象能力给出方案评估，而不是单纯的“接”需求？

很多公司因为现在平台的能力不足、人员水平不高，希望用中台这个灵丹妙药解决问题；如果现在的平台、团队成熟度不足，那么直接搞中台的结果就是引入了新的瓶颈，而且这个瓶颈比现状还要恶劣，这个瓶颈是 —— 由于不能正确的进行业务和系统抽象，做出来的中台既不能让业务开发更灵活，也没有让平台治理更高效。

传统意义上的“互联网产品经理”在做中台这个事儿上没什么优势，反过来说也是好事，大家水平差不多，谁学习能力强谁能做。

还有个更现实的问题，上面这两个问题，我作为外部人可以直接问然后说现在做中台不靠谱，你作为企业内部的产品研发负责人是很难开口的，那怎么办呢？

咬牙跟老板说能做，然后打着中台的旗号先扎实平台能力，同步以试点的方式由核心到边缘做中台化的包装，挺多朋友真的用了这种方式；
跟老板说实话实说家底不够，然后通过专项支持、feature team的方式先确保对业务的有效支持，系统和人员成熟度提升之后再推动中台建设。

方法无分对错，心里不要有压力，主要看公司文化和老板的风格；结果有好坏，取决于是否能找到一个适合自己公司、业务、团队的实现路径，把中台这个战略落下去。

回想在交易中台落地的过程中，玄难亲自上阵review代码，范禹顶着业务压力让天猫研发团队全力配合，真的是福报，没有他们就没有现在的阿里中台；也可能是正因为是阿里，才有这样的管理者吧 ……

Anyway，这个问题的答案是每个中台产品经理都要自己去寻找适合自身发展阶段的落地路径，活下来，做出来。

三、中台怎样落地？

不能直接讲怎么做，容易把人带到坑里。其实秘诀就是找路径，多学习，活下来。

1. 从哪里开始做？

当初阿里做中台，是从交易开始做的，当初其实是个自然而然的过程，因为我们先做了。

后来我离职创业、加入其他公司，从中台的实践者、到观察者、再到实践者之后，我的判断是：在当下如果想把中台做好，一定是从公司的“强中强”业务出发进行中台的探索，在形成了自身的“中台方法论”之后，再横向铺开。

什么叫做强中强？就是这家公司或这个组织在行业中最有优势，在内部又有影响力的部分，比如阿里的电商平台、学而思的教研、头条的算法。即兼具外部优势和内部影响力。

这个事儿是我创业之后才想明白的，中台的目标是服务业务的，特别是多变性的业务，我们离开单纯的产品，去想基础的商业逻辑，就是无论我们是业务创新还是拓展，最适合的路径都是从自己的核心能力出发，成功率才高。

所以中台本身要“做成” —— 产品落地、价值被认可 —— 就需要内部客户的认可，最优选择就是要选公司内有强势资源、外有强势能力的团队，中台落地遵循这个规律从强势能力、核心能力出发来进行中台化才能够有明显的产出和足够的影响。

而且这种能力甚至未必是IT能力，就像学而思的教研其实是个内容能力，或者华为的组织能力，都是最适合进行中台化的。

反之，弱势能力做中台化，面对的问题将是客户不关心，自身能力跟不上，最终两败俱伤。

逻辑上这么讲大家一般都能够理解，但是现实中能够下决心这么做的老板并不多，怎么说呢，这些把中台落的的“牛逼”公司，可能也就牛在这种战略落地能力上……

不过也不用灰心，中台建设就像打仗一样，争取资源，控制预期，从适合的场景出发不断迭代拿出成效，积小胜为大胜，也会是一条能生存下来的中台建设之路。

2. 用什么方法？

回想阿里交易中台，我们当时采用了两类方法论：

在阿里中台建设的初期，我们习惯性的采用互联网从需求到功能的敏捷方式，遇到哪里的效能有瓶颈我们就工具化的方式解决；

后期引入了基于企业架构的思路，尝试对中台能力进行拆解、建模、系统化的实现，当时TOGAF、eTOM、DDD的东西大家都要学习参考。

两种方法各有优缺点，采用敏捷的方式可以快速的解决当下遇到的各种问题，但是缺少框架、体系上的参考，是一种用to C（消费者）的方式做to B的感觉；而基于企业架构的思路有明确的体系参考，不过企业架构和现有的方法倾向于在相对确定性的业务环境中进行分析和设计，过程比较长。

当时我们抽调了将近10位业务和架构专家，关在会议室里面做业务建模、系统设计，基本上都是以周为单位推进，这个在互联网产品经理视角上基本是高速路上龟速行驶了，不过没办法，一边探索一边前进。还好，过程中不断的有一些成果出来，至少让业务线感知到情况在逐步变好。

如果现在重新做一次，我的路径选择会是：

对内（中台团队），基于TOGAF ADM、DDD这样的企业架构方法论对已有的能力进行梳理，确定哪些能力可以以什么样的方式进行复用；
对外（前台团队），围绕前台的应用场景建设业务“视图”（这个用词不精确，叫界面可能更好），业务什么形态就给什么视图，比如电商的业务视图是什么？电商的业务视图就是人货场的设计；算法的业务视图是什么？业务场景、训练目标、评价策略；组织中台的业务视图是什么？组织目标、分工架构、协作流程。

整体过程中采用敏捷的方法，分期迭代不断修正，因为团队对中台的认识也会在这个过程中不断深化。

前段时间王健老师分享了他们在咨询过程中综合使用了敏捷的框架，然后用TOGAF、DDD（领域驱动设计）、DT（设计思维）的方法，结合工作坊的形式来做中台架构设计，我听的过程中脑补了一下，很真切的能匹配到落地过程中方法、节奏、沟通上的问题，非常受用。

回到前面提到的互联网产品经理怎么做中台，单纯掌握“互联网产品”技能做中台是很容易挖坑的，持续学习企业架构，参考“最佳实践”才可能走出自己的路。

四、互联网产品经理做中台的关键点？

在做中台的那段时间，我感觉自己的时间是 1/3 做业务建模、产品设计方面的工作， 1/3还是要接业务需求，只不过做中台被训练了一轮后谈需求的效率会比原来高，因为自己对平台的理解也更深入了；

剩下 1/3的时间是原来不曾有的一种工作，就是和所有相关方“聊”中台，因为新的产品形态和对接方式会让大家不知道怎么和你合作（对比一下财务报销这么简单的流程，每个新人到公司都会经历一次或者N次被打回重做），如果所有人都不能和你顺畅合作，那距离团队重组也就不远了。

作为一个“中台布道者”，几乎要对上、对下、对前后左右所有相关的团队去聊中台怎么做的、什么进展、带来的价值、怎么有效合作，过程中也会夹带着业务、架构方面的问题去寻求共识。

可以说中台不仅仅是交付一个系统或者是个产品，中台其实是一种工作方式的变化，平台的工作方式比较像职能角色，接需求、实现掉；而中台在做好平台的基础上要更向前一步，去想如何让业务跑的更快。

传统的组织架构有两种基本形态：基于职能的（function），基于产品线的（product/business unit）。中台是从职能架构“衍生”出来的，在中台你要从职能看业务、想业务。

这种架构好不好呢？每一种组织架构都有自身的优缺点，其实中台架构和矩阵架（最典型的一种衍生的组织架构）构遇到的问题很像：矩阵架构永远要面对职能团队人不够分的问题；中台架构则是在技能上要求更高，中台产品经理要更懂业务发展而非单纯的平台能力；

不止一位HR和我吐槽市面上招不到中台产品经理，长期的解决方案是随着大家都开始做中台，必然有更多有经验的中台产品经理被培养出来；短期我只能和他们说，要不看看乙方公司懂企业架构的人才，和“本土”人才互相补位推动中台的建设。

中台，只有当工作流走顺、组织健壮起来的时候，才是真正“把中台做出来”的时候。

五、还有什么要嘱咐的？

互联网产品经理做中台产品真的不容易，就像战役的筹划一样要知进退。

这个知进退是知道能做还是不能做；这个知进退是知道什么时候要主动开始，什么时候要埋头打基本功；这个知进退是知道在哪里面向业务处理变化和差异，在哪里回归平台抽象共同点；同时，这个知进退是知道什么时候大张旗鼓的推广，什么时候静悄悄的改bug。

总之，一个产品经理在自己的职业生涯中能做一次中台，是你的福报。（来自马老师的微笑）

作者：张巍，阿里巴巴前产品专家，电商、教育

本文由 @张巍原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。

人工智能时代，传统PM如何快速转型成AI产品经理？

Thu, 13 Jun 2019 10:47:12 CST

随着科技的快速发展，近几年人工智能（AI，Artificial Intelligence）掀起了一阵阵新浪潮。人类从未停止过对人工智能的预想，从1950年图灵发表论文预言创造智能机器人的可能性开始，人类就在人工智能的道路上越走越远。随着计算机性能的提升，人工智能技术将会广泛运用于各行各业，人工智能产品终将会由各种预想慢慢变成现实。

我们逐步经历了PC互联网时代、移动互联网时代，人工智能时代。传统互联网对人类的主要贡献是通过优化和创造信息存储和传递的方式重新组合各种生产要素（即重构了已有商业模式），人工智能的主要贡献是升级生产要素，进而推动产业升级。

来到人工智能时代，传统互联网产品将面临巨大的挑战，那么如何提升自己转型成为AI产品经理呢？

一、了解AI，寻找切入点

1. AI是什么

AI就是利用技术对人的能力和意识进行模仿和超越。

AI产品经理不仅需要像传统产品经理一样设计产品交互和逻辑流程，还需要改变传统产品流程上能用到人工智能技术的能力范围，实现让技术为产品赋能，为企业赋能。AI技术已经广泛运用于多个领域，如自动驾驶、机器人、电商、语音与图像识别、人机交互、智能控制、医疗诊断等。

人工智能产品没有固定的形态，只是一种将传统产品和服务赋能的一种手段，有了人工智能技术，将会使产品逻辑化繁为简，降低用户学习成本，提升产业的商业价值。

无人驾驶汽车通过运用传感器、高精度地图、高级辅助驾驶系统和车联网等关键技术实现无人驾驶，与传统汽车相比，用户不再需要全程关注路面情况手动驾驶而是仅仅需要输入目的地即可。

语音交互产品与传统的鼠标、键盘、触摸屏等交互方式不同，用户通过与产品进行语音对话即可完成唤醒、查询、订购等一系列复杂的人机语音交互操作。

人脸识别身份验证与传统登录需要输入账号、密码、验证码不同，它只需要用户在摄像头前露个脸即可实现快速登录。

2. AI的三要素有哪些

人工智能在图像识别、语音识别、自然语言处理、信息检索、机器翻译、社交网络过滤、精准推荐、智能医疗等方便的广泛应用离不开深度学习。

深度学习在每个应用场景中的落地离不开“算法”“算力”“数据”三要素：

1）AI第一个核心要素：算力

算力就是支撑需求实现的系统架构支撑，可以简单理解为计算能力。评估某个需求的算力需要着重从硬软件多方面去衡量。算力不是瓶颈，因为现在有云计算，但是有成本的考虑因素在里面，算力的成本在整个AI模型中占到了10-20%。

2）AI第二个核心要素：算法

AI常用的算法有：自然语言生成算法（NLG）、语音识别算法、虚拟现实算法、决策管理技术、深度学习、生物特征识别技术、识别图谱、机器学习……

虽然算法在AI行业里大部分是开源的，想拿到什么样的资源都可以拿到，深度学习、多层次神经网络算法目前也都已经比较成熟，但是AI产品经理在做产品设计时，还需要结合公司算法研发能力避免提出过于超前和落后的产品功能。

3）AI第三个核心要素：数据

在机器学习领域，好的数据通常比算法更重要，有些时候没有数据的话，AI模型是不可能成熟落地的。更有算法工程师扬言“数据秒杀一切算法”。既然数据如此重要，产品经理在设计之初就得考虑数据从哪来、数量质量怎么保证、数据治理的工作怎么开展等问题。

3. 寻找适合自己的切入点

应用AI的公司主要有三类：纯AI公司、AI+公司、+AI公司

1）纯AI公司

纯AI公司是做AI的基础层，主要做芯片、云计算、框架等方向。

这类公司从人工智能的底层平台需求出发，构建完整的从人工智能计算平台的硬件单元研发、数据治理、AI建模再到平台部署的人工智能的“基础设施”。这类公司布局一些PaaS形态的基础计算平台和算法平台供其他公司直接调用，减少其他公司的人工智能研发成本和周期。

2）AI+公司

AI+公司是做AI的技术层，主要研究通用技术，如图像识别、语音识别、文本识别等。

3）+AI公司

+AI公司是做“场景行业+AI”，如智能医疗、智能安防等。

传统产品经理需要根据自己擅长的领域和兴趣去有针对性的强化学习，将自己擅长的点发挥到最大。

如果你擅长场景，那么你着重学习一下算法方面，你在应用层+AI企业中，将自己负责的产品赋能上人工智能将实现更大的价值。

如果你是技术出生，机器算法、机器视觉等都懂，则适合去技术层公司或基础层公司发展自己的才能。

除上所述，还有像BAT这些公司，在基础层、技术层、应用层都有企业布局。

二、转变思维模式

传统产品经理的工作协同方式是优化和创造信息存储和传递的方式重新组合各种生产要素。

比如：滴滴打车，传统思维模式是将古老的路边招手即停的打车方式合理的规划让信息准确传递，使用户和司机双方都能进行信息互通，司机可以接自己想接的单子，乘客可以选择自己要打的车型。

人工智能产品经理的工作协同方式是在传统产品经理的基础上实现变革与创新，升级各种生产要素，而不仅仅是生产要素之间重新组合。比如：无人驾驶，不管是半智能、条件智能、高度智能、完全智能，均改变了“司机”这一生产要素，让必须“人类驾驶员全程监控行驶环境”升级为“汽车自动智能监控驾驶环境”。

故要想成为人工智能产品经理并在产品管理工作中变得优秀，就应该改变自己的思维模式。

传统产品经理会将很大一部分经历分配到功能逻辑、流程推敲、页面设计等等事情上，而人工智能产品经理不仅要懂得传统产品经理的功能梳理和交互设计，更需要懂得硬件运算架构、算法模型、数据分析、有效训练数据等综合能力。

所以，人工智能产品经理应该具备系统性思维，把问题放在整个系统中综合分析，权衡利弊，得到最佳解决方案。

1. 资源管理思维

产品经理的工作离不开资源管理，但人工智能产品经理管理的资源将在传统产品经理的基础上进行升级。人工智能产品经理不仅要关注开发人员、时间、成本，还要应该关注算法、数据资源、硬件资源。确保资源的投入产出比最优。

算法：人工智能产品需要进行算法模型的训练和调优时，可能出现预先设计好的硬件架构无法满足算法需求的情况。所以，产品经理需要大致了解算法，学会预估和评测，并且理解开发人员对项目所要求功能的技术复杂性，而不需开发部门投入人力物力与最终的结果产出不匹配。

数据资源：数据资源包括训练集、研发集、测试集等，优质的数据资源是当前机器学习产品中重中之重的一种资源。但是，人工智能产品经理也不用改用追求完美的数据的眼光去获取该资源，而应该在数据获取成本和训练模型效果之前做相应的权衡最终取得一个最优平衡点。

硬件资源：硬件资源包括计算机芯片、存储和构成产品的各种硬件组合。产品经理应该明白各个硬件、系统集成在人工智能产品上的综合表现，而不能出现单项突破而其他必须资源跟不上的情况。

2. 解决方案思维

人工智能时代，用户需要的是一套解决方案，而不是产品本身。产品经理是离市场和运营最近的人，也是最能从用户的角度换位思考的人。所以，产品经理应该具有解决方案思维，把控需求，让人工智能产品整体实践起来更合理最优。

3. 目标导向思维

人工智能产品经理需要培养自己的目标导向思维，人工智能产品大多使用到复杂的算法模型，所以产品对于用户来说大多属于“黑盒产品”。

这种产品的如果没有提前设置量化的目标，然后让架构师按照目标去设计的话，将很难被定义优劣。所以，产品经理应该将目标量化并具有目标导向的思维，严格把控产品从需求调研、产品设计、技术预研、产品研发、测试、上线等全流程。每个流程需要设定明确的成果物、时间节点、标准。

除此之外，还应该有上帝视角，对公司整理的产品架构有清晰的认知，让自己负责的产品的目标不偏离公司的整体战略规划。

三、了解算法并熟悉算法边界

1. 人工智能算法中，机器“大脑”的处理过程

人工智能是让计算机模拟和延伸人的感知（识别）、理解、推理、角色、学习、交流、移动和操作物体的能力。

人工智能产品的实现逻辑都遵循由感知到认知，由识别到理解、决策的逻辑过程。目前人工智能的研究还处于弱人工智能阶段，它仅能通过海量数据的训练和学习，从中识别规律，当新的数据输入时，机器可以根据训练的结果将新数据按照具体的规律进行分类。

所以，目前人工智能产品还是依赖于机器学习，且仅能在某一特定领域的某一特定事务上实现智能。

2. 机器学习的本质

机器学习就如同模拟人类学习一样，只是人类是通过经验积累，而机器是通过大量数据输入算法模型进行学习。

机器学习阶段有：

训练机器阶段：输入海量数据，让计算机模型对数据进行分类，找到规律。
测试阶段：和训练机器阶段中的同质数据集，输入模型，测试每个输出结果是否正确。

3. 算法相关常识

机器学习算法按照不同的训练方式可以分为：监督学习、无监督学习、半监督学习、强化学习四大类。

按照解决任务的不同来分类，大约可以分为：二分类算法、多分类算法、回归算法、聚类算法、异常检测算法五大类。

监督学习：就像教小孩一样，预先训练机器，告诉他这是行人，那是障碍物。通过海量学习后，机器就能将新输入的数据分到对应的类目中。故监督学习的训练集中，所有数据必须有标签，标签正确率越高数据量越大，则训练的效果就越好。
半监督学习：所有数据都标注的成本比较高，有时候将训练数据中混入一部分没有标签的数据，这种学习方式叫半监督学习。
无监督学习：所有数据都没有标签，这种学习没有人为标注，让机器自行从数据中抽取信息，从分布中采样、去噪、寻找数据分布的聚类的学习方式叫无监督学习。
强化学习：让机器通过不断的尝试，试错，从中选择可以得到最大的回报的行动，然后找到规律达成目标的一种学习方法。强化学习与无监督的学习不同在于强化学习有反馈，机器根据反馈不断尝试。
二分类算法：做很多二分类问题时，让机器二选一的算法，如好评还是差评，男还是女……
多分类算法：当问题的答案有多个选项，让机器做多选一的算法。
回归算法：这类算法一般都是定量输出或者连续变量预测。
聚类算法：描述和衡量不同数据源间的相似性，并把数据源分类到不同类中。
异常检测：对样本的标签进行预测，将数据中存在不正常或者非典型的数据进行检测和标注。

四、重视需求，合理规划工作流程

1. 熟悉常用技术逻辑

人工智能产品经理应该熟悉常用的人工智能技术逻辑，关注技术的趋势，领先性，主流算法框架。横向对比竞争对手之间的技术实现手段和重点产品参数，从而提炼自身产品优势，扬长避短。

如语音交互技术：

图片来自diangon.com

人脸识别技术：

图片来自Adaboost

2. 需求分析与产品设计

当前人工智能市场产品中，技术领先但产品认可度较低的情况屡见不鲜，很多用户对新技术的采用并没有强烈的感知，企业在新技术的投入与实现的商业价值不成正比。

造成此类原因为人工智能产品的设计理念和方式落后于技术革新，因此人工智能产品需要从以下方面多考虑：

产品设计应从需求出发而不应该从技术出发。技术驱动的产品，容易脱离市场，偏离用户需求，最终导致用户不买单。
忽略用户期望，华而不实造成用户失望，如索尼Xperia Touch，投影键盘华而不实。
不能在单一方面做的足够好而忽略了整体流程的体验，导致整体解决方案无法让用户满意。
一味追求底层技术而忽略了用户体验的优化。例如视觉体验差，产品交互不流畅，错误率高，隐私保护不全。

人工智能行业常用的设计原则有：

少即是多：站在用户的角度减轻用户的使用门槛，提升交互效率，让用户不动声响的解决问题而没有复杂的功能模块、交互流程、界面元素、配色字体等。
从微观到宏观逐步深入：采用循序渐进的方式，让产品功能迭代逐步让用户接受。
有效整合资源：整合新的资源和技术，将其融入产品设计理念中，让更多的交互方式成为可能，比如语音交互、手势和表情识别等，挖掘用户最自然最习惯的行为方式来设计人工智能产品。
同理心：学会换位思考，与用户产生共鸣并感同身受。如设计老年人产品时，不能让老年人用这个产品感觉到自己已经老了不中用了，产生自卑感从而抛弃购买该人工智能商品。

3. 参与研发过程

参与项目管理：让架构师项目经理等人员按照需求目标设计产品架构并按时完成子任务。
把控数据质量：联合数据分析师，算法工程师一起完成数据获取、清洗、转换、预处理工作，为模型提供优质的数据。
模型训练：紧密配合算法工程师，让模型出现拟合过的时候有针对性的训练数据方面的改良，并随时对模型效果预期做合适的调整。
测试调优：产品经理需要对技术边界和需求量化有比较深的理解，协助测试团队制定测试标准，让产品在上线前按照设定的目标进行交付。
目标管控：在实际研发过程中出现无法达成目标的情况时，需要实时按照实际情况对目标进行调优，降低产品期望。

4. 持续的产品运营

产品上线后，产品经理应当协助运营团队和市场团队对产品做线上的包装、宣传，让产品正常合理的推向市场。

总结

人工智能产品经理的职责还是和传统产品经理一样，负责产品的始终。但是，人工智能时代技术的变革导致人工智能产品发生了颠覆性的变化，产品经理不仅懂得传统产品经理相关知识技能，更应该了解具体行业中人工智能技术在行业中的运用，让人工智能新技术新算法的作用在自己负责的人工智能产品中发挥最优的价值。

所以，产品经理需要积极的学习AI，建立自己的认知体系。让自己融入时代，不被时代淘汰，并让自己成为推动时代发展的巨人。

本文由@九久玖原创发布于人人都是产品经理，未经允许，禁止转载。

题图来自Unsplash, 基于CC0协议。

IT瘾产品推荐

拼多多20条运营小技巧

高转化率=快速起量

层级决定流量上限

店铺星级比消费者体验指标更重要

每日必做商品体检

超时发货=虚假发货

有活动好过没活动

ROI比成交出价更稳定

直通车千万别提示余额不足

日限额不要上来就无限额

三十天不出单链接尽快下架

发布相似品链接可以承接流量

截流就玩机会商品

定价=拼单价+限时限量购

讲解视频必须要传

链接断流不要慌

好品可以开运费险

起量速度=拖价节奏

好品才能长久运营

最好的防比价就是独家品

常规商家主要还是玩强付费

最后

中国汽车工业协会：2024年中国汽车产销累计完成3128.2万辆和3143.6万辆 同比分别增长3.7%和4.5%

更多阅读：

Google搜索引擎架构Caffeine

什么是 Google Caffeine？

Google Caffeine的产生背景

Google Caffeine 的核心特性

Caffeine 的技术优势

Google Caffeine的影响

Google Caffeine后更新

RankBrain（2015 年）

BERT（2019 年）

移动优先索引（Mobile-First Indexing，2016 年启动，2021 年完成）

Page Experience Update（页面体验更新，2021 年）

MUM（Multitask Unified Model，2021 年）

实时搜索与增强数据呈现

神经匹配（Neural Matching，2018 年）

AI 驱动的改进（2023 年及之后）

数据隐私与安全性改进

相关文章:

国内高铁票价的计算规则

速度等级

客运运价里程

递远递减

远递减票价计算

运价里程通算

不达速折扣

浮动票价

相关文章:

ChatGPT 最强平替出现！免费就能用，真是太香了｜Hunt Good 周报

Hunt for News｜先进头条

别再迷恋 ChatGPT，快试试它的最强对手

Midjourney 发布 1 周年，进步有多大？

迈开第一步，OpenAI 宣布与美联社合作

‍ Google 最新的「AI 代言人」——一只鸟

Hunt for Tools｜先进工具

Pika，能拍广告大片的 AI 视频工具

Cotrans，自动嵌字的 AI 字幕组

Stability.ai 发布 SDXL 1.0，可在线生图

Google 带来了一个「AI 笔记本」，人人都有 AI 秘书

Hunt for Insights｜先知

比尔盖茨：别急着害怕 AI

GPT-4 变笨了吗？

电商 CEO 用 AI 代替了 90% 的客服

Hunt for Fun｜先行

Pika 制作动态专辑封面

彩蛋时间

华为流程体系：IPD流程框架

一文讲透产品经理如何用好ChatGPT

一、引言

二、GPT-4简介

三、如何用好ChatGPT

0. 产品经理的工作流程

1. 市场调研：提效能力⭐️⭐️

2. 产品规划：提效能力 ⭐️⭐️ ⭐️ ⭐️ ⭐️

3. 方案设计：提效能力 ⭐️ ⭐️ ⭐️ ⭐️

4. 项目推动：提效能力 ⭐️ ⭐️ ⭐️ ⭐️

5. 运营推广：提效能力 ⭐️ ⭐️ ⭐️ ⭐️

中国汽车工业协会：2024年中国汽车产销累计完成3128.2万辆和3143.6万辆同比分别增长3.7%和4.5%