外卖产品下单到收货参与到的角色有用户、商家、骑手、以及平台系统;这四个角色和角色各个对应的场景活动构成了外卖产品的业务流程。 用户从下单到收货的整个业务场景的流转需要多个角色的支持配合。 用户取消订单:首先平台规定一定时间内(10分钟)用户可以免责取消订单,原路线返回付款金额。 10分钟以后,用户选择取消订单,平台就要通知商家,判断商家是否已经开始制作,没有制作且商家同意取消原路线返回金额,如果商家已经制作了,用户就要选择取消原因,送餐时间慢等就进入催单催促商家或骑手尽快送达,
产品定位概述 定位是指确定公司或产品在顾客或消费者心目中的形象和地位,这个形象和地位应该是与众不同的。但是,对于如何定位,部分人士认为,定位是给产品定位。 营销研究与竞争实践表明,仅有产品定位已经不够了,必须从产品定位扩展至营销定位。 产品定位必须解决的五个问题: 满足谁的需要? 他们有些什么需要? 我们提供的是否满足需要? 产品定位五步法的影响因素 在对产品进行定位的时候,需要考虑哪些因素呢?有哪些因素会影响到整个产品的定位和布局,市场的情况、公司自身的实力、外界政策、风险投资等等。 总体来说,包括以下因素: 1、市场同类产品竞争情况; 2、公司自身的因素,公司的实力和战略方向; 3、产品本身的因素,如产品的品质、技术、价格和服务等; 4、风投走向; 5、互联网巨头公司的产品战略方向 产品定位五步法 一般而言,产品定位采用五步法:目标市场定位(Who),产品需求定位(What),企业产品测试定位(IF),产品差异化价值点定位(Which),营销组合定位(How)。
最近,微软Win10事件在测试圈刷屏了。 结果,虽然Win10的发布频率提高了,然而它的质量变差,用户怨声载道。 这是一个有代表性的事件,它关系到软件的测试策略问题。 Win10事件之所以发生,正是因为它轻视了"系统测试"这一条腿的缘故。 在一些情况下,这种平衡状态可能会被主动打破。 因此,对于类似操作系统这样复杂度高,与底层硬件关联度大的产品,其测试策略与互联网产品还是存在差异的,不可以盲目模仿。系统测试(以及探索性测试),在这类产品的测试中占据重要地位。 例如,微软现在要求Win10所有开发人员的电脑上都安装Win10的测试版本,开发自己去做功能测试。这就借鉴了灰度发布的思想:先在小范围试用,收集用户反馈,暴露并解决问题,然后才大面积铺开。
在当今竞争激烈的市场中,如何打造出成功的产品是许多企业和团队关注的焦点。结合实际经验,我总结了一些关于做产品我自己的思考,希望能够为大家提供一些启示。 1、简单是一种能力。 如果所有的要求都作为一个需求点添加到产品上,这样毫无节制的去迭代产品功能,最终会做出一个庞大、复杂、易用性低但功能很全的产品。 一起讨论出来的各种酷炫的产品功能,一旦切换了用户视角去思考,会发现可能完全颠覆。 重度使用自己的产品,才能深刻理解客户的诉求,才能站在客户的角度去思考和解决问题,最终的迭代和交付才是有价值的。 8、降低边际成本。低代码作为一个平台级工具,属于平台级产品。 基于低代码产品构建出来的业务系统,例如:CRM、MES 等同样也是产品。
六西格玛在新产品研发中有一套被称为DFSS(Design For Six Sigma)的方法和工具,其具体的流程和工具今天不聊,只聊一下它的一个基本思想:企业研发的目的是要通过生产来创造利润。 企业研发与基础科研的一个不同之处在于,基础科研追求的是探索,是要在墙壁上钻出一个洞,基本不用考虑钻洞的成本;企业研发追求的是利润,如果新研发出来的产品不能长期稳定地为企业带来利润,那么再高妙的技术也无法得到认可 一个产品的性能往往随生产条件变化而变化。 一个理想的产品,需要对于这些变化的生产条件不敏感,能够持续稳定保持良好的性能。要得到产品性能对应生产条件的变化曲线,有时候需要做实验,有时候可以凭经验,不须教条。 重要的是,研发人员要有大局意识,不把新产品研发孤立起来,而是把它放在公司整体的利润链条中考量,这样才能开发出既叫好又叫座的产品。
对这些过程的分析和理解,能让我们对产品和用户有更深入的,更数量化的认知,进而辅助到日常的运营工作中。本文总结了几点对生命周期分析工作的思考,包括一些数据处理的技巧,主要环节的分析和价值点的挖掘等。 1.2 产品和用户的生命周期 产品生命周期:每一款产品在投入市场后,大体上都会经历探索期,成长期,成熟期和衰退期这四个阶段。 用户生命周期:与产品生命周期相对应的,这款产品里的每一个用户也都有自己的生命周期。 如何评估新增用户的质量,可以基于所分析的产品的侧重点去思考,比如活跃,留存,或者互动的情况。 基本环节:基于产品和用户的角度,对生命周期的新增,留存,活跃和沉默这四个基本环节逐一做了梳理,提出了一些可以思考和分析的点,以及分析过程中碰到的有意思的现象。
思考,为什么会有快慢之分?系统1与系统2到底是如何主导我们的思想?遇到“光环效应”的你是否也迷茫过呢? 本期我们分享的是《思考,快与慢》第七章“字母B与数字13”的读书心得。 其实,在读这一本书的时候我也很奇怪“思考”为什么要和快慢联系到一起。思考不是越快越好么,就像我们做数学题,那不是越早出结果越好么,真是奇怪思考还要分个快与慢。读来读去越来越模糊然后仿佛又越来越清晰了。 作为一个刚入产品不久的小白的我来说,读这本书让我学到的我能运用的最多的应该就是如何使用系统1和系统2和客户方打一场漂亮的心理战,巧妙的运用说话技巧来达到高效的沟通是我想在这本书中学到的东西。 思考是一种艺术,思考的快与慢更是一个值得推敲的哲学。 好了,以上就是我们小组读完《思考快与慢》第一部分第7章的一些小感悟,希望能够帮助大家拓宽思维,深度解析自己在做决策过程,帮助自己做出更好的决定。
作为一名金融市场部架构下的交互设计师,在做了N个金融产品的设计后,对互联网金融产品也有些自己的设计思考,在此抛砖引玉,希望和感兴趣的小伙伴一起探讨。 一、什么是互联网金融? 因此,设计时,从用户操作层面出发,我们需要消除这种高大上的错觉,把它做成一个用户能够掌控的产品。而用户的这种掌控感就来自于设计师对全流程的思考——每个步骤是否足够清晰?用户是否足够了解? 为此,设计时,经过多个版本的思考,最终得到下图中右侧的解决方案——利用信息分层讲清产品形态,每个重点信息下加上备注信息来辅助理解。 四、结语 以上几部分就是我对于互联网金融产品的设计思考。 黎翠霞 腾讯高级设计师 负责腾讯FiT金融市场部金融创新类项目的设计工作,先后设计了QQ红包、微粒贷、微乐行等产品,对互联网金融领域的设计有自己独到的见解和设计方法,并善于思考和总结。
围绕这个前提,接下来分享观察到的构建产品增长基因的 6 个思考方向。 思考线索 1——如何借由产品的功能或数据帮用户生成一个可自嘲或炫耀的成果? 这是第一种思考方向——Input & Output,思考的落脚点在于,最终能不能包上壳对外输出。 思考线索 3——是否可以在用户确认获得较好体验、收获产品价值的时刻,给予用户一个把产品分享给他人的动机? 思考线索 4——是否可以围绕着产品的使用帮助用户树立或迫近自己的“理想形象”? 这个方向的产品基本上和学习、改变、成长相关,这种产品基本上都可以去思考。 思考线索 6——是否可以在产品使用流程中植入某些意想不到的彩蛋? 最简单的彩蛋就来自于文案,借由文案小的交互机制来实现。
本文的10个小故事,或许能让你有所得。 自2011年以来,大数据旋风以“迅雷不及掩耳之势”席卷中国。 在众声喧哗之中,我们需要冷静审慎地思考上述问题。 太多的“唐僧式”的说教,会让很多人感到无趣。 然而,从一开始,“颠簸的街道”的产品设计就是有偏的(bias),因为使用这款App的对象,“不经意间”要满足3个条件:(1)年龄结构趋近年轻,因为中老年人爱玩智能手机的相对较少;(2)使用App的人,还得有一部车 Uber利用数据分析技术,专门筛选出那些在晚上10点到凌晨4点之间的用车服务,并且这些客户会在四到六小时之后(这段时间足够完成一场快速的RoG),在距离上一次下车地点大约1/10英里(约160米)以内的地方再次叫车 [10] 李国杰. 大数据研究的科学价值[J].
退而求其次,希望能够清楚地系统思考如何优化计算机软件的性能。 1. 什么是性能? 对用户而言,更关注及时性,对服务或者产品提供者而言,既关注时间又关注空间,是多种因素的权衡。 2 性能指标——时空纠缠 性能的指标,是指衡量性能的尺度。 假设,a系统90% 的平均响应时间是1秒,b系统60% 的平均响应时间是1秒,那么a系统会有10% 的用户不满意而b系统有40% 用户不满意吗? 4 问题诊断——以终为始 在曾经遇到的性能问题中,大多数是关于响应时间的: “过去做某事只需要不到一秒的时间,现在有时候需要10多秒。” 10 性能是一个功能 最后,希望性能被看作是一个软件应用的功能,就像在 bug 跟踪系统中所展示的那样。
AI成为各行各业最新的“流量密码”,各家公司纷纷为自家产品贴上AI标签,以换取更高的市场竞争力。 目前市面上AI陪伴玩具,从产品形态来看,主流AI陪伴玩具主要包括“玩偶/毛绒玩具”、“智能硬件”、“机器人”三个方向。价格方面,不同产品之间的差距非常大。 从10元就能入手的AI智能硬件,到万元的AI机器人,中间涉及了许多因素,除了产品技术成本的差异外,另外也有因IP受欢迎程度产生溢价,这导致AI陪伴玩具的定价也是天差地别,功能与价格之间存在一定程度的脱钩 综合来看,第一种和第二种是目前AI陪伴玩具的主流,娱乐类产品面向全年龄段用户,而教育类产品则聚焦儿童群体,第三种产品目前则稍有遇冷。 这为产品优化提供了可能性,但也引发了对数据滥用的担忧。
10月动态 消息队列 RocketMQ 版 【商业化】消息队列 RocketMQ 版专享集群正式商业化。基于开源RocketMQ打造,兼容社区SDK,具有低延迟、高性能、高可靠、万亿级消息吞吐等特点。 ★ 消息队列 RabbitMQ 版 【商业化】10月9日起,消息队列 RabbitMQ 版专享集群正式商业化。 往期 推荐 《腾讯云微服务引擎 TSE 9月产品动态》 《百万级 Topic,Apache Pulsar 在腾讯云的稳定性优化实践》 《预告|ArchSummit 全球架构师峰会杭州站即将盛大开幕》 《 PolarisMesh北极星 V1.11.3 版本发布》 《Spring Cloud Tencent 1.7 版本最新发布》 《腾讯云微服务引擎 TSE 产品动态》 《千亿级、大规模:腾讯超大 Apache
10月,文字识别OCR、语音识别、图片标签推出新功能。 图片标签 功能介绍 产品新增两个图像标签版本,并输出详细标签的分类信息,覆盖8个大类、六十多个子类、数千个标签。
10月,数据万象联合腾讯云 AI 和腾讯优图实验室推出了一些新的功能,针对存储在腾讯云对象存储 COS 上的图片,以更高效、更便捷的方式进行智能化处理。 总结 腾讯云存储产品通过产品优化,提供专业化的解决方案,协助企业更好地实现业务扩张,更加平滑地将数据上云,助力各行各业的数字化、智能化转型。
10月,数据万象联合腾讯云 AI 和腾讯优图实验室推出了一些新的功能,针对存储在腾讯云对象存储 COS 上的图片,以更高效、更便捷的方式进行智能化处理。 总结 腾讯云存储产品通过产品优化,提供专业化的解决方案,协助企业更好地实现业务扩张,更加平滑地将数据上云,助力各行各业的数字化、智能化转型。
价格 –使用免费试用计划,每月最多可以免费制作 10,000 个word。每月支付 12.67 美元,最多可以提供 47,500 个word。 它为营销广告、推文创意、产品描述和一般内容撰写标题和正文。 Peppertype.ai 利用人工智能 (AI) 和撰稿人的专业知识来帮助您制作更成功的内容。 特性: 您可以使用它来制作社交媒体帖子、博客帖子、网站文章、产品评论、网站博客帖子等等。 使用 Peppertype,您可以一次制作数十甚至数百篇文章。 具有 1760 亿个参数 它比革命性的 GPT-3 语言模型多了 10 亿个参数。 价格:每月 499 美元至 4799 美元 9. 回答: ChatGPT 可用于生成视觉效果、撰写文章、描述产品、解释困难概念等。例如,你可以要求 ChatGPT 为特定主题撰写概述,他们将提供详尽的大纲或内容简介。
利用大模型, 我们是在解决具体的生产和生活中的问题,产品和技术上的设计仍然不可或缺。 那么,如果大模型正在重新构建软件工程的未来,我们是否应该遵循一些基本原则呢? 1. 这意味着,当我们面临一个问题或任务时,我们首先应思考是否可以利用现有的模型来解决它,而不是立刻着手编写代码。因为代码是固定的,而模型有着巨大的发展空间。 在使用LLM进行编码的过程中,关键的心态不应该是“试试看能做什么”,而应该思考如何从系统中获得最大的杠杆效应。 10. 识别边界,不要认为大模型无所不能 大语言模型的能力确实令人惊叹,它们可以处理和解析大量的文本数据,生成有逻辑和连贯性的文本,甚至在某些任务上超越了人类的表现。
对于toB的产品而言,企业首先要把工具价值做好。这里的“好”有几个层次: 首先,能满足大部分客户的核心共性需求。 其次,在满足需求的基础上,把体验做好。 最后,才是想办法打造产品的生态。 对于个性化的需求,可以开放接口或者开放一段可编辑代码给到客户。对于服务型平台来说,我觉得功能不要做得太”重“,灵活性相对更重要一些。 除了产品体验外,接触用户和服务用户的过程也是可以做“体验管理”的。有几个关键点 1、信息传递要专业、高效。 现在基本都有客户群,但群里的工作人员,处理问题方面不够专业、高效。 很多ToB产品容易犯一个错误,就是在工具价值和服务体验都没做好的时候,就想办法去做模式创新,去做规模。这样就算前期跑起来了,产品和服务也跟不上。
本人初入职场便从事TOB相关工作,参与了tbds等大数据平台的产品建设,近两年逐渐接触人工智能;目前主要负责TI-ONE机器学习平台,结合自己工作经验,在这里分享一些关于ML产品的思考和实践。 人工智能产品经理的思考点 1.明确产品的定位,找到产品能发挥价值的地方 在做TI-ONE初期,我们的目标是做一个通用/易用性高的机器学习平台,让方便业务接入平台。 2.产品形态的把握 对于人工智能产品经理,所需的技能SET,不仅包括原型能力、功能逻辑、信息路径、UI设计,算法模型、数据训练等产品背后抽象的逻辑也同样重要。 这个过程是否便可以做成一个产品化的成果。 过去的互联网产品,可能我们偏向埋头于体验、需求,不太关注技术环节;而在AI产品领域,我们必须要深入技术运转流程,才能提升我们做出一个优秀AI产品的可能性。 ,实现产品的变现。