- 综合排序
- 最热优先
- 最新优先
- 来自专栏喵喵学前端
ServelessDay 2021用户反馈
表单错乱 Demo2 - Serverless相册 demo2的问题就比较多了，我零零散散花费了2-3天的时间，才完整的部署成功。在腾讯云技术团队的帮助下，我成功完成了本地和线上部署。 npm install -g ts-node npm install -g typescript npm install -g cross-env 3.env中的存储桶配置指定的存储桶需要预先在对象存储 接着要切换到mysql用户，键入下面命令： mysql -u root -p 用户的密码在docker-compose.yml文件中，我这里用的是root。
1.4K10发布于 2021-05-25 - 来自专栏腾讯大讲堂的专栏
开采“用户反馈“这座金矿
3口碑传播引导 用户的批评建议有助于产品的优化和完善，而用户的肯定和赞许对提高产品在用户中的好感度的作用甚大，因此加强传播引导用户的“好声音”，从而获取更多的用户量也是一项非常重要的工作。 实际上，若将用户引入私信渠道进行跟进的话，风险可大大降低。 3、闭环。即要确保“用户闭环”，在此基础上最好可以做到用户反馈问题的闭环。 项目团队的人力是有限的，不可能对每一个用户反馈都进行跟进处理，只能处理影响大部分用户的反馈，以提高解决问题的效率，因此归纳共性问题也是用户反馈系统的能力之一。 当然，也可以通过这样的分析，把用户反馈纳入此前已有的共性问题中，避免重复处理，从而提高问题闭环效率。 3、热词分析。 只有置身于其间，你才能明白一个“小白”的茫然，才能深刻理解用户声音。 ? （图为手机管家团队在大学校园的CE访谈现场） 3、过滤并抓重点。
95870发布于 2018-02-11 - 来自专栏用户4624600的专栏
如何高效跟进用户反馈？
此外，部分用户反馈的问题长期处于未闭环状态，即问题提出后未得到彻底解决或反馈确认，这直接影响了整体用户反馈的闭环效率与满意度。 为了提升服务质量和用户体验，我们必须优化这一流程，确保RD、QA团队能够迅速响应并有效跟踪每一个用户反馈，同时提高问题解决的闭环率。 跟进原则 为了权衡用户反馈数量和人力跟进成本，各业务需要根据业务特点、历史用户反馈的问题分析、故障复盘等，来具体制定跟进问题的优先级。 用户反馈跟进共识： 「缺陷原因」中非「需求问题」; 「解决说明」中跟进非「无需解决」「无法再次复现」; 共性原则 级别 规则 跟进方式 高 用户绑定数量激增（连续反馈 x 条以上） 。 对于所有版本的用户反馈，我们将依据明确的优先级标准进行分类，并高效地将这些反馈分配给对应的处理团队。同时，所有反馈都将被纳入月度用户反馈汇总表，以便于进行深度分析与长期趋势跟踪。
81810编辑于 2024-08-20 - 来自专栏与技术
软件必备模块-用户反馈崩溃收集
软件必备模块-用户反馈崩溃收集 我们做一个iOS app 我们做一个安卓 app 我们写一个游戏 我们写一个网站 一定要做用户反馈 要从用户哪了解用户体验，要从用户哪里获得信息。 要鼓励用户评价，鼓励用户提建议。 我们应该用一种便捷的方法让用户进行反馈。现在基本就是一个弹框，一个提示按钮。知乎摇一摇可以摇出来。app store会用星来代表评分。 后面会写一篇专门对比不同的用户反馈系统。 一定要做崩溃收集 代码写崩是一种必然，我们只能尽力降低崩溃发生。我觉得写可测试的代也是一个可避免的问题。虽然很多问题设计的时候根本不会这么考虑。 崩溃率是用户体验的重要一部分。崩溃率也是绩效的一部分可能，不过如果写出bug就扣绩效，估计这样的公司也长久不了。 我觉得总体这些可以总结为对用户体验的感知。
67970发布于 2018-05-25 - 来自专栏亨利笔记
Harbor用户意见反馈调查
为给广大用户提供更好的产品，现进行Harbor用户意见反馈收集，只需要1分钟左右。欢迎大家参与，感谢支持。 如果调查中没有的问题和意见，可以邮件harbor@vmware.com，或github上面开issue反馈。
57710编辑于 2023-04-18 - 来自专栏CNCF
OpenTelemetry｜为更好的产品收集用户反馈
OpenTelemetry 非常重视用户反馈。改进产品的最好方法之一是从产品用户那里获得直接反馈。这通常是非常困难的，因为你必须找到一个愿意并且能够在新的实现周期中提供反馈的新用户。 从最终用户那里获得反馈是发现产品缺陷并学习开发更好产品的完美方式。 我们遵循的用户研究过程经历了一系列的步骤，包括创建一个示例项目和在该项目中实现 OpenTelemetry 测仪。 是否存在最终用户期望的未处理的异常？ 最终用户的体验有哪些不足之处？ 作为用户研究过程的总结，参与者通过表单提供了评论和结构化的反馈。收集对常见问题的经过整理的回答可以为开发团队提供有价值的反馈。 如果你对 OpenTelemetry PHP 项目感兴趣，我们为 OpenTelemetry-PHP 项目提供了一个LFX 指导机会[3]！ 谢谢 Ted Young 在这篇文章的标题照片！ usp=sharing [3] LFX 指导机会: https://github.com/cncf/mentoring/blob/master/lfx-mentorship/2021/01-Spring
94910发布于 2021-03-15 - 来自专栏向治洪
Android监听自身卸载，弹出用户反馈调查
不知道大家在使用一个Android应用的时候，当我们卸载这个应用后，设备上会弹出一个“用户反馈调查”的网页出来，也许很多人没有留意过或者直接忽视了，那么从现在开始请留意，大家不妨下载一下“豌豆荚”“360 ”之类的应用装上，然后卸载，看看设备上有没有弹出浏览器，浏览器上打开的“XXX用户反馈”？ 层以我们有的Android基础分析一下： 1，监听系统的卸载广播，但是这个只能监听其他应用的卸载广播的动作，通过卸载广播监听自己是监听不到的：失败 2，系统配置文件，做一个标记应用是否卸载，判断标记来show用户反馈 2，原理分析 上面情景分析后表明Java实现不了这样的一个功能，是否该考虑一下使用JNI了，用C在底层为我们实现这样一个打开内置浏览器加载用户反馈网页即可，在知道这个方法之前，我们有必要了解以下几个知识点 好了，大家看看效果吧，实际上打开的网页应该是用户反馈调查页面，由于我暂时没有服务器，所以将网址定向到了百度首页了，大家在开发的时候，可以将execlp函数里的参数网址改成自己的服务器网址，这样就大功告成了
3.4K50发布于 2018-02-01 - 来自专栏一“技”之长
iOS10为用户添加触摸反馈 原
iOS10为用户添加触摸反馈 在iOS10中，UIKit框架中新增加了3个类，UIImpactFeedbackGenerator类、UINotificationFeedbackGenerator 开发者使用这3个类可以进一步为用户的某些交互操作增强反馈。举例而言，当用户点击了某个按钮，开发者可以为其提供一个适当的震动效果作为触觉上的反馈。 UIImpactFeedbackStyleHeavy }; UINotificationFeedbackGenerator类是专用于通知类交互的触觉反馈，其在进行反馈时也有3中枚举类型可选，解析如下 需要注意：不是所有的场景都需要反馈，频繁的触觉反馈会给用户代码困扰，开发者在使用这些类时要适当。 有时候，频繁的触觉反馈可能会引起反馈延时，这将大大降低用户的体验，官方建议开发者在合适的时机创建反馈，然后调用prepare方法来使反馈准备完成，之后在需要的时机再进行反馈的触发。
83330发布于 2018-08-15 - 来自专栏AI SPPECH
96_主动学习提示：用户反馈驱动优化
用户反馈获取：向用户展示最有价值的候选提示及其输出，获取反馈。 提示优化：基于用户反馈，优化提示模板。 循环迭代：重复上述过程，实现提示的持续优化。 根据反馈的形式和内容，可以将用户反馈分为多种类型： 显式反馈：用户直接对模型输出给出评分、评论或修改建议。 隐式反馈：通过用户的行为（如点击、停留时间、重复查询等）推断用户的满意度。 解决用户反馈中指出的问题 2. 保持专业、友好的语气 3. 从用户反馈中提取关键改进点 2. 借鉴相关任务优化经验中的有效模式 3. 保持提示的核心意图不变 4. 解决用户反馈中指出的主要问题 2. 保留原始提示的核心功能 3.
33410编辑于 2025-11-16 - 来自专栏搜狗测试
一个用户反馈看问题分析定位
起因 收到一条用户反馈 问题描述：在软件A中使用输入法卡死 跟进过程 获取用户出现问题的系统和架构 获取用户出现问题的输入法版本 测试小S在本地环境复现问题 跟进结论 用户反馈可以复现，提交bug给开发 bug描述：在软件A中使用输入法，触发B功能后，输入法卡死 开发跟进 开发小X接到bug后查找问题原因，尝试修改，在此过程中，小X联系了用户方，反馈给测试小S说复现的问题不对，跟用户的现象不一致，两方说的不是同一个问题 修正后的用户描述：在软件A中使用输入法，进行了C操作，输入法卡死 问题分析 收到这个信息后，小W和小S一起跟小X进行了沟通确认，小X始终咬定两边不是同一个问题，要求重新复现用户的问题 用户描述：在软件 ，可以发现从问题出现到问题解决，中间的纠结，其实都是对问题的分析定位，小编根据以上问题的分析过程，总结了在问题分析定位时的几个事项： 1） 问题描述是否清晰无歧义 2） 问题的相关信息是否收集全 3） 本地复现步骤与用户是否一致 4） 其他操作是否会导致同样现象 5） 各步骤引发的目的是什么 分享结束，欢迎互动分享，共同进步
88450发布于 2020-11-02 如何利用YashanDB提升用户反馈数据的分析能力？
引言在现代数据驱动的业务环境中，用户反馈数据的价值愈发凸显。企业希望通过深入分析这些数据来获取用户洞察、优化产品决策并增强客户体验。 然而，处理海量用户反馈数据时，数据库技术面临着性能瓶颈和数据一致性的问题。 该架构支持针对用户反馈数据的大规模分布式处理，具有强大的并行计算能力，适合高并发的查询需求。在进行用户反馈数据分析时，多用户的查询请求不会相互干扰，确保系统在高并发场景下依然能够保持良好的响应速度。 3. 强大的查询优化能力YashanDB的SQL引擎集成了强大的优化器，能够采用成本优化（CBO）策略自动生成高效的执行计划。通过对用户反馈数据潜在查询的预分析，系统能够智能预测查询的最优路径。 3. 利用查询优化器：在设计查询时，调优SQL语句，使其更充分发挥YashanDB的查询优化能力。定期查看和更新统计信息，确保执行计划的准确性。4.
17600编辑于 2025-07-162023年YashanDB数据库用户反馈与改进方向
本文基于2023年用户反馈数据，深入分析YashanDB当前的技术表现，并探索未来技术改进的重点方向，助力用户和研发团队持续提升数据库性能和可靠性。 用户反馈聚焦于共享集群下的全局缓存一致性管理及锁资源竞争带来的性能波动问题，这提示进一步优化集群内核及调度机制的必要性。 2023年反馈中，用户一致认可MCOL在实时分析业务中的即时更新能力及查询加速效果；但部分高并发场景中MCOL的原地更新机制在锁竞争和内存管理上表现需加强。 用户反馈指出，优化器在动态统计信息采集频率与覆盖范围方面具备优化空间，尤其是对复杂联接顺序和多阶段查询计划的选择需进一步智能调度。 用户反馈显示，内存缓存淘汰策略和线程调度机制的优化潜力较大，尤其是在高负载与动态负载波动场景下，缓存击穿和线程资源调度不均衡情况仍出现。
17210编辑于 2025-11-15- 来自专栏炼丹笔记
从用户反馈的可解释性提升推荐模型
Learning的框架,通过用户在可解释性的推荐结果上的行为线索,提升推荐效果.如下图所示,Alice收到一个电影推荐Fight Club,基于历史观看和item2item,该推荐结果伴随着3个相关的电影 (Alice之前喜欢的),出于以下原因: exp1 有着喜欢的演员 exp2 结局有惊喜 exp3 有着暴力的内容 我们看到alice喜欢前两部推荐的电影不喜欢包含暴力内容的推荐,当给予alice有解释性的推荐结果后 Brad Pitt,喜欢有惊喜的结局和讨厌暴力,然而现实是用户不愿意花时间去填写这种信息.这篇论文就是探讨如何使用用户在可解释推荐结果的反馈.主要有以下两个问题: 反馈:如何引导用户在可解释性的推荐结果上做反馈 可行性:如何使用这些反馈,影响用户的下一次推荐? ,融合用户反馈的方法的推荐离线指标还是不错的,更多细节参考原文.
83220编辑于 2021-12-20 2023年YashanDB数据库用户体验及反馈总结
本文从技术层面系统总结了2023年YashanDB在实际应用中积累的用户使用体验与反馈，侧重解析其架构设计、存储引擎、多版本并发控制、优化器构建及高可用架构等关键技术实现，为数据库开发者、运维人员及架构师提供参考与借鉴 同时支持Hint提示供用户干预执行计划生成。执行引擎采用火山模型，集成向量化执行技术，通过SIMD指令并行处理批量数据，显著提升计算效率。
16210编辑于 2025-10-17- 来自专栏秋枫学习笔记
正反馈+负反馈还不够，还有【中性反馈】
以前的工作倾向于将基于会话的推荐制定为下一个商品预测任务，而忽略了用户行为的隐含反馈，即用户真正喜欢或不喜欢什么。 因此，本文提出了一个综合框架，通过正反馈（即他们花更多时间阅读的文章）和负反馈（即他们选择跳过而不点击的文章）来模拟用户行为。 并且该框架使用会话开始时间隐含地对用户进行建模，并使用其初始发布时间对文章进行建模，称之为“中性反馈”。 本文主要是考虑不同的反馈方式，构建一种新的反馈“中性反馈”来加强对用户兴趣的建模。 2. 2.3 将时间建模为中性反馈 一个用户在一篇特定文章上停留的活动时间是持续时间。 2.4 正反馈 隐式正反馈采用用户点击每篇文章后在其上花费的活跃时间间隔。如果用户在一篇文章中停留的时间很短，很可能是因为用户被标题所迷惑，但实际上并不喜欢这篇文章。
1.3K20编辑于 2022-09-19 - 来自专栏AI派
矩阵分解如何解决隐式反馈（预测用户行为）
普通的矩阵分解只能解决用户的显式反馈，简单来说就是用户评分数据，但现实中推荐系统更多的是预测用户行为，如何使用矩阵分解来预测用户行为呢？ ? 这种方法认为如果用户与物品之间没有隐式反馈，则认为评分为0，如果有至少一次隐式反馈，则认为评分是1，反馈的次数可以用于衡量权重（置信度）。这样目标函数为下面的公式： ? 其中，Cui 为权重。 ? One Class 问题 在预测用户行为（隐式反馈）时，大部分只有用户正向选择行为的记录（正样本），这类问题即为One Class 问题，即单类问题。 要解决这个问题就是如何填充这些缺失值，也就是如何收集负样本，在使用加权交替最小二乘法时，将所有的没有隐式反馈的情况（缺失值）都认为是0，这样做有很大的问题，前面已经说过了，设置为0也分为两种情况：一种是用户没有看到该物品 总结 通常矩阵分解只能用来解决用户的显示反馈问题（评分问题），针对想要解决用户的隐式反馈，可以通过使用加权交替最小二乘法来解决。在解决隐式反馈问题时，会同时引入一个新的问题：One Class。
2.8K30发布于 2018-07-25 - 来自专栏HenCoder
HenCoder 3-1 触摸反馈，以及 HenCoder Plus
这期的内容是之前说过的，自定义 View 的最后一部分：触摸反馈。 触摸反馈的概念简单，但是内部逻辑比较复杂，往往把开发者难倒、让人总也学不会的也是因为逻辑太多绕不过来，所以我这次又做了一个长长的视频来讲解原理，把最本质的东西拆解开来讲，希望能让你比较舒服地吸收。 视频的制作花了 5 天时间，一共 12 分钟多，全部是讲的触摸反馈的一些最核心的逻辑和原理。 细节上反而没有讲太多，因为讲这方面细节的文章，网上已经一大堆了，而且不少都写得很好。 总结： 自定义触摸反馈的关键： 重写 onTouchEvent()，在里面写上你的触摸反馈算法，并返回 true（关键是 ACTION_DOWN 事件时返回 true）。
50520发布于 2018-08-20 - 来自专栏大葡萄元元
蒲公英：用“摇一摇”诠释 App 的内测用户反馈
有经验的开发者们都知道，要将测试用户的各种反馈意见、问题报告等收集起来并加以整理，是一件非常繁琐、而且费时费力的事情。 这些问题的出现，促使了蒲公英的内测反馈功能的诞生。 ? 蒲公英的内测反馈功能，可以帮助测试用户非常轻松的完成问题的提交。开发者的App在集成了蒲公英的SDK后，用户只需在App内“摇一摇”，即可激活蒲公英提供的问题反馈表单。 在这个表单中，用户不仅仅可以填写文字来表述问题，还可以录制语音。同时，蒲公英还非常贴心的帮用户将当前问题的截图保存起来，一起提交给开发者。 另外，对于任意一个用户的问题反馈，开发者都可以对其进行标注。对于已经修复的问题，开发者可以点击页面中的“转为已处理”按钮，将该问题变成已经处理过的状态。已经处理过的问题，会用不同的颜色进行显示。
1.9K10发布于 2018-09-05 - 来自专栏企鹅号快讯
互联网时代的产品升级和用户反馈故事
只是今年一些用户在加利福尼亚州、纽约州和伊利诺斯州地区等多地法院提起的集体诉讼，激起了用户公愤。 此外，该公司还将在明年年初发布操作系统更新，让用户对电池寿命有更多的了解。 经过日本用户曝光不满，互联网也是一片骂声，虽然英伟达在这个领域处于霸主地位，但大部分用户认为不能因为要推性能价格更高的TESLA，而禁止使用GeForce进行深度学习。 和TITAN系列产品误用在需求严苛的大规模企业环境中；Tesla系列产品，满足了独特的机械、物理、管理、功能、可靠性、有效性要求，包括为数据中心的工作负载提供3年质量保障、保证连续提供以及延长数据中心组件 1、产品功能划分和定价要明确； 2、不要把用户当傻瓜，即使他们曾经像傻瓜一样支持你； 3、产品升级除了前期预热、让用户买单，也要改良用户接受的方法，不能以损害用户体验为代价。生意，是长期的。
1K60发布于 2018-01-16 - 来自专栏哲学驱动设计
用户反馈：对 Rafy 开发框架的一些个人建议
他从用户群体分析、社区、商业模式、技术支持等方面对框架发展提出了建议，我觉得写得非常不错。此文不仅适用于 Rafy 框架，所以不敢私藏，转载出来和大家分享。 以上仅仅是本人对于Rafy潜在使用者的一些分析，而这4类使用者都可能成为实际的付费用户，但是按照个人的理解1、2、4的可能性会更大一些。 那么如何吸引大家真正使用该框架进行实际的软件开发，进而成为付费的用户呢？这个值得花时间认真思考，过了没有人用不及又不能很好的维持产品的正常开发升级。 因此，无论是开源或者是商业化都需要一套比较完善的技术支持体系来支撑，让使用者放100个心，用你的东西没有后顾之忧，即使你的东西被人收购了，也会有补充协议保证已经使用的用户能够得到必要的支持。 3、写在最后的几句话 由于许多年前就不再写代码，也不再是IT行业的一员，以上仅是本人的一些个人体会。
98280发布于 2018-01-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号