- 综合排序
- 最热优先
- 最新优先
- 来自专栏探索RPA
如何控制RPA项目成本并提升ROI？
ROI（投资回报率）通常是RPA项目中的一个非常关键的指标。在RPA项目中，收益主要表现在成本降低和收入增长两方面，即ROI=（成本降低+收入增长）/总成本。 对企业运营者而言，在评估PRA项目是否值得去做时，计算ROI指标非常重要。如果想要获得可观的经济效益和商业优势，就要在部署RPA时控制好总成本。 然而，项目实施过程中，可能会遇到一些变数，导致出现预算超支、成本增加，从而影响到RPA项目的ROI。 [如何控制RPA项目成本并提升ROI？] 导致成本增加的常见原因有哪些？ 2、对业务需求了解不透彻，以至于RPA部署不当，导致出现供求矛盾，要不断补充新功能，增加额外成本。 3、对项目建设周期预估不足，反复调试耗费大量人力和时间成本。
95920发布于 2020-01-07 - 来自专栏漫谈测试
聊聊接口自动化测试ROI提升策略
一、 ROI不只是金钱首先，必须和管理层以及团队在认知上对齐：接口自动化的价值不能仅仅用“节省了多少人力”来衡量。 量化与非量化收益并重可量化的收益（需要持续收集数据）：回归测试效率提升： 虽然初期建设慢，但一旦建成，每次发版可节省的回归测试时间会非常可观。 2. 精准选择自动化范围，最大化ROI遵循 “二八定律” ，优先自动化那20%能带来80%回报的接口。判断标准包括：核心业务流： 直接影响主营业务收入的流程。 三、 让ROI尽早可见，获得持续支持“立竿见影”很难，但“尽早可见”是可以做到的。1. 融入CI/CD，快速展示价值这是最关键的一步。 2. 定期汇报进展，用数据说话建立定期的汇报机制（如双周报），向管理层展示：能力建设指标： 自动化用例数量增长、接口覆盖率提升。效率提升指标： 本次迭代节省的回归工时、Bug早期发现数量。
34610编辑于 2025-11-25 - 来自专栏App数据监测
数据驱动营销：移动广告效果监测提升投放ROI
为了解决以上问题，并针对效果类广告做全面分析，不少广告主选择借助openinstall搭建一套完善的移动广告效果监测体系，充分衡量全渠道广告投放效果，基于实际投放数据对买量渠道进行自动化深度调优，提升广告主买量增长的能力 图片在实现精准归因的前提下，可了解到不同渠道的广告效果和投放情况，包括曝光、点击、激活、注册以及用户后续的活跃、留存、自定义事件等深度转化数据，进而优化广告的投放策略和渠道选择，提高各渠道投放效果和ROI 图片构建精细化运营能力，挖掘优质渠道与流量当前市场获客成本水涨船高，投放预算却在不断收紧，这就要求广告主必须提升精细化投放和运营分析能力，因此在多维度数据的时效性、完整度、智能化和深度性上必须精益求精。
1.7K10编辑于 2023-08-11 - 来自专栏敏捷分析
【补贴策略】用户质量&用户价值&用户成本的ROI提升
导 语 腾讯灯塔 用户增长三要素——“用户成本、用户质量、用户价值”之间的效率ROI的提升，是帮助供给侧和用户端的“交易效率的提升"和"市场占有率的提升"的重要抓手。 从“降本增效、精耕细作”入手，在技术壁垒、算法壁垒、供给侧运营能力壁垒中，依然看到了可以更好提升的有力抓手。 用户客单价的提升是随着对平台的信任度和忠诚度的提升而提升的。 ▌用户购买频次低？ 新用户对平台缺乏忠诚，没有建立起信任感，在有购买需求时很难跟网站建立有效联系。 的心理法术（符合心理，娱乐心情，社交价值） ⑥ 根据订单类产品运营增长策略，给出的词汇和公式解释 名词解释 用户获取成本（CAC）： Customer Acquisition Cost 投资回报率（ROI =GMV/投入成本 ROI=（成本降低+收入增长）/总成本 增长量=安装量×月活跃用户数×消费用户数×平均订单金额×复购率 收益评估 制定补贴策略时，需要区分A对照组和B实验组与C测试组来测算ROI
4.2K62编辑于 2022-08-25 - 来自专栏小鹏的专栏
OpenCV之图像ROI与ROI操作
# 获取ROI cy = h//2 cx = w//2 roi = src[cy-100:cy+100,cx-100:cx+100,:] cv.imshow("roi", roi) # copy ROI [:, :, 2] = 0 cv.imshow("result", src) cv.imshow("copy roi", image) # example with ROI - generate mask int cy = h / 2; int cx = w / 2; Rect rect(cx - 100, cy - 100, 200, 200); Mat roi = src(rect); imshow ("roi", roi); Mat image = roi.clone(); // modify ROI roi.setTo(Scalar(255, 0, 0)); imshow("result roi", image); // example with ROI - generate mask Mat src2 = imread(".
76420发布于 2021-07-19 - 来自专栏唐国梁Tommy
笔记分享 : 一文读懂3个概念 : RoI, RoI pooling, RoI Align
记住这个值，后续所有的RoI在缩小时，都需要除以32，得到缩小后的尺寸。 【注意：不同的案例，feature map和factor的大小都不同，我们这里只是举例说明。】 2. RoI Align 解决了 RoI pooling中的数据丢失问题，这里使得数据能够保全，没有丢失。它们之间的区别在于量化，RoI Align在data pooling中没有使用量化。 2. 接下来，我们分别计算网格中的四个坐标点的值，顺序是先第一列的2个点，然后再计算第二列的2个点。 / 3) ~= 9.94 Y2 : 6 + ( 1.51 / 3) * 2 ~= 7.01 第三个点的坐标计算： X3 : 9.25 + (2.08 /3) * 2 ~= 10.64 Y3 : 6 + 总结来看，RoIAlign在precision上带来了更大的性能提升。
21.8K1111发布于 2021-05-28 - 来自专栏深度学习和计算机视觉
RoI Pooling 与 RoI Align 有什么区别？
需要注意的一点是RoI并不等价于bounding box, 它们可能看起来像，但是RoI只是为了进一步处理而产生的候选区域。 RoI Pooling = crop feature + resize feature 通过上图的容易得到，RoI Pooling的作用本质上是为了将不同尺寸的RoI特征转换为相同的特征图输出，保证特征图展开 下图中绿色框为RoI对应的实际区域（由于经过特征尺度变换，导致RoI的坐标会可能会落到特征图的单元之间）， 蓝色框代表量化(网格对齐)后的RoI所对应的特征图。 以当前 尺寸的特征图为例，对于宽度方向，，但是对于高度方向由于 ， 通过向上和向下取整整，确定高度方向特征子区域的大小分别为2和3。 cs231n.stanford.edu/slides/2020/lecture_12.pdf https://towardsdatascience.com/understanding-region-of-interest-part-2-
1.3K10编辑于 2022-02-14 - 来自专栏互联网数据官iCDO
ROI已死？
似乎只有这几个了，另外一些猛投效果类广告的行业，其实根本不可能仅仅通过购买流量实现利润为正（请注意是利润为正，不是ROI大于1，ROI大于1比比皆是，但是ROI很多时候大于2甚至3也未必有正向利润），他们投效果的目的是为了更长时间维度的盈利 2 从每个行业流量变现的角度看，ROI都是越来越低 请注意，是流量变现的角度看。整体营销的ROI未必是越来越低的，这个取决于你是否能够快速转型为真正意义上的数字营销，而不是流量变现。 所以，如果以流量变现ROI提升为商业目标，是一个错误的目标，除非你的起点太低，否则难以实现了。 3 ROI这个指标的先天问题是用“瞬时”衡量一个时间段 营销真正的效果跟时间息息相关。 4 ROI不能反映归因状况 低ROI的渠道并不一定就差，高ROI的渠道也不见得就牛逼。 ROI，但ROI早已不是营销的标的。
94420发布于 2019-10-06 腾讯大数据驱动地产数字营销：提升投放ROI与运营效率
2. 基于客研与LBS构建精准投放策略 针对痛点，通过多渠道客群研究（线下问卷、访谈、合同地址分析、TDC线上画像）建立分群策略，并转化为腾讯可执行的标签方案。 成交客户区域： 根据签约用户地址（如金融城地铁站、文化宫地铁站2km半径）挖掘推广盲区。 3. 量化投放效果与运营指标提升 通过定制投放与常规投放的对比，验证了数据驱动策略在转化率与成本控制上的具体成效。
11100编辑于 2026-05-30- 来自专栏计算机视觉理论及其实现
RoI Pooling与RoIWrap Pooling与RoIAlign Pooling与Precise RoI Pooling
2. RoI Pooling这种Pooling方法我是在Faster RCNN中看到的，该种Pooling方法采用的运算方法比较直接。下面是其计算的流程图：? 可以看出这里去掉了第二次的量化操作，进而减小了误差，也提升了检测的精度。4. 从而提升了检测的精确度。? 那么它具体是怎么搞的呢？还是用之前的例子来看看吧。 对于这样的一个块，假设在其中选择 2 ∗ 2 2*2 2∗2个采样点，那么每个采样点的值也是可以通过双线性差值得到，这样也是连续的。 这就使得其检测精确度进一步提升。具体的差别有多大呢？可以看一下Mask RCNN中给出的实验数据。?5. Precise RoI Pooling?
1.3K20编辑于 2022-09-02 - 来自专栏疯狂学习GIS
ENVI感兴趣区ROI文件由XML格式转为ROI格式
本文介绍在ENVI软件中，将用户自行绘制的.xml格式的感兴趣区（ROI）文件转换为.roi格式的方法。 绘制完毕后，我们需要通过右击ROI列表，选择“Save As”保存我们刚刚绘制好的ROI文件。 可是这样保存后，软件强制设定默认的文件格式为.xml格式，而非.roi格式；如下图所示。 当然，对于新版本的ENVI软件，其虽然默认保存.xml格式的ROI文件，但也完全支持对老版本.roi格式ROI文件的读取；但有时由于一些原因，我们可能必须要将绘制好的ROI文件保存成.roi格式。 在我们的ROI文件列表中，任意选择一个ROI类型并双击，打开Region of Interest (ROI) Tool窗口。 选择我们要保存的ROI文件类别，并配置后文件名与路径。 即可看到，我们已经成功获得了.roi格式的ROI文件，即完成了由.xml格式向.roi格式的转换。 至此，大功告成。
1.5K10编辑于 2022-08-10 - 来自专栏AIUAI
Caffe2 - (三十二) Detectron 之 roi_data - 模型 minibatch blobs
Caffe2 - (三十二) Detectron 之 roi_data - 模型 minibatch blobs 根据对应的 roi_data 模块可以处理 对应模型的 minibatch blobs. y2)， - batch_idx： 图片 batch index - (x1, y1, x2, y2)：矩形框 """ y2). y2). , y, x = inds_4d[0], inds_4d[2], inds_4d[3] _roi_bbox_targets = np.zeros((len(im_inds), 4
1.4K90发布于 2018-05-17 - 来自专栏AiPy实用案例
爱派（AiPy）实战：广告投放策略，投放 ROI 直接提升 40%（附保姆级教程）
对广告投放、内容营销从业者来说，投放 ROI 直接大幅度提升。 深度分析用户痛点：方便广告内容将产品卖点与用户痛点精准匹配从而提升转化率。如图：对市场和用户进行分析。 效率革命：从 “3 天出 1 版 brief” 到 “10 分钟出结构化方案”，省去跨部门沟通的内耗精准度提升：基于市场数据提炼痛点，避免 “自嗨型素材”，让广告投放 ROI 提升 40%门槛降低：不懂用户调研的运营也能输出专业 它虽不能完全解决问题，但能让你的效率提升10倍不止。本期分析就到这里。如果你有任何疑问，或想让AiPy帮你攻克难题，欢迎在评论区留言。
72110编辑于 2025-07-21 - 来自专栏我的C语言
寒假每日提升(2)
2、sizeof和strlen的区别 1、strlen是C语言库函数，功能是求字符串长度，正因为这样所以才要‘\0’的存在。 2、sizeof是计算变量在内存的占空间的大小，单位是字节。 3、关于此类的计算题目 3、1、题目一 #include <stdio.h> int main() { char arr1[3] = {'a', 'b', 'c'}; char arr2[] = " abc"; printf("%d\n", strlen(arr1)); printf("%d\n", strlen(arr2)); / printf("%d\n", sizeof(arr1)); printf("%d\n", sizeof(arr2)); return 0; } 很显然，这里strlen算不出arr1的数值，但是其他三个都能正确的判断吗？ 3、2、题目二（sizeof专题） 根据这篇文章，下面开始结合那天复习的内容，来点难一点的题目。
24510编辑于 2024-01-23 - 来自专栏我的知识小屋
八、ROI泛洪填充
WINDOW_NORMAL)#创建一个窗口 cv2.imshow("Image", img)#显示图像 roi=img[200:400,200:400] cv2.imshow("roi", roi)# 我们得到ROI内容后，可以对该部分的内容进行编辑，例如转为灰度图像： gray_roi = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY) cv2.imshow("gray_roi roi=img[200:400,280:450] cv2.imshow("roi", roi)#显示图像 gray_roi = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY ) cv2.imshow("gray_roi", gray_roi)#显示图像 gray_roi_rgb = cv2.cvtColor(gray_roi, cv2.COLOR_GRAY2BGR)#灰度图像转 以上代码中灰度转RGB图像的代码为： gray_roi_rgb = cv2.cvtColor(gray_roi, cv2.COLOR_GRAY2BGR) 最终运行结果如下： ?
1.1K10发布于 2021-01-14 - 来自专栏AIUAI
Caffe2 - (三十三) Detectron 之 roi_data - data loader
Caffe2 - (三十三) Detectron 之 roi_data - data loader 1. loader.py Detectron data loader.py 是通用设计，与 minibatch python import core, workspace from core.config import cfg from roi_data.minibatch import get_minibatch from roi_data.minibatch import get_minibatch_blob_names from utils.coordinator import coordinated_get _blobs_queue_name = 'roi_blobs_queue_{}'.format(self. import logging import numpy as np from core.config import cfg import roi_data.fast_rcnn import roi_data.retinanet
1.2K40发布于 2018-05-17 - 来自专栏服务端技术杂谈
ROI解决什么问题？
在工作中，大家经常讨论ROI。 但，有时你会发现，ROI已经被滥用了。 有时，ROI变成了一种僵化的流程。用ROI当作挡箭牌，让不作为藏在背后，给自己的主动性差、执行力差找到了借口。 我们可以想象下，工作中什么时候大家习惯提到ROI。 其实ROI一般是用于实现某个目标的过程上。 比如目标确定了，我们要完成目标，这时才通过ROI考虑哪种实现方式最合适。 在多种方式中，我们会考虑结合自身能力、资源以达成目标成本最低的那个，那这个过程就是考虑ROI合适的那个方式。 但有些人，误将ROI当作是否树立目标的参考方式。 比如，因为ROI低，所以这个目标不成立，或者考虑不去完成这个目标。 这种就大错特错了。 因为目标是一定要完成的，ROI才是你选择最合适实现目标的那种方式的评估标准。 尽管我们知道了ROI存在于how的部分，那过度聊ROI其实也是一种偷懒的行为。 这往往是由我们对于一件事情所树立的世界观决定的。
75610编辑于 2023-03-22 - 来自专栏AI深度学习求索
ROI操作：ROIPooling和ROIAlign
目标：为了使得检测网络可以输入任意size的图片，使用ROIPooling在网络中某一个阶段将不同尺度的图片ROI pooling成相同的尺度，使得fc的存在也无法写死输入图片的size。 具体计算： 下图为一张8*8的feature map，选取其中一个5*7的region输入ROIPooling输出2*2的结果。 （1）划分为2*2=4块区域 1）5/2 = 2.5 --> 2, 剩下的为3，则2+3 2）7/2 = 3.5 -->3， 剩下的为4，则3+4 （2）取每个小区域的最大值为pooling值 ? 具体计算： 下图为一张8*8的feature map，选取其中一个5*7的region输入ROIPooling输出2*2的结果。 （1）划分为2*2=4块区域 1）5/2 = 2.5 --> 2.5, 不再取整，则2.5+2.5 2）7/2 = 3.5 -->3.5，不再取整，则3.5+3.5 （2）将每小块再分为4个小区域，使用双线性插值的方法求取这四个小区域的中心点处的值
4.5K20发布于 2018-12-11 - 来自专栏AIUAI
Caffe源码 - RoI Pooling 层
y2] zero-based indexing } bottom_index 为每次在 bottom[0] 中的第一个维度的偏移量，[x1, y1, x2, y2] 是 feature map 中点的坐标 R = [batch_index x1 y1 x2 y2]: max pool over R for (int n = 0; n < num_rois; ++n) { int roi_batch_ind x1 int roi_start_h = round(bottom_rois[2] * spatial_scale_); // top-left y1 int roi_end_w = round (bottom_rois[3] * spatial_scale_); // bottom-right x2 int roi_end_h = round(bottom_rois[4] * spatial_scale _); // bottom-fight y2 CHECK_GE(roi_batch_ind, 0); CHECK_LT(roi_batch_ind, batch_size); int roi_height
1.1K50发布于 2019-02-18 - 来自专栏CDA数据分析师
观点︱如何提升渠道ROI？在数据分析的基础上实现精准营销
360°无死角的数据分析 事实上，很多企业，尤其是互联网企业，已经通过对渠道ROI(投入产出比)进行数据分析，实现了一定程度上的精准投放。 用户是从线上线下的哪些渠道转化而来，用户使用产品或服务的体验如何，每一个环节都应该监测流 量、转化率和用户行为特征，以形成全周期的渠道ROI分析。 如何实现极致的精准营销 笔者以某教育机构为例，介绍一下如何进行全周期的渠道ROI分析，实现最极致的精准营销。 第一步，定义用户唯一标识，辨别不同用户的渠道来源。 企业通过线上线下渠道引入的潜在用户会有一定比例成为正式付费用户，客服人员应及时将这些用户信息录入CRM系统中，由销售人员继续跟踪，提升转化率。 做到这一步的企业，将发现在投入不变的前提下，通过优化各渠道的投入比例，就能提升50%甚至更多的收入。 给营销人的几点建议 在数据至关重要、移动互联网横扫全球的情况下，下面几点是企业营销人需要注意的。
1.5K90发布于 2018-02-11
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