:::: MENU ::::

TalkingData's Blog

现在开始,用数据说话。

Posts Categorized / Ideas

  • Jan 02 / 2018
  • 0
Ideas

锐眼洞察 | 驱动业务AI数字化转型的4大因素(翻译)

作者:Felipe Sanchez

原文:The drivers of AI Business Transformation

译者:TalkingData研发副总裁 阎志涛

本译文禁止商用,转载请注明来源与译者!

译者注: 随着大数据和AI的发展,传统的商业模式都在面临数字化转型的挑战。无论是金融、零售还是传统的制造业,都需要从以产品为中心转变为以客户为中心,这就需要真正的用更丰富的客户数据来了解客户,用更密切的与客户的交互来使得客户参与到产品的实现中,最终实现个性化的客户的服务和产品。在2018年,让我们真正的能够将大数据和AI的价值带给客户。

在这个数字化转型的时代,AI将会为所有类型的组织带来变化,从汽车驾驶(计算机视觉技术)到制造业(吴恩达刚刚宣布他的新的公司将会用AI改变制造业)。这些变化将使得以数据科学为核心战略的现代组织出现创新的业务模式和项目管理方式。 在这篇文章中,我将会列出新的数字化转型的主要驱动因素,以及其对社会商业模式和就业的潜在影响。在数据驱动管理决策为组织带来助力、面对新的敏捷方法而言旧方法论(高度官僚主义、僵化的边界和时间表)已经过时的背景下,组织应在保持个性的前提下尽可能迅速的适应这个浪潮。

1. 以客户为中心的产品计划

数字化转型的核心是将核心商业战略的重心从以产品、能力或者市场为中心转变为以客户为中心。

企业应该以客户为中心,这是Amazon在不同领域取得成功的核心理念。以客户为中心意味着产品按需定制、连接以及共享。

为了实现这一点,客户应该被视为价值创造者。公司应该意识到每个客户是整体客户网络的一部分,而不是孤立的个体。新组织的目标是更贴近客户的期望并且对这些期望进行预测,这些可以通过在社交网络或者应App中保持实时的交互,并且研究客户的行为来实现。 这个客户网络需要与产品保持持续的接触,这意味着全渠道的体验(无缝的在桌面电脑到平板电脑、手机和IoT设备之间移动),这意味着数据存在云端且可以通过每个设备进行访问,并且可以按需来访问服务。客户需要保持与公司的联结,例如公司利用产品演示或者讲故事来使得用户感觉到一直在做正确的选择。

客户应该能够按照自己的需要来定制产品。推荐引擎对于为客户提供所需的建议是非常有用的。个性化的界面、消息以及内容使得新涌现出来的品牌与经典的品牌大不相同。因此,访问、参与和定制是使得客户与公司联系在一起的必须的方法。有几种策略可以与客户建立融洽的关系:社交倾听、社交化客户服务、向网络征集想法和内容或者运营一个社区(例如iOS或者安卓开发者社区)。

让客户助力企业迈向成功的最后一步是,让客户合作参与到其所需产品的开发当中。通过如开放写作平台、众筹或者竞赛,从被动的贡献变为积极的贡献。 例如,很多金融机构通过数字化转型来推动内部生产力,主要聚焦于提高效率和降低成本。然而,这没有考虑到日益复杂化的客户对丰富、直观或者超个性化客户体验的期待。这些机构需要改变前端和后端系统,来为客户提供多样的选择和足够的价值,在几乎实时的环境中提供安全的交付。

2. 平台:赢者通吃

naCuuVhg46Q.jpeg

平台商业模式能够流行是由于采用了通过直接交互创造价值的方式。因为网络上存在给予者和获得者(例如买方和卖方),平台商业模式能够凭借大范围的迭代接触到不同类型的客户。在这种类型的平台上,网络效应会有更大的回声,并且更容易被放大。这也有附带收益,比如按需流程、速度和信任的产生(比如区块链)。 因为能够在一个地方提供所有的服务,因此不需要中介。一个主要的配送中心可以领导所有的竞争甚至可以在不同的竞争者之间合作(合作竞争)。另外随着传统的市场边界的扭曲,非对称竞争对手会产生,例如一个在线书店(Amazon)变成老牌IT公司比如IBM的竞争对手,或者在web服务领域与一个搜索引擎公司例如Google产生竞争。 但是这种新的商业模式的结果就是赢者通吃。由于轻资产、易于升级、经济高效以及梅特卡夫定律,获胜的平台将会变成市场的帕累托的头部:通过降低边际成本,数字化增加了积极的规模经济并且有利于集中生产。集中生产意味着市场落入了少数人手中,导致寡头垄断甚至是由少数玩家占主导的寡头结构。

clipboard8.png

这是一个公司将自己从一个线性供应链钢铁制造商重塑为一个金属分销的数字化平台的例子。 这导致了被称之为“超级巨星”经济的产生。这些经济体的特点是更少的就业、更少的资本资产、不平等现象加剧、大小企业之间的差距拉大以及国内和国家之间的收入的不平等。数字商品和服务的更低的分发成本进一步加深了集中化的程度。当一个新鲜事物产生,只需要生产(编写、书写或者计算)一个数字化拷贝就可以满足全球的需求。通过互联网的拷贝和交付的边际成本接近于零,然后复制、3D打印即可完成。

nQki9kggzouQ.png

Stan Shish微笑曲线

新的公司需要走到Stan Shish曲线的最后才能继续产生价值,否则他们将会分崩离析。

3. 数据是关键资产

充分挖掘新技术潜力的能力始于一家公司能够快速了解和预测客户的需要,这也是数据成为公司重要资产的原因之一。“机构或者行业越依赖于信息作为他们的核心产品,带来的变化就会更彻底”(Clay Shirky)。由于知识工作和认知过程的本质,专家预计数字化和大数据分析会严重打击基于知识的商业模型以及知识工作者,甚至比基于非知识的商业模型和体力劳动者更快。数字化和大数据分析与通常由公司和知识工作者进行的自动化信息处理任务相关,高利润和工资带来的经济刺激加速了替代的发生。 数据是知识的原材料。一些经济学家说:数据是新的石油。今天我们生活在一个非结构化数据爆炸的时代,明天将会有更多的数据产生。用户参与、交换数据、创造数据,而且他们的物品也在创造数据,因此围绕数据的交换协议将会指数级的增长(例如区块链智能合约)。

LI0q5_M9cc_g.png

数据是新的商业价值,它可以带来洞察,帮助更好的定向,在特定场景中提供个性化内容。简而言之,它是以客户为中心的战略的燃料。因此企业需要一个基于以下内容的数据战略:收集不同类型的数据,确保数据质量,利用数据做决策(数据驱动的管理决策将替代在过去被视为法则的等级决策制或者“老大说了算”),企业可以在合适的时间向合适的人提供正确的建议,这归功于云计算的价格和灵活性使得将孤立数据整合起来成为可能。

4.创新和新价值产生

“商业模式描述一个组织创造、交付和获取价值的原理”,它捕捉了任何公司的核心商业逻辑。在实践中,数字化和大数据分析挑战了许多传统行业的商业模式。数字化转型是一个文化转型。服务新的数字化客户需要新的技术。例如,快速进行实验和模拟。这个转型意味着不同部门工作人员的习惯、信仰、激励和经验的持续改变。例如将IT和市场部门混合在一起可以产生能尽快提供新服务的应用。创新生态系统概念的产生是在数字化时代交付价值的关键。正因为如此,公司需要灵活的组织结构,使用云提供的灵活平台整合能力去降低市场交付的时间。

F3-0WiW3VSlA.png

这篇文章的灵感来自于David Rogers的数字化转型手册(MIT发布的关于传统企业数字化转型的报告)、以及Cagemini发布的报告“百亿组织的发展路线图:Klöckner & Co的数字化转型报”。

  • Dec 29 / 2017
  • 0
Ideas, Tech

锐眼洞察 | 学了这么久机器学习,你真的了解它的概念吗?

作者:TalkingData 杨慧

本文为TalkingData原创,未经授权禁止转载。申请授权请在评论中留言联系!

导语:

本文是对 TalkingData腾云大学执行校长杨慧分享的两个专题的总结,分别介绍了国内外知名学者、媒体对 Machine Learning 和 Business Intelligence 的定义,也谈了杨慧个人的理解。

 

什么是机器学习?

导读:

学习一直是生物具有的特性,在人类身上的表现尤为明显。机器学习,顾名思义,就是让机器(计算机、程序)也具备学习的能力。更精简点来说,就是通过经验提高性能的某类程序。

卡内基梅隆大学(Carnegie Mellon University)的 Tom Michael Mitchell 教授在 1997 年出版的书籍 Machine Learning 中对机器学习进行过很专业的定义,这个定义在学术界内被多次引用。

在这本书中对机器学习的定义为:

假设一个程序能够在任务 T 上,随着经验 E 的添加,效果 P 也能够随之添加,则称这个程序能够从经验中学习。

在大部分情况下,在训练数据达到一定数量之前,越多的训练数据能够使逻辑回归算法的推断越精准。但是如果数据的特征值,也就是描述一条数据的维度越少,那么即使有再多的训练数据,逻辑回归算法也无法非常好地利用。

因此,机器学习的效果与数据的维度密不可分。怎样数字化地表达现实世界中的实体,一直是计算机科学中一个很重要问题,维度越多,描述得越清楚,机器学到的经验越多。

因此,工欲善其事必先利其器,机器学习这种手段不是大数据的价值所在,更广泛的数据维度,占有更多有多维度价值的数据集,才是大数据的价值所在。

 

 

机器学习(ML)是探索学习算法的构建和研究(DAMA DMBOK)。

此外,“机器学习建立具有适应性参数的程序,参数可根据程序收到的数据自动调整。通过适应已经看到的数据,程序能够改善他们的行为。另外程序还对数据进行了概括,这意味着这些程序可以在以前不可见的数据集上执行功能。”(Alejandro Correa Bahnsen)

据 Keith D. Foote 介绍:最基本的机器学习就是使用算法来解析数据,从中学习,然后对世界上的事物做出决定或预测的实践。因此,机器学习使用大量的数据和算法对机器进行“训练”,赋予其学习如何执行任务的能力,而不是用一些特定的指令手工编写软件程序来完成特定的任务。

机器学习同以下概念相结合(DMBOK):

  • 监督学习:基于广义规则;例如,将垃圾邮件从非垃圾邮件中分离出来。

  • 无监督学习:基于识别隐藏模式(即数据挖掘)。

  • 强化学习:基于实现目标(例如,在象棋中击败对手)。

  • 机器学习还包括编程机器,来快速从查询中学习,并适应不断变化的数据集。

机器学习的其他定义还包括:

先进的算法“由许多技术组成(如深度学习、神经网络和自然语言处理,以现有信息的经验为指导)”(Gartner IT 术语表)

“基于数据经验的结果而更新知识库的系统。”(Adrian Bowles)

“数据分析的一种方法,可自动建立分析模型。”(SAS)

内置智能的算法,使用可用的数据来回答问题。(Paramita Ghosh)

“通过解读我们周围的世界的数据,分类以及从成功和失败中学习这些方法,教计算机和我们同样的学习方式。”(Forbes)

人工智能的一个子领域,或是机器使用数据和自学的 AI 领域。(TechRepublic)

用于数字化转换的人工智能。(哈佛商业评论)

企业使用机器学习来:

  • “大幅缩短回答时间,指导组织洞见”(DMBOK)

  • 处理计算机系统的威胁或安全问题

  • 预测或执行预测分析(McKinsey)

  • 赶上数据量的增长(ComputerWorld)

  • 开发 AI 算法中复杂问题自动化(MIT Technology Review)

  • 在提高员工敬业度和提高客户满意度的同时扩大一线增长(Harvard Business Review)

  • 提高编程的效率和速度(James Kobielus)

  • 在多个行业中提升和开发众多不同的用例 (Paramita Ghosh)

什么是商业智能?

导读:

BI 有两层含义:一层是工具类含义-做分析的技术集;一层是职能类含义,做分析的过程。这两者缺一不可。

如果只看到了 BI 的工具类含义,就会误入“工具至上”之路。BI 说到底还是为了业务服务,只有解决了业务痛点问题的 BI 才是 Smart BI。从业务角度来说,BI 解决的问题包括了:决策的正确性(effectiveness)和决策的即时性(efficiency)。

 

 

商业智能(BI)包含了分析、报告不同业务操作的技术和工具。商业智能使用存储在不同数据仓库、数据集市、数据湖泊和其他存储平台中的原始数据,将其转换为可操作的知识/信息资产。内容包括仪表盘,电子表格,数据可视化,报告等等。

“在其更为详尽的用法中,BI 是在指定组织内收集、存储、回收和分析数据资产所必需的所有系统、平台、软件、工艺和技术。因此,BI 是用于战略规划、决策制定、市场调研、客户支持、库存分析、统计报告以及企业在整体运营洞察机制等其他方面的程序和流程。”(Kelle O’Neal&Charles Roe)

如 DAMA DMBOK 所述:

“商业智能有两个含义:首先是指一种旨在了解组织活动和机会的数据分析。这类分析结果用来提高组织的成功;其次,商业智能是支持这种数据分析的一系列技术。商业智能工具可以实现查询、数据挖掘、统计分析、报告、场景建模、数据可视化和仪表盘。 ”

商业智能的其他定义包括:

“包含应用程序,基础架构,工具和最佳实践的一个统称,可以访问和分析信息以改进和优化。”(Gartner IT 词汇表)

 

“BI 的重点在于:在正确的时间基于正确的信息快速高效地做出决策。”(Keith Foote)

软件和服务的杠杆作用,将数据转化为可行的运筹情报、以及组织的战略战术业务决策。(Mary Pratt,CIO)

一个“总括术语,涵盖了围绕商业数据收集,处理和分析的一系列活动。”(美国东北大学 Mikal Khoso)

“一套利用信息管理流程输出进行分析、报告、绩效管理和信息交付的方法,流程,架构和技术。”(Forrester)

“这个术语是指将原始数据转化为企业可以用来做出更好的组织决策的信息的想法、实践和技术。”(BusinessIntelligence)

组织/公司使用商业智能来:

  • 支持操作功能

  • 执行监管要求

  • 获得关于公司、客户和产品的洞见

  • 获得竞争优势

  • 实践描述性,预测性,规定性和实时分析

  • 做出决策或监控进度(Kelle O’Neal)

 

  • Dec 29 / 2017
  • 0
Ideas

锐眼发现 | 2018 年开源技术 10 大发展趋势

作者:

原文:10 open source technology trends for 2018

译者:wangy325

转载于:Linux 中国

技术始终是不断发展着的。OpenStack,Progressive Web Apps,Rust,R,认知云,人工智能(AI),物联网等新的发展正在把我们传统的认知模式抛弃。以下 2018 开源技术 10 大发展趋势。

1、 OpenStack 认可度持续高涨

OpenStack 本质上是一个云操作平台(系统),它为管理员提供直观友好的控制面板,以便对大量的计算、存储和网络资源进行配置和监管。

目前,很多企业运用 OpenStack 平台搭建和管理云计算系统。得益于其灵活的生态系统、透明度和运行速度,OpenStack 越来越流行。相比其他替代方案,OpenStack 只需更少的花费便能轻松支持任务关键型应用程序。 但是,其复杂的结构以及其对虚拟化、服务器和大量网络资源的严重依赖使得不少企业对使用 OpenStack 心存顾虑。另外,想要用好 OpenStack,好的硬件支持和高水平的员工二者缺一不可。

OpenStack 基金会一直在致力于完善他们的产品。一些功能创新,无论是已经发布的还是尚处于打造阶段,都将解决许多 OpenStack 潜在的问题。随着其结构复杂性降低,OpenStack 将获取更大认可。加之众多大型的软件开发及托管公司以及成千上万会员的支持, OpenStack 在云计算时代前途光明。

2、 PWA 或将大热

PWA,即 增强型网页应用Progressive Web App,是对技术、设计和网络应用程序接口Web API的整合,它能够在移动浏览器上提供类似应用的体验。

传统的网站有许多与生俱来的缺点。虽然应用(app)提供了比网站更加个性化、用户参与度更高的体验,但是却要占用大量的系统资源;并且要想使用应用,你还必须提前下载安装。PWA 则扬长避短,它可用浏览器访问、可被引擎搜索检索,并可响应式适应外在环境,为用户提供应用级体验。PWA 也能像应用一样自我更新,总是显示最新的实时信息,并且像网站一样,以极其安全的 HTTPS 模式递交信息。PWA 运行于标准容器中,无须安装,任何人只要输入 URL 即可访问。

现在的移动用户看重便利性和参与度,PWAs 的特性完美契合这一需求,所以 PWA 成为主流是必然趋势。

3、 Rust 成开发者新宠

大多数的编程语言都需在安全和控制二者之间折衷,但 Rust 是一个例外。Rust 使用广泛的编译时检查进行 100% 的控制而不影响程序安全性。上一次 Pwn2Own 竞赛找出了 Firefox C++ 底层实现的许多严重漏洞。如果 Firefox 是用 Rust 编写的,这些漏洞在产品发布之前的编译阶段就会被发现并解决。

Rust 独特的内建单元测试方式使开发者们考虑将其作为首选的开源语言。它是 C 和 Python 等其他编程语言有效的替代方案,Rust 可以在不损失程序可读性的情况下写出安全的代码。总之,Rust 前途光明。

4、 R 用户群在壮大

R 编程语言,是一个与统计计算和图像呈现相关的 GUN 项目。它提供了大量的统计和图形技术,并且可扩展增强。它是 S 语言的延续。S 语言早已成为统计方法学的首选工具,R 为数据操作、计算和图形显示提供了开源选择。R 语言的另一个优势是对细节的把控和对细微差别的关注。

和 Rust 一样,R 语言也处于上升期。

5、 广义的 XaaS

XaaS 是 “一切皆服务anything as a service” 的缩写,是通过网络提供的各种线上服务的总称。XaaS 的外延正在扩大,软件即服务(SaaS)、基础设施即服务(IaaS) 和平台即服务(PaaS)等观念已深入人心,新兴的基于云的服务如网络即服务(NaaS)、存储即服务(SaaS 或 StaaS)、监控即服务(MaaS)以及通信即服务(CaaS)等概念也正在普及。我们正在迈向一个万事万物 “皆为服务” 的世界。

现在,XaaS 的概念已经延伸到实体企业。著名的例子有 Uber 、Lyft 和 Airbnb,前二者利用新科技提供交通服务,后者提供住宿服务。

高速网络和服务器虚拟化使得强大的计算能力成为可能,这加速了 XaaS 的发展,2018 年可能是 “XaaS 年”。XaaS 无与伦比的灵活性、可扩展性将推动 XaaS 进一步发展。

6、 容器技术越来越受欢迎

容器技术,是用标准化方法打包代码的技术,它使得代码能够在任意环境中快速地 “接入并运行”。容器技术让企业可以削减经费、降低实施周期。尽管容器技术在 IT 基础结构改革方面的已经初显潜力,但事实上,运用好容器技术仍然比较复杂。

容器技术仍在发展中,技术复杂性随着各方面的进步在下降。最新的技术让容器使用起来像使用智能手机一样简单、直观,更不用说现在的企业需求:速度和灵活性往往能决定业务成败。

7、 机器学习和人工智能的更广泛应用

机器学习和人工智能指在没有程序员给出明确的编码指令的情况下,机器具备自主学习并且积累经验自我改进的能力。

随着一些开源技术利用机器学习和人工智能实现尖端服务和应用,这两项技术已经深入人心。

Gartner 预测,2018 年机器学习和人工智能的应用会更广。其他一些领域诸如数据准备、集成、算法选择、学习方法选择、模块制造等随着机器学习的加入将会取得很大进步。

全新的智能开源解决方案将改变人们和系统交互的方式,转变由来已久的工作观念。

  • 机器交互,像聊天机器人这样的对话平台,提供“问与答”的体验——用户提出问题,对话平台作出回应,成为人机之间默认的交互界面。
  • 无人驾驶和无人机现在已经家喻户晓了,2018 年将会更司空见惯。
  • 沉浸式体验的应用不再仅仅局限于视频游戏,在真实的生活场景比如设计、培训和可视化过程中都能看到沉浸式体验的身影。

8、 区块链将成为主流

自比特币应用区块链技术以来,其已经取得了重大进展,并且已广泛应用在金融系统、保密选举、学历验证等领域中。未来几年,区块链会在医疗、制造业、供应链物流、政府服务等领域中大展拳脚。

区块链分布式存储数据信息,这些数据信息依赖于数百万个共享数据库的节点。区块链不被任意单一所有者控制,并且单个损坏的节点不影响其正常运行,区块链的这两个特性让它异常健壮、透明、不可破坏。同时也规避了有人从中篡改数据的风险。区块链强大的先天优势足够支撑其成为将来主流技术。

9、 认知云粉墨登场

认识技术,比如前面所述的机器学习和人工智能,用于为多行业提供简单化和个性化服务。一个典型例子是金融行业的游戏化应用,其为投资者提供了严谨的投资建议,降低投资模块的复杂程度。数字信托平台使得金融机构的身份认证过程较以前精简 80%,提升了合规性,降低了诈骗比率。

认知云技术现在正向云端迁移,借助云,它将更加强大。IBM Watson 是认知云应用最知名的例子。IBM 的 UIMA 架构是开源的,由 Apache 基金会负责维护。DARPA(美国国防高级研究计划局)的 DeepDive 项目借鉴了 Watson 的机器学习能力,通过不断学习人类行为来增强决策能力。另一个开源平台 OpenCog,为开发者和数据科学家开发人工智能应用程序提供支撑。

考虑到实现先进的、个性化的用户体验风险较高,这些认知云平台来年时机成熟时才会粉墨登场。

10、 物联网智联万物

物联网(IoT)的核心在于建立小到嵌入式传感器、大至计算机设备的相互连接,让其(“物”)相互之间可以收发数据。毫无疑问,物联网将会是科技界的下一个 “搅局者”,但物联网本身处于一个不断变化的状态。

物联网最广为人知的产品就是 IBM 和三星合力打造的去中心化 P2P 自动遥测系统(ADEPT)。它运用和区块链类似的技术来构建一个去中心化的物联网。没有中央控制设备,“物” 之间通过自主交流来进行升级软件、处理 bug、管理电源等等一系列操作。

开源推动技术创新

数字化颠覆是当今以科技为中心的时代的常态。在技术领域,开放源代码正在逐渐普及,其在 2018 将年成为大多数技术创新的驱动力。

此榜单对开源技术趋势的预测有遗漏?在评论区告诉我们吧!

  • Dec 27 / 2017
  • 0
Ideas

锐眼洞察 | 大吉大利,预约吃鸡——解析吃鸡游戏推广套路

作者:TalkingData解决方案工程师  Aaron Yue

本文为TalkingData原创,未经授权禁止转载。申请授权请在评论中留言联系!

由于大学同学在开发腾讯正版的吃鸡游戏,在他不停的安利下,开始接触腾讯的吃鸡游戏,发现这套路还真是深啊,同一款正版拉了两个队伍同时开发(光子工作室的绝地求生:刺激战场和天美工作室的绝地求生:全军出击)。

吃鸡游戏首页.png

今天不说如何吃鸡聊一聊这两款吃鸡游戏推广背后的套路逻辑。

1. 你的好友在这里:

在社交的世界里,两者之间最好的距离是折线距离,如果想影响一个人不要直接去影响他,而是通过影响他身边的2~3个好友来间接影响他。好友口碑所形成的社会压力和“好友都在用”的从众心理可以促成高转化率,这也是你经常会收到一些营销短信告诉你,你的某位好友在某个平台,等待你的加入等等……

“绝地求生:刺激战场”直接标注了已有72位好友进行预约,直接形成了好友的口碑效应,微信的朋友的券也正是这个逻辑,你的好友在线下或者线上消费之后共享了优惠,邀请你也参与。

刺激战场好友.png

“绝地求生:全军出击”这方面表现的更加突出,不但显示了你有多少好友预约,还会显示这些好友的头像,拉近了与潜在用户的关系。

全军出击好友.png

而右上角的微信专属,同时给平台用户有了特殊的荣耀体验。这局全军出击胜出。

2.分享即获取:

还记得当年的“滴滴红包”么,满满朋友圈的红包是不是都拿到了手软,打车比公交车还便宜的日子过去了,“滴滴红包”甚至一举改写了当年“滴滴打车”和快的打车微焦灼的竞争格局,为滴滴在胜利的天平上增加了一个重要的砝码。微信读书,又一现象级产品,这款产品最开始运营了一个小活动——“赠一得一”,当用户不想付费购买一本新书时,可以通过赠予好友的方式来免费获得,正所谓“赠人玫瑰,手留余香”。

朋友圈赠书.png

这无疑解决了新产品“冷启动”的问题。两款游戏在宣传上都标出了邀请好友给予的奖励,并明确了目标,达到什么样的程度给予什么样的奖励。

“绝地求生:刺激战场”的“你苟我苟 天长地久”;

刺激战场好友邀请.jpeg

“绝地求生全军出击”则直接标明了目标和奖励。

全军出击邀请奖励.png

两者都在下方标明了目前完成的进度,也就是集结的好友数。若果直接在任务奖励的下方直接标明进度是不是更好呢?不过本身两者都指向一个逻辑也就是分享即获取,每一次分享,用户都可以获取相应的“利益”。

3.小群效应:

徐志斌老师有个观点“人人都想进大群,人人活跃在小群”。随着社交app的发展,大家可以使用的工具越来越多,群的人数越多,噪声就越大,对用户的骚扰也就越大。进群直接关闭消息提示无疑是这一现象最好的证明,群里都是沉默的大多数。透过历史,咱们去看“滴滴红包”传播的去向会看到一个有意思的变化。最开始朋友圈和微信群中可以看到大量的红包分享,一段时间之后,红包在朋友圈消失,转而更多地出现在了微信群中,慢慢的又开始在一些强关系的群里(闺蜜群,家庭群)出现,现在除了我媳妇儿分享给我之外,群和朋友圈几乎看不到红包的分享了。分享的变化反映了用户在社交网络中的变化。开始大家对新鲜事物好奇,随后觉着可以帮助到朋友开始在微信群中维系,随着红包的普及,再分享到群或者朋友圈反而会对好友造成困扰,影响自己的形象,这时就变成了家人间的强关系分享,这也颇具有汇报的意思:媳妇儿,我回来了!媳妇儿,我又省钱了。回来看这两款游戏利用社交关系进行传播推广的时候采取了一些策略,

“绝地求生:刺激战场”直接标明了:查找最合适跳伞的密友;

刺激战场好友邀请.jpeg

下面罗列了一些最近和你有经常聊天互动的好友,或者你们在某一个特别活跃的小群的好友,甚至我一度怀疑是你们之间有过关于“吃鸡”内容对话的好友。

再看“绝地求生:全军出击”,也是同样的逻辑选择了好友,并且在刺激战场中的“邀请他”换成了“带TA飞”。

全军出击好友邀请.jpeg

更加拉近了关系,不是在做广告传播,而是我发现了好东西,要带你去看看。一键邀请,直接发送链接也是极大方便了用户的操作。

邀请链接.png

并且这两款游戏的一键邀请也并不是可以无限制的邀请你所有的好友,我看了一下基本上只有三页:

邀请页面.jpeg

也就是你只可以邀请一些固定最近有交往的好友,这也是为了对大多数“好友”(不是好友关系的“好友”)不打扰是你最大的温柔。当然,你也可以直接转发链接进行邀请,他们是不会拒绝交际花的你帮助他们做大量宣传的。

4.KOL效应:

想要证明自己下一步做出来的好其实有一个捷径,就是证明我从前做过很多这方面的好东西,于是双方工作室的明星产品开始齐贺首发,疯狂打电话。

明星产品.png

也是想在用户那里找到认同感,通过以后的认知来影响即将发布的产品。

5.圈子建立:

产生了初次的接触之后,为了持续的对用户产生粘性,务必用一定的规则或者方法两款游戏都通过了三种方式,分别是:进入圈子、关注公众号和进入微信群(明星产品1)。圈子更像一个论坛,大家可以在这里交流攻略和交友组队。通过去中心化的方式,让用户彼此愉快的消耗对方的时间,产生粘性。

圈子.png

“绝地求生:全军出击”更加突出了微信群的进入(明星产品),去中心化的弱运营方式被越来越多的采用。

群.png

6.触达落地:

前面所有的工作做完之后一定要考虑最后的触达,这次两款游戏都是通过的微信普通卡券,直接放入了卡包里面,只是我有点儿傻傻分不清楚。

两张卡券.jpeg

邀请链接1.png

你要问什么是微信卡券,那我送你一道传送门吧《一个做社交的搞了个卡包:我们不一样!(文末附传播流程图)》

最后,不得不佩服这两款游戏的推广宣传,游戏未上线,预约早已破千万。

游戏宣传.jpg

吃鸡已预约,老司机开车求带。

明星产品1.png

两张卡券1.png

  • Dec 22 / 2017
  • 0
Ideas

锐眼洞察 | 2018年度商业智能和分析的发展趋势(翻译)

作者:Paramita Ghosh 

原文:Business Intelligence and Analytics Trends in 2018

译者:TalkingData副总裁 皮山杉

本译文禁止商用,转载请注明来源与译者!

由于近年来机器学习(ML)和深度学习(DL)的快速发展,2018年商业智能和分析趋势也将发生相当大的变化。物联网(IoT)和大数据在全球商业环境中的深入渗透自然引发了对智能商业智能(BI)系统的需求,智能商业智能(BI)系统可以在很大程度上实现决策自动化,从而减少对于数据专业人士的需求。

如果目前用于金融服务,投资银行,市场研究甚至医疗保健行业的商业智能系统都是标准的话,那么基于机器学习支持的智能数据发现(Smart Data Discovery)是推动不同类型和规模的企业游戏规则变革的助推器。

根据Gartner的统计,到2020年,商业智能市场预计将增长到228亿美元。那么,改变游戏规则的商业智能和分析趋势会给企业带来什么呢?当然是 – 更好的可视化以及深度数据钻取功能。虽然商业智能系统在技术上越来越复杂和复杂,但这里有一些已经预测到2018年的变革趋势。

市场规模和技术范围

根据商业智能统计数据显示,商业智能市场预计2018年将增长到208.1亿美元,2018年BI和分析市场的突然增长将包括:传统商业智能,基于托管(云)的商务智能,社交商务智能和移动商务智能。 2018年整个市场将触及208亿美元,这意味着“从2013年到2018年估计年复合增长率为8.3%”。

“福布斯”博客发表了一篇题为“数字化转型十大趋势(Top 10 Trends For Digital Transformation In 2018 )”的博客文章指出,物联网支持的业务分析有能力最大限度地提高每个行业从“零售到城市规划”的运营效率。像IBM或SAP这样的技术火炬手正更多的投资于商业分析功能,现在的物联网和大数据承诺实时提供流处理,运营和交易数据。另一个普遍技术的例子是区块链,它开始于金融服务,但逐渐进入了酒店,医疗保健和其他一些行业。根据Datamation统计,到2020年,只有20%的贸易融资将利用区块链,但一旦趋势确定下来,就不会有回头反复了。

数据分析的兴起和发展

数据分析在全球商业社会中的突然出现是由业务数据的数量和种类引发的,这给商业智能和分析用户带来了独特的挑战。 “数字杂志”杂志的“商业智能分析的大趋势”一文指出,商业智能变革不仅会增加用户的接受度,而且会促进主流商业用户之间商业智能平台的利用率。同时阅读“2018年前10大技术趋势”,了解人工智能,云计算,物联网和商业应用将如何共同为重塑每个企业的IT环境做出贡献。

2018年BI和分析市场的主要技术趋势

业界普遍认为,鉴于即时和准确决策的重要性,每个商业用户都希望能够独立地对数据进行可视化展示和分析,以改善结果。根据2018年发布的名为“顶级商业智能趋势”的博客文章,“现代”商务智能的特点是数据可视化,深度数据挖掘和智能自助服务分析。

这篇Dataviz文章的作者声称在2018年的十大战略技术趋势中,Gartner的智能应用程序和分析技术趋势2将确保在未来几年,每个业务应用程序或服务都包含某种程度的AI。本文进一步指出,市场对“处处AI”的迷恋正在引发所有分析平台和服务提供商的争夺战。

Forrester Wave BI平台上的报告传统上将高级可视化工具与低端报表和常规可视化平台分开。根据“Forrester Wave™:主要私有部署的企业级商业智能平台,2017年第三季度“文章,具有先进商业智能功能的企业商务智能平台需要数据专业人员来开发输出。另一方面,如Tableau,Qlik等主流BI平台满足了普通商业用户的需求。但是,现在Forrester承认,高级可视化对于大多数BI平台都是不可或缺的,特别是因为基于云的BI使中型或小型企业可以访问高级分析。在BI平台上,现在通常会发现许多将可扩展系统与低端系统区分开来的功能。
商业智能和分析趋势总体上的变化导致了两个主要的挑战,各种规模的企业必须缓解这个挑战:使商业智能民主化和从分析活动中提取实际价值。

挑战1:管理大量商业数据

随着2018年全球业务逐渐利用新颖的智能数据发现和增强分析平台,最困难的问题始终是大量的数据。在传统的BI&Analytics系统中,80%的数据没有被使用或利用不足,从而严重限制了分析系统的实用性。现在,托管的BI平台和物联网设备倾倒出不同类型的数据,因此需要使用高级数据编目工具来访问来自许多不同来源的数据。阅读ZDNet的文章“数据决策:利用分析的新趋势”,了解企业如何计划面对数据量挑战。

挑战2:ML驱动预测模型的局限性

根据Forrester Wave™:预测分析和机器学习解决方案,2017年第一季度,2017年的数据科学家需要开发ML驱动的预测模型的工具以及管理模型的平台。虽然这些BI平台在数据专业人士中颇受欢迎,但是从来没有人认为这些工具有潜力取代人类的数据科学家,并为自助式商业智能让路。也就是说,随着企业继续依赖大数据,云计算,物联网和预测分析工具支持的所有类型决策的自助式BI和分析工具,具有卓越数据可视化功能的自助式分析平台将在2018获得坚实的认可。

根据2018年“商业智能看起来如何?”的博客文章,组织将接受“自助服务”商业智能,当然还有更多的治理,以便业务用户对他们分析的数据拥有更多的控制权。

增强数据准备和增强分析

增强型数据准备和增强型分析旨在为公共数据科学家提供超越数据发现的工具,并帮助准备业务数据,以便为未来业务规划提供“战略,运营和战术活动”。通过增强数据准备,普通业务用户将能够在没有IT人员帮助的情况下针对特定假设测试数据。另一方面,Augmented Analytics将通过先进的启用ML的工具提供洞察力。这两项新技术的最终目标是迅速提高用户的接受度并增强数据意识。(在DATAVERSITY®可以了解的什么是增强型分析以及为什么这很重要?)

2018年业务分析的景观:顶级趋势

考虑到刚刚描述的下一代商业智能和分析的两大挑战,以下是可靠的行业文献所证实的2018年商业智能和分析趋势:

  • 增强数据准备将在业务用户中获得普及,因为他们将能够在没有IT人员的帮助下执行数据测试任务。
  • 数据可视化作为2017年趋势的领跑者,将在2018年继续主导BI平台。
  • 智能数据发现将为2018年的预测分析带来巨大的推动力,使其成为最受欢迎的业务分析活动。
  • 随着对“视觉”的热情,公民数据科学家或主流商业用户将在2018年依靠移动分析来进行日常决策。增强型分析将成为主流BI用户的追捧能力。
  • 大型组织将大量投资建立内部BI /分析平台。

这篇名为“商业智能(BI)趋势”的博客文章描述了这些即将到来的趋势。在DATAVERSITY®从数据中获取价值,数据发现必须第一!这篇文章的读者将会体会到现代商务智能系统的高级统计工具和ML功能,它们带来了创新分析解决方案的前景。由于通过卓越的数据可视化和数据理解提高了数据意识,这一直是可能的。

虽然传统商务智能技术缺乏良好的数据存储设备或良好的数据可视化工具,但现代的ML功能分析平台带来了更好的数据可视性和理解能力。新的数据发现方法可以大幅降低成本并提高成果。

 

  • Dec 22 / 2017
  • 0
Ideas

锐眼发现 | 五个步骤,实现产品MVP

作者:张小璋

转载于:人人都是产品经理

作者注:一直在说 MVP ,但是一直没有认真思考。正好手头有一个自己发起的内部区块链技术储备项目,没有工期和商业上的要求,同时也没有太多的资源支持,正好用来学习 MVP 思想。

 

什么是 MVP

MVP (最小化可实行产品,Minimum Viable Product)是 Eric Ries 在《精益创业》中关于「精益创业」(Lean Startup)的核心思想,意思是用最快、最简明的方式建立一个可用的产品原型,通过这个最简单的原型来测试产品是否符合市场预期,并通过不断的快速迭代来修正产品,最终适应市场需求。

简单来说,就是在做一个新产品的时候,不要一下子做一个「尽善尽美」的产品,而是先花费最小的代价做一个「可用」的产品原型,去验证这个产品是否有价值、是否可行,再通过迭代来完善细节。

这是一张在网上流传很广泛的用来介绍 MVP 的图:

假如你的产品愿景是一种高级出行工具,比如小轿车。传统的产品设计思路是一步一步,从车轮、车轱辘、外壳、动力装置、内部装饰一个流程一个流程做起,最后得到一个完善的产品。而MVP的思路,我们可能会先做一个小滑板车或者自行车,看看用户对出行工具的认可程度。如果用户认可我们的产品概念,我们可以接下去生产更加高级、完善的摩托车、甚至小轿车。

传统产品迭代思路成本高、速度慢、风险大,花高成本做出来的产品用户可能不认可;MVP 策略的优点在于试错成本低、速度快、风险低,能满足产品快速迭代的需求。

为什么要做 MVP

MVP 的作用就是让你用最小的代价,最快的速度,最早的时间将你的产品设想拿出来接触用户,并根据用户的反馈来改进你的产品。这里拿出来的「产品」并不一定是一个App、网页或者其他,可以是视频、PPT(额,但是千万别 PPT 造车啊)、RP文件等等。

我们知道,在产品只是个原型的时候基本上很难来说服用户和VC,因为缺少任何一部分都对体验大打折扣。那么大家可以参考 Dropbox 的 MVP ,看看 Dropbox 的创始人 Drew 是怎么做的:他做了一个视频放在了 YouTube 上,这段视频介绍了 Dropbox 的各项功能,Beta 版的等待用户(Email list)一夜之间从5000暴增到75000,可当时 Dropbox 甚至连实际的产品都还没有。

大家可以去这里观看:Dropbox MVP 视频

这有一个好处,就是避免我们「闭门造车」,空想没人要的产品却自认为会大有市场。

怎么去做 MVP

在做我司那个基于区块链系统的内部福利工具的过程中,我梳理了做 MVP 的思路和几个关键点.

NO.1 找出你要为谁解决什么问题

产品是用来解决问题,而不是来创造问题的。一个成功的 MVP 产品的第一步就是要明确客户/用户为什么需要这个产品?这个产品如何帮助客户/用户解决问题。

明确这些问题,有利于确定产品的主要目标,并为未来受众的实际需求找到最佳的解决方案。

在我的这个项目中,主要是1.我司对于区块链技术的实际转化和落地。2.解决我司福利部门如何在成本不变的情况下更好的通过「发福利」来激励员工。

基于这两个目标,我们制定了一个方向:通过区块链技术发行内部代币(我司内部成为「福励币」),福利部门向用户(优秀员工)发放「福励币」,用户可以通过「福励币」来购买零食、书籍甚至假期。

NO.2 分析市场上的竞品

如果市场上已经有了类似的产品,显然我们需要对竞品进行分析。但是有的时候我们会因为对产品独特性的信任而忽略一些非直接的竞争对手,比如我在做「福励币」项目的时候就险些忽略了市场上已经有的很多企业福利平台,虽然他们并不是基于区块链技术。

除了搜索引擎和一些数据工具(App Annie、酷传之类),还有一个很好的渠道来了解竞品,那就是潜伏到竞品的客户群里,直接分析客户对竞品的反馈,从而了解现有产品的缺陷,择其善者而从之,不善者而改之。

一旦我们确定了需要解决的核心问题,并分析了市场上的产品(竞品)的缺陷,我们就可以继续进行下一步——分析产品的主流程。

NO.3 分析产品主流程

要分析用户主流程,我们应该先梳理用户大的使用阶段。实际上操作起来非常简单,因为只需要把用户如何使用产品达成产品的主要目标所需要的步骤找出来即可。这时候我们需要多考虑一些基础功能,少考虑一些魅力型功能。因为基础功能是你的最终用户实际使用产品时都会(大部分会)遇到的,也是实现产品目标最基础的保证。

NO.4 列出所有必要功能,排出优先级

分析完产品主流程,我们可以对每一个主流程阶段进行细分,对需求进行整理——将不在主流程的需求干掉,并列出每一个主流程阶段所的需求,并排除优先级。这时候涉及到「需求管理」的一些方法——比如 KANO 模型、价值 vs 复杂度矩阵。

另外大家可以通过几个问题来处理需求:

  1. 你最希望用户完成的操作是什么?
  2. 你还想为用户提供什么服务?(这时候,可以把所有你想要的需求列一个 list,然后多问自己几个为什么需要这个需求,自己回答不上来或者不符合第一个问题的就从这个需求 list 里划掉)
  3. 这时候剩下了「必须要有的功能」、「有的话最好的功能」和「有没有都行的功能」,画个矩阵吧,用我之前介绍过的「价值 vs 复杂度矩阵」,来确定一下需求的优先级。
  4. 如果你确定了所有的优先级,则可以根据你的资源、时间来为你的产品第一个版本划定一个范围,并开始基于 MVP 的产品开发。

NO.5 验证和迭代

在完成 MVP 产品开发之后,我们需要尽快将其推向市场,让市场来验证你的项目,同时接收用户的反馈。因为只有从市场上你才能发现你的产品缺少了哪些功能或者多了哪些无关紧要甚至是累赘的功能。收集用户反馈之后,你可以用 MVP 的思想去改进、迭代、收集反馈,再次改进、迭代、收集反馈,形成一个循环,周而复始。

总结一些使用 MVP 思想时的一些感悟:

1. 关于需求

对于需求的把控,我们需要根据产品要解决的核心目标,提炼主要矛盾,善于抓重点,集中力量解决主要需求。同时 MVP 的思想在于「快」,对于需求文档应该尽量快(但不是不要质量)的去完成,传统 word 版的 PRD 很难高效率的去完成,目前我司对于需要较快时间完成的项目一般采取 Axure 标注 + 思维导图、流程图等形式完成。

2. 关于验证

MVP 一定要做验证,UX设计软件UXpin的负责人Christopher Bank发表在TNW的文章为我们提供了测试MVP的15条方法。大家有兴趣的可以去搜索看下:15 ways to test your minimum viable product
我则会使用以下三点:

  1. 用户访谈:通过各种途径去和你的「真实」用户沟通,向他们解释你的产品解决了他的什么需求,然后询问他们对于你产品的不同部分的重要性是如何排序的。根据收集到的信息再对产品进行调整。需要注意的是,用户访谈应该着眼于发现问题和解决问题,而不是向受访者推销产品。
  2. 数据验证:我一直认为数据是最有说服力(虽然大家都会寻找对自己最有利的数据来支持自己的观点),通过数据埋点和数据分析(比如漏斗分析),我们可以很清楚的看到用户在产品使用过程中的流失,并对流失原因进行猜测,将猜测方案在下次迭代中进行体现,并通过数据去验证我们的猜测正确与否,我们的方案是否有效。因此我也一直在推动公司内部数据分析的项目。
  3. 使用马甲包:市场是残酷的,有可能出现你的第一版产品并不适应市场,甚至与市场完全相反。随着口耳相传,你的项目极有可能会被打上「不好用」、「失败产品」的标签,从而增加你获取用户的难度。其实可以采用主产品+马甲包的形式,通过马甲包来测试用户的反馈,将成功的迭代加入到主产品中。马甲不成功就果断丢掉,这有点像 ABtest, 但是比 ABtest 更适合创业公司或者积累用户阶段的产品。

3.关于迭代

迭代一定是还是 MVP ,突出「速度快」和「代价小」,通过控制一个版本的需求量来加速版本迭代速度。同时合理的需求量也有助于开发团队可以高质量的完成工作。目前我的需求迭代排期一般按照「价值 vs 复杂度矩阵」来对进行。

4.适用范围

正如没有一种药可以包治百病, MVP 也并不是完全适用于所有的产品。它的优势在于快速验证未知的市场,帮助公司以较低的产品快速试错,更适合于业务属性和行业门槛不是很强的to c 市场。而to B 市场一般有着成熟的业务体系,并不需要花费时间来试错,因此并不需要 MVP。

  • Dec 21 / 2017
  • 0
Ideas

锐眼洞察 | 大数据正如何改变数字营销(翻译)

作者:Dhrumit Shukla

原文:How Big Data Is Changing Digital Marketing

译者:TalkingData解决方案架构师 张雪倩

本译文禁止商用,转载请注明来源与译者!

如今的数字化时代,有成千上万的工具供人们使用,包括平板电脑、数字电视、移动应用、智能手机、电子商务、社交网络及许多其它工具。几年之前,数字革命尚未发生,市场营销者的工作就是为电视、印刷媒体和广告牌设计引人注目的广告。数字化时代使得市场营销者不得不演进,发挥科技优势来分发信息。如今,市场营销者的工作大不相同,包括处理数字、收集数据、定位受众、推断趋势和在众多渠道中找到合适的来触达目标消费者。数字化时代带来了大量数据,市场营销者可以充分利用,借助更精确的洞察进行营销策略决策。因此,消费者通过广告接收到更有用的内容。

大数据促进营销活动

许多机构正通过不同来源的数据来促进数字营销活动。这些营销活动已经被证明比传统形式的广告更为有效。不再依靠猜测来进行营销,使得市场营销者能够发现变化中的趋势,并用于更有针对性的营销活动。海量的数据与数据来源,使得非常有必要投资更大型的、更复杂的数据库和数据分析工具,来理解所有可获得的信息。这样的深入理解增强了发现机会、正确路径与客户互动关系的能力。

运用大数据分析提升数字营销活动的主要原因

下面是考虑运用大数据分析提升数字营销活动的主要原因。

✓ 数据可视化工具可以帮助提升营销活动的效果。随着竞争愈加激烈,多亏了数字化时代和网络开放的边界,市场营销者正寻找快速理解和解读数据的方法。数据可视化工具用于发现能够指导执行的洞察。对于企业来说,这可能就包括了对一整年中存货流动、购物时间起伏以及其它时间中顾客偏好与行为的洞察。根据对数据点的综合理解来做决策,各种思维方式的集合可以实现突破,以大大提高赢利,比如发现缓慢进货利于更好地控制库存、更大程度的节约和提高货物周转率。实时的消费者洞察可以帮助获取更多的顾客和最小化顾客流失。使用数据分析工具进行顾客分析,意味着营销团队能够更充分准备,以应对顾客的变化和需求。

✓ 数据分析并非必须十分昂贵或复杂。除了提供数据库管理解决方案外,许多远程服务供应商现在可以提供数据即服务(DaaS)或数据分析即服务。这对小型企业来说十分理想,他们具有大数据量但是负担不起购买许可证和分析工具的现金开支。这样就可以通过远程服务应用来实现,使得客户可以利用不同的工具来分析数据,根据处理的数据量来付费。还有交互性仪表板,使得非技术的行业性团队成员也能够从数据商店获取洞察。

✓ 使用历史数据可以帮助规划未来。市场营销者可以通过数据驱动方法分析过去做了哪些是有效的,这样他们就可以为以后做出更好的决策。通过对消费者的洞察和其它数据形式的支持,他们可以更具准确性地规划将来的营销活动。这对于需要时常质疑自己提供的东西、并不断调整以提供良好的顾客体验的公司尤其重要。比如说,餐厅可以利用从顾客点单信息得到的洞察来找出趋势,并在不太受欢迎的菜品上搞特价。他们还能找到改善产品的方法,使得它们在顾客间更受欢迎。

提升营销活动效果的大数据源

有许多企业可以运用的数据分析源,来提升下一次数字营销活动的效果。

1. 网络挖掘。这一数据通过网络挖掘来编译。它使用自动化工具从网络文件、服务器发现并提取信息。此外,它使公司从服务器日志、浏览器活动、网页内容、网站、链接结构和其它来源获取结构化和非结构化的数据。

2. 社交网络。社交媒体在全世界范围内猛增。互联网用户平均每天在社交网络上花费至少两个半小时。社交网络使得市场营销者可以通过追踪发帖、评论、分享、点赞、签到和其它信息,获取从个人偏好到品牌提及再到个人品味的大范围数据。

3. 搜索数据。这是从浏览器活动收集来的信息,通过使用特殊工具,追踪搜索信息,了解消费者意图和行为。同时,可以通过一种叫做“信息载入”的方法将消费者匹配到线上虚拟身份。企业就可以建立线上目标受众群了。

4. 交易追踪。每笔公司经营或经手的交易都能提供有用的用户数据,无论是财务的、物流的还是其它相关流程。组织可以使用购买、保险索赔、存取款、订单与请求、预订预约和信用卡交易等业务信息来获取对目标受众的活动洞察。

5. 众包。这是个集中大众智慧的过程,通过网络可以更容易实现。通过在用户产生内容的媒介上进行调研和投票,对因兴趣爱好而集中的人群进行研究和数据收集。

大数据在数字营销上具有极大的作用。数据分析是目前的大趋势之一,持续受到关注,与此同时,越来越多的互联网公司和用户试图将信息转化为消费者收益。对数据分析进行扩展运用的公司,会在竞争中获取巨大的收益增长。

 

 

  • Dec 20 / 2017
  • 0
Ideas

锐眼洞察 | 从VC视角预测零售业的未来(翻译)

作者:Veronika Sonsev

原文:Will AI Be The Future Of Retail?

译者:TalkingData 合伙人&执行副总裁 林逸飞

本译文禁止商用,转载请注明作者与来源!

2017年是零售业的里程碑。今年有超过6700家店计划关闭,击败了2008年金融危机中关店6163家的历史最高纪录。鉴于2008年关店潮是外部经济力量冲击全美国带来的影响,我们可以将目前的下降趋势归结于消费者购物行为改变与零售技术创新。

随着2018年即将到来,大多数零售商都在问:零售业的下一步是什么?我们应该投注在哪里以争取领先?为了帮助大家找出他们的计划,我们在1月份在NRF峰会中咨询了风险投资家。Bain Capital Ventures董事兼总经理Scott Friend、Fung Capital合伙人Janie Yu、Lightspeed合伙人Alex Taussig和FirstMark Capital董事兼总经理Beth Ferreira,在此次峰会中分享了他们对消费趋势和未来店内零售的观点。

虽然零售方面有很多创新,但这些风险投资家却有一些消费者对的技术趋势的看法:增加对产品的实时需求,人工智能驱动的会话界面的兴起(如Facebook Messenger、网络聊天和语音助手如Alexa )以及通过订阅和服务,高度个性化的在线购物。

对实时产品交付的更多需求: Beth Ferreira和Scott Friend强调消费者对即时性的需求日益增加。费雷拉说:消费者想要的时候,你无法阻拦他们想要什么,或者它来自何处 。最近由Target收购Shipt证实了这一点,这证明了当日达这种模式日益增长的吸引力,而且提供全天候提供客户服务。朋友补充说:这种实时消费需求也在推动消费者寻找国际销售的产品。这就要求零售商找到像Flow.io这样的新解决方案,帮助他们高效地处理跨境销售和送达产品。

AI会话界面的兴起:当我不可避免地意识到我的一个礼物在这个假期没有按时到达预期的目的地的时候,我会立刻想要提出建议并让他们知晓。零售商如何为像我这样的购物者提供顾客服务?据Janie Yu介绍,零售商可以使用AI提供的会话界面(如Facebook Messenger或Alexa)来回答常规问题,并通过基于聊天的购物来补充客户支持。

朋友希望AI在零售业有更大的机会,而且作为增强店内客户服务的一种能力。想象一下,你正在走进HOME DEPOT,朋友说,如果你可以简单地用你的声音向HOME DEPOT用程序询问你想要的产品在哪里,并告诉你它在商店地图上的确切位置?你可以完全不用询问销售人员。尽管现在人工智能的局限性很明显,但随着技术的进步和应用程序的逐渐增加,AI对零售业的作用也只会越来越强大。

日益个性化的网上购物: Alex Taussig认为人们购物的方式正在改变,为更多个性化的购物体验开辟新的道路。服装订购服务,如Stitchfix,使用复杂的算法,策划个人挑选的物品盒,Taussig指出,客户不再需要考虑他们购买的衣服,因为服务变得更聪明,或者考虑像Laurel&Wolf和Modsy这样的以服务为导向的体验,Taussig补充道,他们通过开始设计服务的经验,帮助零售商销售家具,让客户可以设想自己在家中的产品。

展望未来10多年,风险投资公司看到了,今天在加速对未来技术的3D编织实现了个性化的实时购物: Yu认为部分可以实时生产的产品的需求将由3D编织服务来支撑。随着3D针织技术变得越来越复杂,商店或在线零售商可以在数小时内以客户的确切尺寸生产定制服装。这种现象将使制造业回到岸上,因为它需要更少的劳动力和更有粘度的客户。

自动送货到商店:随着自动驾驶车辆已经在试驾道路,Taussig知道这是满足消费者实时需求的关键。通过更便宜,更方便的交通工具,使得消费者轻松到店。自动驾驶汽车可以大大提高销量,特别是在城市地区。消费趋势。随着3D针织技术和自动驾驶汽车的进步,当前的实时需求将会得到进一步提升,人工智能将继续发展,几乎为所有的个性化购物和客户体验提供动力。

更智能的购物: AI已经为产品的选择提供支持,并将整个体验从头到尾进行个性化。这种力量只会越来越强,越来越聪明。就我个人而言,我不是一个穿着像马克·扎克伯格一样的灰色连帽毛衣的风格,我喜欢我衣柜里的各种各样,但讨厌购物或选择穿什么的过程。如果我可以按照我今天的会议,在醒来之前让电脑检查我的日历,然后再选择完美的装备,我会很高兴。YU说,关于这一点,未来比我们想象的要更多。

虽然关于未来的发展存在很大的不确定性,但最终的胜利者将是消费者。由于未来的消费者需要接近实时地提供更多个性化的产品,甚至不需要消费者选择,AI就知道他们想要的东西,因此我们所知道的传统零售已经结束。我们即将告别消费者在周六下雨天去逛商场的日子,因为明天的购物者会用3D编织技术,量身定制她的衣服,而且还会将它自动送到她的房子。

 

  • Dec 20 / 2017
  • 0
Ideas

锐眼发现 | 2018年金融科技业十大预测

作者:Henri Arslanian

原文:10 FinTech Predictions for 2018

译者:吕林倩

转载于:未央网

对金融科技公司来说,2017年是重要的一年,但2018年的发展同样让人兴奋。以下是我们对2018年金融科技领域的一些预测:

1. 比特币与加密货币–会出现机构级别的投资者吗?

2017年比特币和其他加密货币打破了许多记录(尤其是在价格方面),引起了公众的广泛关注和兴趣。潜在投资机构相继宣布投资加密货币、推出加密基金,从中介到银行的”现任”服务提供商也进入了这一领域,预计这一领域的火爆情况在2018年还将继续。

零售领域也期待创新。尽管加密货币或首次币发行(ICO)取得许多突破性进展,但对用户来说,投资它们并不方便。如何保管密码仍需要更多经验。例如,你忘了银行密码随时可以找回账户密码,但如果忘了加密货币密码,就再也找不回来。

2. 加密法规与税收–监管机构和税务机关也准备加入吗?

截至目前,监管机构大多对加密货币采取了一种平衡实用的方法。但他们也明确表示打击任何违规行为,美国证券交易委员会对数据访问对象的调查报告就是一个很好的例子。然而,监管机构可能针对某些盲目的首次币发行采取更高调的执法方式,希望这种做法能起到杀一儆百的效果。

预计税务当局也会更加活跃,尤其是比特币价格上涨的情况下。美国国税局最近要求美国一家大型加密货币交易所提供账户持有人的姓名,这可能预示了未来的发展方向。

3. 首次币发行(ICO)–这个新行业能成功吗?

过去一年,ICO发行吸引了大量媒体关注,并通过代币销售累计获得30多亿美元资金。未来,这一行业很快就从”两个人加一纸理念”的模式发展为经验丰富的团队加专业营销公司的完美商业模式。

尽管ICO狂热在2018年可能会平息下来,尤其是从ICO的数量和筹集金额角度来看,但我们预计该行业还是会随着行业进一步发展而进一步制度化。KYC(了解你的客户)、AML(反洗钱)流程、管理方式、透明标准这些关键领域体现尤为明显。预计行业翘楚将践行更多创新项目,最近香港金融科技协会的实践就是一个很好的例子。

4. 管理科技–未来整合浪潮?

管理科技(RegTech)将继续成为金融机构的兴趣点,金融机构不仅希望更加高效地完成监管义务,而且还希望能有效降低相关风险和成本。

然而,漫长的销售周期和采购障碍仍将是挑战,特别是法律和合规团队对管理科技还不太熟悉。此外,这一领域还缺乏占主导地位的公司,这将会导致行业进一步整合,而管理科技创业公司可能还会被某些不想被淘汰的传统技术提供商收购。

5. 银行拥抱金融科技–创新团队的终结?

尽管创新团队在金融科技早期发挥了关键作用,银行与创业公司还在学习如何合作的时候,就经常因去烧预算而受到批评,创新团队更多的是被作为一种营销工具,而不是一种组织内有意义的变革驱动力。

随着银行高级管理层对金融技术的熟悉、对金融技术的了解,可以预见许多金融科技公司将完全避开创新团队,直接处理相关业务。这样除了能节约金融科技创业公司的时间和精力,还能继续把创新作为一种思维模式根植于整个组织中,而非仅仅局限于创新团队。但说起来容易做起来难!

6. 监管科技–监管机构将使用新技术?

监管科技,简称”SupTech”,是指监管机构采用新技术,使监管更有效,减轻合规负担。可能与有些人的想法相反,许多监管机构进行先进的数据分析和人工智能工具试验,不仅是为了检测市场操纵,还为了处理每月收到的成千上万份监管文件。

预计一些主要监管机构将继续充当这一领域的先锋。例如,新加坡金融管理局正在计划在监管报告上使用机器可读模板,并彻底修改数据收集习惯,甚至允许金融机构在监管机构两次要求相同数据的情况下拒绝其要求。

7. 开放银行–你的银行数据将与你最喜欢的科技公司合并?

2018年金融技术议程的首要议题还是围绕开放银行业务、开放应用程序编程接口(API),欧洲PSD2(《支付服务指令修正案》)等监管法案、香港监管机构宣布开放API框架等监管举措推动了这一领域发展。

尽管大多数人都认为开放银行是整个行业的普遍走向,但观察当前银行如何在2018年实现自己的定位、科技大公司将取得什么样的进展还是很有趣。在开放的银行模式中,消费者会选择科技公司还是更信任传统银行?结果还是个未知数。

8. 语音界面操作–Alexa会成为你的新银行家吗?

尽管关注焦点仍在手机端,但语音界面操作正逐渐被接受和使用。从欧美的亚马逊Echo、谷歌Home到亚洲的百度小鱼、阿里巴巴Genie,语音助手逐渐成为我们日常生活的一部分,一些研究甚至预测2022年前大多数美国家庭将拥有此类设备。

与近年来聊天机器人的情况类似,预计金融机构将继续研究如何把解决方案与向客户提供的产品整合。尽管仍面临许多数据安全和隐私问题,但这领域看起来仍然很有发展前途。那么Alexa能成为你的下一个银行家吗?

9. 金融科技套利–西方研究,东方销售?

亚洲通常被公认为B2C金融技术的全球领导者,主要是因为中国的几家大公司(比如百度、蚂蚁金融、腾讯(BAT))在向公众提供金融服务发面取得了进展。但亚洲想要继续成为B2B金融技术领导者,不一定要从创新角度出发,还可以从应用和整合方面入手。

考虑到相应的技术掌握情况及客户基础的要求,亚洲金融机构通常非常渴望尝试新的解决方案。大多数金融机构以及大型国际银行的亚洲分部现在都有了合理的自主权决定使用哪些创新手段。对全球专注B2B的金融科技公司来说,这可能是一个机会,他们可以在西方做研发,在亚洲投入应用,还可以利用香港或新加坡等地作为中间站。

10. 欺诈和网络安全–如何避免害群之马?

尽管存在诸多障碍,但金融科技行业仍在继续发展。这一行业面临最大的挑战可能是重大事故,如网络攻击,消费者的私密数据有可能被窃取。或者是公开欺诈案件,可能会严重损害银行、公众对金融科技的好感。例如,2014年Mt.Gox丑闻之后,比特币的行业环境遭受了重大挫折,这一事件导致它的发展势头减弱。近年来,P2P贷款的声誉则受到多重丑闻和庞氏骗局的严重损害。最近,针对银行的网络攻击一直持续不断,而且可能还有针对缺乏安全基础设施、幼小的首次币发行的攻击。

对于更广泛的金融科技行业来说,要继续保持繁荣,重要的是确保每个人都在专业、诚信和透明下的机构内工作,并采取适当的预防措施,尽可能避免意外事件发生。

  • Dec 15 / 2017
  • 0
Ideas

锐眼发现 | 2018年用户体验设计趋势

作者:Anthony Miller

原文:The State of UX for 2018

译者:倪尔东

审校:郑几块

转载于:人人都是产品经理

 

2017年就要过去了,让我们预测一下2018年的用户体验演变趋势。

本文将回顾2017年数字世界中的显著变化,并将展望2018年在设计和开发领域让我们继续保持领先的那些趋势。

一、更简单的导航

导航体验是2017年设计师中的热门话题。设计师殚精竭虑,拿出熬秃少年头的精神,就是为了创造更易用的用户体验,而导航设计在其中作用重大。

线性导航

为了简化导航体验,许多应用程序和网站聚焦于创建线性(或分步)的导航体验。

互联网产品和开发者利用这种类型的导航,让用户感受到每一个“下一步”之间的逻辑关系。这种类型的导航尤其适合目标驱动型的应用程序(例如Uber)和电商网站(例如Amazon和Best Buy),在这些应用和服务中,用户都有明确的使用目标。

语音交互

语音交互(VUIs)已经成为一种更好的交互选择。

自然语言处理能力发展迅猛,这使得程序能够处理各种不同类型的语音指令。

资料显示,有相当比重的年轻人正在使用语音指令来处理任务

在明年,语音交互将会跳出移动应用的范畴,大举进入物联网领域和智能家居系统。

不久的将来,我们将会拥有更加先进的语义识别能力,从而增强我们和系统的交互效率。

二、减除冗余和理解增强

如今,减除视觉冗余和增强界面的可理解性已经成为许多交互设计师的目标,并且他们颇为热衷此道。

设计师们首先删除无关信息(噪音),然后通过强化内容并且使用简洁的设计语言,从而达到有序增强目标信息(信号)的目的。

内容优先

内容优先的设计方法与设计中的极简主义息息相关。

设计师为了达到“少即是多”的目标,删除掉所有无关元素、聚焦于真正重要的东西——内容和功能。界面中的元素之间大量留白,同时减少元素的复杂修饰。

但是,这种方法的缺点是:界面有时太过于中性化。

Instagram for iOS (2015 vs. 2017)

简洁的视觉语言

我们都知道:强烈的视觉层次更容易让用户与产品进行交互。

在网站和APP的使用背景中,强烈的视觉层次意味着用户能根据清晰的视觉引导在屏幕上有序阅读。强烈的视觉符号(例如功能性按钮的鲜明颜色)结合简约的布局可以创建一个非常简单轻松的用户体验。

提交按钮的鲜艳颜色. 图片来源:Airbnb

大标题

大标题有大量留白和大字体两个特点。

大标题为用户提供两个主要的好处:让文本更突出,也更方便阅读。

苹果在iOS11中使用粗体标题

三、以不同的目标为导向使用动效

动效已经成为交互的一部分。

在交互设计中有两种最重要的动效类型——功能型动效和愉悦型动效(情绪安慰型动效)。

功能型动效

功能型动效能为用户带来界面清晰有逻辑的感觉,这种类型的动效能用来简化与产品交互的过程。

刚发布的iPhone X和手势交互动效将被用来描述复杂的转换和空间关系:

功能型动效能够使复杂变化变得容易使用户理解。图片来源:Jae-seong, Jeong

情绪安慰型动效

为了创建更人性化的体验,开发者们在用户使用过程中增加了令人愉悦的交互细节——但是这些细节没有任何功能性的目的,主要用于建立与用户情感上的联系。

利用动效来增强体验。图片来源:Andy Orsow

四、视频的优势

视频内容在2017年的市场营销领域出现井喷式增长。

根据 Hubspot 统计:每周有78%的用户在线观看视频,每天有55%的用户在线观看视频。

以注意时长为导向的视频内容

自从进入移动互联网时代,人类的注意时长从2000年的12秒降到了如今的8秒。

市场营销人员以注意时长为导向,调整他们的内容——就像360度视频和Facebook Live都是这种适应的产物。

主页上的欢迎视频

视频从一开始就设计成吸引用户注意力之用——这就是为什么很多网站使用视频作为欢迎页面的原因。

特斯拉不仅向网站访客介绍公司产品,他们还会放一个关于产品故事的视频,这将创造一段难忘的体验。

五、情绪化智能设计

人机关系已经不那么理性,而变得更加情绪化。

我们因机器帮助到我们达成目标感到快乐,因电脑出了故障而迅速恼怒。

在2017年,我们看到了向情绪化智能设计的转变的趋势。

情绪设计旨在创建一种基于理解人类用户感受的反馈系统,它能够创造出正面积极的情绪反馈。

失误地图

在很长一段时间内,设计师基于理想的用户行为创造体验。

从2017年开始,很多设计师认识到:为非理想的用户行为创造体验也同样重要。

失误地图主要用于:发现用户在使用产品时发生的消极问题的场景。

产品经理会试着理解造成用户“错误”使用的场景,通过对用户犯错场景的理解,产品经理会想办优化解决这些问题——至少让他们看上去不那么令人尴尬。这是给予用户的一种人性化的反馈。

失误地图的一个正面案例来自Slack:如果你有一条写到一半的消息然后点击了退出,你会看到一个铅笔的标志提示你还没有写完这条消息。(译者注:类似于微信给人发消息写到一半退出到聊天列表页,你会看到红色的[草稿]标记符)

出现铅笔标志意味着你有写到一半未发送的消息。

在APP中出现更多微交互

在移动设备上,微交互正迅速成为很多设备独有的特性,它们能用来创造更简洁的体验。

简单的手势和恰到好处的微妙反馈,使我们在手机和产品间的交互变得自然流畅,如雨落荷叶般不经意地让人心情愉悦,却又转瞬即逝不拖泥带水。

Instagram Stories中的视觉反馈

传统的交互

聊天机器人和会话的用户界面(CUI)在2016年流行起来,聊天机器人和智能助手将会保持持续增长。

CUI和传统GUI的一个重要区别是:用户与产品交互的方式——会话交互会感觉更人性化。这就是为什么对话机器人如Zo和小冰很受用户欢迎的原因。

图片来源:EJ Hassenfratz

六、内容愈加重要

内容为王,内容是用户使用APP或浏览网站的原因。

在2017年,我们发现了两个和内容交互直接相关相关的趋势:

Facebook将以内容为核心

在2017年,Facebook成为最重要的内容消费服务之一;它不再是起点,而是一个强大的新闻和消息中心(译者注:国内参考微信)。

大公司助力识别内容的可信度

今天,内容可信度是一个十分严重的问题。每时每刻,数以百万计的内容被生产出来,我们将很难从中区分事实和假象。

根据由斯坦福大学的一项研究显示:很大比例的用户无法从他们的消息流中辨别真伪。

内容可信度的问题在2016年美国总统竞选活动期间尤其明显,这证明谎言比真相传播的要快。

幸运的是,像Google和Facebook这样的大公司已经意识到了这个问题,并开始测试“事实核实”功能,帮助用户辨别真伪。

七、可穿戴设备成为手机的替代品

随着Apple Watch3 Cellular的发布,很多人看到可穿戴设备的新纪元;最后,智能手表极有可能会成为手机的替代品。

如果你的手上戴有一块功能强大的手表,为什么你还会携带沉重的砖头在口袋里呢?

很明显,我们看到新设备已经翻开了新的篇章开始书写自己的历史,一段时间后,它会有自己的目标受众。

图片来源:Engaged

八、更简单的认证

登录名和密码的组合(也称为“证书”)是App和用户登录过程中所需要的信息——我们都知道,这是一种老掉牙的方式,真希望过去几年在这方面能有显著的改进。

在未来一年,这种认证方式将会有一些显著的变化。

使用聪明的认证方式

在大多数情况下,当人们忘记密码时他们会试图重置。

虽然重置选项作为忘记密码时的强制选项,不失为一种好的解决方案;但它仍然有一个重要的问题——用户为了登录需要很多额外的操作(如点击“重置密码”,查看收件箱消息,点击重置链接并创建一个新的密码)。在简化的过程中,许多应用和网站使用了创造性的登录方式,如临时密码(一次性密码将发送到手机):

Ebay会根据账户绑定手机号验证发送一个一次性密码,或者通过验证手机号更换整个账户/密码对:

例如Mdium和他的“神奇链接”

生物认证

今天很多设备使用不同的生物认证方式作为替代密码,在2018年,我们会通过一个更令人兴奋的方式登录到设备和应用。我们将使用最受保护的,也是最易于使用的方式——Face ID。

随着Face ID正式应用于iPhone X,它很有可能会成为未来的主流认证方式。

Craig Federighi在2017年的WWDC上展示Face ID

双重认证

盗取用户数据的网络攻击事件频发,这使得企业去思考他们的应用程序是否安全。

双重认证正迅速成为许多服务的认证方式——它增加了一层保护,可以显著降低用户设备数据失窃的概率。

图片来源:MIT

九、更个性化

越来越多的公司通过技术手段为用户提供个性化的内容推荐服务。

据Gartner的报告,用于识别客户意图的智能个性化引擎将使数字企业增加高达15%的利润。

机器学习

机器学习领域的重大进展,让许多公司能够在应用和服务中利用算法满足用户提供个性化的需求。

最好的个性化推荐的例子是亚马逊、Spotify和Netflix服务。

Netflix分析用户的兴趣并向用户推荐他们可能感兴趣的剧集

Netflix分享了它如何利用机器学习技术服务于个性化推荐的细节

移动应用的LBS

由于手机随时带在身边,手机上的APP可以使用位置数据来提供与用户的位置相关内容,这使服务更加适应周围的环境。

一些应用程序,例如Uber,已经使用这项属性来减少用户所需的操作。在2018年,我们将看到更多的应用程序通过使用这些功能来提升用户体验。

Uber外卖服务

十、无现金支付的崛起

无现金支付已经成为一个必然的趋势,使用非现金交易的人数在2017年实现了翻番。

根据Junpier Research的一封报告显示,苹果支付和安卓支付的用户数将在年末分别达到8600万和2400万。

相比于信用卡,安卓支付和苹果支付都是更安全的支付选项——毫无疑问,人们会更爱使用移动支付。

图片来源:Daily Express

这对设计师和开发者来说意味着什么呢?这意味着2018年我们将会为产品提供同时支持线上和线下场景的苹果/安卓支付的默认选项。

在线使用安卓支付

十一、增强现实地位增强

2018年会是增强现实年,很多人将会以手机作镜头进入虚拟世界。

Google Lens

Google Lens 是一种基于“增强现实”技术的应用,现在Pixel和Pixel 2手机上的谷歌助手已经搭载了这项技术,它能够让用户通过摄像头拍摄真实世界来获取信息。

好消息是:如果你想使用Lens从你周围的世界收集信息,你不再需要打开谷歌照片;你可以在使用人工智能助手时利用相机按钮,每次你按下快门Lens就会执行一个搜索。

Google Lens 的设计旨在提供可视化的信息展现方案。图片来源:Engadget

会出现更多能解决实际问题的AR应用

与仍处于早期探索期的VR不同,AR已经快速成为一项能向用户传递真实价值的技术手段。

今年,我们已经看到了类似宜家AR应用在帮助用户设计客厅时发挥的强大作用:

因为你能够将虚拟物品放置在真实物品和环境中,你向这些虚拟物品的潜在客户打开了新世界的大门

又或者你可以用AR来测量真实世界的物件,而无需使用皮尺来测量:

利用谷歌和苹果的AR开发者工具,开发AR应用会变得更容易

2017年苹果和谷歌同事发布了各自的移动AR开发平台——AR kit 和 AR Core. 这些平台都拥有高水平API,它们为开发者提供了可靠并且简单易用的开发和使用方法。

还有更好的是:目前已经有无数设备能够支持这些平台开发出来的应用。

移动AR技术平台使虚拟物品与物理现实环境结合得毫无违和感

十二、VR仍是潮流

很多人非常期待VR成为下一件大事,很不幸,2018年我们并不会看到VR像智能手机一样走进每家每户。

VR平台在成为大众平台之前需要经历一系列的挑战,但是,我们仍会在今年看到VR会有所进步。

VR设备会降价

对于硬件开发者来说,降低VR设备成本并让大部分人负担得起已经成为了最重要的目标。

就在几个月前,Oculus Rift和HTC Vive同时大幅降低了VR设备的售价,类似Google Daydream这样低价格设备的崛起会让更多人使用这项技术。

VR和Unity 3D

在接下来的一年,VR技术依然主要用于娱乐,这意味着开发者会使用Unity’s 3D 游戏开发平台为游戏发烧友开发惊险刺激的VR游戏。

2018年,我们期待看到这个游戏开发平台变得更加强大,并且有可能出现其他类似Unity’s VR的编辑开发平台。

浏览器中的VR

Mozilla的WebVR有机会在虚拟现实领域成为下一个大事件。有以下几点原因:

首先,它是最便宜的技术(只要使用与谷歌Cardboard和GearVR就可以了)。

第二,开发人员可以使用相同的编程语言来创建WebVR应用(不需要学习一门新语言,你可以使用JavaScript创建虚拟现实应用程序)。

最后,WebVR使用的APP和服务无须安装,只要打开链接,你就可以进入虚拟现实。

A-Painter 能够让你通过浏览器在虚拟现实中作画

附录:2018年网页产品设计的变化

今天设计师和开发人员使用现代方法,如敏捷和精益交互设计让他们快速迭代,创建产品,满足用户的需求和希望。

2018年我们将会看到一些产品设计会发生重大变革:

从MVP到MLP

今天很多公司都致力于创造MVP(或最小可行产品)来实现他们追求的价值。很明显,2018年MVP是不够的。

未来的设计将拥抱MLP——最小可爱上的产品(Minium Loveable Product),体验完美结合的可用性和用户体验需要将访问者转化为顾客。

MLP允许更容易传达利益相关者和首次用户接受该产品。

图片来源:Laurence McCahill

交互设计和服务设计的结合

在2018年,交互设计和服务设计应该会最终融合在一起。

由于越来越多的服务是由数字化的方式呈现和提供给用户,这两个领域已经开始发生融合了。

图片来源:Satu Kyröläinen

结论

就像所有的趋势和热潮一样,以上提到的有些会继续存在,而有些可能会消失。

但为了创造卓越的用户体验,对设计师来说:请别忘记初心——让人们生活得更好。

页面:1234567...18
随时欢迎您 联系我们