积累了各行业丰富的案例和经验

全部 /APP UI/网站设计/软件界面/互联网产品/品牌&平面

我们专注用户体验设计和开发

交互原型设计

信息架构
低保真原型
界面布局
快速原型
产品原型

产品视觉设计

视觉设计
设计规范与风格指南
品牌形象
图标设计
前端架构及开发

网站设计与开发

品牌网站设计开发
展示营销网站
电子商务网站
手机网站/响应式网站
前端开发与测试

移动产品设计

移动界面设计
iOS/Android界面设计
微信公众平台
html5设计开发
移动网站设计开发

软件界面设计

Windows软件界面设计
MacOS软件界面设计
车载软件界面
电视界面
其他终端软件界面

品牌及平面设计

标志设计及企业VI体系
产品平面设计
手绘插画
二维动画
广告设计

我们是设计师、工程师、梦想者
也是您的用户体验专家

IAIT(铁匠工坊)深圳铁匠设计是一家专业UI设计公司,主营业务包括:UI设计、交互设计、用户体验以及高端网站设计。铁匠设计前身为设计工作室(2015年正式更名为铁匠设计),经过多年发展与壮大,现发展成为拥有多名专业设计团队的设计服务公司,广泛涉足移动互联网、健康医疗、未来教育等不同领域....

迄今为止,铁匠设计为200多家客户提供过设计服务,其中包括:中国电信、文博会、深圳卫视、广东网上办事大厅等项目设计,以及深圳安博会、智能家居行业、社交APP等移动互联网产品设计。 铁匠设计坚信优秀的产品是商业和艺术以及精湛技术的完美结合,期待与您合作打造一流的产品用户体验!

咨询我们了解更多

如何练就优秀的项目体验

创意、流程、执行缺一不可
从创始至今,我们的业务方向始终不变,专注做好一件事才能更好的追求高品质,这也是IAIT存在的价值。在未来我们也是基于此信念而继续创造。
在不断的创新和实践中总结出可持续和可信赖的设计流程,坚持与用户一起思考,用设计的方法发现问题、解决问题、输出设计方案,并实现客户产品和企业价值的提升。
IAIT5年来积累了大量优秀的项目案例,并验证了设计的价值。在不断的探索中总结经验,以结果为导向,继续为更多客户提供优秀的设计。

设计路上我们不断追求创新

最新动态/ 行业资讯 / 设计研究
长文总结,支付宝社交背后的目

支付宝在干什么 我们都能看出阿里巴巴在拼命做社交。从强推来往,到做钉钉,再到现在的支付宝,9.0版本的集五福加好友,9.9版本的新首页、好友、生活,以及现在的各种圈子。 支付宝做社交的路,是一个在不同领域不断尝试的过程。重点在于不同领域。圈子功能的本质是陌生人弱关系链的社区,其中被口水淹没的白领日记、校园日记则是主打性的陌生人社交。之前支付宝各种好友的尝试则是与微信正面PK的熟人社交,再加上钉钉的职场社交,整个阿里的社交之路已经从熟人到职场到陌生人走了个遍。从微信到陌陌,下一步,是不是要向直播发展呢? 具体做社交的方式,支付宝则是标新立异,强行制造话题,每每都要搞出一个大新闻。大规模的集五福,首页各种神奇的大变化,再到“支付鸨”,支付宝每次大动作,都是奔着吸引关注去的,而非需求本身。这次圈子事件,运营团队推广的色情擦边球起到了关键作用。当然支付宝这样做的初衷也可以理解,毕竟没人认为它是用来社交的,而且现在没多少人会卸载支付宝,所以话题造的越大越好,不怕有人不用,就怕大家不来围观。 支付宝社交还会做下去吗?答案是一定的,因为还有那么多人呼吁支付宝安安静静地成为支付工具,支付宝会想,我都这么张扬了,你居然还以为我只是个工具?说明我还不够浪。离过年不远了,我们看看到时候支付宝又会制造出什么。 支付宝做社交背后的目的是什么 正经地分析,支付宝为什么不遗余力地做社交?这个话题众说纷纭,已有打微信、关系链、发挥数据优势等各种观点。我的理解,支付宝做社交目的最主要是以下三方面: 1、将支付宝APP作为移动互联网的入口。 “入口”是巨头最为关注的点之一,而阿里的入口属性是最弱的。在PC时代,百度是入口,qq算半个,移动互联网时代,微信是入口,qq、移动搜索、浏览器也勉强算半个。淘宝虽然这么大,但场景过于单一,除了购物之外,用户没有任何用到淘宝的理由,所以淘宝从来都不是入口。 移动互联网时代的入口尤为重要,如果说PC时代BAT还是一亩三分地,那么移动互联网的特质,是一个超级入口能涵盖很多不同的领域。微信通过自己的努力,已经接近于一个能支付、购物、内容平台及搜索的综合OS,所以阿里的压力必然很大,百度也一样。 阿里当前的产品线,淘宝天猫场景单一,不适合作为入口。再开辟一个社交APP,来往的案例鲜活的摆在眼前。支付宝APP是阿里中产品中拓展最好的一个,从单纯的支付、担保工具,发展成了线下支付、生活支付、金融的综合性支付工具(当然还只是工具)。所以阿里想要入口,只能是支付宝。 2、场景,场景,依赖于用户关系链的支付场景。 场景是支付最为重要的因素。想要发展更多的支付渠道和方式,必须扩充支付场景。诸如购物、线下支付、金钱往来、红包这些都叫做支付场景。支付宝很多其他的功能,比如占据第二频的口碑,新的到位,都是以支付场景为导向,拓展到生活上各方面的支付场景。 而用户关系链是很重要的支付场景基础,熟人之间的转账、红包,陌生人之间潜在的商品服务交易、金钱来往、打赏等,都需要以关系链为基础。回顾微信拓展支付的过程,基于熟人关系链的红包便是微信支付的发起点。为了抓住关系链的支付场景,支付宝唯有引导用户去拓展关系链,就拿转账来说,微信有好友支付宝无好友,用哪个转账方便不言而喻。支付宝希望做到的是,所有关系链之间和交易有关的动作,都让用户在支付宝中完成。 3、尝试发挥芝麻信用等金融数据的作用。 圈子的一条规则则是芝麻信用750分以上可评论,可以看出支付宝企图把自己积累的数据、信用结合社交,发挥更大的作用。这些来源与用户的消费数据是支付宝真正意义上的“核心竞争力”,支付宝具此拓展出芝麻信用、花呗等功能。 然而这些数据更大的作用在于金融领域,目前还没有和社交碰撞出真正的意义。这些数据只能是底层的,根据数据做出用户画像和分层,而无法和实际的社交场景相关。这个750分限制的功能只是扯淡而已。当然有理由期待,芝麻信用分等在其他领域,发挥更大前台的作用。 4、正面刚微信,用支付PK熟人社交,互相抄后门。 同为互联网最大的俩巨头,你有微信,是移动互联网的航母,你还抄我后门,抢了我移动支付三成的份额。心高气傲的阿里巴巴怎么会善罢甘休呢,你能抢我的,难道我不能抢你的?于是高层大手一挥,支付宝做社交,正面怼微信。然后就是我们今天看到的故事了。 社交和支付本是两个不相干的岛,忽然中间有了个红包,搭建了场景这座桥。微信先发现,从社交冲到了支付阵地。而支付到社交是上坡,桥上又有了微信的把守,支付宝想要冲到对方阵营可谓是艰难险阻,然而还是拦不住阿里的野心,冲不到对岸誓不罢休。 但这个目的真的能成功吗?我认为不行,具体看下文。 为什么不被看好还被骂的这么惨 1、做法问题。天下没有一个把几种完全不相关的核心功能模块强制结合在一起的先例。 如前所述,支付场景是最为重要的因素,然而在拓展支付场景的过程中,支付宝并没有专注于场景本身,而是先大规模拓展其他领域的功能模块,再企图建立场景。这个做法反了,明显不对。天下没有一个两种以上毫无关系的核心功能强制挤在一起的产品,这是一个入门产品经理就知道的规矩。微信为什么有那么多不同领域的模块,因为微信通过各种各样的场景,让用社交的用户有理由拓展到朋友圈公众号支付,各模块之间形成了闭环。支付宝目前没有看到任何支付和社交之间的闭环,连支付和生活服务之间也只有半个闭环。 如果拿独立的功能模块比作岛,那几个功能模块之间的场景就是桥。要建新的模块,首先要修建桥,让用户有办法过到其他岛上,而不能直接在另一个岛上拼命开发却不建桥。微信支付的成功靠的就是红包这座桥,先把红包的场景建立了,把用聊天的用户引导到桥上,然后在逐渐完善微信支付这个岛上的功能设施,让用户有理由来去。支付宝的社交则是直接做一大堆和支付几乎没有关系的模块,开发新的岛却不建桥。唯一像桥的功能居然是750分的门槛,等于告诉用户,你们谁会游泳的可以自己游过去看看,不会游的就别去了。 2、社交的性质。社交不能靠砸出来,天下没有靠强行推广形成关系链的社交产品先例。 社交的核心在于关系链,关系链的最大特点,在于它是自然形成的,而不是靠推广的。一定有一种因素、需求,让用户有自然形成关系的动力,比如微信最早的语音消息,摇一摇,比如陌陌附近的人。回顾来往的事迹,非常鲜明,从马云开始自上而下强行推广,最后没有任何卵用。关系链最多也只能导入,比如微信导入qq好友,但不能靠砸,要是靠朋友之间强行口耳相传来积累用户行得通的话,那传销就是合法的。 社交是个粘性很高的领域,用户的停留时间超过其他类型应用,而支付完全相反,粘性很低,工具属性极强。可以看做由社交这个“岛”拓展到支付的“桥”是下坡,建立场景较为容易,而从支付到社交则是上坡,难度要大很多。 如今微信在大众社交领域早已建立强大护城河,陌陌在陌生人领域、微博在媒体领域都已是独角兽,移动互联网发展至今,已很少有社交新的机会,即使有也只是一些小的垂直领域。所以这个时候支付宝进军社交领域,很难再获取到新的关系链。 很多分析文章都提到了用户认知问题,即用户心理对支付延伸到社交的抵触。这算是一个次要原因,毕竟用户不喜欢“在ATM机旁打电话”。不过我认为这点不是关键原因,因为这是双向的,当年微信支付建立之初也有很多用户担心钱放在聊天软件里不安全。 这两个核心原因我都用了“天下没有…先例”的句式,可见阿里的破釜沉舟。 3、行业现状。移动互联网已经进入成熟期,很难有新的入口形成。 如前所述,入口是阿里巴巴最为关注的点之一。然而当前的行业现状已是移动互联网的成熟期,按照一种说法是“互联网的下半场”,新的机会越来越少,跟其他行业整合性质的为主流。微信已经成为了入口级应用,涵盖了社交、媒体平台、企业服务平台、线下支付乃至分发平台。诸如生活服务、新闻搜索等领域都有完善的解决方案。市场已经不再需要一个新的“入口”。 支付宝想要做“入口”,显得难上加难。除了购物以外,需要通过支付作为入口的只有两个小领域。一是商家的线下支付,当前支付宝和微信各自占据半壁江山。二是金融相关,支付宝也做了很多。但这两个领域较小,形成不了大的入口效应。其他大领域都已成熟,没有需要支付作为入口的情况。支付宝当前的口碑、金融相关、商家卡券等领域只能说一般般,没有形成入口效应,更不用说朋友、服务窗、快递、蚂蚁森林之类的鸡肋功能。 微信通过社交打造闭环,成为入口,然而当各行业被瓜分完了,即使今天支付宝做社交成功了,想再成为入口,还是不太可能。所以说,支付宝想成为入口,比做好社交还难。 复盘观察,支付宝错失了什么,微信又是怎么成功的 支付宝的场景化支付、做社交、做入口真的没可能吗?也不是。其实支付宝有机会,只是微信每一步都做得更好,把支付宝的机会抢走了。 复盘观察这几年来微信的发展,首先从单纯的聊天加订阅号,拓展到服务号,为各企业建立信息和服务功能,第二通过红包打开移动支付,第三接入滴滴打车、京东等第三方服务,拓展移动支付的场景,第四结合卡券完善线下支付场景。从单纯社交应用到建立企业平台,到建立支付,层层推进,几乎完美无缺。 再来看支付宝。支付宝在大致两年前开始成为阿里移动端的重心,首先做了一大堆基于支付的小功能,也就是之前版本的支付宝堆在首页的那堆。第二仿照微信公众号做了服务窗,并占据了第二栏,现在服务窗已经被折叠了。第三做了卡券,和微信一样,作为线下支付的场景。第四接入了口碑,把这个对用户来说和美团没区别的模块放在了第二栏。第五不断不断做社交。还有一些金融方面的功能。期间每次更新不断调整着整体的逻辑结构、功能层级和展示方式。 对比一下,有哪些是支付宝可以去做的呢?我认为有两块机会,企业服务平台,和第三方服务的支付平台。也就是微信的服务号,和滴滴打车等微信支付内嵌应用。 两年前微信服务号从统一的“公众号”中分拆出来,演变为服务性质企业的功能和信息平台,借助公众号本身的推送消息功能,让很多企业用来作为通知、拉新、直接完成服务等作用,乃至于支付,发展到今天这般。不仅微信推出服务号,连百度都推出了直达号。百度直达号好歹利用了百度移动搜索这半个入口,借助百度技术能力和应用分发地位,企图通过直达号做到企业服务和应用分发平台(PS我一直认为直达号是现在微信小程序的前身,只是搜索入口不够强以及内部原因导致没做起来)。 支付宝做了啥?只有和公众号没区别、和支付没联系的服务窗。服务性企业如果需要一个推送性质的账号平台,那干嘛不去微信,要来支付宝?在当时H5还未开始流行、微信还没有支付的情况下,将那些“需要支付进行的服务”汇集到支付宝,给企业支付手段和数据,想办法借支付做这方面的平台,这个思路不是说一定能比微信服务号好,但至少比没任何特色的服务窗要好很多。 第三方服务的支付平台,即现在微信支付和支付宝首页中很多内嵌应用。这一块同样被微信支付抢了先。那个时候是O2O的元年,打车外卖上门服务纷纷冒出来,在各自APP还未成熟、需要拉新占市场的时候,这些第三方服务需要一个能完成支付的平台。典型案例是滴滴打车,直接把入口放在微信里,用户通过微信打车,微信帮滴滴导流、拉新,同样微信也通过滴滴拉动了自身的支付。 我们现在看这些第三方服务,都有各自的APP,微信也不算多成功,没几个人会进到微信支付里面去打车、京东。但在当时,这些服务算是凭空多出的一大堆支付场景,在微信支付还未成熟的情况下,如果支付宝能把第三方服务接入,那自然强化了各种支付场景,说不定能向平台发展呢。而当时的支付宝,只接入了一个快的打车,其他都没有,随着快的被滴滴合并,这块支付场景也消失了一大半。 此外,在红包大战中,支付宝也被微信抢了先。两年前的过年期间,微信通过好友摇一摇红包,成功让用户接受微信支付。而支付宝那时候还没开始让用户加好友。试想如果是支付宝先让用户加好友过年发红包,那社交可能性虽说不大,或许今天大家发红包都会通过支付宝也说不定。 最后,我对支付宝社交的前景预测 关于支付宝的前景,我本想再洋洋洒洒写很多,但我实在想不出来支付宝社交的方向还能写出什么前景。鉴于前文的分析,我简述大致的三点想法。 1、尝试拓展更多与社交相关的支付场景,比如导购等,先从支付场景入手,再往社交拓展。比如说很多垂直领域的导购、媒体、工具应用的手段,先完善服务和内容,再做电商,让用户买,再做垂直社区,让用户交流。那么支付宝可以尝试作为这些垂直领域的平台,让商家们在上面分享、做内容等,直到完成交易,再有一定用户交易量的基础后,发展到社区。关键点在于,先做支付场景,再社交。 2、真的要做入口,只能等下一波大风口了,类似于人工智能、智能硬件之类的,等这些领域出现新的支付场景需求,然后尽快抢占相应场景。当然什么是下一波风口,我当然无法预测。 3、如果一定一定要做社交,那建议偏向于职场领域尝试一下。钉钉是唯一一个有关系链的阿里社交产品,国内也没有领英这样的大型职场社交平台。可以借钉钉发展一下职场关系链,再拓展到职场中支付相关领域,比如简单合作、资金往来,以及公司群发红包之类的。 …

别踩这4个坑,你才能真正维护

种子用户是第一批体验产品的人,他们的感受和体验对于产品后续的走向都很重要。所以产品经理们都希望可以用好种子用户,帮助自己的产品走向光明的未来。但是理想是丰满的,现实大多是骨干的。不论自己还是其他人,都在这方面犯过错误。总结了一下,有4个错误要注意避免。 错误1 筛选种子用户过于简单 种子用户很重要,更重要的是要先明白谁是真正的种子用户,如何正确筛选种子用户。我观察下来,很多团队特别是创业团队容易停留在表面。对于种子用户,只是简单的按年龄、性别、地区、收入情况去做划分和筛选。然而事实上这只是种子用户的基本信息,应该结合产品的特点和目的,有针对性的增加筛选条件。譬如,你的产品是一款面向都市中产人群的中高端美食电商平台,那你的筛选条件可以从以下情况去考虑: 年龄在28-35岁,工作在北上广的女性(符合都市、中产,女性相比男性更多地购买零食,所以可以优先选择女性); 在不同电商平台购买美食的频率(这里的时间频率可以根据实际情况设一个范围区间); 月购买食物消费在XX元以上,占工资收入的X%(因为是中高端美食,所以消费能力需要设定一个范围区间); 是否经常购买或想购买某几类品牌(这里的品牌代表用户的品牌认知,筛选掉低端用户); 家庭婚姻情况(单身、已婚、已婚已育的用户都要包括,不同情况用户购买需求和习惯是有很大不同的); 错误2 种子用户要做什么,能得到什么不明确 我们辛辛苦苦找来了符合要求的种子用户,但是我们自己却没有想好让种子用户做什么?没有为他们准备好明确的指令,这个阶段做什么,下个阶段做什么?种子用户能获得什么好处(大家都很忙,没几个人愿意做活雷锋)。这些都没有明确,种子用户会感觉无所适从,没有得到明显的尊重,我们和种子用户的距离只会越来越远,结果自然是瞎忙一场咯。 产品经理和运营人员在一开始就要制定好一个大纲,安排好种子用户进入或接触产品之后要做什么,怎么做,做了之后如何反馈,反馈之后会得到什么,这些都要事先明确。这里分享一下我自己的经验: 首先给每个用户做一个简单的访谈,了解基本情况(包括什么时间点方便联系,手机设备型号,愿意面谈还是电话等等)并记录在案,这样的话可以对用户有个大致了解,避免在用户不方便的时间和场合打搅用户; 接下来会告诉用户,我们是一个什么产品,需要您在接下来一段时间配合我们做什么。需要用什么设备(手机还是平板之类的),怎样使用(是否有特定流程),怎样反馈(使用的感受可以通过微信或QQ留言给我,也可以双方约定一个时间,面谈和电话交流)。 种子用户完成阶段任务之后,会给用户一些小福利或者口头感谢(如果公司有足够的预算,会有一套更明确的奖励机制)。有优惠和福利活动,种子用户属于第一批优先通知的人。 对种子用户进行阶段评估,上一阶段用户是否配合我们,如果不配合,看是什么原因,是我们沟通不好,服务不好还是用户实在太忙,没有时间搭理我们。该放弃的用户就果断放弃,毕竟时间有限。 产品不同阶段要注意调整种子用户的任务。比如还在内测阶段,就让种子用户专注体验产品就好;产品上线之后需要传播了,要设计机制鼓励种子用户去分享和传播。 错误3 盲目社群化 这两年社群是一个火爆的概念,大家都喜欢搞微信群或QQ群,动不动几十个微信群。微信群和QQ群确实可以拉近和用户距离,但是要有一个合理的边界。 我们曾经做了20多个用户群,运营每人好几个手机,好几个微信小号,天天泡在群里,人人都疲惫不堪。刚开始群还活跃,可很快群就开始沉默。为什么?一个是新鲜感过了,再一个现在每个人太多群了,根本顾不过来,另外维护群是件琐碎的事情,需要投入大量的时间和精力,别的事情还做不做了?投入产出不成正比。 盲目社群化不可取,我觉得可以从自身的实际出发,选择合适的群规模,考虑高效合适的管理方式,确定好活动激励机制。大家可以观察一下吴晓波书友会,它其实就是一个粉丝或者说种子用户的自发组织,按城市自行成立,自行选举管理者,自己组织活动,吴晓波频道据说只有一个人管理几十个书友会,但是却可以高效和自身品牌形成合力。 错误4 被用户牵着鼻子走 在和种子用户沟通过程中,我们会发现用户都有很多的想法和意见。有时候我们容易陷入这些“用户意见”之中,觉得每一个意见都是对的,每一个需求都要重视和满足,结果就被用户牵着鼻子走。 事实上,用户提出的意见和要求,有可能会有如下问题: 用户说的不一定是心中所想; 用户没有表达出自己的真实需求; 用户意见不一定合理,他们很多意见可能只是一个直观感受,可能会有偏差。 那我们要如何才能避免被用户牵着鼻子走呢?在实际工作之中可以从这几点出发: 根据使用场景考虑:用户提出这个需求一般发生在什么场景?是概率很小呢还是高频?是否符合实际情况?人在不同场景会有不同行为,而用户提反馈的时候,不一定都会考虑到这些不同场景,这就要求我们又必要去还原使用场景。 根据用户目标(真实需求)考虑:用户表达出自己的真实想法或需求了吗?比如用户说没有提醒功能,但是我们其实是有这个功能的,那就要去追问或细究,是我们功能到达率太低?还是用户其实想要的是自己设定提醒时间? 根据产品定位考虑:用户提出要求符合产品定位吗?符合产品定位,我们可以进一步讨论这个要求,如果不符合,我们可以暂时搁置。 根据实际资源考虑:用户提出的要求需要多少开发资源?需要多少工作人日? 以上4个错误,其实在我们实际工作很常见。总结出来,既是对过去工作的一个总结,也希望可以对大家有所帮助。 …

关于短视频风口最全面的一篇文

01 豪强密集进场 2016年,内容创业最值得关注的指标性事件是: 4月,papi酱广告拍出2200万元天价,“创下人类历史上单条视频广告最高纪录”,超过范冰冰1800万的代言费。 9月,统计显示人均流量消耗最高的APP不是微信,而是短视频应用快手。 9月,今日头条在“头条号创作者大会”上宣布投入10亿元补贴短视频创作者。10月,新榜公布的头条号自媒体榜单TOP20,有13家已涉足短视频,半年前仅为8家,一年前只有2家,短视频成为自媒体大号的标配。 这三件事,都与短视频相关,其背后,隐藏着内容创业波澜壮阔的变化。 今日头条、微博、腾讯、阿里等巨头今年纷纷进军短视频,拼补贴拼政策拼流量,来势汹涌;最新的入场者是“我心澎湃”的邱兵,其创办的梨视频11月上线,两周时间即估值20亿,据说排队寻求投资的机构超过50家。 豪强密集进场,网红捞金无数,成千上万创作者蠢蠢欲动,人和钱统统涌向同一个焦点。此番情景我们不会陌生,在百团大战、O2O血拼、直播白热化竞争中就见识过。 风口浮现时候,风景总是相似的。“这个领域至少还能产生10个PAPI酱级别的IP。”有业内人士分析。 02 风口已经形成 9月份,今日头条CEO张一鸣做了一个判断:“短视频是内容创业的下一个风口”。 当不少自媒体还执着于传统的图文内容生产时,“短视频风口论”倒像是震耳的汽笛,提示着整个内容领域基本面正发生的重大变化。 内容产业是否成风口,可从消费端、生产端和投资端三方面来看。最近一年,短视频恰恰在流量(消费端)、产量(生产端)和资金量(投资端)都出现了井喷现象。 (1)消费端:流量 流量越来越贵,在业界是个常识,9月底爆发的“公众号刷量工具失灵,部分大号阅读数暴跌”事件,不过是公号流量遭遇瓶颈的一个注脚。然而,短视频流量今年却飞速增长。 微博短视频流量今年爆发式增长,第二季度的日均视频播放量是第一季度的3.3倍。微博今年股价一路飘红,市值甚至超过Twitter,短视频功不可没。 来源:微博(截至2016年10月8日 今日头条的短视频播放量上半年增长260%,日均播放量高于10亿,超过了图文内容。图文和短视频内容比重的此消彼长,已成定势。 来源:今日头条算数中心 短视频独立APP也极为强势,在三四线城市大受欢迎的快手,2015年6月用户数突破1亿,2016年2月即超过3亿,8个月时间俘获2亿新用户。 各个平台上的短视频流量正全方位井喷。当一口新油井被钻开的时候,围绕在它周围的人将是受益者。 (2)生产端:内容生产者 流量在哪,内容生产者就在哪。短视频流量井喷,内容生产者的井喷是自然而然的结果。 创办了梨视频的邱兵是新入场者之一,他的轨迹耐人寻味:13、14年,新闻客户端兴起,邱兵操办起澎湃新闻;两年之后,义无反顾地投身于新的流量洼地——短视频。从纸媒到网站、图文资讯APP再到短视频,邱兵的轨迹实则是整个内容生产者流动的缩影。 邱兵身后,是从传统领域涌向短视频的一长串新生产者名单。 除了前媒体人投身短视频创业阵营,传统媒体机构也纷纷发力短视频领域。就在今年10月,界面新闻、南方周末、新京报等传统媒体纷纷宣布在短视频领域的投入。界面新闻旗下短视频品牌“箭厂”上线,重点生产“原创短视频纪录片”;以深度内容生产著称的南方周末成立南瓜视业,正式涉足视频领域。新京报推出视频项目“我们”,发力新闻快讯类视频制作。 生产者的增加,更多的来自自媒体人的转型。一年前,头条号自媒体榜单前20名中只有2家生产短视频,而如今已有13家涉足短视频。一年之后,在那些自媒体大号上,我们估计很难找出不涉足短视频的“遗老”了。 PGC生产者激增之外,UGC的爆发同样惊人,快手每日上传短视频量超300万,假如以每个视频3分钟算,可以播放超过6000天。 (3)投资端:巨头密集进场 一个领域是否形成风口,最显著的指标是巨头是否入场。从百团大战到直播大战,风口所在,必是巨头的必争之地。 而今年4-9月,短短半年时间内,互联网巨头们不约而同入局短视频。这些巨头的切入点各有侧重,但无一例外的是,其占位均十分迅猛: BAT、今日头条、陌陌、新浪微博、网易……豪强们各怀心思,强势闯入,齐力将短视频推向中心。 由此带来的一个变化是,短视频广告正在爆发:4年后广告规模将达到600亿元,是现在的10倍;尤其是新闻信息媒体广告,短视频的贡献率会从目前的13%攀升至63%,在所有渠道中增长最快。 来源:蓝莲花研究机 03 短视频的新生 短视频风口为何在此时浮现? 除了智能手机普及、移动网络升级、上网资费下降等基础设施原因,短视频成为“国民级应用”的时机,与自身的两大特点相关: 移动化挑战。短视频与长视频相比,是碎片化的,随时随地可以观看,移动端成为它最重要的发育土壤。 分发机制挑战。短视频量大而分散,眨眼而至,倏忽而去,它很难成为头部内容,传统的人工编辑方式无法对它进行有效分发。没有大规模的去中心化分发,短视频不会爆发。 短视频清除这两大挑战,一共用了十年,这中间可分为三个阶段: 第一个阶段是05、06年的优酷、土豆时代,它们最初都定位为UGC视频网站,首倡拍客文化。但是,那时智能手机和wifi都不普及,短视频缺乏基础设施的必要支持,“拍客运动”后来偃旗息鼓。 第二个阶段是12、13年,智能手机接近6亿,3G网络覆盖人群接近4亿,移动化的问题基本解决了。因此,快手、秒拍和美拍等短视频应用快速圈了一批用户。但是,去中心化分发的问题仍未解决,短视频只流行于特定人群(如美拍的年轻女性群体)。 来源:工信 第三个阶段,社交巨头纷纷发力短视频,2013年8月新浪微博增短视频分享功能,2014年9月微信上线小视频功能,并于近期测试“大视频”功能,或将突破6秒时长;今日头条等资讯平台同时介入该领域。如今,微博和今日头条日播放短视频均超过10亿次。社交分发和智能算法分发的加入,一举解决了短视频的分发难题,将短视频从小圈层中解放出来,获得新天地。 04 剧变的行业格局 巨头正在接管战场。目前,在这场短视频争夺战中,大体可分为三大流派: 智能算法派。智能算法作为高效的分发方式,已经在今日头条身上得到验证。事实上,短视频更像与图文内容更接近,与长视频差异更多,因此智能算法分发从图文类资讯移植至短视频,比较自然。不过如何培育和生产优质内容则是棘手的挑战。今日头条的10亿元补贴计划,是有针对性的举措。 社交传播派。社交派依靠人际圈层进行短视频分发,目前无论是微博的弱关系社交网还是微信的强关系社交网,短视频的量都不小。但是,随着社交圈膨胀,用户不感兴趣的短视频会大量出现在面前,分发有效性会降低,这是社交派的长远隐忧。 人工推荐派。事实上,以优酷、爱奇艺为代表,对头部内容的倾注必然导致对长尾短视频的忽视。人工推荐派逐渐淡出主流。 在美国,短视频也基本上被社交派和智能算法派垄断,短视频巨头如Facebook、Instagram、Youbube、Twitter都在不同程度上引入智能算法分发,他们或许最初倚重社交分发或人工推荐,但到2013、2014年后先后向智能算法取经。 Instagram的转型可视为典型。2013年Instagram被Facebook收购后,短视频流量剧增,后来引入了推荐算法。如今,Instagram用户的视频浏览时长保持着每半年增长40%的速度。 从目前来看,增长速度最快的是智能算法派。对于新入场者,算法派有利于他们获得长尾流量和广告。 作为一个小规模的生活类短视频团队,“一色神技能”在比较了40多个分发渠道后,采取的一个策略是:今日头条首发、其它渠道第二天跟发。 “如果每天播放量30万,有近700元的收入,今日头条一个渠道月收入大概就在21000元。” 除了收入,他们更看重的算法推荐的效应: 选择在头条首播可能能给更多的推荐量,从而获得更多的播放量和分成。因为头条的用户群足够大,且用的是推荐制的算法,所以在一定程度上可以测试视频内容的受欢迎度。 05 巨头的橄榄枝 在这场内容大战中,优质短视频是1,渠道分发、广告价值、电商转化等都是1后面的0,因此,对巨头们而言,争夺短视频生产者既是第一步,也是足以决定最终胜负的一步。 今年我们看到平台争相向短视频生产者抛出的橄榄枝。 这种情况似曾相识:团购大战,美团、大众点评和糯米向商户补贴高达上万元;移动支付大战,微信钱包和支付宝争相发红包;出行大战,滴滴和Uber展开补贴竞赛。 短视频创作者似乎正迎来他们的幸福时光。除了各大平台以真金白银争相示好外,想象空间巨大的广告市场和活跃的融资市场也足以鼓舞人心。 Papi酱的天价广告一度让外界瞠目结舌,其实有IP价值的短视频生产者的广告价正一路走高。业界人士预计,广告的更大涨幅是在未来二三年内。 活跃的短视频融资市场,也让内容创业者怦然心动多了一个理由。都说今年是资本寒冬,然而短视频领域却是“风景这边独好”,不仅融资数量连年攀升,而且融资轮次多为天使伦和A轮,金额动辄上千万。 …

算法时间复杂度方法决策产品设

最近不断看一些竞品,发现有非常多种产品的界面布局方式,很难去评估产品设计的优劣。今天突然发现可以用大学学过的数据结构与算法中的时间复杂度去评价一个界面设计的效率。 那些年边骂学了没用,边努力学习的东西,现在一件一件的给了我回报。 1. 什么是时间复杂度? 时间复杂度是指程序运行从开始到结束所需要的时间。为了便于比较同一个问题的不同算法,通常做法是,从算法中选取一种对于所研究的问题来说是基本操作的原操作,以该基本操作重复执行的次数做为算法的时间量度。基本操作应是其重复执行次数和算法时间成正比的原操作,多数情况下它是最深层循环内的语句中的操作。 在进行算法分析时,语句总的执行次数T(n)是关于问题规模n的函数,进而分析T(n)随n的变化情况并确定T(n)的数量级。时间复杂度一般记作:T(n)= O(f(n))。 2. 时间复杂度计算方法 时间复杂的推导方法一般如下: 第一步:用常数1取代运行时间中的所有加法常数。 第二步:在修改后的运行次数函数中,只保留最高阶项。 第三步:如果最高阶项存在且不是 1,则去除与这个项相乘的常数。 常用的时间复杂度所耗费的时间从小到大依次是:O(1) < O(logn) < (n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n) 3. 产品设计的抽象化 产品可能有的功能多种多样,可能的布局千差万别,可能的交互方式更是多如牛毛。如何找到个好的方法把产品功能在一个界面良好的组织起来,是一件困难的事情。 我们需要首先把产品抽象成几个维度: 所有的产品都可以抽象为用户维度+内容维度+状态维度。三个维度互相穿插影响时,会产生不同的复杂度。这时,可以用时间复杂度的方式来评判产品设计的合理性。 4. 实例分析:对比手Q和微信消息界面 大家可以对比查看手Q和微信的消息界面。用户的维度,微信只有一种,而手Q有普通用户、会员用户、超级会员用户、体验会员用户等。内容维度,微信有用户消息、群聊消息、公众号消息,而手Q有用户消息、群聊消息、服务号、系统消息、新闻消息等,甚至还加入了QQ电话(这个让复杂度大大提高了)。状态维度,微信由正常态、未点击态、红点态,手Q还多了群消息的几种状态(这里微信做得很特别,把单聊和群聊做成了一致)。 这样子,微信用户去遍历内容时的复杂度是O(n),因为用户维度已经最简化;而手Q用户去遍历内容时的时间复杂度至少是O(n^2),甚至是O(n^3)。这时,你可能会深刻体会到微信为什么不做会员体系,为什么群组设计跟单聊模式基本一致。 用时间复杂度去评判手Q和微信时,我都会感慨,这两个产品做的都太牛叉了。微信承担如此强大的功能属性,却能将整个产品设计得时间复杂度最低,基本都是线性的。手Q则是添加了如此多的功能的前提下,也能采取一个良好的布局将功能摆放尽量合理。 大家可以再去对比看看微信、手Q的更多细节,比如通讯录、发现、空间等。你能发现微信真的很可怕,几乎把各个地方的时间复杂度都控制在线性阶;手Q也很可怕,功能做得比微信多三倍,但也基本能找到合适的布局。相比来说我更喜欢基本将时间复杂度优化到极致的微信,甚至能够在某些非常复杂的跳转逻辑中做好优化将时间复杂度降低,膜拜之。 …

推荐系统老司机的十条经验

一年一度的ACM Recsys会议在9月份已经胜利闭幕,留下一堆slides和tutorials等着我们去学习。 翻看今年的各种分享,其中老司机Xavier Amatriain(曾任Netflix的算法总监,现任Quora的工程副总裁)的分享引起了我的兴趣:Lessons Learned from Building Real­-Life Recommender Systems。主要分享了作为推荐系统老司机的他,多年开车后总结的禁忌和最佳实践,这样的采坑实录显然是很有价值的。 Xavier Amatriain在recsys上的分享,是他在推荐系统领域的十条实践经验(这位老司机同样的题目在不同渠道多次分享过,一共有三个版本,加起来去重后不止十条,同学们赚到了),本文只针对他在Recsys2016上的分享一一解读。 一、隐式反馈比显式反馈要爽 所谓隐式反馈,就是用户发出这些行为时并不是为了表达兴趣/态度,只是在正常使用产品而已,反之,显式反馈就是用户在做这个操作时就是要表达自己的态度,如评分,投赞成/反对票。 Xavier Amatriain列举了隐式反馈的以下好处: 数据比显式反馈更加稠密。诚然,评分数据总体来说是很稀疏的,之前netflix的百万美元挑战赛给出的数据稀疏度大概是1.2%,毕竟评分数据是要消耗更多注意力的数据。 隐式反馈更代表用户的真实想法,比如你不是很赞成川普的观点,但是还是想经常看到他的内容(以便吐槽他),这是显式反馈无法捕捉的。而人们在Quora上投出一些赞成票也许只是为了鼓励一下作者,或者表达一些作者的同情,甚至只是因为政治正确而投,实际上对内容很难说真正感兴趣。 隐式反馈常常和模型的目标函数关联更密切,也因此通常更容易在AB测试中和测试指标挂钩。这个好理解,比如CTR预估当然关注的是点击这个隐式反馈。 举个例子,IMDB的电影排名,对比一下用票房排名和用评分排名,票房其实是一种隐式反馈的量化,表示“看过”,而评分则是显式反馈。 一些小众电影的评分比较少,在依靠评分排名时不太占优势,而依靠隐式反馈排名则会有所缓解。 虽然有诸多好处,但隐式反馈有个比较大的问题就是:短视。 现在有很多手段来吸引用户点击,比如高亮的标题,还有一些“三俗”的图片,都会吸引用户点击,这种利用了人性弱点的隐式反馈,对平台的长期价值是有损的,所以也不能一味使用隐式反馈,而是需要隐式反馈和显式反馈结合使用,兼顾短期利益和长期价值。 二、深刻理解数据 Xavier Amatriain举了个例子,训练一个分类器,用来自动识别优质答案或劣质答案。这个问题似乎很简单,实际上你要思考,下面这些答案是好的还是不好的: 抖机灵的答案; 某个领域的网红给了个很短的答案; 很长、很有料的答案,但是没有人点赞; 内容有料,但是错别字多。 这些都是需要我们去深入业务理解,到底什么样的数据才是我们要找的。 三、为模型定义好学习任务 一个机器学习模型有三个因素构成: 训练数据(隐式反馈或者显式反馈) 目标函数(比如用户阅读一篇回答的概率) 衡量指标(比如准确率或者召回率) 假如现在有这么一个问题:用用户的购物历史以及历史评分,去优化用户走进电影院看完一部电影并且给出高分的概率,NDCG作为模型的评价指标,4分以上作为正样本。 这样就比较清晰的定义了学习任务的三元素: 训练数据:用户购物历史和历史评分 目标函数:用户走进电影院看完电影且给出高分的概率 衡量指标:NDCG 如果定义评价指标时模糊不清,如不说明是4分以上的作为正样本的话,就失去了显式反馈的信息,失去了对平台长期利益的关注。 还有个例子,Quora的兴趣feed排序。 Quora的首页是结合了多个用户隐式反馈的排序模型,给每一种用户行为建立一个预测模型,预测它发生的概率,结合每一种行为带来的长期价值大小,然后加权,即期望价值。这个例子里面的三元素也可定义清楚: 训练数据:用户的显式反馈和隐式反馈 目标函数:一个story的展示价值,量化定义为用户行为的期望价值 衡量指标:任何排序模型指标都可以 四、推荐可解释比精准更有意义 这里其实就是说推荐要展示出理由给用户,让用户知道每一项推荐的项目是怎么得到的。 比如Quora的feed推荐给出的“被你关注的人投票”的理由: 比如Quora给出的推荐话题给出的“被你关注的人关注”的理由: 比如Netflix给出的“因为看过给出好评的电影而推荐”的理由: 五、矩阵分解大法好 Xavier Amatriain很推崇Matrix Factorization,因为它既有监督学习,又有无监督学习。 两种学习方法就这样结合在一个算法里: 它可以用来降维,这部分通常是PCA这样的无监督学习算法承担的,矩阵分解得到的隐因子就是降维后的特征,可以直接作为其他学习算法的输入; 它还可以做聚类,比如Non-negative Matrix Factorization就常常用来做聚类; SVD就是一种回归,标准的监督学习。 矩阵分解还有一些变种: ALS(交替最小二乘) SVD++(结合特征的SVD) FM(因子机) TF(张量分解) 总之,在推荐系统里,使劲压榨矩阵分解的效果。 六、万能的集成方法 Netflix的冠军模型,那可是100多种算法集成在一起的,真是应了那句话: 比你效果好的模型还比你更努力。 实际上任何推荐系统也不可能是单一算法在起作用,而是多种算法集成在一起。集成方法理论上不会比你其中那个最好的算法差。在推荐系统中,你至少可以集成基于内容推荐和协同过滤两种。 本质上,集成算法是把某个模型的输出变成另一个模型的特征。如果你很难决策到底用哪个算法时,千万不要纠结,所有的都用,然后集成之。 集成还有一个好处就是:某个推荐算法可能更适合某个场景下,这样被集成的算法就可以各自handle各自擅长的场景,最后集大成。 具体集成方法可选的很多,如logistic regression,GBDT,Random Forest,ANN。 七、推荐系统也不能免俗之特征工程 谈机器学习必谈特征工程,虽然深度学习的大火让某些领域的机器学习应用更加端到端了,但是推荐系统这个王国里面,特征工程还是要谈一谈。 好的特征有以下特点: 可复用。可复用就是说不止一个模型可以用,换个模型一样用。 可转换。特征是既可以直接使用,也可以进行一些尺度转换的,比如对数转换等。 可解释。特征的物理意义需要很清楚。 可靠。特征出现异常的话需要能及时监控到,也要容易调试。 Xavier以Quora的答案排序为例,举了一些他们现在用到的特征算是好特征: 一个是答案本身的特征,如回答的质量; 第二个是互动类型的特征,如投票,评论;还有用户特征,如他在某个话题下的专业程度。 深度学习给了另一种全新的特征工程之路,也是值得探索的,或许是人工特征工程的终结者,拭目以待。 八、对你的推荐系统要了如指掌 推荐系统里面,模型对于很多人来说都是黑盒子,甚至对于算法工程师自己来说也是黑盒子,并不太清楚某个东西为什么被推出来,某个东西为什么用户没买帐或者买帐。 通常产品经理对推荐系统都有一定的预期,推荐的东西不能让他们理解,解释起来也比较麻烦,也是通常算法工程师和PM产生争端的原因所在。对于黑盒一般的模型,我们要能够做到可以回答任何人的任何问题。模型应该做到“可调试”(debuggability)。 举个例子,一个决策树算法,从根节点开始,一步一步经过了哪些决策节点得到了最终的预测结果呢?如果有工具可以直观展现出来,我们就能知道哪些特征起了更重要的作用,是不是合理的? Xavier 提到在Quora内部就有个工具,可以看到某个人的首页feed的每一个内容的分数,以及每个分数计算所依赖的特征,这样就很清楚知道为什么你“看到/没看到”某个人的回答或问题。 九、数据和模型是重要,但正确的演进路径更不容忽视 老司机说,这条经验他很看重。这条经验告诉我们,一个推荐系统的产品功能如何一步一步从0到上线的。 通常,正确的演进路径是这样: 首先提出一个假设,可以通俗的说是对问题的一个猜想; 针对这个假设,我们要选择用什么模型; 模型选定后训练模型,离线测试,如果验证通过就要上AB测试,否则要么换个模型,要么重新审视一下你的假设是不是站得住脚; 上AB测试,测试结果明显提升的话就上线,否则滚回去再看看最开始你那个假设是不是靠谱。 这个过程有几个地方比较难: 第一个就是离线模型评价指标的选择,不同的指标可能包含不同的意义。例如同样是Learn to rank的排序评价,MRR和NDCG这两个指标对于排序靠前的项目权重就会更大,而FCP(Fraction of Concordant Pairs)就更看重排序靠中间的项目。所以选择什么指标要仔细思考,离线评价表现好才有机会有必要上AB测试。 第二个就是离线评价(通常是技术性或者学术性的,比如准确率)和在线产品指标(通常是商业性的,比如留存率)之间通常是存在鸿沟的。模型的离线评价效果可能很好,但是在线去测试,产品指标可能表现不好,可以离线的时候换一个与直接产品指标更相关的评价指标。 第三个就是AB测试的时候一定注意要有一个总体评价指标( Overall Evaluation Criteria),很多人(通常是产品经理)会同时关注一个AB测试的很多指标,点击率上去了,多样性又下去了,这种测试结果你很难说是该上线还是该下线,所以说需要一个 Overall Evaluation Criteria,如果你有多个目标,就想法把多个目标整合成一个数值指标,这样才能够最终决定AB测试是成功还是失败。 Overall Evaluation Criteria通常是更接近商业目标和平台长期价值的数值,要定义出来需要深度的思考。 最后提一下,AB测试并不是唯一确定新算法是否上线的方式,还有一种方法是bandit算法,见专治选择困难症——bandit算法。 十、别一言不合就要上分布式 Hadoop,spark,mapreduce,这些名词背后有一个共同的概念:分布式。 现在,所谓的大数据项目也是言必称分布式,那么是不是都需要分布式呢?尤其是模型部分?老司机Xavier认为,大多数推荐算法不需要分布式,毕竟我们的推荐系统中很少会有训练计算机从海量视频中识别什么是猫这样的算法。 Xavier说,很多算法其实都是可以在单机上完成的(多核的单机),那为什么大家又很少这样做呢? 究其原因有几个: 分布式平台的确降低了处理大数据的门槛,稍微写点胶水代码就可以操作成T上P的数据,工程师们不用懂太多分布式本身的知识; 一些在单机上并行处理数据的方法不为人知,比如像C++中的openmp这样的库,很多人并不知道,它可以充分发挥多核机器的作用。还有Linux本身有很多并行化的命令,比如grep,wc等; 掌握的数据采样方法不够不精。对全量数据采样,以使之在单机上能够计算且不明显损失信息,这是一门精致的手艺,很多人并不掌握。 Xavier说在Quora,曾经用Spark实现了一个计算任务,需要15台机器跑6小时才能跑完,而某个工程师花了四天时间研究spark慢在哪,然后用C++写了一个单机版,只用10分钟就跑完整个任务。说到这里,我也同样的经验,曾经用Spark跑协同过滤,四个小时没有跑完,组内的董玮博士用C++写了一个单机版,用openmp库把所有的核都用上,30分钟就计算完了。 说到这里,常见的推荐算法有很多分布式的库,比如Spark中就有MLib库,但是也可以试试一些著名的单机版,如GraphChi。 十一、要做就做能赚钱的推荐系统【推广】 不得不承认,我们遇到的推荐系统都是这样的: 推荐新闻,阅读了就是推荐成功; 推荐音乐,加红心或者听完了就是推荐成功; 推荐商品,点击了就是推荐成功; 推荐好友,加关注了就是推荐成功; 推荐视频,观看了就是推荐成功; …… 到底这些推荐系统产生了多大的商业价值,我们都无法确切知道,作为从业者的我们也无法确切知道自己工作的价值是多大。 看到这里,你是不是有点沮丧? 难道没有可以直接衡量推荐系统商业价值的产品吗? 当然有! 工程师们发送简历给kaijiang@tiannongtech.com了解更多详情,你懂的。 参考资料 [1] http://www.slideshare.net/xamat/recsys-2016-tutorial-lessons-learned-from-building-reallife-recommender-systems [2] http://www.slideshare.net/xamat/strata-2016-lessons-learned-from-building-reallife-machine-learning-systems [3] https://chatbotnewsdaily.com/10-more-lessons-learned-from-building-real-life-ml-systems-part-i-b309cafc7b5e#.vmuuaznyk [4] https://medium.com/@xamat/10-more-lessons-learned-from-building-real-life-machine-learning-systems-part-ii-93fe7008fa9#.e4p4bl23f [5] https://www.youtube.com/watch?v=88tzDSOzVUQ …

3个案例,讲讲那些年产品遇到

案例1:订单号引发的血案 朋友C君和其它几位程序猿一起开发完成了某个游戏平台的在线支付系统,订单号规则和长度由于时间久远记不太清了,但给我留下深刻印象的是:他做的订单列表没有显示订单时间,数据库里面也没有记录该字段,无奈之下只能去数据库查时间戳,然后根据时间戳反查出来订单时间。(这个例子我在《订单号怎样生成才能好用又好看,难倒了20多位产品经理》里面说过) 再说下另外一个游戏公司发生的真实事件。程序猿D君是位3年+经验的PHP攻城狮,在做在线支付系统的时候通过“时间+4位流水号+2位随机数”的方式来生成订单号,但不知道出于什么原因,他在时间格式里面每隔几位会插入一位大写字母,例如2016年12月2日12时34分提交的订单,他会这样来标记2016N1202U1234Y,加上流水号和随机数后的订单号大致就是2016N1202U1234Y876512这样的。当我知道后,下巴差点没掉下来。 事后我详细打听并了解了C君和D君做订单支付时候的情况,结果是没有任何产品和运营或者其他同事给他们提过任何要求(需求),他们完全是按照自己的想法或者经验来这样设计的。 在《订单号怎样生成才能好用又好看,难倒了20多位产品经理》这篇文章中,有读者不赞同给订单号赋予太多太复杂的业务意义,其实我的观点里面也很明确的说过:结合实际的业务情况加一些标记。但订单号的基本原则“唯一、纯数字、尽可能短”这3条我觉得还是有必要遵循的。 据我了解的情况,这2家公司当时以及可预见的1年内日平均订单量不会超过一千笔,完全没有必要搞那么长的订单号。至于C君为什么没有订单时间,据他本人说是为了系统安全,但我至今还是不明白订单时间跟安全性有多少关联。 案例2:产品开发运营和设计都不背的锅 早些年做网页游戏时的一个案例。大家都知道网页游戏是直接通过游戏官网的特定按钮进入游戏的(如下图所示的“开始游戏”),但如果这个页面加载很慢呢?是不是会增加玩家的等待时间,影响玩家的游戏体验,严重点的甚至会导致玩家放弃游戏? 360旗下网页游戏 当时我们通过监控平台某款刚上线刚开服的游戏,各项指标都很差,最后各种排除原因,结果却让人啼笑皆非:游戏官网酷炫的大背景图+轮播广告+Banner整个加起来有将近20余兆,再加上各种页面JS、获取服务器列表、获取排行榜列表等等,整个页面加载完成需要30秒到1分钟的样子,而网页游戏本来就是“快餐消费”,玩家哪有那么大的耐心等你加载完? 这种情况直接影响到了转化率相关指标和游戏的收入,基本上可以确定为“事故”无疑,即然是事故势必就要追究责任,但追究责任的时候陷入了困境,这个责任究竟是谁造成的?是制作这些广告的设计么?是图片未经压缩处理、未经检查便上传这些图片的运营么?是开发CMS后台没有做图片大小限制、没有给图片上CDN加速、做前端页面时只顾特效不顾性能,狂堆JS的程序么?亦或者是我这个事先毫不知情无辜的平台产品经理么? 最后仔细分析了下,除了网页设计师之外视乎大家都有责任:设计在完成广告制作后连PSD一起发给了运营,但广告图片有文字需要修改,运营人员便直接在PSD上进行了修改,遗憾的是输出JPG图片的时候忘了控制大小,导致单张图片有将近两三兆的样子。当然,开发人员在CMS上没有做图片大小的限定,没有给图片及大文件上CDN,产品人员也有责任,没有制定网站的性能标准。 经此一役,我们便制定了严格的网站性能标准:单张图片大小不能超过50K,所有图片全部上CDN,整个首页加载内容不超过5M,加载平均时间不超过5秒。同时也让我长了记性:之后写产品需求文档的时候,只要涉及到图片的地方都会设定大小和尺寸。 案例3:外包项目遇上不靠谱程序猿 去年我帮朋友完成了一款O2O产品的APP用户端、APP商家端和WEB管理后台高保真原型图(商家版和官方版2个版本,商家版只录入和查看商品/服务信息,官方版具备所有功能),然后朋友将项目外包给了一位具有十余年开发经验的程序猿。直到2个月后我朋友跟我吐槽,我才意识到:原来10余年开发经验的程序猿也不见得靠谱。 当时朋友把APP的安装包拿给我安装,我简单的体验了之后便发现了几个重大的问题:UI巨丑无比,没有丁点的美感可言;交互方面安卓版和iOS完全一致,有很多完全违背了UI设计规范和操作惯例;功能方面基本上没办法走完正常的流程,异常情况就更不必说。后来无意间我又发现,这个APP完全就是用他们之前开发的另外一款B2C电商APP改过来的,怪不得看上去用起来都那么别扭。 这还不是最严重的,最严重的是:开发自作主张地将商家端和用户端合二为一了,前端登陆时通过账号来辨别是商家还是用户。如果是二合一也还罢了,关键是他把WEB管理后台商家版也做到了APP里面,这样商家没办法通过WEB端发布并管理商品(试想下淘宝卖家通过APP来新增和编辑商品是怎样的一种体验,好有画面感),WEB管理后台则压根没有,开发美其名曰:官方也可以视为一个商家,只不过权限比较大,可以看到所有的用户、商家、商品/服务以及订单数据等等。 最后经过朋友与外包开发人员多次沟通协商,开发终于把WEB管理后台官方版的给加上了。没错,你可能猜对了,这个后台也是拿其它后台改的。但与此同时又爆发了几个新的问题:商家的地址信息通过WEB管理后台录入后,在APP上通过地理位置定位后进行查找筛选时显示的商家距离基本都超过500KM,要解决这个问题的方法很奇葩:通过在线地图经纬度查询 查出地址的经度和纬度(见下图),然后填在后台两个不知所谓的参数项里面即可。 如果只是这一个问题也还罢了,关键WEB管理后台官方版只能修改商家商品/服务的部分信息,价格和部分敏感信息只能登陆APP商家端修改,而产品运营早期商家的数据基本都是官方帮忙录入填写的,然后问题就来了:WEB管理后台只能查到商家的登陆用户名,不知道密码,这个时候,肿么办? 只要思想不滑坡,方法总比困难多。开发总能想到解决方案,于是超级万能密码诞生了,这个超级万能密码友相当于一把万能钥匙,所有商家的登陆用户名+这个密码都能登陆。听到这,我已经吐了一口老血。 说好的就差一个程序员呢?说好的10年+开发经验呢?不知道这样的外包,怎样的产品经理才能驾驭的了? 经纬度查询 开发神队友,可遇不可求;开发猪队友,我就呵呵了。不过话说回来,遇到猪队友虽然闹心,虽然可能会背锅,但同时也能让我们涨经验值,避免踩坑。 换句话说,遇到猪队友并不完全是坏事。 …

他们选择了IAIT铁匠设计

全部客户列表>
  • 商务合作

  • 邮箱:liao@szui.net
  • 手机:13537849958 廖先生
  • 座机:(+86)0755-2678 6721
  • Q Q:2742177023 点击交谈
  • 地址:深圳 福田 上梅林 斯达大厦6楼
进入旧版网站

Copyright © 2004-2011 DEDECMS. 织梦科技 版权所有

扫描二维码关注我们:Iron Artisan 铁匠设计
确 认
扫描二维码关注我们:Iron Artisan 铁匠设计
确 认