开发优秀产品的六大秘诀

摘要:本文是Totango的联合创始人兼公司CEO Guy Nirpaz发表在Mashable.com上的文章。无论是在哪个行业,用户永远是一款产品的中心,本文作者就以用户为中心,为大家讲述了六个如何为企业产品添加功能的秘诀。

随着云计算的发展,将不会在出现“大型版本”的软件客户端CD。但是,会出现更多的云服务功能让用户使用。与此同时,让最终的用户能够充分认识到并使用你推出的新功能,是非常关键的。为什么呢?因为在永久授权模式的情况下,当用户停止使用你的产品,那么,他们迟早会停止付费。

那么,如何才能发现优秀的新功能并推出,继而使之获得用户青睐?这里有六个秘诀。

1. 在推出新功能之前邀请用户对其投票

Salesforce.com是第一家允许用户对新功能提出建议并投票的公司,他们有一个公开论坛IdeaExchange,在上面用户可以进行投票。类似这样的用户反馈系统很容易添加到你的网站上,有很多现成的供应商可以提供,比如:GetSatisfaction、UserVoice以及Zendesk等。

有这样一个论坛或反馈系统的目的是尽可能广泛地获取最终用户群所提出的宝贵意见和反馈信息。然而,让最终用户群进行讨论还有一个效果。当人们投票的某项功能推出后,人们会更容易去使用它,并且乐意通过社交网络将这些功能推荐给他们的朋友,另外,这也能增加这部分用户对公司的忠诚度。

2. 让真实用户积极参与,完善功能

如果你的产品采用敏捷的开发过程,展示产品新功能的Demo可能在开发早期就准备好了。那么让用户参与到开发周期中,以降低新功能失败的风险。因为无论什么样的新功能,都需要进行不断地完善。

3. 了解哪些功能已被使用,哪些还没有

实践出真知。知道哪些功能正在被用户使用能够帮助你决定产品的未来发展方向。典型的例子就是Yelp.com,他们对公司产品的功能进行了检测,关注哪些功能用户最常用,哪些被用户忽略。Yelp最初是一个电子邮件推送服务。在他们最初开发网站时,发现评论功能——最初只是网站的一个小功能——经常被用户使用。最终,他们围绕这一发现建立了整个公司。

另一个值得说的例子就是Flickr。最开始他们提供多玩家在线游戏服务,这个服务有一项发布照片的功能。他们的创始人非常聪明地意识到这个功能是非常受欢迎的,并且以此为起点,创造了今天的Flickr:最流行的照片发布网站之一。

4. 提供自我发现及通知功能

在用户开始使用新功能之前,他们首先得知道有这样一个功能。有两种好方法能实现:

一个种方式就是与谷歌一样,当Google+有活动的时候,他们会发送通知给用户。同样,你也可以通过在应用中发送新功能的通知来让用户知道这一功能。

另一个例子是Dropbox,当用户第一次连接手机到笔记本时,会弹出通知告诉用户可以使用照片同步功能。

另一种方式是通过个性化的电子邮件通知你的用户。但这一做法不建议你去将所有功能发送给用户,对他们进行邮件轰炸。而是通过了解用户习惯将你的用户群体分类,找到他们可能感兴趣的功能进行邮件推荐。

5. 建立一个“顶级用户”计划

不是所有的“重量级用户”都愿意将自己的身份表明,不是所有人都愿意参加公开论坛,所以你可能需要去寻找他们,但这件事值得你花时间,因为他们会给你带来宝贵的反馈意见及建议。幸运的是,基于云计算的服务以及其它数字化体验服务都能较容易地进行用户行为调查,能够方便地确认“顶级用户”。在发现这些“顶级用户”之后,你可以通过赠送礼物感谢他们的支持,这将进一步加大他们对你的品牌的忠诚度。

6. 允许用户在应用中分享他们的喜爱

你已经花费了很多时间和精力获取用户的反馈建议,监测用户习惯,那么你肯定也希望当有新功能推出时,用户能够告诉他们的朋友。那么你就需要给他们一个便捷的方式去进行分享,比如通过社交分享工具,在产品中就可以直接向微博、博客、其它网站等地方分享他们的感受,分享新功能的信息。

编者评:所有的商业行为都避免不了一个至关重要的因素:用户。围绕你的用户去发掘你的产品优势,站在用户的角度去完善产品,这样的思路绝对不会有错。在虚拟产品服务上,用户的可选择性非常大,如果你不能令用户满意,最终肯定会被用户抛弃。文中所提到的六个秘诀无一不是围绕用户来完成的,这点值得我们所有开发者及企业学习。(编译:魏兵)

原文来自:Mashable.com


智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值