一个小女孩是如何拯救全球第三大社交网站的?

 很多互联网产品都从用户那里得到过很大的帮助,最基本的是用户会对自己使用的产品进行评论或者提出建议。但也有用户为自己喜爱的产品做出过巨大的贡献。

  2008年印象笔记(Evernote)陷入了困境,账上的钱只够支撑三周。CEO Phil Libin 打算关掉这家公司。

  就在他要向员工宣布这个决定的那天凌晨3点多,他收到了一封用户邮件。这位用户非常喜欢他们的产品,在邮件结尾附了一句话:如果你想要找投资的话,请告诉我。很快 Phil 就和这名用户通了电话,两周后印象笔记收到了来自这名用户的50万美元投资。这笔投资拯救了印象笔记。

  上面这个故事可能很多人都知道。但今天在投资机构及创业孵化器 500 Startups 举办的 WMD 大会上,投资机构 Maven Ventures 的合伙人 Jim Scheinman 讲述了一个自己在社交网站 Bebo 工作时的一个故事。这次帮助 Bebo 逆转的是一名小女孩。

  

Screen Shot 2015-05-01 at 15.04.15

 

  Jim 是 Bebo 的第一位员工,负责所有企业发展相关的业务。当时 Bebo 已经是英语世界里第三大社交网站,仅落后于 MySpace 和 Facebook。但是在英国、爱尔兰等地,Bebo 比后二者更受欢迎。

  故事的开始是 Bebo 在技术上做了一个决定,采用了当时其他网站很少使用的一个数据库。他们得到了甲骨文的支持,一切进展的都很顺利。

  但是有一天,突然 Bebo 的网站打不开了。Bebo 的员工根本找不出原因,整个团队都非常着急,如果不能解决这个问题,整家公司就完了。

  经过多方寻找,他们收到了一封邮件,一名工程师向他们描述了网站可能存在的问题。这和他们内部看到的一模一样,于是他们像遇到救星一样,赶紧回邮件问这名工程师能否帮忙解决,以及报价。但是这名工程师的回复给他们泼了一盆冷水,他表示自己对帮助他们解决问题没有任何兴趣,也表示 Bebo 肯定无法满足自己的报价。

  当时 Bebo 的网站已经有三天无法打开了。Jim 打听到这名工程师在英国,于是订了第二天去英国的机票决定找到他。但是没想到,他又收到了一封来自那么工程师的邮件,邮件里包含一段代码。Bebo 将这段代码放进数据库之后,网站无法打开的问题就解决了。而且这名工程师也没有要求 Bebo 付费。

  后来 Jim 才知道真实的原因。这名工程师的女儿是 Bebo 的用户,Bebo 无法打开严重影响到了她和自己朋友的交流,于是她问自己的父亲能否解决这个问题。在得到肯定的答复后,她威胁父亲说不解决这个问题,自己就离家出走。于是,Jim 就在邮件里收到了那段代码。

  Bebo 的故事和印象笔记的故事都是一种好运。但并不是每家创业公司都能获得这样的好运,很多时候你越努力,运气也会越好——比如印象笔记通过努力让这名关键用户爱上了他们的产品,比如 Bebo 当时已经通过努力成为了英国最大的社交网站,让那名小女孩无法割舍。


作者:amainshi

来源于:四海营销 www.sihai-cn.com

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