本书的自序与致谢

从一顿火锅说起


若干年前在重庆,和朋友一起吃火锅,我第一次见到下图这种啤酒瓶盖子,它有点像易拉罐的拉环,开瓶体验不错。朋友说很多人就因为这种啤酒可以无工具开瓶,加上拉开的那一声“Biu”而成为忠实用户了。

0?wx_fmt=png

某品牌啤酒的盖子


再看到如下图的鸳鸯锅,相比更常见的左右分隔,这个内外分隔的锅解决了几个问题:

第一, 入座的时候不用再讨论吃辣的坐哪边,不吃辣的坐哪边,通吃的坐中间这个话题;

第二, 永远不会出现“夹红汤里的菜,红油滴进清汤里”的情况;

第三, 红汤清汤沸点不同,左右分隔不会同时开锅,而内外分,配合合理的火头,可以同时开锅;

0?wx_fmt=png

内外分隔的鸳鸯锅


“人人都是产品经理”这句口号,已经提出小十年了,我们看到世界美好了一些,但生活中的Bug依然很多,只要用心,人人都可以发现,提出自己的想法,直接或间接的为优化这个世界做出贡献,我也渐渐体会到《人人都是产品经理 1.X》的神奇之处:


阶段一:很多人入行看的第一本书就是它,并且见不得老人黑它(画外音:我和别人不一样,不是那种做不了产品经理的人);

阶段二:接着做熟练了,发现说说容易,做到好难,开始加入黑这本书的阵营(画外音:我懂了,童话里都是骗人的,谁提我跟谁急);

阶段三:再然后开始带新人了,想想又推荐新人先看这个(画外音:小孩子嘛,先看看励志故事也好,别被吓到了,也能省我不少口水);


循环往复……


而在这么多年中,我也逐渐意识到《人人都是产品经理 1.X》的不足之处,希望自己能把坑填上。所以,自序里,我就分享一下最近若干年都发生了一些什么吧。


与我有关的五本书 


先说五本书,它们是《人人都是产品经理》、《启示录:打造用户喜爱的产品》、《四步创业法》、《淘宝十年产品事》、《有的放矢》,2010到2014年每年一本,它们是本书的内容源头。其中,两本是我写的,三本是我组织的网络协作翻译团队 @七印部落(注:可以在新浪微博或微信公众号搜索“七印部落”,联系到日常运营的小伙伴)  翻译的,它们都在说产品,和你手里这本新书的话题一样。


简单说说这五本的逻辑:

《人人都是产品经理》,是新手产品经理的方法论,适合-1到1岁的产品经理。2010年初版,业内不少已经很优秀的产品经理,跟我说是「看这本书长大的」 ,我表示很无语,2012年出版V1.1,2014年出版V1.2(也叫纪念版),截止2016年底,实体书销售超20万本,不算正版和盗版的电子书。

《启示录:打造用户喜爱的产品》是做产品的高阶方法论,作者Marty有20多年的产品经验,适合产品管理者或资深的产品经理,如果你认为上面那本太初级,太局限,那这本就最适合你了。2011年翻译引进,今天看依然不过时。

《四步创业法》是一本在国内被严重低估的书,2012年引进,其实这才是硅谷的创业圣经。《精益创业》的作者都是《四步创业法》作者的学生和忠实信徒,李开复老师也推荐过它,如下图。做产品久了会发现,产品和创业的方法论其实很像,只是创业更难。在创业的方法论中,我们能学到很多对产品经理有用的东西。

0?wx_fmt=png

李开复点评《四步创业法》 


《淘宝十年产品事》是一本案例集,正好在2013年淘宝成立十周年的时候出版。淘宝系产品的复杂度和多样性,可以说是国内互联网行业20年来独此一家,从前台到后台,从2B到2C,从Web到APP,不一而足。产品经理成长到一定阶段,再看方法论已经作用不大,只能通过案例来提升。自己犯错后的成长最扎实。比如,早在2008年,阿里和微软合作的一个项目上,我就花掉了公司1000多万人民币的项目经费,这种机会不是每个人都有,所以,能通过别人的案例来学习更加高效。

《有的放矢》在2014年引进,它更加适合2014年开始的略显癫狂的全民创业时代。全书只讲了一件事情——创业、做产品的过程中,怎样可以有的放矢,不做无用功,不浪费各种资源。不管你何时读到这里,都不妨回忆一下自己去年这个时候在做什么。是不是其中有不少事情,如果当时不做,对现在的自己和公司也没有任何区别?再回忆一下你有没有目睹三年前红红火火的创业公司,绝大多数已经在今天之前销声匿迹?如果你的回答是肯定的,那么这本书就能帮到你。


2015到2016年,我把它们的精华合并在了一起,开发了一门课程,叫「互联网产品的从无到有」,给不少大小公司、机构、大会分享过,借这些机会也接触到不少新的案例、理解了一些方法论的局限性,愈发感觉有必要好好整理一下。


2016,工作十年


《人人都是产品经理 1.X》里写到的各种局限性,我在十年内一直努力打破,汇报一下成果。

2006到2012年,我在阿里一线做产品,试了2B的,比如中小企业的管理软件、CRM、进销存等;2C的,比如淘宝卖家的各种效率工具、天猫买家的会员体系与积分系统;平台型的比如天猫的营销产品线、会员体系;垂直型的比如淘宝的鞋类、运动、海外商品市场……这个阶段,出版了第一本书《人人都是产品经理》。

2012年到2014年,开始关注人,从「做产品改变世界」进化为「通过改变产品经理来改变世界」,去阿里集团人力资源部负责产品大学,专门研究了产品经理成长,设计岗位模型、学习路径图等,同时也在做讲师,培训阿里的产品新人;搭建了阿里集团在线学习平台,服务当时两万多员工,麻雀虽小五脏俱全,包括类似「内部网易云课堂」、「内部知乎」等系统;负责阿里集团内部的创新孵化器——赛马,探索大公司内部的创新机制与文化。这两年,出版了第二本书《淘宝十年产品事》。

2014年上半年,离开阿里的最后几个月,是一小段插曲——响应集团All in无线的号召,去做了一段时间「来往」(注:阿里在社交之路上的一次失败尝试,但也有很大价值,比如,它为后来的企业级应用“钉钉”积累了技术资本,也让大家进一步认识到,做产品要从用户需求出发,而不仅仅是从公司战略需要出发),虽说产品没起来,但对我来说收获也很大,一是接触了移动互联网,二是发现自己还是可以承受996(注:玩命的互联网公司们发明的词,每天早9点上班,晚9点下班,一周工作6天的意思)的。

2014年8月,我从阿里离职,做了半年自由职业,全国各地到处跑,一边通过讲课、做顾问,感受各种行业、各类公司的做法,一边思考接下来做什么。接触过的公司包括电信、移动这类运营商以及他们的乙方公司;上证所、中国银联、国泰君安、汇添富、建行、招行、兴业、平安等金融相关公司;网易、携程、京东、苏宁、同程这些互联网公司;中兴、华为、联想、用友、万科、海南航空、上海航空、上汽集团、中航信等泛IT类公司;各种媒体、培训、会议公司;还有一些创业公司和创业服务机构……这半年,扩展了视野,逐步确定了自己想做的事情。

2015年春节后,开始创业,方向是「创业者服务」,为了自己预想的最后一份职业——投资,做准备。于是,又了解了各个行业的很多小公司,从三五个人到小几百人都有,自己也尝试孵化了一些小项目。现在,我在杭州有两家小公司,分别是「良仓孵化器」和「B12」(注:良仓的主页www.liangcang.vc,B12的主页www.b12.cn),后者主要做的是科技媒体与周边服务。

2016年春天开始,我在整理积累的各种经验时,发现还差一些案例,于是做「读书会」(注:写在正文之后里,有对读书会的描述),邀请了几十位“打过仗 & 写过书”的好朋友作为嘉宾,带来了更全面的视角,学员们也提供了更丰富的案例。


有了上述准备,终于在2016年二季度开始正式动笔,编写《人人都是产品经理2.0 》。


迟到的致谢

没想到写下这句话的时候,比计划晚了半年,已经是2017年的二季度了。本书总算快要出版,在这里感谢一下各位给我帮助的亲朋好友。


离开大公司以后,作为一个创业者,深深的感受到一种漂泊感,感谢一路同行的良仓孵化器和B12团队的小伙伴,让我知道我还是个有组织的人。

感谢各路网友,是你们在微信公众号、微博、知乎等平台里对我不断的鼓励和鞭策,让我有了继续前行的动力。

感谢电子工业出版社的张春雨及其团队,这是我们合作的第三本书了,话不多说,合作愉快。

感谢为本书视觉引导图做出贡献的创新引导师金沙浪、浙江大学语言与认知研究中心的徐慈华老师、设计师姜乐和周全。是你们让这本书图文并茂,增色不少。

感谢家人,特别是我的妻子江咏梅和我们双方的父母,是你们的支持与包容,让我可以做一个半自由职业者,安心写作。

要感谢的人还有很多,这里没法一一列出——比如参与试读、提意见和建议、给本书写推荐语的各位前辈和同行;对本书内容、案例做出贡献的“读书会”嘉宾与学员;参与本书封面讨论、周边素材完善的诸多朋友;……


以上,依然难免遗漏,诚惶诚恐,再次感谢大家。


苏杰,2017年4月,杭州家中

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