一个好产品如何慢慢变坏

(先声明下以下的所以观点言论只是个人闲着无聊发发牢骚而已,不针对任何人和公司)

 

为什么突然想在此牢骚下了?
因为感觉自己正在做的产品正在慢慢的变坏(不免心里有点替它感到惋惜),而且是可能是到后面发觉的时候已经来不及
挽回用户对这个XXX产品的认可了。(因为自己在公司说难听点什么都不是,意见有时候讲了但是上头有时候会考虑吗?
毕竟还是老板一句话的问题)

XXX产品在做的时候的定位和用户需求其实都是很好的,再说那时候也是我们XX公司在国内做的比较早,这样必然的把握到了
很多的用户。(不乏一些用户对这个用户的抱怨,XXX如何把他/她机子弄挂、如何如何的不好用之类的流言蜚语,但是还是比较多
用户的肯定) 所以前面的几个版本其实个人观点觉得还是蛮成功的,但是到了中期的时候(这时候其实是XXX产品,大多数用户需要
的功能已经都实现了)我们的XXX产品负责人可能也是迫于公司上层的压力还是个人对产品更远大的规划,然后开始对产品进行了更大
规模的功能增加。其中让我记忆深刻的是一个子功能模块开发居然耗掉了我们一月左右的时间,但是做出来的效果已经存在了一些的隐患,
并且是这个模块的父功能在整个产品中用户的使用率其实是很低的。(这时候是不是想一想这些功能的增加必要吗?还不如我们在它的父
功能模块多下些功夫,去把握用户的需求然后先推广这个功能用户的熟悉)

.....

有过了一段时间,这个时候由于产品负责人的个人原因辞去了公司的职务。(其实这个时候产品就有点悲剧了,因为功能的复杂程度已经
不可能允许下一个负责人完全的理解当初的产品定位和其中的一些设计逻辑)
**********
在这里声明下,其实我个人是对产品负责人还是蛮崇敬的,他的工作态度、做人原则和对市场、用户的需求掌握等方面还是很值得我们
学习的。
**********

由于这个原因,产品开发暂停了一段的时间。差不多两三个月过后来了另一个的负责人。(他不是这个平台的开发人员,可能是对产品做
的未来的规划得到了上头领导的认可才掌管这个产品的)

像每个人都不想得到别人用过的'东西'一样,他也一样,对产品的功能做了大规模的修改,删除掉其中的功能,增加了自己规划的功能。(
这里确实有些功能是好想法)

上文提到过,由于后一个负责人不是这个XX平台的开发人员,难免对功能的时间评估照成了一定上的偏差,再加上产品原来的功能本来
就是庞大的,对其中大规模的增删功能必然导致引起大规模的连锁反正,还要考虑到对以前版本的兼容状态。所以基于以上的原因开发导致
产品迟迟出不来。(不知道是迫于上头压力还是自身的原因,这个负责人也默默的离去了)

可能大家看到这里会说,TMD你干嘛用的,会在这边说难道不会在产品开发的时候不会提出这些看法吗?
其实上面我说过,因为自己在公司其实什么都是,讲的话也没人听。(其实下一个负责人开发之前我是有提出自己的看法的)

到此为止,因为距离第二个负责人的需求已经开发了一段的时间了,上头不肯停手,要求继续的往上面完善功能。(其实还完善个X,定位的
都不准确,其实就是一层混一层,就比如
A:XXX产品现在做的怎样了啊?
B:还好啊,之前的功能我们正在完善,过段时间应该就可以出来了。
A:哦,那不错嘛,大家在加把劲啊。好好的做出来啊。
B:哦,好的,放心。
A,B:嘻嘻~~~

.........

在这样下去就可能不止悲剧了,到后面就会是一个大餐具。

牢骚完毕,希望大家看过后可以提出一些有效的观点啊。
(还有建议说你怎么不去接手管理这个产品的观点,在下先谢了啊。因为现在为止在下是有自知之明的,还没有到那个实力。)。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本信息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细信息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人信息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员信息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
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