0%

简单的说,目前的互联网产品的变现方式就是两种广告和交易。而进一步的戏份,可以分为5种,但其实都是交易方式的变种。接下来,我们来盘点一下。

1. 广告变现

2018年中国广告市场大概8000亿人民币左右,互联网广告4500亿人民币左右,互联网广告占比56%,而BAT三家互联网公司广告营收占4500亿的78%左右。作为互联网公司,广告变现几乎是最主流的变现方式。

在大数据、后台管理面板、金融等与数据有关的UI设计中,数据可视化设计是必不可少而且非常重要,但这些设计很多设计师没有接触或很少接触到,也不懂数据可视化设计规范,为了设计好看的数据图表,不停的找设计灵感参考,最终发现了即使有漂亮的可视化数据图表,但却不能用在自己的项目上非常可惜。

今天将为大家分享谷歌2019年6月更新的Material Design数据可视化设计规范指南,这个规范指南基本适用所有数据图表设计,很有参考价值,建议收藏。

在形形色色的活动中,如何去吸引用户,用吸引人的话术去引起目标人群的注意是一门技术。

在《爆款文案》这本书籍梳理旅客打造文案的几个技巧。

1.标题抓人眼球。

标题就像是钥匙,写好了,用户就打开了你的文章,所以我们得想办法让用户两秒冲动点击。

2.激发购买欲。

我们写文案主要目的就是让用户买你的产品,虽然你已经把用户吸引了进来,但是如何让他购买你分享的产品,还得花点心思,所以得充分提高用户的购买欲,让他欲罢不能,非买不可。

提到如何衡量客户价值,RFM基本上是头脑中第一个想到的模型,也是大部分运营人员都会接触到的。根据Arthur Hughes的研究,发现客户的数据中有三个非常重要的指标:

最近一次消费频率(Recency)
消费频率(Frequency)
消费金额(Monetary)

这三个指标非常有意思,我们可以从中将用户的活跃度,忠诚度和消费能力评估出来,如下图:

定义问题

数据分析的本质是解决某一个业务问题。

解决业务问题的前提,一定要想清楚两件事情:

理解问题:想清楚这个问题到底是什么
定义问题:用数据拆解出这个问题
我见过太多小伙伴做数据分析的时候,根本就没搞明白为什么要分析?要分析的这个问题到底是什么?所以在分析之前,一定要花时间了解这个数据分析到底解决了什么问题。

产品经理的核心价值从来没有消失过。

有产品,就有交易;有交易,就要有用户价值。
从古至今,无一例外。

什么是产品经理的核心价值?

第一,认知用户,洞察需求。第二,创造价值,设计方案。

这个核心价值在产品经理出现之前,早就存在了;在产品经理消失之后,也一定会存在。

在我刚刚提到的黄金时代,高杠杆的机会比比皆是。而在如今的低杠杆时代,每个产品经理再企图想凭一个新的基于简单交互和体验的线上产品模式就创造新价值,就是天方夜谭了。

这是一个贩卖焦虑的时代。

对于产品经理消亡的言论不绝于耳。

产品经理没有技术的硬实力,工作能力逐渐被替代。

苏杰老师你到底是想做产品,还是想做产品经理?认为:

「产品经理岗位」是解决业务问题的一种阶段性的、组织层面的解决方案,其实,任何岗位都是。
纵观历史,各种职业都会出现、流行、消亡,因为组织目标在演化,导致要做的事情在演化,导致分工在演化,导致岗位名称在演化,这是客观规律。
做产品的人都知道,比解决方案更重要的,是要解决的问题。
要解决的问题是「项目管理」,于是,有了一种解决方案是「项目经理」。要解决的问题是「产品规划、需求分析、用户研究……」,或者合在一起说是「做产品」,于是,有一种解决方案是「产品经理」。
随着时间的推移,我们可能发现有些「做产品」的职责,可以被技术人员、运营人员,甚至某些新岗位解决,这非常好,说明我们很可能找到了更合适的解决方案。
只要团队里的各种岗位拼起来,把「做产品」的事儿全覆盖了,就妥妥的。

这两天有个朋友和我说,最近感觉压力很大。虽然受到了老板的重用,但是工作上的事务比以前多了,很多事情人员都没有配齐,就赶着要上线。

我只能安慰他,说国内很多公司人员就是没有配齐的。特别是创业公司,也许总过就5个人,哪来的数据分析师和交互设计师,很多事情都是开发或者产品自己来做。

正巧今天晚上吃饭的时候和 亚马逊 和 Facebook 的朋友聊起了中美在工作上的差异。

多米诺效应或骨牌效应:指一件事的发生会引发一连串连锁反应,因按一定间距排列的多米诺骨牌相继倒下得名。 通常是指连续发生的一系列事件,其中连续事件发生的时间间隔相对较小

人们经常用多米诺效应形容小事导致了大事,但这个观念是错误的。真的是因为最小的骨牌的倒下大致了大骨牌的倒下吗?

是这些骨牌的排列方式,导致了大骨牌的倒下。这是一个极其危险的系统。就算最小的骨牌不倒,中间任何一个骨牌倒下,都会导致后面所有的骨牌倒下。

现在大部分的信息流应用都加入了推荐算法,但是每个人都会吐槽这个推荐这是难用。有的时候是算法真的很差,有的时候是用户真的在搞事情🐶。

重复推荐

有多用户会说,这个内容我刚刚明明已经看过了,为什么又给我推荐了。其实这个问题是因为每一个用户对重复内容的容忍度不一样。

比如说,发生了一个事件,用户A就想了解和事件有关的所有前因后果;但是用户B,看完一天,在看第二条后续的报道久觉得信息重复了