个人随笔 AI的魔法:揭秘人工智能的场景应用形态 网络上有不少大模型和Agent评测的文章,但分析都是从整体或者某个行业进行。这篇文章,作者从三个大模型的应用场景出发,给大家分析这几个模型的优劣势,供各位参考。 是湘湘呀 AI应用个人观点场景应用
产品运营 产品培训的“四大秘籍”:讲问题、讲案例、讲差异、讲卖点 G端产品较少接触用户,都是销售在对接。那在对销售培训时,如何讲清楚产品的卖点,才会让销售有信心去给客户做产品的推销?本文作者分享了四个秘籍,希望能帮到大家。 武林 产品培训方法论经验分享
个人随笔 产品规划(1):不知怎么做产品规划?试试“六帽思考” 作为一种思维工具,六项思考帽在管理学和决策上很有知名度。那如果这种方法应用到产品规划以及其他地方,是不是也能取得很好的效果呢?这篇文章,作者就进行了这样的尝试。 养心进行时 产品规划六帽思考应用场景
个人随笔 Axure通过鼠标拖动在任意方向上调整图片大小 图片缩放是日常常用的操作之一,这种操作如何在Axure中模拟和实现?本文作者分享了一个简单的方法,大家可以学习下。 Jorkin Axure原型Axure技巧原型操作
AI 模型评测怎么做?一篇文章看懂 一次标准流程的测评能够辅助大家更好的对模型进行深入了解。本文作者分享了自己对大模型进行测评的整个过程,其中有不少可以借鉴的点,供大家参考。 思敏 产品分析大模型模型评测
个人随笔 流程:敏捷迭代与持续优化 流程的优化是产品开发效率与质量的保障。Cagan倡导采用教捷开发方法,通过快速迭代与持续反馈,确保产品能够迅速响应市场变化与用户需求。 这种灵活的工作模式,不仅加速了产品推向市场的速度,还提高了产品的适应性和竞争力。 郑晓莲(萌沐) 产品流程敏捷开发经验分享
个人随笔 物联网数据接入篇-应用层 CoAP(7) 这篇文章,我们来学习下物联网数据接入中的应用层协议——CoAP,这种基于REST架构的协议适用于在资源受限的低功耗设备上,其工作原理、应用场景等信息,详见本文。 跃曰 CoAP应用层数据接入
产品设计 从信息有用性模型看亚马逊评价体系 研究评价系统,不是说只看用户评价的模块就可以,还需要从B端视角、平台规则出发。这篇文章,作者分析了亚马逊平台的评价体系,从C端到B端都进行了分析,供大家参考。 鲤鱼说 亚马逊有用性模型评价体系
个人随笔 产品:创新与价值的载体 产品本身是连接用户与企业的桥梁,承载着创新与价值的双重值使命。 Cagan认为,产品设计应始终围绕用户需求展开,通过深入的市场调研与用户洞察,不断优化产品功能与用户体验。 只有当产品能够真正解决用户问题,提供独特的价值主张时,才能在市场上脱颖而出。 郑晓莲(萌沐) 个人观点产品思考企业级产品
个人随笔 完全基于个人理解的海外产品运营-结合运营的设计② 从运营的角度来设计产品,会是什么样的效果?如何根据当前产品解决的用户需求来进行上下游的延伸呢?这个问题,作者给到了三种解决办法,大家可以参考一下。 吴桐 产品思考海外产品运营运营角度
产品设计 一篇文章教会你如何全面梳理业务流程(上) 我们这篇文章就是要教大家如何梳理业务流程,本篇文章教你轻松了解自家公司的业务流程。如果你面对一个你完全陌生的行业也可以快速上手。 财源滚滚 业务流程方法论经验总结
个人随笔 技术架构重要吗? 本文深入讨论了技术架构在项目开发中的重要性,特别是针对商城类项目的技术架构难点进行了详细解析。如果你正参与或计划开发复杂的软件系统,尤其是电商平台,本文提供了宝贵的架构设计思路和解决方案。 蔡锦海 产品架构商城系统技术架构
个人随笔 穿透表层,揭示本质,一起来重新认知“互联网产品”(下) 书接上回,我们在重新认知“互联网产品”的上篇中,重点就“产品是企业与用户进行价值交易的媒介”中的“价值交易”属性进行了讨论。那么接下来,我们就开始研究,什么是“互联网产品”了。 产品经理崇生 个人观点互联网产品产品思考
产品运营 用户运营如何通过搭建uplift模型精准发券 优惠券发券是一个精准营销的过程,使用uplift模型计算用户的增益或者利润,帮我们实现增量价值最大化,避免盲目发放优惠券。 运营观察 Uplift模型用户运营运营策略
个人随笔 HK|开户流程雇主同意书信息修复调研 金融行业用户在开户时,需要提供雇主同意书,下面分析某金融app,结合了不同app上传的雇主同意书来分析优化流程。 asherchen 产品思考开户流程用户调研
个人随笔 人员:构建团队的基石 人才是驱动产品创新的源动力。Cagan强调,组建一支由产品经理、设计师、工程师、市场专家等组成的跨职能团队至关重要。 每个成员都应具备深厚的领域知识和创新思维,共同致力于打造卓越产品。团队内部的高效沟通与协作,是实现产品愿景的关键。 郑晓莲(萌沐) 团队协作团队协同基础知识
AI 万字经验 | 使用大模型(LLMs)构建产品一年后,我们有些经验想告诉你 在接下来的文章里,我们将分享一些关于大语言模型(LLM)技术核心组件的最佳实践,包括:提升质量和可靠性的提示技巧、评估输出的策略、改进检索增强生成、调整和优化工作流程等四部分。我们还将探讨如何设计人类参与的工作流程。尽管这项技术仍在迅速发展,但我们希望这些经验教训——我们一起进行的无数实验的成果——能够经受时间的考验,并帮助您构建并交付强大的LLM应用程序。 林逸LinYi 个人观点大模型经验分享