推荐文章
用户研究
【出海用户研究专题】去中心化的用户研究

【出海用户研究专题】去中心化的用户研究

本文由James Vinh撰写,James是圣地亚哥体验设计专业人士协会的主席,他领导着超过2800名UX专业人士,致力于培养一个以灵感、连接和教育为中心的充满活力的本地设计社区。他在加州大学欧文分校获得了人机交互学士学位,专攻定性用户研究,曾在Thermo Fisher Scientific的生物技术领域和Reflexion Health的医疗设备领域有过专业经验。 James坚信,利用用户研究来理解和同理用户能够带来难忘而有影响力的体验。他热衷于倡导用户研究的价值,并在整个研究过程中积极与跨职能团队成员互动。
业界动态
深圳线下分享会,4位实战派专家,与100+产品人深入剖析大模型技术在产品设计中的应用与挑战

深圳线下分享会,4位实战派专家,与100+产品人深入剖析大模型技术在产品设计中的应用与挑战

随着生成式AI的爆发式增长,大模型技术已经成为推动产品设计革新的关键力量。通过深度学习技术,智能识别图片内容,不仅能让产品设计更高效,还极大地提升了用户的体验。然而,大模型技术从概念到产品设计的实际应用还有相当一段路需要走,过程中也会面临着诸多挑战。
AI
如何用AI大模型打造外部信息召回神器

如何用AI大模型打造外部信息召回神器

在数字化营销的业务场景中,召回模型是一种重要的工具,它可以根据用户的行为和属性,从海量的候选物品中筛选出最有可能感兴趣的物品,从而提高转化率和用户满意度。然而,传统的召回模型往往只能利用内部信息,即用户在平台上的行为和属性,而忽略了外部信息,即用户在其他平台或渠道上的行为和属性,以及其他来源的信息,如社交媒体、新闻、天气、节日等。这些外部信息可能对用户的兴趣和需求有很大的影响,如果能够有效地利用它们,就可以提升召回模型的效果和覆盖度,从而实现更精准的个性化推荐。 本文将介绍如何应用人工智能大模型,即具有强大的自然语言理解和生成能力的深度学习模型,来实现基于外部信息的召回模型。我们将分别介绍基于营销漏斗的召回模型和基于情景的召回模型,以及它们的原理和应用场景。我们还将给出一些实例和示意图,以帮助你更好地理解和运用这些模型。