前言: 任何一个互联网产品,哪怕是一个简单的页面,也会涉及到很多的需求,产品经理也会经常遇到这样的情况:老板,业务提的各种新需求一下子都扎堆,哪个需求对用户来说最重要,用户对我们的新功能是否满意?开发产品资源有限,开发.设计.测试人手总是不够用,这么多需求没办法都做,先做哪些需求? 这些都不应该是PM拍脑袋想出来的,其实产品经理的基本要求就是在有限的资源上,通过优化产品设计,提炼出正确.有效的需求,尽量避免在后续的设计.开发中临时改需求,至少要做到框架级的需求不大改,那么如何不用大脑YY出来或者

在 PO在敏捷需求下要遵守哪6条重要原则?   中讲到探索和交付两大阶段的6个原则 其中在原则[做有价值的需求]中讲了两个方法:BSA分析和产品Backlog 其中BSA分析是我在产品规划阶段常使用的一种工具 BAS分析的一个重要价值是可以从业务角度来划分优先级 BSA背后的模型其实是一个叫做卡诺的模型,今天我们就来说说它. 前几天某保险公司爆出产品经理和开发人员因开发随着手机壳变换主题需求而开架的事,如果我们学习了Kano模型,稍作分析就能以理服人了.Kano模型可以预测用户的满意度,能帮你考

引言 1979年10月东京理工大学教授狩野纪昭(Noriaki Kano)和其同事 Fumio Takahashi发表的论文 <Motivator and Hygiene Factor in Quality>,该论文第一次将满意与不满意引入质量管理领域.狩野教授于1982年完成了 <Attractive Quality and Must-be Quality>研究报告,并与1984年正式表表,由此标志着KANO模型即魅力质量理论的成熟. 双因素理论 KANO模型是收到 "

本期开始进入设计方法论的学习,大湿自己也是边学边分享,算是巩固一遍吧: 另外这些理论基本都是交叉结合来应用于工作中,我们学习理论但不要拘泥于理论的框架中,掌握后要灵活运用一点- 这些理论一部分来自于我所在设计团队分享会的内容,是总监和同事们的经验总结: 另一部分来自大湿工作开始,在各大UED团队网站.大牛设计师博客.各类设计理论书籍中的知识. 有朋友可能有疑问:你写的东西,那个XXX也写过,你这个和XX的好像啊,抄的吗… 说实话从2011年UI行业爆发增长,到如今的稳定阶段,行业已经形成了一套近

一.满意度的定义 消费者的满意度是取决于他们对企业所提供的产品和服务的事前期待,与实际(感知)效果之间的比较后,用户形成的开心或失望的感觉.就是说,如果购后在实际消费中的实际效果与事前期待相符合,则感到满意:超过事前期待,则很满意:未能达到事前期待,则不满意或很不满意. 二.模型简介 KANO模型是狩野纪昭等人发明的对用户需求分类和优先排序的工具,以分析用户需求对用户满意的影响为基础,体现了产品性能和用户满意之间的非线性关系.该模型将产品服务的质量特性分为五类: 兴奋(魅力)型需求:用户意想不到

本文是<iOS Wow Factor:Apps and UX Design Techniques for iPhone and iPad>第六章译文精选的第二部分,其余章节将陆续放出.上一篇:Wow体验 - 第六章 - 交互模型与创新的产品概念(1) 关于本套译文分享的详情及目录结构,请参考iOS Wow体验 - 译文分享说明. 全文由C7210自发翻译(编译),并首发于Beforweb.com,如需转载,请注明译者及出处信息.英文原书版权由Apress所有,中文引进版的版权由相关出版社所有.

c 基本(必备)型需求——Must-beQuality/ Basic Quality. 期望(意愿)型需求——One-dimensional Quality/ Performance Quality. 兴奋(魅力)型需求—Attractive Quality/ Excitement Quality. 无差异型需求——Indifferent Quality/Neutral Quality. 反向(逆向)型需求——Reverse Quality,亦可以将 'Quality' 翻译成“质量”或“品质”

python信用评分卡建模(附代码,博主录制) https://study.163.com/course/introduction.htm?courseId=1005214003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share GBDT模型用于评分卡模型 https://blog.csdn.net/LuYi_WeiLin/article/details/88397303 转载本文主要总结以

本文是<iOS Wow Factor:Apps and UX Design Techniques for iPhone and iPad>第六章译文精选,其余章节将陆续放出.上一篇:Wow体验 - 第五章 - 利用iOS技术特性打造最佳体验 关于本套译文分享的详情及目录结构,请参考iOS Wow体验 - 译文分享说明. 全文由C7210自发翻译(编译),并首发于Beforweb.com,如需转载,请注明译者及出处信息.英文原书版权由Apress所有,中文引进版的版权由相关出版社所有. 到目前为

引言 R2CNN全称Rotational Region CNN,是一个针对斜框文本检测的CNN模型,原型是Faster R-CNN,paper中的模型主要针对文本检测,调整后也可用于航拍图像的检测中去.在ICDAR数据集上进行benchmark. 相关工作 paper中介绍了很多相关的针对斜框类型的文本目标识别所使用的模型,例如TextBoxes(端到端的单个神经网络实现).DeepText(使用Inception-RPN生成候选框,然后对每个候选框进行文本检测的打分:即判别其是否是文本的概率,

本篇文章主要教大家如何搭建一个基于Transformer的简单预测模型,并将其用于股票价格预测当中.原代码在文末进行获取.小熊猫的python第二世界 1.Transformer模型 Transformer 是 Google 的团队在 2017 年提出的一种 NLP 经典模型,现在比较火热的 Bert 也是基于 Transformer.Transformer 模型使用了 Self-Attention 机制,不采用 RNN 的顺序结构,使得模型可以并行化训练,而且能够拥有全局信息.这篇文章的目的主

(一)单选按钮组 模型图如下: index.js Page({ data: { parameter: [{ id: 1, name: '银色' }, { id: 2, name: '白色' },{ id: 3, name: '黑色' }],//模拟商品参数数据,如果是线上版本需要自行发起request请求 }, onLoad: function (options) { this.data.parameter[0].checked = true; this.setData({ parameter:

学习了云课堂的产品课程,整理出部分笔记,以作备用参考,方便实际运用过程中查看巩固. 1.产品工具:Axure.mindmanager.viso.办公软件wps 2.产品人需要具备的品格 富有同理心,习惯换位思考 拥有敏锐的感受度,善于观察总结 3.产品人必备的知识 基本技术知识,了解软件实现流程,常用开发方式 交互设计运用 心理学,读懂用户心理.判断痛点,堵点 营销知识,了解市场运作模式 经济,获取业内发展动态 4.主要工作内容 5.产品市场判断 分析一款产品发展趋势如何,可根据市场占有率和增长

传统数据挖掘/机器学习库存在的问题         缺少一个活跃的技术社区         扩展性差         文档化差,缺少实例         不开源.商业化库         通常由研究机构开发         实施性差 Apache Mahout长处         技术社区活跃         扩展性好         文档化好.实例丰富         100%源码开源         易于使用 Apache Mahout是什么         基于MapReduce开发的数据

Java生鲜电商平台-生鲜电商订单结算系统的深入解析与反思总结 说明:最近疫情影响,生鲜电商这个行业被彻底的激活了,全中国人民都知道用小程序或者APP可以进行买菜了,但是可惜的是,我的生鲜电商在去年经营了两年半左右的时候因为 一些原因被暂停搁置了,回顾在六年的生鲜电商职业生涯过程中,我想有没有什么值得跟大家学习与思考的东西呢? 这是笔者2018年上半年负责的企业订单结算系统,虽然题目写的是订单结算系统,但里面也涉及到了订单系统.发票系统.投入产出系统,四个系统互相联动.在产品设计过程中,碰到 了

卡诺模型是一种研究影响顾客满意度因素的方法,在软件工程中可以用来辅助做需求分析和优化产品的质量. 作为一种方法,卡诺模型将某一种特性的存在程度作为横坐标,越大表示某个功能或特性做得越多,越小则表示做得越少.而纵坐标是用户满意度/认可程度,越高表示用户越喜欢,越低表示用户越讨厌此特性. 于是,卡诺模型为不同的特性分成五个类别: 魅力特性:如果产品没有此特性,用户并不关心:而产品拥有此特性时,用户会非常满意. 期望特性:如果产品的此特性做得越多,用户会越满意:而做得越少则越不满意. 必备特性:如果此

如果想使用表格来呈现数据,Qt提供了一个方便的部件QTableWidget,但是直接用它实现一些功能可能比较困难.这里将介绍一种强大.灵活的方式来操作表格. 一.模型/视图架构 在这个架构中,模型用于存储数据,视图用于呈现数据,除此之外,还有一个称为委托的部分,委托显示视图中的每一项,并为可编辑的项提供合适的编辑器. 三者的关系如下图所示—— 这篇博客只介绍模型/视图的部分,接下来用一个简单的例子来说明如何使用. 二.要实现的功能 以网易云音乐为例,它的部分搜索界面是这样的: 现在,我们依照网易

需求分析是产品经理工作中的重要一部分,而对B端产品经理来说,因为业务的特殊性,所以需求分析更考验产品经理的基础能力比如还原场景中业务调研的能力.需求价值分析中对价值的界定等. B端厂商的产品需求多数来自业务方真实场景,客户就是上帝不存在伪需求,产品经理多数抱怨自己只是需求的搬运工.处理需求比较被动,大多情况都是接收需求后为了赶项目进度直接动手做起来节奏看似时间紧凑,但事实往往事与愿违,一个功能反反复复不停不停打补丁,寻找源头常常是因为需求分析出现偏差,B端产品需求分析中存在以下问题: 1. 不会

转载请注明来自大型玉米的博客文章(http://blog.csdn.net/a396901990),谢谢支持! 效果展示:   watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvYTM5NjkwMTk5MA==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast" width="300" height="500" alt

将LDA跟多元统计分析结合起来看,那么LDA中的主题就像词主成分,其把主成分-样本之间的关系说清楚了.多元学的时候聚类分为Q型聚类.R型聚类以及主成分分析.R型聚类.主成分分析针对变量,Q型聚类针对样本. PCA主要将的是主成分-变量之间的关系,在文本中LDA也有同样的效果,将一撮词(变量)变成话题(主成分),同时通过画像主成分,可以知道人群喜欢什么样子的话题: Q型聚类代表样本之间的群落关系. LDA假设前提:主题模型中最主要的假设是词袋假设(bag of words),指通过交换文档内词的次