精华内容
下载资源
问答
  • 我们为ℳ4×S 1上的维N = 1 $$ \ mathcal {N} = 1 $尺度理论的分配函数提供一个公式,在存在一般背景磁通的情况下,拓扑结构沿ℳ4扭曲,其中ℳ4为 复曲面Kähler流形。 结果可以表示为K理论Nekrasov分区函数副本的...
  • 维度看待GIS GIS发展的维度 看待GIS 表达维度 『从2维、2.5维、3维、时空维正向高维空间发展』(数字地球的三维地球;智慧城市时空的四维地球;大数据时代的高维) 描述内容 『从空间+属性,向...

    GIS未来

    从五个维度看待GIS

    GIS发展的五个维度 看待GIS
    表达维度 『从2维、2.5维、3维、时空维正向高维空间发展』
    (数字地球的三维地球;智慧城市时空的四维地球;大数据时代的高维)
    描述内容 『从空间+属性,向语义、位置、几何、过程、关系、属性六域发展』
    表达方法 『从平面地图,向三维模型、动态模型,到VR、AR、MR,正向全媒体方向发展』
    分析方法 『从空间分析、时间序列分析、地理综合分析,正向智能地理分析发展』
    服务模式 从离线的服务方式,到Web GIS、服务化GIS、云GIS,正向雾GIS发展

    场景学

    说明
    什么是地图? ①地图是人类三大通用语言(音乐、绘图、地图)之一,是人类对世界的地理形式的表达;②传统地图学采用地理空间信息分层表达的方式,以科学的符号系统、地图投影和综合方法来表达复杂地理世界的空间结构和空间关系;③地图不仅是描述世界,还是在更高、更抽象的层面上构建世界
    地图发展现状 地图的制图对象、主体、模式、语言等方面正发生深刻的变化:①对象:客观地理世界->人的世界->地球系统和现象、过程与机理的表达;②主体:地图设计制图人员->因计算机智能化制图,人人都是制图员;③模式:从局部到全球、到360度全景;俯视到全视;室外到室内;外部形态到内部结构;地表到地下;二维到三维,静态到动态,抽象到真实(模型表达到实景表达),现实到虚拟,写真到写意;④制图语言(表达方式):图形符号语言->思维过程、自然语言、地理语义和图形符号的有机组合
    地图的缺点 ①缺乏完备的要素描述:研究对象不完备;二维地图的表达能力有限;②缺乏完备的映射模型:降维、信息综合、加工导致信息的丢失与不可逆;③缺乏高效的表达方式:数据组织形式(“定位-几何-属性”)不理想、平面表达限制发展
    地图发展及新要求 【新要求】要求地图完成从反映现实世界空间结构和空间关系信息转向对地理现象和地理规律的综合集成描述
    【发展】①随着云计算、大数据、虚拟现实等技术的发展,地图数据的来源、属性维度、展现效果、交互手段、计算能力、应用范畴等均得到了很大的拓展;②数字空间与电子载体部分解除了传统制图的物理空间与平面载体的约束,正向着三维空间、实时动态、虚实融合、全视角、全要素、全内容表达的方向发展;③地图语言正实现从地理学语言到普适性大众交流语言的转变
    地理场景 是指一定时空范围内的各种自然要素、人文要素相互联系、相互作用所构成的具有特定结构和功能的地域综合体
    地理场景 是研究地理场景的理论、构建方法与应用技术的科学,是一门研究以场景来反应与揭示地球空间内的各种自然与人文现象的时空间分布状况,分异格局和演化过程,以及各种要素相互联系、相互作用构成具有特定结构和功能的地域综合体的科学、技术与艺术相结合的学科
    地理场景的构成 【地理信息六要素】语义描述、空间位置、属性特征、几何形态、要素关系、演化过程
    【社会信息七要素】时间、地点、人物、事物、事件、现象、场景
    【地理场景的构成(场景六要素)】场景可以承载时间、地点、人物、事物、事件、现象
    场景的分类 ①主题场景:人文的、自然的、社会的;②几何场景:一维、二维、三维与多维、概略与精细;③尺度场景:宏观、中观与微观、大与小;④过程场景:时刻、片段、连续、动态与静态;⑤关系场景:空间、时间、时空、要素间;⑥现实性场景:虚拟的、现实的、虚实融合的;⑦作用机制场景:物理、化学、生物、人文、社会、经济
    场景学的数据模型 【几何代数模型】用代数的方法解决几何问题、描述某个事件
    【优点】几何与代数、时间与空间、多维和高维、时空表达与计算相统一;符合地学本质;直接支撑地理分析模型;支持并行计算
    【模型类型】离散的时空表达(x,y,z,t)、连续时空表达(将运动表达成Versor方程)、连续与离散统一
    场景学的数据结构 【传统GIS数据结构】地理信息为适应计算机的存储提出了以分幅、分层、矢量的数据结构形式。但瓦片化的解决方案并不符合这个世界的原貌,地理信息失去了很多它本身的特点,而且独立性较差,受制于计算机的发展。 而观察地理定律、地理现象抽象到数字世界时的过程,我们可以提出适应GIS自身的数据结构
    【基于相互作用的地理场景数据结构】①研究相互作用的数据结构问题,能够把GIS的数据存储管理和地球系统模式融为一体;②GIS数据结构要表达像素、体素,还要表达格点、格边和格面,通过格边和格面表达单元、体元之间的关系
    场景学的表达模型 【表达模型面临的问题】带宽的有限性、终端存储容量、屏幕大小、性能的有限性
    【传统软件的虚拟现实化】要从认知心理学理论创建GIS表达模型GIS表达模型。南师开发了GIS虚拟现实化中间件,其将沉浸式设备中人的动作映射到鼠标与键盘的输入信号,完成对传统GIS软件的三维操作,使传统的软件扩展到虚拟现实的世界中
    场景的意义 ①将成为地理学的第四大语言(闾国年),结合了数学语言的精确性、多维空间的虚实性、地理分析模拟的预见性、交互协同性的便捷等。实现了地理空间,到抽象思维空间,再到形象空间的循环变换;②直接应用场景是:实景通讯、基于场景语言的GIS将成为未来媒体的新载体、场景将成为人类第二生命的舞台

    全息GIS

    说明
    地理学研究方向 ①时空分布:各种地理现象在时间空间上的分布(什么时候,哪里有什么);②空间结构:即空间格局,在空间上的规律;③演化过程:随时间变化的演化规律,是过程的规律;④相互作用的机制:地理现象是由各种自然要素、各种人文要素之间相互作用的结果
    地理信息新内涵 【传统的地理信息】地理信息是指与地理空间位置相关的信息,具有多维动态特征,最显著的标志是空间性,其表现为数字、文字、图像和图形等形式
    【问题】人们特别关注了地理信息的空间特性,而对其他特性关注不够,导致对地理信息全貌认识不清
    【新要求】要回答什么时间when、什么人who、什么事what,在哪里where,为什么why、处于什么状态how、发生什么行为who的问题
    【地理信息的六要素】①语义描述:名词解释、分类体系、原理图;②空间定位:坐标、地标、地名地址;③几何形态:点、线、面、体、像素、体素;④演化过程:时刻点、时间片段、时间过程、及其状态与行为;⑤要素关系:空间关系、时间关系、时空关系、要素关系、地理作用机制;⑥属性特征:物理、化学、生物、人文、社会、经济特征
    【地理位置信息】①语义位置:分类中的位置、逻辑结构中的位置;②空间位置:坐标、绝对、相对、局部的位置;③几何位置:结构、密度、场中的位置;④过程位置:时间、特征、过程结构中的位置;⑤关系位置:空间关系、时间关系、时空关系、要素关系、作用关系中的位置;⑥属性位置:物理、化学、生物、社会、经济、文化等属性中的位置
    【社会位置信息】①时间位置:领域/通用、连续/离散、绝对/相对、周期中的位置;②地点位置:空间形态、空间参照、空间位置、表现形式中的位置;③人物位置:组成、社会性、时间性、虚实性、影响力、行业中的位置;④事物位置:语义、属性、动静、虚实、影响、行业中的位置;⑤事件位置:语义、属性、尺度、时效、影响、领域中的位置;⑥现象位置:语义、属性、时空、尺度、影响、领域中的位置;⑦场景位置:语义、属性、时空、表达形式、领域中的位置

    【对全息的解读】全息GIS即是能够对“全息”信息进行有效的表达抽象、存储管理、合理利用与分析,并且可视化的地理信息系统。基础理论是场景学,场景学为其提供基于几何代数的数据模型等理论依托。

    解读维度 不同方面 说明
    四全解读 全视角 制图者、讲解者和使用的视角
    地图内外的视角
    俯视、侧视、360度全视的观察视角
    全场景要素 地理空间、人文空间(社会空间)与信息空间三元空间要素
    全地理信息 语义描述、空间位置、几何形态、演化过程、要素关系、属性特征等六类地理信息要素
    全社会内容 时间、地点、人物、事物、事件、现象、场景等7类社会信息要素
    (大数据挖掘的黄金一定是这7类要素)
    表达内涵的理解 全息表达的3类波 声(机械波);光、电磁波;引力波
    地图色彩4要素 1. 红、绿、兰、透明度(计算机表达)
    2. 黄、品、青、饱和度(地图输出)
    物理信息5要素 振幅(强度)、频率、振动方向、相位、周期
    展开全文
  • 接下来,我以高德地图、知乎、乐视等为例给大家进行增长战略维度的拆解,下面是我总结出来的维度。 单点突破 我以高德地图为例。 我们都知道在中国过去的这十几年时间里,私家车的数量飞速增长。既然开车,就要...

    作者:亚马逊高级产品总监徐霄鹏
    来源:GrowingIO 2020 线上增长大会

    全文: 5065字,文末有惊喜~

    上一讲,我们分析了美团的八步增长战略。接下来,我以高德地图、知乎、乐视等为例给大家进行增长战略维度的拆解,下面是我总结出来的五大维度。

    单点突破

    我以高德地图为例。在这里插入图片描述

    我们都知道在中国过去的这十几年时间里,私家车的数量飞速增长。既然开车,就要认路。所以随着移动端的崛起,手机地图、手机导航渐渐成为了很多车主的刚需,甚至很多没有车的朋友平时打车也会打开手机地图来导航。在这种情况下,地图变成了一个非常精彩的切入点。

    十几年前,我刚买了车,那个时候市场上有很多款地图软件,我试过很多,但体验都不如我最后使用的高德良好。后来我渐渐成为了高德的忠实用户。

    某天开始,我忽然发现高德是一个人与基于地理位置的业务的完美连接点。比如最早我在地图上搜一个餐厅,发现这个餐厅地图位置下出现了团购券;后来我搜影院,发现下面可以直接买电影票;再到后面我搜一个酒店,居然可以通过地图直接完成酒店预订。

    这些业务的接入让我眼前一亮,应该说这是一个完美的业务结合点。大家都知道其实在这个年头做业务发展是要打广告的,但是广告有很多种不同的打法,越是精准,效果越好,性价比越高。高德的这种链接人与业务的做法就非常的精准,而且不会让人厌烦。

    所以我觉得高德地图找到了一个良好的切入点,打造了很不错的用户体验,又从这个切点链接了一系列的生活服务类业务。在我的总结里,这就是单点突破,是业务增长战略的切入点选择。

    大家在做自己的业务增长的时候,也可以仔细去思考,我的这个业务,最完美的切入点到底在哪里。也许有的时候不在你想卖的商品本身。

    由内而外

    下面我们再来看第二个增长战略的维度,就是由内而外。

    先练好内功,再迅速地成长。知乎其实在这一块是一个非常经典的案例。

    2011 年,知乎创立之初,就邀请了一批优秀的大咖,包括像李开复、雷军、徐小平,入驻到知乎这样一个平台,去产生内容,跟大家进行问答互动。

    他们是知乎精心邀请的第一批种子内容生产者,除了他们之外,还有很多的内容消费者,同时也是内容生产者,因为他们可能会问问题,会互动,他们也是知乎精选的种子用户。

    在那个时候,知乎是不开放注册的,要通过邀请码来完成注册。而邀请码是不对公众开放的,只是通过种子用户和大咖们,在他们的圈层里面发放。

    在这种情况下,整个群体的质量就非常有保障。在大概两年的封闭运营期里,知乎通过大咖和种子用户群体积累了大量的优质内容。

    2013 年之后,知乎就开始进入了开放注册阶段。这时,知乎用户不可避免地开始爆发式增长。爆发式增长的后果就是平台的内容和用户素质出现了良莠不齐的情况。

    于是知乎非常适时地开始精选内容,推出“知乎日报”这样的产品,帮助大家推荐优质内容。与此同时,知乎也开始推出所谓的内容进化机制。这个机制最初是根据文章的点赞数量或者被踩数量来决定这个文章是得到更多的曝光和推荐,还是被折叠。这样,优质内容就可以被更多的人看到,而劣质内容自然也就渐渐地失去了流量。

    在这个阶段之后,应该说知乎进入了一个高速成长的阶段,随后,它更大的爆发是在2015 年。

    知乎的领域最早是 IT 和金融(因为它的种子大咖主要是这些行业的),从 2015 年开始,它快速地拓展到更多的领域,像文学、艺术、音乐、电影。每一个领域都有着大批感兴趣的用户。因此,它的内容和消费者,随着领域的扩展而增长了,知乎的用户也就进入了一个全面爆发的阶段。

    在爆发之下,用户和内容进一步变得良莠不齐。所以接下来知乎进行了两个非常关键的操作。

    一个就是推荐优质的内容。根据一篇文章的打开率、完读率、跳失率等文章阅读指标,来确定这个文章是不是被大多数人感兴趣。如果是非常优质的、指标非常良好的文章,它就会被推荐给更多的人。像今天的今日头条、抖音也都采用了这样的机制。

    第二个就是知乎推出的反垃圾系统。自动识别垃圾内容、垃圾广告,甚至对于发布这些内容的账号实行封锁。

    就这样,通过内容推荐和反垃圾系统,知乎保障了平台的内容质量,在内容爆发式增长的情况下,使得它的调性并没有出现太大的滑坡。

    知乎成长的最后一个阶段就是 2017 年的知识变现。

    这跟大环境是很有关系的,消费者的版权意识和政府对版权的管理在这个阶段不断发展。早期大家为知识付费的意识是很薄弱的,但是到了 2017 年,知识付费的气氛和习惯在逐渐形成。在喜马拉雅这些知识付费平台的努力和推动之下,大家渐渐地愿意为知识来付费了。

    这时候,知乎就非常适时地转向了知识变现。通过支付书店、 live 讲座、付费专栏等使平台迅速进入变现阶段。

    在知乎的整个发展过程中,发展阶段非常鲜明,并且始终有效地控制平台的调性,最后在合适的时机对业务进行变现,应该说这是一个非常完美的由内而外的增长。在这里插入图片描述

    锚点绑定

    接下来,我通过乐视的案例给大家讲解“锚点绑定”。

    乐视这个案例很特别。它最近眼看着就要退市了。但在 16 年以前,乐视的拓展战略其实是取得了极大的成功的,而它近年来的失败主要是它的多元化业务发展战略拓展过快,因为它在自己并不擅长的业务领域的悬崖边“蒙眼狂奔”带来的后果。今天在这里要讲的主要是它 16 年巅峰时期以前的业务增长战略。

    回顾乐视的发展过程,2004 年乐视成立,在随后的几年里,乐视开始大量地购买版权。那时候的版权还在类似于白菜价的阶段,所有的音乐、电影、电视的版权价格都很低,所以乐视将很多的资金都用在了版权布局上。

    到了 2009 年,中国政府开始大力加强互联网知识产权保护。版权价格开始飞速飙升,乐视所拥有的这些版权资产也在迅速升值。

    在 2010 年,乐视上市,随后它又迅速地拓展到影视、文艺、体育等领域。在这个过程里,乐视以版权积累为发展基础,通过内容不断地拓展它的用户群体。

    2015 年,乐视进行了更加有魄力的操作——以极低的价格推出乐视大屏智能电视。

    还记得我第一次听到乐视电视的时候非常惊讶。在那个时候平板大屏电视的价格是非常昂贵的。在屏幕尺寸,屏幕效果、分辨率参数等条件差不多的情况下,乐视的价格可能只有市场同类电视的一半甚至都不到。

    后来,我仔细观察和思考乐视电视的价格策略到底是什么目的,然后发现这其实是它的发展战略中,在消费者端打下一个关键锚点。

    电视具有几大特点:

    1. 耐用。消费者买了电视,往往可以使用 5 - 10 年,远远超过手机等电子产品

    2. 高频。大多数的家庭,天天都会打开电视。

    3. 电视的受众通常是一整个家庭。

    这样,当消费者购买了乐视电视,就类似于乐视在这个家庭打开了一个“窗户”,这个家庭就被乐视完成了绑定,类似于扎住了一个锚。我称之为“锚点绑定”。

    一旦有海量的用户被绑定到乐视电视,随后变现的手段就非常丰富。乐视可以卖会员,可以在电视上做广告,可以对内容进行收费,可以做电商,也可以在电视应用商城,对上架应用收费或付费推荐,还可以通过内容进行品牌合作和商业推广。

    总结来说,只要用户在这个平台上,它就有非常多的方式来不断地黏住这些用户,持续地用这些流量进行变现。

    虽然乐视现在已经不再是一个如日中天的企业了,但是我们会看到小米其实也在采用类似的做法。我举这个例子是因为我觉得乐视是非常有魄力的先行者,在中国创造性地打造了这一内容产业的“刀片-刀架”模式。在这里插入图片描述

    群体延伸

    再到下面我们以拼多多为例来看增长战略的第四个维度——群体延伸。

    过去很多年我们都认为电商两强鼎立的格局根本不可能被撼动(淘宝和京东),但是现在拼多多华丽丽地迅速崛起,电商的江湖已经是三强并立的格局。

    拼多多的崛起是它避开红海,通过针对性极强的商品、价格定位和社交玩法,在下沉市场成功席卷消费者,随后在顾客群体上持续进行延伸的结果。

    拼多多的创始人黄峥在拼多多之前,就曾推出一个叫“拼好货”的 App,那时还有其它一些社交电商像 U 掌柜等,也都在使用拼团模式。

    这个模式在当时是一个比较亮眼的创新。拼多多其实是采用拼团这个模式的多个企业之一,但它的定位非常的鲜明,主打价格低廉的产品,同时推出一些花费很多时间换取相对比较少的利润的玩法。

    它赶上了两个特别的机遇。

    一个是移动端高速崛起,而社交玩法基本都是依赖手机实现的。大约在 14 、15 年,移动的业务量迅速扩大并超越了 PC 端,拼多多就在这个拐点上起步。

    第二个就是,淘宝 14 年在美国上市以后,受到了非常多的挑战,大家认为它的商品存在各种各样的问题,所以后来淘宝开始严格地清理他的商家,据说当时有 300 万商家出走淘宝。

    这部分商家中有很大一部分被拼多多所接盘,由此拼多多拥有了大量的提供“物不一定美,但价一定廉”的商品的商家,从而实现了定位,也解决了供应。

    通过这样的商品定位,再加上它的玩法的刺激,它就精准地锁定了小镇的中青年。也许这不是拼多多的本意,它一定是在大城市和低县级城市同时推广的,但是在当时的大城市里,竞争已经非常激烈了。京东和淘宝已经有了非常强的话语权和控制力,而对于低县级城市来说,市场还处在一个相对蓝海的状态。

    与此同时,我们也会看到在小镇的消费者群体,他们有自己的特征。跟大城市相比,他们有非常充裕的时间,有很紧密的社交圈子,也会比较有兴趣通过时间去换取一些其实还比较少的利益。

    拼多多推出的发红包砍价、返现等方式其实都需要大量的时间,而且最终换来的利益可能并不大。对于大城市的群体来说,花这么多的时间去参与这些玩法的吸引力有限。

    与此类似,美团也是开始于低线级城市,然后迅速延伸到大城市的低端消费者。因为大城市也不都是高消费人群,也会有像学生、老人、低端务工人员等消费力相对较低的人群。他们的消费特征,也具有小镇青年的很多特点。

    同时,拼多多又迅速地去对接农业产地,打通供应链,推出源头直采的低价农产品。这就切中了大城市的偏好绿色、健康、新鲜、廉价的优质农产品的消费者群体。

    拿下了低线级城市的消费者后,拼多多开始向高线级城市加速渗透。一方面,投入大笔资金在公交站、CBD 、顶级综艺节目、春晚等做广告。同时,重点补贴高端消费者偏好的商品,如 iPhone 11、戴森吸尘器、吹风机等。

    通过此类商品,拼多多打开了通向高端消费者的窗口,开始向大城市的主力消费群体持续渗透。

    后面这一步是我对于未来的预测。要成为真正顶级的电商,拼多多不可避免要拿下全域消费者,培养金字塔尖的高端消费者群体在平台的消费习惯,而不仅仅是让他们薅一下有真补贴的高端标品的羊毛。

    我相信拼多多后续会非常积极地去跟更多的高端品牌合作,引入轻奢的品类,全力提升服务和信誉的保障,成为可以放心地买到精品的购物平台。

    当然,那时拼多多的定位和起家的基因不可避免地会发生偏离,和京东、天猫也会产生更多的直接冲突和竞争,胜负之数还未可知。在这里插入图片描述

    圈层建设

    增长战略的最后一个维度,我用两个典型的圈层 App :Keep 和薄荷,来说明如何打造圈层,创建场景,从而产生高粘性,获得场景溢价。

    先举个罗辑思维的例子。罗辑思维通过罗胖 60 秒语音积累起来了一个爱好学习、非常忠实的内容消费群体。它曾经推出过一个罗辑思维神秘图书包:有 6 本号称是罗振宇亲自精选推荐的神秘图书,售价 499 元。6 本都不知道是什么的书,这个价格很贵了,但是它的限量 8000 套图书包,在 90 分钟里全部卖光!

    消费者的这种狂热,来自于他们对罗振宇本人的认同,也就是所谓的信任背书。后来有淘宝商家也去进了一些图书包,挂在淘宝上卖,却基本没有销量,即使降价到 300 元依然零成交。

    这个现象背后的原因,就是在淘宝的大环境,并没有罗辑思维的场景,也就是依靠罗振宇的个人魅力所凝聚起来的圈层对他所推荐的图书的认同。这就是场景溢价。

    我们再来看看 Keep 和薄荷是怎么样做圈层建设的。在这里插入图片描述

    Keep:

    首先,它们从一个消费者的普遍痛点切入,构造场景与圈层,比如节食、瘦身、健身

    某天,小胖可能在体检之后,或者是见了相亲对象之后,突然产生这样的冲动:我要瘦身,我要健美,于是,小胖开始进入场景。

    小胖开始了瘦身实践。一开始去简单跑跑步,或者买了张健身卡开始健身。

    后来,小胖开始跟朋友探讨他们的都是怎么健身的,怎么做更科学。渐渐的小胖开始上论坛,研究攻略,开始接触到更大的健身群体和更多的内容。于是,小胖进入圈层。

    再到后面,小胖想要更加专业地健身,听说了 Keep ,于是下载了这个 App ,开始每天模仿上面的动作示范来健身。圈层渐渐对小胖产生强大的黏性。

    后来,小胖想要理解动作的关键,确保动作的正确性。但是他发现,如果想要听Keep 上详细的讲解,得到更专业的指导,就需要买会员。

    小胖一开始忍住没有付费。终于有一天,小胖发现平板支撑腰部很酸,担心受伤,急需了解动作要领,于是小胖付费成为了会员,解锁了动作要领的讲解部分。这时,健身课程成为商品,Keep 开始对小胖变现,而小胖也真正入坑了。

    小胖常常看到有些 Keep 上的动作,需要相应的健身器材和装备。虽然在 Keep 上这些装备的价格和质量,跟淘宝同价位商品相比,都不具备优势,但是小胖相信 Keep 的专业性,因此毫不犹豫地在 Keep 下了单,并且买了越来越多的器材和运动服。这样, Keep 持续提升从小胖身上获取的价值,实现了场景溢价。

    随着小胖健身的进展,和 Keep 论坛的朋友交流中,谈的东西也越来越专业,圈层亚文化在小胖身上产生越来越深入的影响。小胖也开始贡献内容,比如分享他的体验与成就,晒出他的健身照片。这些内容,又吸引了更多的健身人士进入圈层。

    在这样的“人、商品、内容”围绕着平台,在社交氛围的持续循环中,飞轮效应不断体现。Keep 上的社群越来越大,变现能力越来越强,围绕着健身场景,一个运动爱好者的圈层打造成功,形成了强大的内聚力和圈层文化,并持续带给 Keep 变现能力和场景溢价。

    薄荷

    薄荷也是如此。用户从最早的节食开始,减少午餐晚餐的食物量,更关注的是体重。

    后来,用户渐渐了解到控制热量摄入是关键,于是开始查询各种食物的热量,针对热量而不是饭量进行控制。这时,他们可能会看到,薄荷在食物热量数据方面很专业,于是成为了薄荷的用户。

    再到后来,用户开始关注摄入和消耗的平衡,而不是一味少吃,节食变得越来越科学。此时,用户开始希望了解自己的基础代谢量,也包括 BMI 指数,脂肪等级这些重要健康参数。这时候,可以告诉他们这些参数的健康秤进入了他们的视线。

    然后,薄荷的 App 告诉用户,通过健康秤,App 可以获取用户的基础消耗量,进而推荐每天的食物搭配,以做到“收支平衡”。

    这时,薄荷 App 的一个骚操作是,它表示它只能连接薄荷健康秤。其它健康秤的数据,哪怕连输入入口 App 上都不提供。这样,用户就很自然而没有选择余地地只能购买薄荷健康秤了,除非不需要薄荷的食物推荐,而这正是薄荷最主要的核心价值和优势所在。

    圈层建设是通过一个非常精准的场景切入来打造一个特殊群体的模式,就像明星的粉丝团、米粉,或者马拉松跑团这样的群体。

    他们有自身的信仰和价值观,是平台的忠实用户,进而这个平台所传递的价值就可以在这个群体里放大,平台就可以得到更好的商业机会。在这里插入图片描述

    最后简单做一个总结:

    通过这 7 个经典案例的战略复盘,我们可以看到,找到与业务可以实现无缝衔接的切入点,先由内而外打造好产品,做到 PMF ,随后通过锚点绑定来产生强大的粘性,进而不断地在人群上复制迭代,并在地域上进行拓展,最后通过圈层亚文化实现高度的场景溢价。

    这就是增长战略的五个维度,以实现阶段明确、重点清晰的用户和收入的阶段式增长。

    以上就是我今天的分享内容,谢谢大家。

    关于 GrowingIO
    GrowingIO是基于用户行为数据的增长平台,国内领先的数据运营解决方案供应商。为产品、运营、市场、数据团队及管理者提供客户数据平台、获客分析、产品分析、智能运营等产品和咨询服务,帮助企业在数据化升级的路上,提升数据驱动能力,实现更好的增长。

    点击「此处」获取 GrowingIO 全系列产品取 15 天免费试用

    展开全文
  • 采用多维度建模方法,构建数字图书信息特征模型,针对不同图书特征要素在模型中的重要性,分析词与词之间语义关系,实现基于特征模型的词分级扩展。为排除信息干扰,引入词性标注层,通过中文分词工具进行词性标注,...
  • 数据分析学习笔记()数据可视化数据可视化之美常见的初级图表图标的基础概念散点气泡单轴散点折线面积柱形直方饼图漏斗雷达常见的高级图表树形桑基图热力关系箱线图标靶词云地理...

    数据可视化之美

    在这里插入图片描述
    在这里插入图片描述在这里插入图片描述在这里插入图片描述
    优点:直观,缺点:阅读性差

    • 数据可视化
      数据可视化的目的是让数据更高效,让读者更高效阅读,而不单是自己使用。
      突出数据背后的规律 — 突出重要的因素 — 最后是美观

    常见的初级图表

    图标的基础概念

    在这里插入图片描述
    维度和度量
    维度是常用类别
    度量是数值,具体的用数字来表示
    通常绘制图表,用维度和度量的组合来绘制。
    在这里插入图片描述

    散点图

    散点图:散点图主要解释数据之间的规律
    在这里插入图片描述

    度量需要2个,x轴y轴,身高体重,
    维度:若区分男女性别,可加入颜色

    气泡图

    气泡图是散点图的变种,引入了第三个度量作为气泡的大小。
    若单纯x轴y轴两个度量不够明显,可使用气泡图,气泡大小作为度量。
    下图中气泡越大,这个国家人数越多。
    在这里插入图片描述

    单轴散点图

    维度作Y轴,更倾向于洞察数据在不同类别下的数据规律

    本身可以把度量作为维度。
    在这里插入图片描述

    客户消费维度
    消费金额和消费次数的关系
    消费金额和最后一次距今消费天数的关系
    消费次数和最后一次距今消费天数的关系

    客户其他消费维度
    消费金额和消费折扣的关系
    消费金额和会员积分的关系
    消费次数和会员距离的关系

    垂直领域消费维度
    投资金额和投资次数的关系(金融)
    最近一次距今消费和使用次数(SaaS)

    折线图

    折线图
    折线图经常用来观察数据随时间变化的趋势。
    折线图中的维度不宜过多,否则会非常混乱和复杂。
    在这里插入图片描述

    面积图

    面积图是折线图的变种。面积图更注重数据类别之间随着时间趋势的变化关系。
    在这里插入图片描述

    柱形图

    柱形图:柱形图是类别之间的关系
    在这里插入图片描述

    直方图

    直方图:柱形图的统计型变种。而且,柱子直接宽距为0

    在这里插入图片描述
    在这里插入图片描述
    正负比例柱形图,翻转条形图,堆积柱形图,瀑布图(对于正负关系敏感的数据)

    饼图

    饼图可以理解为环状的柱形图。饼图的类别不宜过多。饼图除了PPT,分析时没啥用。
    饼图用面积大小表示比例关系,但是肉眼有时候不能准确分辨面积大小。
    在这里插入图片描述

    漏斗图

    漏斗图是对转化过程的直观展示。单一的漏斗图没啥用,也是面向PPT。
    漏斗图的转化步骤不应该超过七个
    在这里插入图片描述

    雷达图

    适用于个体的数据和属性可视化,比较偏描述性数据,常见于CRM,用户画像。
    在这里插入图片描述

    常见的高级图表

    树形图

    树形图:适合数据量较大的情况,尤其类别较多。经常和多维分析来结合,比如各类电商的SKU。
    通过矩形面积来展示。

    在这里插入图片描述

    桑基图

    桑基图是揭示数据复杂变化趋势的图表。面积图(漏斗图)是线性维度,而桑基图可以一对多或者多对一
    最初的用来绘制能量变动。
    可以和用户数据变动相关联,比如用户活跃状态变化,活跃用户–忠诚用户,忠诚–流失,流失–回流等等。
    在这里插入图片描述

    热力图

    数据在空间上的变化规律。譬如地理空间,譬如网页浏览。
    在这里插入图片描述
    热力图:空间不一定是纯粹空间,也可以是属性和维度的规律组合,比如把它变成星期表。
    揭示一些特殊时间规律。
    在这里插入图片描述
    在这里插入图片描述

    关系图

    展现不同类别之间的数据关系,常见于各类社交、社会媒体。微博传播,某用户帖子怎么传播,用户之间关注关系等。
    在这里插入图片描述

    箱线图

    箱线图是统计用图表,用来研究和观察数据分布,也能对比数据分布。
    在这里插入图片描述

    标靶图

    也称为子弹图,是变种的条形图。常用于衡量业务销售完成情况。
    和销售业绩KPI挂钩,基准线和进度。
    在这里插入图片描述

    词云图

    文本分析利器,PPT常客,卖弄大数据之必备图表
    在这里插入图片描述

    地理图

    数据和空间之间的关系。地理图即可以通过经纬度的数值度量绘制,也能通过省市的类别维度绘制。
    在这里插入图片描述

    图表绘制

    Excel绘制

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    绘图

    配色

    在这里插入图片描述
    调色网站
    甘特图:项目管理中用于可视化进度

    杜邦分析法

    可视化BI

    BI

    在这里插入图片描述

    在这里插入图片描述

    在这里插入图片描述

    Dashboard

    在这里插入图片描述

    在这里插入图片描述

    在这里插入图片描述

    在这里插入图片描述

    在这里插入图片描述

    很多BI是可以后台监控的,调取监控日志,看哪些人群会看BI
    在这里插入图片描述

    PowerBI很强大,但是后面还要再学,只是自己跟着练了下基本操作。

    展开全文
  • 通过前面的内容我们不难发现,数据分析需要学习很多的知识,比如数据分析中的AARRR模型以及漏斗模型。...首先说说柱状,柱状是最常见的图表,适用场合是二维数据集,但只有一个维度需要比较。柱状就是利...


    通过前面的内容我们不难发现,数据分析需要学习很多的知识,比如数据分析中的AARRR模型以及漏斗模型。当然,这是针对数据分析的,但是对于数据展现也是需要学习很多的知识,这些知识主要在于图表,分别是柱状图、折线图、饼状图、散点图、气泡图、雷达图,这些图大家都是需要掌握的,下面就由小编分别为大家解释一下。

    首先说说柱状图,柱状图是最常见的图表,适用场合是二维数据集,但只有一个维度需要比较。柱状图就是利用柱子的高度,反映数据的差异。肉眼对高度差异很敏感,辨识效果非常好。柱状图的局限在于只适用中小规模的数据集。

    第二给大家说一说折线图。折线图适合二维的大数据集,尤其是那些趋势比单个数据点更重要的场合。折线图还适合多个二维数据集的比较。

    然后给大家说说饼状图。首先需要提醒大家的是,饼图是一种应该避免使用的图表,这是因为肉眼对面积大小不敏感。我们如果使用饼状图的时候,可以使用柱状图进行代替,当然,如果是存在某一事物中的个体所占比例,那么就需要使用饼状图了。

    接着给大家说说散点图。散点图适用于三维数据集,但其中只有两维需要比较。当然,我们为了识别第三维,可以为每个点加上文字标示,或者不同颜色。这样就能够很容易的将不同维度的数据进行区分出来。

    然后给大家说说气泡图,所谓气泡图就是散点图的一种变体,通过每个点的面积大小,反映第三维。点的面积越大,就代表强度越大。因为用户不善于判断面积大小,所以气泡图只适用不要求精确辨识第三维的场合。如果为气泡加上不同颜色,当然文字也是可以的。气泡图就可用来表达四维数据。

    最后给大家说说雷达图,雷达图适用于多维数据,当然必须在四维以上,且每个维度必须可以排序。但是,它有一个局限,就是数据点最多6个,否则无法辨别,因此适用场合有限。需要注意的时候,用户不熟悉雷达图,解读有困难。使用时尽量加上说明,减轻解读负担。

    所以大家在进行数据展现的时候一定要注意好图的选择,越简单的图表,越容易理解,这样可以快速易懂地理解数据。所以,请不要小看这些基本图表,因为用户最熟悉它们,只要是适用的场合,就应该考虑优先使用。希望这篇文章能够给大家带来帮助,最后感谢大家的阅读。

    展开全文
  • 数据可视化常用的种方式及案例分析 概念 ...和 简洁性 常用种可视化方法 下面从最常用和实用的维度总结了如下 5 种数据可视化方法让我们来一一看一下 一面积 & 尺寸可视化对同一类图形例如柱状圆环和蜘蛛等的长
  • 根据分析效果,找出分析维度:用户分析是指某个时间段内的数量变化,浏览器用户分析自然就是某个浏览器在某个时间段内的数量变化,那么根据现有条件确定统计分类的种类,举例说明: 用户基本信息模块:新增用户...
  • Matlab绘图(三)散点—四维数据、维数据、六维数据、七维数据可视化分析一、前言二、散点特征分析三、六维数据可视化示例散点 一、前言 这将是个有趣的帖子,上次我写到了关于变色散点的二维、三维绘制...
  • 未来与图书馆未来的三个维度2. 技术驱动下的图书馆3. 图书馆中的创新问题4. 战略规划与图书馆4.1 SWOT分析5 图书馆的规划与转型5.1 转型应坚持的原则 1. 未来与图书馆   “未来已经到来,只是分布不甚均匀而已。...
  • TensorFlow技术内幕():核心概念的实现分析

    千次阅读 热门讨论 2018-06-06 17:58:16
    本章中分析tf的核心概念在内核中的实现。 Tensor(张量) Tensor是tf对数据的抽象,具有一定的维度、数据类型和数据内容。 1:TF_Tensor 1是C API中对Tensor的封装,Tensor的纬度、数据类型、数据内容都有...
  • 概念借助于图形化的手段,清晰、快捷有效的传达与沟通信息。从用户的角度,数据可视化可以让用户快速抓住要点信息,让关键的数据点从人类的...一、面积&尺寸可视化对同一类图形(例如柱状、圆环和蜘蛛等)的长度、
  • 数据的维度过高容易造成维数灾难(Curse of Dimensionality)。. 维数灾难:通常是指在涉及到向量的计算的问题中,随着维数的增加,计算量呈指数倍增长的一种现象。 这里可以举两个几何的例子来看一下维数过高的影响...
  • 数据源 ...职工特征散点图分析 本小节通过散点结合颜色来展现职工的主要特征 链接数据‘继任规划.xls’ 先将职工编号从度量改为维度,右键年龄选择【转换为离散】 将年龄和职工编号分别放入【列】和...
  • PCA主成份分析第四步:screeplot碎石步:旋转rotate第六步:因子分factor scores第七步:使用因子变量主成份分析和因子分析简介主成份分析和因子分析用于将数据中多个相关的变量合并为少数几个潜在的维度...
  • 深圳租房分析(2/2)数据分析1、数据处理分析准备1.1、导入数据1.2、处理重复值1.3、数据类型转换2、房源数量,...余下的会从维度进行分析! 01各个城区房源数量对比(横柱状) 02各种户型之间数量对比(横柱状)
  • 文章目录第二部分 客户主题分析前言第章 拒绝平均人:对客户进行合理的分群1.聚类规模和消费金额条形2.消费频次以及消费金额趋势线3.不同群体各类产品消费情况4.消费频次和类平均消费价格散点 前言 本部分...
  • 箱线图箱线图(boxplot)又称盒式,可以显示数据的分散情况,由个数值点组成:最大值(max)-上界、最小值(min)-下界、中位数(median)和上下四分位数(Q1, Q3)。它可以帮我们分析出数据的差异性、离散程度和异常值等...
  • 通过Analysis分析数据

    2012-06-06 15:10:00
    先看一下图片界面,具体的操作步骤会放到PPT...第:添加维度关系后 第六:部署并浏览数据 Analysis 学习是一个漫长的过程,想学习的兄弟可以点一下 请到主页面下载 转载于:https://www.cnblogs.com/Fengger/...
  • 本文将从背景及目的分析、产品选择、用户分析、产品功能架构、产品分析五维度对K12在线教育行业的三款APP进行分析。一、背景及目的分析1.背景分析 从比达数据中心提供的《2018年中国K12在线教育行业发展报告》来看...
  • 结果表明,图像的各个维度维度组成:社交机会和吸引力,自然和文化设施,住宿和交通,基础设施,食物和友善的人,体育设施和娱乐活动。 但是,自然和文化设施同样是最受关注的方面。 相反,这些官方网站对...
  • 视觉生产技术阿里云视觉Al训练营天训练第一天笔记定义和分类定义分类通用基础框架个关键维度2精细理解——寻微入里分割抠图难点解题思路模型框架效果展示视觉生成鹿班框架流程视频生成——AlibabaWood视觉编辑...
  • 箱线图箱线图(boxplot)又称盒式,可以显示数据的分散情况,由个数值点组成:最大值(max)-上界、最小值(min)-下界、中位数(median)和上下四分位数(Q1, Q3)。它可以帮我们分析出数据的差异性、离散程度和异常值等...
  • 箱线图箱线图(boxplot)又称盒式,可以显示数据的分散情况,由个数值点组成:最大值(max)-上界、最小值(min)-下界、中位数(median)和上下四分位数(Q1, Q3)。它可以帮我们分析出数据的差异性、离散程度和异常值等...
  • 如何识别、分析并理解图片、视频等数据是计算机视觉的一个核心问题,全连接层在 处理高维度的图片、视频数据时往往网络参数量巨大,训练非常困难。通过利用局部相关性和权值共享的思想,Yann Lecun 在 1986 年提出了...
  • 结果分析1.实验结果2.对比实验3.总结.实验小结 一.实验内容 Bag of words BOW Bag of features 二.实验步骤 1.构造不小于 100张图片的数据集 2.针对数据集,做SIFT特 征提取 3.根据SIFT特征提取结果,采用k-...
  • 现在发现大数据之美就在于可以选择多种维度、多种角度去发现数据变化规律,并通过比较分析,又能得到很多不同的结果。数据可视化,常用统计来展现,包括折线、柱状、饼图、扇形、散点、雷达、统计地图、...
  • 文章目录百度Apollo感知介绍(一)感知概貌机器开车与人开车在感知上的一个区别多维度分析感知传感器和标定-1配置硬件传感器和标定-2标定的目的传感器标定算法基于标定间的多`Lidar-Camera`标定 百度Apollo感知介绍...

空空如也

空空如也

1 2 3
收藏数 59
精华内容 23
关键字:

五维度分析图