首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

任务核心 BTSD 设计模型

在多年工作中,我提出了任务核心 BTSD 设计模型完成商业目和提升用户体验助力。 一、什么是 BTSD 模型? 1....BTSD 模型定义 首先,我们先来看一下任务中心 BTSD 模型: B=商业价值 Business T=用户任务 Task S=设计策略 Strategy D=设计方案 Design 商业价值引出了用户任务...DTSD 模型由来 你已经发现,BTSD 是增长设计变体;增长模型是商业价值引领设计策略,设计策略决定设计方案,设计方案赋能商业价值。 二者却别在于 BTSD 引入了用户任务模块。...二、任务基本概念 1. 任务定义 「任务」可以理解有目标的活动。 对于屏幕载体界面设计,「用户任务」可以理解界面之上系统和用户共同完成有目标的活动; 2....一个流程或过程可以有多个目标,而目标之间可以包含关系,比如OKR,Object 可以理解父目标,KR 可以理解关键子目标。

52220
您找到你想要的搜索结果了吗?
是的
没有找到

卡诺模型:提高客户中心方法

从历史上看,客户中心公司比其他关注中心公司更有利可图。这种客户中心趋势导致企业在原本停滞不前市场中蓬勃发展。然而,您如何开始让您运营更加以客户中心?...作为回报,公司变得更加以客户中心,能够更好方式提供客户想要东西,甚至更多。它组成部分是什么?卡诺模型由三个不同部分组成,每个部分都衡量客户偏好。...如果这些产品不是这样,客户将不会高兴,并将他们业务转移到其他地方。虽然客户确实认为某些产品是理所当然,但它们确实塑造了您组织客户中心方式。...尽管服务和飞行路线可能相同,但座位大小微小差异将您航空公司分开并提高您客户中心。最后,卡诺模型还测量了“兴奋度”这一指标不仅提高了客户忠诚度,还巩固了您作为市场领导者产品和服务。...然而,这并不是组织从使用这种方法中获得唯一好处。除了提高客户中心之外,卡诺模型还将增强您企业文化。这方面的例子包括增加员工和客户之间沟通,以及更好地了解哪些方法可以改进您产品和服务。

48220

机器学习模型创建API服务

简单地说,API可以看作是顾客与商家之间联系方式。如果顾客预先定义格式提供输入信息,则商家将获得顾客输入信息并向其提供结果。...从本质上讲,API非常类似于web应用程序,但它没有提供一个样式良好HTML页面,而是倾向于标准数据交换格式返回数据,比如JSON、XML等。...Web API、Web服务——这些术语通常可以互换使用。 Flask——Python中Web服务框架。它不是Python中唯一一个Web框架,其它例如Django、Falcon、Hug等。...创建一个简单模型 一个kaggle经典比赛项目:泰坦尼克号生还者预测例,训练一个简单模型。 以下是整个机器学习模型API代码目录树: ? 首先,我们需要导入训练集并选择特征。...API有效性测试 首先运行我们模型API服务,我们通过Pycharm来启动上一小节编写完成flask_api.py: ? 可以看到,在启动API服务后,模型以及列名被顺利加载到了内存中。

2.4K20

干货 | 模型中心,携程契约系统演进

Knife4j YAPI是去哪儿推进API标准化,研发一款API治理工具。...契约可以看作是API进一步抽象,MOM导入和编辑是契约,而不是API。 当契约导入后,或完成编辑保存后,数据是以模型进行管理,在MOM上,模型到契约间转换是双向。...MOM参考了Java设计,项目文件夹形式进行管理,模型所处文件路径,决定了模型最终生成位置。...MOM多个版本提供了相互隔离环境,并且提供回滚,增量覆盖全量覆盖相关功能。需要注意是,版本在发布之后是不允许进行编辑操作。..., 契约修改经常冲突 如果你想把契约变更,及时通知到各个关注方 那你可以参考MOM模型中心契约管理方案,也可以持续关注MOM后续消息。

68520

Peach原理简介与实战:Fuzz Web API

为了方便后续测试,最好将peach目录,加入到系统环境变量。 ? 0x3 结合Burpsuite对Web API进行fuzz测试 终于到了实战环节,这也是本文另一个重点内容。...需要fuzzAPI接口 ? 抓取数据包 ? 我们目的是要将抓取数据包,转换成数据模型,在此之前,需要先保存该数据包.bin文件。...请注意这里空格,编写数据模型一定要一一对应。 ? 第一行对应数据模型如下 ? 每个标签都可以起一个名字,空也是可以。...没办法,Peach后期自动化依赖于前期定制,所以数据模型编写正确与否,至关重要。根据不同API,数据模型一旦编写好之后,后续步骤大同小异,可以套用。...实际上,针对一些简单API,也可以把所有文件直接写在一个文件中。 Publishers是PeachI/O连接,它是实现输出、输入和调用等操作之间管道。

2.5K20

将机器学习模型部署REST API

在本文中,我将构建一个简单Scikit-Learn模型,并使用Flask RESTful将其部署REST API 。本文特别适用于没有广泛计算机科学背景数据科学家。...起初,我尝试使用多项式朴素贝叶斯分类器来预测5种可能类别中一种。但是,由于大多数数据评级2,因此该模型表现不佳。我决定保持简单,因为本练习主要内容主要是关于部署REST API。...您还需要挑选模型,以便快速将训练过模型加载到API脚本中。 完整项目源码获取方式: 关注微信公众号 datayx 然后回复 部署 即可获取。 现在我们有了模型,让我们将其部署REST API。...通过在Web上部署,各地用户都可以向您URL发出请求获取预测。部署指南包含在Flask文档中。 这只是情绪分类器构建Flask REST API一个非常简单示例。...一旦您训练并保存了相同过程,就可以应用于其他机器学习或深度学习模型。 除了将模型部署REST API之外,我还使用REST API来管理数据库查询,以便通过从Web上抓取来收集数据。

3.2K20

RAIL简介:一个用户中心性能模型

我们大部分人都没有足够时间投入到优化工作中,我们需要一个权威标准来告诉我们哪些重要事情是必须优化和哪些次要。 对此,Chrome团队提出了一个用户中心性能模型:RAIL。...,其实就是用户觉得这个操作怎么样,毕竟我们站点是用户而建。 这就是RAIL所谓“Focus On The User”。...其实很早之前,人们就一直在探索web站点体验性,这个调研就提出了响应时间3个重要限制,分别是0.1s、1s、10s;然而现在已经是2016了,我们当然不会再以这3个临界值标准了,Chrome团队提出了一个参考标准...比如,最小化预加载数据,保证应用程序快速加载完成,然后我们就可以用空闲时间来加载剩余数据。 延迟任务应该按50ms进行分组。为什么?因为最高优先级工作是在100ms内响应用户任何输入。...小结 本文只是简单地介绍了一下chrome团队RAIL性能模型,它为我们性能优化工作提供一个参考模型,我们所要做就是参照这个模型,利用ChromeTimeline工具来进行性能优化。

1.2K70

“合作”关键词工业设计新模型

工业设计模型会是什么样子? 坦诚地说,到现在仍然没有什么按图索骥方法。然而,公司和个人工程师都有在探索,数以百计实验正在进行中。这些都显示,很多不同主题正在出现。...另外还有第二个障碍:在大型工程公司中,CAD文件已被放在大型产品生命周期管理(PLM)系统中,数以百计工程师可以同时一个新汽车或飞机而工作。...还需要制定是流程规则,让更多厨师能接触到汤,却不会将汤打翻。 一切同步。当所有利益相关者都能够接触到一个共同数据模型,设计流程就从按序开发变成了同步开发。...当那个资源池被组建社区而你有工具去让合作变得可行,你就可以确信那个工作有了合适的人选,不论这个人是在哪。 应需调整能量。在今天,增添资源是件很麻烦事情,雇员名额增加必须要提出申请且被批准。...一旦所有人都在同一个基于云CAD模型上工作,许多质量问题都将消失了。 流程加快。通过同步、整合开发和灵活众包,从理念到商店货架全部流程将加快许多——并且不会停止。

26230

RAIL简介:一个用户中心性能模型

我们大部分人都没有足够时间投入到优化工作中,我们需要一个权威标准来告诉我们哪些重要事情是必须优化和哪些次要。 对此,Chrome团队提出了一个用户中心性能模型:RAIL。...,其实就是用户觉得这个操作怎么样,毕竟我们站点是用户而建。 这就是RAIL所谓“Focus On The User”。...其实很早之前,人们就一直在探索web站点体验性,这个调研就提出了响应时间3个重要限制,分别是0.1s、1s、10s;然而现在已经是2016了,我们当然不会再以这3个临界值标准了,Chrome团队提出了一个参考标准...比如,最小化预加载数据,保证应用程序快速加载完成,然后我们就可以用空闲时间来加载剩余数据。 延迟任务应该按50ms进行分组。为什么?因为最高优先级工作是在100ms内响应用户任何输入。...小结 本文只是简单地介绍了一下chrome团队RAIL性能模型,它为我们性能优化工作提供一个参考模型,我们所要做就是参照这个模型,利用ChromeTimeline工具来进行性能优化。

88320

RAIL简介:一个用户中心性能模型

我们大部分人都没有足够时间投入到优化工作中,我们需要一个权威标准来告诉我们哪些重要事情是必须优化和哪些次要。 对此,Chrome团队提出了一个用户中心性能模型:RAIL。...,其实就是用户觉得这个操作怎么样,毕竟我们站点是用户而建。 这就是RAIL所谓“Focus On The User”。...其实很早之前,人们就一直在探索web站点体验性,这个调研就提出了响应时间3个重要限制,分别是0.1s、1s、10s;然而现在已经是2016了,我们当然不会再以这3个临界值标准了,Chrome团队提出了一个参考标准...比如,最小化预加载数据,保证应用程序快速加载完成,然后我们就可以用空闲时间来加载剩余数据。 延迟任务应该按50ms进行分组。为什么?因为最高优先级工作是在100ms内响应用户任何输入。...小结 本文只是简单地介绍了一下chrome团队RAIL性能模型,它为我们性能优化工作提供一个参考模型,我们所要做就是参照这个模型,利用ChromeTimeline工具来进行性能优化。

59320

分类模型性能评估——SAS Logistic回归例: 混淆矩阵

valid_p可以看到,一些实际上是good客户,根据我们模型(阈值p取0.5),却预测他bad(套用我们假设检验黑话,这就犯了“弃真”错误),对一些原本是bad客户,却预测他good(“...但从上面我们看到,一些实际上是good客户,根据我们模型,却预测他bad,对一些原本是bad客户,却预测他good。...不利用模型,我们只能利用“正例比例是c+d/a+b+c+d”这个样本信息来估计正例比例(baseline model),而利用模型之后,我们不需要从整个样本中来挑选正例,只需要从我们预测正例那个样本子集...假设你已经利用这些过去数据建立了模型,这个模型把这1000人分了类,现在你可以从你千人名单中挑选出反应最积极100人来(b+d=100),这10%的人反应率 (response rate)60%...一个好分类模型,就是要偏离baseline model足够远。在lift图中,表现就是,在depth1之前,lift一直保持较高(大于1)数值,也即曲线足够陡峭。

2.2K50

深度学习模型训练一般方法(DSSM例)

为了使模型尽可能多地学到负样本特征,采用随机负采样正样本配平负样,初期正负样本1:4。 由此引发了学习过程中最大问题——模型无法收敛。...因此,每个batch包含数据差别较大,batch论,这些batch已经“不算一个数据集”了。解决方法就是随机打乱数据,使其分布没有“特点”,batch之间越接近,数据分布越好。...因此某一维度softmax输出逼近1学习目标,几乎不可能实现,即损失函数学习目标太难。...由此,0.4作为softmax输出学习目标,间接达到softmax输入值大于0.9,即query与正样本相似度大于0.9。更改损失函数后,模型loss迅速下降,终于可以正常训练。...模型差异较大 模型调试阶段,一直A语料训练数据,Top10语义召回率R评价指标,随着参数调优,R从0.6逐渐上升,一度达到0.91,由此确定了模型最佳参数。

2.2K40

安卓端深度学习模型部署-NCNN

本文内容较长,面向读者是有深度学习模型需要部署到安卓端,却对安卓开发相关知识一头雾水朋友。 0. 踩坑概述 坑主要出现在安卓相关部分,模型推理接口很简单,没有遇到过什么难解决问题。...中crnn模型进行测试,如果是其他模型写法也是类似的。...在app启动时候,把模型文件移动到存储卡中一个有权限文件夹下面,比如Download文件夹,然后通过绝对路径来读取模型文件; 2....在Java端使用AssetsManager读取到assets下模型文件,二进制数据形式传输到C++函数中; 3. 在C++端利用AssetsManager直接读取模型文件。...crnn表示它已经尽力了 这里解释一下,效果不好原因是因为crnn_lite_dw_dense这个模型压缩非常小,这个项目里面有效果更好模型,只是模型尺寸更大,推理代码也更加复杂。

3.2K20

Go语言并发模型并行处理MD5

简介 Go语言并发原语允许开发者类似于 Unix Pipe 方式构建数据流水线 (data pipelines),数据流水线能够高效地利用 I/O和多核 CPU 优势。...本文要讲就是一些使用流水线一些例子,流水线错误处理也是本文重点。 阅读建议 本文是"Go语言并发模型:像Unix Pipe那样使用channel" 一文下半部分,但重点在于实践。...Walk 函数每一个文件创建一个 goroutine,然后检查 done channel。如果 done channel 被关闭,walk 函数立即停止执行。...= nil { return nil, err } return m, nil } 限制并发量 在 并发版 MD5All (parallel.go) 实现中, 我们每个文件创建了一个...= nil { return nil, err } return m, nil } 关于Go语言并发模型,使用 Go内置 channel 类型和 go 关键字实现高并发和并发控制主题就先到这里

1.9K60

服务中心NFV管理

通过资源池化,将计算、存储、网络等基础设施抽象成CPU、内存、I/O、带宽、IP、V(x)LAN等基础设施构件,全局管理视角对外提供基础设施服务,称之为iMC NFVIaaS(NFV Infrastructure...iMC提供了VNF编排平台,用户提供上述个性化网络服务。这种平台编排能力称为VNPaaS(Virtual Network Platform as a Service)。...在IT管理员视角,需要掌控一切,iMC管理员提供了多角度视图和拓扑展示,让管理员了解资源分布详情以及资源池整体分布、统计和预测。...NFV服务在云端 iMC不但IT管理员提供了专业NFV管理平台,同时也租户提供了申请云端资源平台。...总体来说,iMC云服务系统,可以基于混杂网络设备和虚拟化环境租户提供VNF和PNF(Physical Network Function)服务。

1.4K60

体验中心性能优化

设定技术优化指标与目标: 一切为了用户体验 在一切用户体验中心互联网产品时代,任何开发活动都应该以改善用户体验终极目标,性能优化也不例外。...原因是在这些体验指标中,某些指标是互相冲突听歌开始之前缓冲时间与听歌过程中出现卡顿几率例: 如果开始播放之前多缓冲一点数据,播放过程中出现卡顿几率就要低得多。...QQ音乐例,我们提取了听歌过程中的卡顿几率,听歌开始前缓冲等待时长,下载歌曲速度,听歌下载错误率四个体验指标以后,按优先级排序,依次赋予权重值是40%, 25%, 20%, 15%。...QQ音乐例,在生成体验得分曲线之外,我们还以不同CDN,运营商,省份城市,客户端版本,歌曲码率,网络环境等维度,进行指标与得分对比展示。 下图为PC客户端数据分运营商展现效果: ? 三....QQ音乐流媒体分发CDN例。CDN加速原理是通过在最接近用户地方部署缓存节点,然后用户通过访问这些最近节点来获取数据。QQ音乐使用三个CDN供应商同时加速流媒体文件分发。

1K80

新颖文档、视频交互方式:《GPT API Unofficial Docs》和《渐构》

一、背景 无意中看到一份 《GPT API 非官方文档》:https://gpt.pomb.us/ 被网站交互方式所吸引,颇为新颖,值得借鉴。...左侧是对应 API 代码调用示例,右侧是文档每个部分,滑动到对应部分,左侧相关代码会高亮。 这也让我想起了《学习观》作者自己创建网站,可以实现思维导图、标签等和视频片段联动!...参考:https://www.modevol.com/episode/claca9lijb13j01me2inlbu1t 二、想法 2.1 这才是文档、视频交互应该有的样子 这份《GPT API非官方文档...》交互方式引起了我兴趣,因为它与目前常见基于语雀等平台官方文档相比,展示了一种全新风貌。...传统官方文档通常采用线性方式呈现信息,但这份文档通过左侧API调用代码和右侧对应文档进行互动,给用户带来了全新体验。

27960
领券