其实汽车日报论坛首页官网的问题并不复杂,但是又很多的朋友都不太了解汽车日报论坛首页官网,因此呢,今天小编就来为大家分享汽车日报论坛首页官网的一些知识,希望可以帮助到大家,下面我们一起来看看这个问题的分析吧!
汽车日报论坛热度算法的核心技术剖析
1. 引言
作为汽车日报最早的核心产品之一,论坛已陪伴公司走过了18个光辉岁月。在其长期的运营历程中,它不仅一直稳坐中国第二大社区的宝座,更是成为汽车用户讨论的首选平台,占据了大部分社区市场份额。这个辉煌的历史不仅见证了“汽车日报”从一个初创公司成长为国内汽车领域的领军企业,也展示了论坛深深植根于汽车文化和社群的核心价值。
然而,随着互联网的飞速发展和移动互联网的普及,用户的浏览和互动习惯也在持续变化,这给“汽车日报”论坛带来了前所未有的挑战和压力。现如今,它需要面对诸如产品形态更新、运营手段的现代化,以及提高优质内容发现和分发的效率等一系列问题。所有这些因素都强烈要求论坛在保持传统优势的同时,寻找新的方向进行自我更新和创新,以满足用户需求。
推荐算法毫无疑问可以有效地推送个性化内容给用户,成为当前多数平台的首选方案。然而,之家论坛的情况却有所不同。由于论坛中的内容更为细分,这导致了一个问题:各个子论坛的内容供给相对有限,无法满足推荐算法对海量数据的需求。基于这样的背景,热度算法成为了一个创新尝试。它不是单纯依赖用户的历史行为来推送内容,而是更关注内容的实时性与用户互动反馈,来实时展示最受关注和讨论的主题。这种策略有助于突破“信息茧房”的限制,提供更多元内容,还能引导用户深入参与到热门内容的讨论中。这样不仅满足了用户对新鲜和多元内容的需求,还保留了论坛讨论的核心价值,实现了一个新的平衡点。
2. 热度算法的数学基础
2.1
热度算法的历史
“热度”算法及其配套的排序系统并非近年的新概念。其历史可以追溯到互联网的早期阶段。早在Delicious时代(2003 年上线),就通过用户收藏数来推荐内容。Hacker News结合用户投票与时间元素来制定其热度算法,确保内容具有时效性。后来StackOverflow 和 Reddit 分别采纳了更高级和细致的热度算法策略。StackOverflow通过奖励高质量回答来提升最有价值的内容;Reddit则构建了一个考虑多重因素的评分系统,更精确地确定内容的热门程度。这些平台的工作为之家论坛的热度算法提供了有价值的参考。关于热度算法的历史,推荐阅读著名技术博主阮一峰的系列文章。
2.2
如何量化“热度”
在尝试更精确地量化“热度”之前,我们首先需要理解用户行为和社区动态。这一理解不仅依赖于直观和经验,更重要的是,它能够被抽象化并通过一个行之有效的数学公式来表达。
结合之家论坛的情况,我们根据内容获得的浏览量、互动程度和内容的“新鲜”程度来定义“热度”。这里特别强调,我们并不考虑用户是否认可该帖子或其内容的质量和深度。
构建热度算法的下一步是识别和选择可以准确代表“热度”的关键变量。以下是一些可能的选择,但不仅限于这些:
浏览量、播放量等:这些因素直观地反映了一个帖子的受欢迎程度。
强互动数量:例如回帖数,它可以帮我们深入了解一个帖子的受关注程度。
弱互动数量:包括点赞数和分享数,这可以帮我们衡量一个帖子的影响力和受欢迎程度。
时间因素:通过使热度随时间衰减,我们可以在保持内容新鲜的同时确保热门内容依然能够获得相应的展示。
综上所述,这些关键变量可以为我们构建一个数学模型,该模型整合这些因素,形成一个可以实际衡量“热度”的指标。通过对这些变量进行适当的组合和权重分配,我们可以开发出一个高效的热度算法,使论坛的内容排序更加科学和合理。
2.3
热度分公式的创建和迭代
?2.3.1 初始版本的创建
在构建我们的初始“热度”计算公式时,我们利用了几个核心变量来综合衡量一个帖子的“热度”。下面我们将简要解释我们所使用的公式中的各个部分,但请注意我们为保护商业秘密对公式进行了一定程度的脱敏:
其中:
X1,X2,X3,X4,X5,X6,:这些变量代表了一系列与帖子的“热度”有关的指标,涵盖了帖子的互动层面和时间因素等多个维度。具体的变量代表的含义在此不做详细解释。
a,b,c,d:这些是权重系数、衰减系数,用于调整各个变量在“热度”计算中的影响。
?2.3.2 确定参数和系数的方法论
2.3.2.1 数据驱动的权重参数确定
公式中存在多个参数需要确定,在确定这些参数的研究和分析中,我们坚持了一项基本原则:所有的决定都应该基于数据。我们通过对大量历史数据的分析和统计确定了a,b,c。通过这种方式,我们确保了我们的模型是基于实际用户行为和偏好,而不是基于我们的主观判断。这不仅仅是一个技术问题,而是一个理念问题:通过数据来做决定是更加客观和公正的方式。
2.3.2.2 衰减系数的确定
在确定衰减系数时,我们特意为不同的论坛设置了不同的系数,这是基于我们经过多次尝试和深思得来的决定,确保我们更加贴合每个论坛的实际情况和用户需求。一个论坛的活跃度和内容生成速度决定了其热度的生命周期,而我们的目标是确保用户始终能够接触到最新鲜和最具吸引力的内容。
对于内容更新迅速的热门论坛,我们采用了更高的衰减系数。这确保用户始终可以接触到最新和最受关注的讨论,而不是被过时的信息淹没。
相反,更新较慢的论坛拥有较低的衰减系数,以保护那些虽然稍旧但仍具价值的讨论不会被快速掉出排名。这样,即使是在内容更新不那么频繁的论坛上,用户也可以浏览到有价值的内容,而不是只看到新但无人关注的帖子。
通过这样的设置,我们初步实现了论坛环境既能捕捉到流行和新鲜内容,又不失深度和价值,从而满足了不同用户群的需求和期望。
2.3.2.3 测试阶段的问题
在初版算法的测试阶段,我们注意到算法在不同论坛的表现存在显著差异。在 那些生态环境相对健康的论坛里,算法展现出良好的性能,能够准确识别和推荐真正热门的帖子给用户。然而,它在不良生态的论坛中的效果却不尽人意。这些论坛通常充斥着大量水军,他们通过各种手段来人为地提高某些帖子的热度,包括大规模的刷点击量、使用机器人进行大量回帖和点赞。结果是,这些不真实的“热门”帖子占据了列表,用户看不到真正的内容。
?2.3.3 针对作弊行为的公式优化–大自然的规律
在第一版本的测试过程中,我们意识到反作弊是制定良好热度算法的必要条件。为此,我们进行了一系列数据分析和算法优化。
首先,我们分析了大量历史数据,对核心指标比值的均值和方差进行了统计,确认了多项数据符合正态分布,从而建立了一个可靠的基准或“锚点”。
然后,计算每个帖子的核心指标比值,观察这个值在基准正态分布中的位置。通过一套公式(具体细节略),我们能够计算出每种异常行为应受到的惩罚系数。
最终,我们将这个惩罚系数整合到我们的热度分公式中,公式迭代成为:
?2.3.4 公式细节的打磨 – 数学的力量
在持续迭代的道路上,我们进行了一个简约却高效的改进,在公式中引入了著名的F1分数来替代原来的(X2+X3)/2部分。在人工智能领域,F1分数是一个非常强大的工具,通常用来衡量模型的精确度和召回率。在我们的公式中,这个改进成功解决了一个不小的问题--避免了一小部分用户通过大量回复来控制某个帖子的热度。通过这个改动,我们进一步提高了算法的公正性和多元性,改动后,公式成为:
?2.3.5 利用情感分析识别隐蔽作弊 –没有无缘无故的爱
完成了以上迭代后,我们发现了新的问题:那些用更加隐蔽的方式进行作弊的帖子。这些帖子虽然能够规避现有的反作弊机制,但他们常常显示出自己的特点——获得异常高比例的好评。正如我们所说的“没有无缘无故的爱”,真实的用户内容通常很难获得一致赞同与喜爱,因此,一个被大量用户赞美的帖子常常带有一些可疑的信号。为了应对这一问题,我们引入了NLP情感分析来甄别出那些异常帖子。
现在我们的算法不仅能够捕捉到那些明目张胆的作弊行为,还可以识别出更为隐蔽的、试图规避检测的作弊行为。
?2.3.6 容错与灵活性 —— 是金子总会发光
在优化迭代公式时,我们不仅注重于打击作弊行为,也充分考虑到了误伤的可能性。这是因为在实际应用中,没有任何算法可以完全避免误伤的问题。我们设计了具备容错功能的公式,确保即使某些内容被误标为作弊内容,也仍有可能呈现在用户面前。具体来说:公式有多个部分组成,这意味着单一的失误不会完全破坏一个帖子的排名。即使一个帖子在某一方面得分不高,也可以通过其他方面的高分来弥补。这样的设计哲学不仅增强了公式的鲁棒性和灵活性,赋予了公式一种“是金子总会发光”的特质。
?2.3.7 小结
在这一节中详细地回顾了热度分公式的创建和迭代过程。从其初步构想到逐步完善,每一步都充满了试错和学习。我们不仅对公式本身进行了改进,还引入了新的要素和维度来识别热门内容,同时警惕和防范可能的作弊行为。通过对公式的优化调整,我们期望能够更加准确地呈现出真实的热度,真实的内容。同时我们也意识到没有任何数学模型或公式是完美的,它必需持续进化,才能帮助创建一个更公平、更真实的论坛环境。
3. 算法的应用与效果
3.1
新的列表页 - 热度成为排序依据
我们引入了热度算法分数作为一项新增的排序条件,希望通过这一新维度为用户呈现更有价值的内容。经过多轮的 AB 测试,我们确认了这一新功能在各项业务指标上带来的显著提升。它不仅丰富了产品功能,而且显著改善了用户体验,让用户能够更便捷地找到真正热门和高质量的内容。然而,新机制并非完美,它也带来了一系列的问题和挑战,例如最新内容的消费,冷门论坛的内容供给等。但我们看到了其巨大的潜力和价值,这促使我们继续探索和改进。
3.2
基石数据 - 为推荐系统服务
热度算法产生的数据已不仅仅用于列表页排序,它已经成为我们其他多项业务的基础数据。一个显著的改进是在推荐系统的资源池中使用这个数据,它已经将大量人工操作转变为机器操作,大大提高了业务和人工效率,同时也增强了操作的公正性。
作为整个推荐体系中的一个环节,这个策略助力了推荐流程,使其更加自动化确保优质内容能够被更加高效和公平地呈现给用户,同时也避免了因人为失误而错失优质内容的可能。
3.3
迈向现代化 - 精华帖的新生
“热帖”目前已经全面取代“精华帖”。这看似平淡的表述不仅标志着我们产品形态的进化,更代表着运营层面深思熟虑的变革。这次变革彻底废除了十多年来由版主决定“精华帖”的机制,转而借助算法来更公正、更客观地标识出真正受到用户欢迎的内容。它是一个策略层面的重大跃进,摒弃了一套陈旧的体系(尽管这个体系曾经带给我们辉煌的过去),代表着我们在追求一个更加现代化的社区环境中迈出的一步。
4. 结语
在本文中,我们详细讨论了热度算法的开发和应用。我们首先探讨了其数学基础,包括公式的创建和迭代过程,以及我们是如何优化和改进它的。接着,我们介绍了这一算法在实际应用中的效果和影响,包括其如何提高列表页的业务表现和推荐体系的自动化效率,以及怎样辅助我们迈向论坛现代化的方向。
我们也注意到了这种技术的局限性和挑战,包括保持内容的时效性、确保在全面追求算法化的同时保持一定程度的人工监管,还有应对不断更新的作弊手段。我们相信,通过持续的学习和迭代,我们可以不断优化我们的系统,以更好地服务与业务。
展望未来,我们期待这一算法能够进一步发展和完善,持续赋能我们的业务。我们深知道路充满挑战,但我们坚信,通过不断的努力,我们能够帮助论坛走向一个更真实、更公正和更高效的方向,让其重新受到用户的喜爱和认可。
最后,衷心感谢以下同事:
领导老吴:他指示了这项工程的启动,为我们打开了一个新的方向。
运营团队的王同学倪同学:他们提供了宝贵的业务知识和建议,指出了许多需要改进的地方。
产品团队的朱哥朱姐:他们确保理论可以落地成实,帮助我们将理念转化为具体功能。
侯同学和尚同学:他们给了我充分的信任和空间,允许我有足够的时间和自由来实现这个项目的目标。
我团队的伙伴张同学,吴同学,陈同学:他们高效的将思想转化为可执行的代码和数据,是这个项目成功的关键。
作者简介
田强
■ 服务端研发部-服务端买用技术团队-社区组
■ 汽车日报论坛的主力开发,曾负责与UGC体系相关的多个系统的架构设计和开发工作。多次进行了论坛架构的升级和优化,以改善用户的使用体验。此外,还设计并实现了论坛热帖排行算法,从而使用户能够更方便地找到高质量的帖子和内容。
来源:微信公众号:之家技术
出处:
汽车日报论坛VS汽车日报社区激励模式的底层逻辑
导语:论坛和社区都属于内容产品,目的都是为了实现用户留存,以一种去中心化的思维引导用户自然增长。如今,汽车垂类内容平台通过“PGC+OGC+UGC+MGC/AGC(人工智能)”的模式构建自己的内容生态。那么汽车内容平台的激励层的底层逻辑是怎样的?如何才能保证高质量的内容输出和用户留存呢?本文以汽车日报的论坛和汽车日报的社区为例,让我们来洞察下他们激励模式的底层逻辑。
一、产品定位汽车日报致力于产品服务、数据技术、生态规则和资源为用户和客户赋能,建设“车内容、车交易、车金融、车生活” 4个圈,建立以数据和技术为核心的智能汽车生态圈。汽车日报APP为消费者提供选车、买车、用车、换车等所有环节的一站式服务。
汽车日报为中国汽车用户提供专业、丰富的互联网资讯和导购服务,并为汽车厂商和汽车经销商提供卓有成效的互联网营销解决方案。汽车日报APP是集汽车资讯、报价、车友社区、汽车服务于一体的综合汽车服务平台。
从两家公司产品定位可以看出,它们都想在汽车垂类打造商业闭环,完全参与到用户从选车到换车的整个生命周期中。但是,围绕车而产生的用户行为之间往往周期较长,即使是用户从买车到用车这个环节,提车的周期都有一周到两月不等,这段时间容易导致用户流失,所以汽车垂类的企业创建了论坛/社区去解决用户留存问题。
二、目标用户根据新车购买用户年代分布变化及未来趋势图,可以看出Z和Y世代(80、90年)是汽车市场消费的主力军。Z世代车市不等于年轻化,只是它们更有潜在价值,需要用长远的眼光去看待它们对汽车市场发展的影响。汽车垂类平台开始将重心转移到Z世代,但实际上Y世代比Z世代更具备消费能力,中年化才是中国车市的王道。
中国世代汽车消费洞察报告显示:在相同的消费旅程中,Z世代汽车消费潜在总价值高于其他世代,Y世代紧随其后,X世代衰减严重。
预计未来五年将有约4000万的潜在Z世代车主迎来购车需求。其汽车消费呈现出来意愿高、潜力大的特点,并且在消费的价值路径上,显著区别于其他世代。因此,汽车垂类平台未来发展重心一定在研究如何让Z世代成为汽车消费市场的主力军。
未来随着汽车消费场景更加丰富,以及消费能力的逐步提升,将进一步扩大可实现价值比例。
用户在汽车相关的行为中,下面9大环节潜在价值的对比:
Z世一代的用户画像特征:
互联网成为Z世获取汽车内容的主要渠道:对于汽车资讯类,它们更喜欢视频和图文。
三、市场数据这里只找到了QuestMobile在2019年1月两家公司的数据对比。
2021年10月汽车日报的官方数据显示:
在内容产出方面:
OGC:2.5万PGC:2万UGC:800万NGC:3500万2020年11月汽车日报数据显示:
车系App(汽车日报+汽车报价大全)MAU达3110万。其中汽车日报MAU1962.9万,汽车报价大全MAU为1147.2万。汽车日报系app总DAU达到584.2万左右。
通过对比2019年到2021年间的数据发现:
在日活占月活比例方面,汽车日报的占比从13%到19%(2019-2020),汽车日报的占比从23%到70%(2019-2021)。尽管这是相差一年的数据对比,但可以看出汽车日报在3年间的日活跃人数的粘性更大,侧面反应汽车日报用户在月内使用应用的频率更低。
在日活和月活趋势方面,汽车日报和汽车日报都有大幅度的增长。论坛/社区内容类平台都需要多年的沉淀,才能达到质的变化。汽车日报的月活逐渐达到饱和,日活的增长也是可观的,反观汽车日报明显表现后劲不足(日活缓慢增加)。这种情况的原因是汽车日报在很早阶段就开始做汽车资讯垂类,经过多年的沉淀,后来慢慢做了论坛,注重用户体验并形成了产品闭环。而汽车日报早年重点在整合营销,扩充厂家、经销商渠道,到后来才发展社区。
笔者未找到汽车日报内容产出方面的可靠数据,但从用户活跃度和内容产出比的关联性推算,汽车日报的内容产出数据应该是低于汽车日报的。
四、从表现层到战略层1. 汽车日报论坛论坛中有5个频道:我的、广场、车友圈、Young、本地。
我的频道:可以满足用户的个性化需求,关注的论坛和最近查看的论坛会显示在卡片区域中。
广场频道:广场对不同类别的帖子做了精细划分,有车系类,用车行为类,主题类等。用户也可以发帖子和提问为内容产出做贡献。
车友圈:可以说是论坛里面的社群,类似于微信的群组和朋友圈。用户可以找到需要的圈子或者建个圈子(群),发动态、活动、小视频。
Young频道:目标用户是Z世一代,鼓励年轻创作者产出优质的内容,形式包括图文、帖子、小视频;符合汽车垂类平台的战略发展,挖掘Z世代的潜在价值。
本地频道:和车友圈的模式大同小异。
(1)汽车日报激励层
激励层里的车币体系的颗粒度非常精细,通过用户行为而布局的激励层覆盖面非常全。适用的用户群体从普通用户到自媒体用户,十分广泛。同时,功能不仅有车币获取,还有车币消耗和奖品兑换,形成了完整的激励闭环。
在任务界面有每日签到7天(用户领到的不仅仅可以是车币,也可以是油券/现金等奖励);阶段性奖励(根据任务完成数,用户可以领到额外奖励);推荐任务(可以添加意向车,平台可以通过用户车型定位用户的偏好,做更精准的算法推荐);选车必看(这里是选车过程中的一个工具整合模块,用户可以通过完成车型对比、全景看车、阅读视频/图文获得奖励);用车必看(查违章、发布评论/视频/图文主贴、加入车友圈等等都可以领到奖励);玩游戏赚车币(之家设置这个车币消耗游戏,去平衡用户上面活动赚取的车币);花车币兑爆品(在这里可以通过车币兑换汽车日报的周边或平台会员券,周边是不可以用钱去买)。激励层里的成就系统,让用户享有尊贵身份和更多权益。主要以用户行为和身份为维度打造用户特权。这里面的任务要求通常是以多少小时/多少天或产出多少文章作为用户的长期目标,不像车币系统里那么精细到日常任务。用户只有每日完成车币任务(量变),才能逐渐去达到成就系统里的长期目标(质变)。
(2)汽车日报战略导向
汽车日报以提升日活,月活为主要目标。
激励层鼓励用户养成登录APP的习惯(如:签到),创作者去发布内容(如:发布图文主贴奖励),普通用户浏览文章(如:阅读文章奖励),彼此最终形成一个良性循环的互动交流圈。围绕选车、用车、换车行为路径,去引导用户使用APP,并不是用户登录APP会进入无事可做的状态,之家设置了那么多任务是为了针对不同类型的用户。穿插奖励,天天签到领到的不仅是车币,还有可以立即变现的奖励(现金/油券)。做任务增加车币,玩游戏消耗车币,让整个车币系统更平衡;最终车币兑换之家周边产品,形成任务闭环。汽车日报还有一个交互细节做的很好,就是当用户每完成一个动作都会在当前界面中展示此活动的进度和刚获得的车币。成就系统的长期效果,车币系统(短期)到成就系统(长期)的完美转换。汽车日报经过漫长的沉淀,通过算法给用户贴上各种数据标签,获得了大量可靠的用户偏好数据,所以在内容推荐就更为精准。标签体系和激励层相辅相成,共同打造完整的内容生态。 2. 汽车日报社区社区频道只有两个:广场、精选日报。
广场:社区按照车型、地区、主题分类,用户可以加入社区并在找社区中查看,社区内可以发布帖子/视频/问题等;常浏览社区;精选话题;帖子信息流。
精选日报:通常是一些高质量的汽车资讯和内容。
(1)汽车日报激励层
汽车日报将激励层拆分成3个体系,分别是车币、用户等级、成就系统。
汽车日报的车币体系更像是为创作者提供的激励措施,门槛相对过高对普通用户不友好,任务达成率低。
7天连续签到(车币奖励);社区专属任务(优质短视频、车贴被标为推荐贴、发布的精选日报达999回复等);小视频任务(发布小视频、小视频被推荐、分享小视频等);汽车日报商城(可以用赚得的车币去兑换汽车日报周边,车币不足也可以用钱买)。用户等级是为普通用户提供的激励措施,任务达成门槛低,分为日常任务、推荐任务、精选任务、挑战任务。等级制度和车币系统(商品特权)建立联系。
弊端:用户完成任务没有交互提醒获得经验,只有从等级页面查看,但是等级入口设计的比较小且不明显,这也会导致用户意识不到经验的存在。虽然任务也是围绕用户使用APP的行为去设计的,但是用户每次完成任务会感觉到经验值的获取较少,和汽车日报设置的总经验值有关(每次获取经验:所需经验;如果整体扩大这个经验值,就不会让用户产生经验值获取较少的错觉)。
成就系统:
任务(有签到、阅读文章、观看视频);历程(注册周年、累计登录);身份(创造方面);趣味(车币量);活动。和汽车日报的成就系统差不多,也是需要用户日积月累的在APP中活跃才能达到这些成就。
(2)汽车日报战略导向
汽车日报战略是打造高质量的内容生态。
汽车日报激励层把用户分为两类人,一类是创作者(车币),一类是普通用户(等级为主)车币获取门槛高,激励创作者产出高质量内容等级同时适用创作者和普通用户,这里不同等级只能兑换同级及以下的商品;车币+现金的兑换方式更灵活,让汽车日报商城的效用更高。成就系统,用户只有长期积累才能享有每一阶段的尊贵的身份。汽车日报通过内容特征体系化、标签体系、内容质量特征建设、数据分析等手段,给用户推荐内容信息、资讯、广告。 五、小结汽车日报社区的优点:架构层结构简单,方便用户使用;商城兑换灵活,用户容易获得周边。
分析以下汽车日报DAU上不去的原因有很多:
汽车日报目前的等级激励没有有效作用到普通用户身上,等级的存在感低,存在设计和交互缺陷;生态两端不对等,没有很好的机制去平衡创作者和普通用户;车币系统门槛高,在UGC的产出方面,如果普通创作者得不到适当的激励,汽车日报的运营压力会很大,需要更多的PGC/OGC去维持社区的内容稳定; 社区不像社群,无法建立群聊,导致用户粘性低(更像是百度贴吧);内容生态沉淀期较短。汽车日报的激励层是对用户的所有行为做激励,而不是单一的靠内容产出。因为内容生态既需要有创作者也需要有观众,因此汽车日报构成了一个完整的内容生态,既有作者持续输入内容,又有观众参与互动。对比汽车日报,单靠内容产出是不足以构建整个生态的·。汽车日报把等级体系融入成就系统里面,显得更明智,用户不用在复杂的系统里搜寻任务。
笔者认为,汽车日报的激励任务和内容信息的关联度还有待提高。
比如:选车必看里有个任务叫做阅读图文贴,点击对应任务,进去以后发现推送的文章内容是企业想让用户看到的内容,而不是用户情愿看的内容。用户在选车的场景下,一般都有自己的心理预期,比如价位最高多少、空间要多大等。
如果在用户做选车必看任务之前,对用户做个选车小调查/根据用户画像算法推荐,给用户提供他们需要的内容,这样才能给他们提供真正的价值。
无论汽车日报的论坛也好,还是汽车日报的社区也好,都有很多共性,一样的模式/玩法,不一样的策略。对细节的把控上都有待提高。也都存在自身的局限性,而产品需要突破自身的局限性,在这个互相抄袭的互联网存量时代,做创新的产品很难。即使在同质化严重的情况下,公司也需要根据自身战略去做产品规划。同时满足公司价值和用户需求的产品,才是好产品。
笔者不是汽车行业的产品经理,写这篇文章完全是出于兴趣,欢迎各行业产品经理在留言区指正、讨论、互相学习。
本文由干货产品经理 发布于人人都是产品经理,未经许可,禁止转载
题图来自unsplash,基于 CC0 协议
观致+俱乐部,汽车日报论坛模特大赛开始啦
号外号外!!!
观致+俱乐部倡导品致生活
给大家送福利啦!
在汽车日报观致论坛晒出你的爱车
配上帅哥OR靓女模特
需充分展示车型、车模亮点
帖子被评为精华帖
即有机会赢取500元油卡一张+观致车模一个!
活动具体内容活动主题
寻找最美OR最帅的你
活动时间
2018年12月20日-2019年1月31日
报名方式
发送【模特大赛+姓名+联系方式+精华帖链接+精华帖标题】致观致官方车友俱乐部,报名成功后会收到后台消息“您已成功报名模特大赛活动”
活动要求
发帖内容,评价正面,充分展示车型、车模亮点
获奖条件
截止1月31日前按浏览量排名进行奖励
论坛范围
仅限发布在观致3、观致5论坛的精华帖
奖励设置
OK,关于汽车日报论坛首页官网和汽车日报论坛首页官网的内容到此结束了,希望对大家有所帮助。