从运用模型总结的知识模型

引言:这篇篇推送本来是一篇读书笔记,然而在读前言和第一章的过程中批注和想法很多,想用模型的概念去表述一个观点,却发现以前的一些碎片化知识不断的链接起来形成模型,干脆总结成一篇小文吧,你看,写作的好处就是这里,它可以把点连成面然后输出,强化你的认知。

关于知识的学习,以我个人的感受和经验来看,一定要建立模型的概念,这个学习模型在流程形式上是总-分-总,所以知识的概要一定要好好学,可以让你建立大局观,知道有什么,那些是重点,然后分块细化,最后达到融会贯通,上升到我不知道我知道的境界,模型建立后你掌握的是一套方法论,看问题是俯视,做减法。这就是模型的力量。举个例子,如果你懂得了爱情和家庭幸福的知识模型是激情-承诺-亲密之后,你就会很轻易洞察到“撩妹撩汉”这个行为只是激情的第一步。《运营之光》是我今年读的第七本书,前言和第一章下来,感受颇多,不仅验证了我已有运营模型,而且把这个模型进一步的细化,今天就从模型的角度谈谈产品设计模型方法论,深知一个概念不是事实的真相,今天的认知只是所掌握的证据的真相呈现,证据越多,越接近事实的真相,希望以后我的认知能不断的接近真相,目前仅仅是逻辑自洽的观点,Interesting.

产品-内容-运营-市场的角色模型。产品经理对满足用户需求可用性易用性负责,运营通过产品或内容对商业和市场目标负责,如此倒推回来,做到产品的1,如果想要翘动市场实现其商业目标,运营必然要走在前列,除去市场和商业这两个“无形”的目标,我们更应该抓紧运营和产品两个有形武器,通过产品或内容以“有形实体”去换“无形目标”。因此,从这个角度来看,企业重心应该以运营>产品>技术。业内常有“技术驱动型公司”“产品驱动型公司”“设计驱动型公司”的划分,未来我更看好以运营为主导的公司,因为运营离市场、消费者更近,吧产品升级为服务以后实现商业目标的概率更高。因此也更好看产品运营职位,如果非把产品经理类型细分的话。

这个模型是以市场为导向,这个模型几乎适用于所有的互联网产品,除非你不想赚钱,就是为情怀,任性做着玩。通过产品构建与商业市场的桥梁,赤果果的说,产品就是二段收费(互联网底层逻辑之一:前半段免费甚至福利后半段收费)的工具!认识到这一点,你就不会执着于产品功能全不全、用户体验好不好,因为你会有一个做不做这些的基础价值判断:赚不赚钱?值不值的做?当然,你说我就做一个情怀产品,满足需求,做到极致,赚钱也是水到渠成的事,我倒也不否认也有“顺便”赚到手软的产品,我想大多数产品都没有这个魄力吧?

运-营的概念模型。我的泛理解就是两个关键词,活动和经营,就像运营一个实体店,无论做什么生意,一要保持日常的经营,也就是长期的维持,像一些社交类的常青树活动,翻包看你每天都带什么啊,晒桌面,看你你的书桌上都有啥啊,这背后满足的是参与者的爱现虚荣心和观看者的好奇心甚至是偷窥欲,所以这类活动已成为运营“常青树”经久不衰;二是要有活动,也就是短期的刺激行为,逢年过节推出一些优惠啊,放价之类的刺激,有大有小,各种门类,尤其是电商平台,从没有时间是没有打折活动的,俨然已经将“运”升级到到了“营”的高度。总之一个宗旨,既要你长期关注着我,又让你是不是的“兴奋”一下,持续不管的给你刺激,让你每天都兴奋,都活跃,就像养娃,你总不能每天都给他吃一种食物玩一种玩具吧?你得学会变!花!样!

建立资源-目标-效率-复盘的活动策划模型。为什么80%的运营只能打杂?因为你没有一个目标导向意识。有了这个意识你就会考虑我手上有哪些资源可用?这些资源可以冲击什么目标?我的这些时间、人力、资源投入会带来流量?转化?下载量?这些产出和投入比值得吗?想清楚了再去执行,执行后对结果不断对成本投入产出比、风险意识、预期管理进行复盘。你会发现,这样运营才有乐趣,那种给我个杠杆我能撬起整个地球的快感,比纯粹重复性劳动性质的工作有成就感吧?做无限接近用户/消费者的前沿工作,这样创作更大价值的可能性更高。

角色—场景—路径。产品设计中如何分析需求并作出决策?什么人在什么场景下作什么流程以满足什么需求?从别处学来的。

时间: 2024-10-07 22:55:34

从运用模型总结的知识模型的相关文章

基于位置信息的聚类算法介绍及模型选择

百度百科 聚类:将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类.由聚类所生成的簇是一组数据对象的集合,这些对象与同一个簇中的对象彼此相似,与其他簇中的对象相异."物以类聚,人以群分",在自然科学和社会科学中,存在着大量的分类问题.聚类分析又称群分析,它是研究(样品或指标)分类问题的一种统计分析方法.聚类分析起源于分类学,但是聚类不等于分类.聚类与分类的不同在于,聚类所要求划分的类是未知的. 分类和聚类算法一直以来都是数据挖掘,机器学习领域的热门课题,因此产生了众多的

Laravel5.1 模型--ModelFactory

今天要说的是模型工厂,它是可以快速生成一些测试数据的东西,之前我们介绍过Seeder,当我们使用模型访问数据时 可以用模型工厂搭配Seeder使用. 1 编写一个ModelFactory ModelFactory的路径在 database/factories/ 下: // 这是系统自带的工厂 $factory->define(App\User::class, function ($faker) { return [ 'name' => $faker->name, 'email' =>

15.1-全栈Java笔记:Java事件模型是什么?事件控制的过程有哪几步??

应用前边两节上一章节的内容,大家可以完成一个简单的界面,但是没有任何的功能,界面完全是静态的,如果要实现具体功能的话,必须要学习事件模型. 事件模型简介及常见事件模型 对于采用了图形用户界面的程序来说,事件控制是非常重要的. 一个源(事件源)产生一个事件并把它(事件对象)送到一个或多个监听器那里,监听器只是简单地等待,直到它收到一个事件,一旦事件被接收,监听器将处理这些事件. 一个事件源必须注册监听器以便监听器可以接收关于一个特定事件的通知. 每种类型的事件都有其自己的注册方法,一般形式为: v

11.python并发入门(part13 了解事件驱动模型))

一.事件驱动模型的引入. 在引入事件驱动模型之前,首先来回顾一下传统的流水线式编程. 开始--->代码块A--->代码块B--->代码块C--->代码块D--->......--->结束 每一个代码块里是完成各种各样事情的代码,但编程者知道代码块A,B,C,D...的执行顺序,唯一能够改变这个流程的是数据.输入不同的数据,根据条件语句判断,流程或许就改为A--->C--->E...--->结束.每一次程序运行顺序或许都不同,但它的控制流程是由输入数据和

Linux的I/O模式、事件驱动编程模型

大纲: (1)基础概念回顾 (2)Linux的I/O模式 (3)事件驱动编程模型 (4)select/poll/epoll的区别和Python示例 网络编程里常听到阻塞IO.非阻塞IO.同步IO.异步IO等概念,总听别人装13不如自己下来钻研一下.不过,搞清楚这些概念之前,还得先回顾一些基础的概念. 1.基础知识回顾 注意:咱们下面说的都是Linux环境下,跟Windows不一样哈~~~ 1.1 用户空间和内核空间 现在操作系统都采用虚拟寻址,处理器先产生一个虚拟地址,通过地址翻译成物理地址(内

Storm介绍及核心组件和编程模型

离线计算 离线计算:批量获取数据.批量传输数据.周期性批量计算数据.数据展示 代表技术:Sqoop批量导入数据.HDFS批量存储数据.MapReduce批量计算数据.Hive批量计算数据.azkaban/oozie任务调度 流式计算 流式计算:数据实时产生.数据实时传输.数据实时计算.实时展示 代表技术:Flume实时获取数据.Kafka/metaq实时数据存储.Storm/JStorm实时数据计算.Redis实时结果缓存.持久化存储(mysql). 一句话总结:将源源不断产生的数据实时收集并实

ARMV8 datasheet学习笔记4:AArch64系统级体系结构之编程模型(4)- 其它

1. 前言 2.可配置的指令使能/禁用控制和trap控制 指令使能/禁用 当指令被禁用,则这条指令就会变成未定义 指令Trap控制 控制某条或某些指令在运行时进入陷阱,进入陷阱的指令会产生trap异常,路由规则如下: (1)当前为EL1,则陷阱异常传递给EL1(HCR_EL2.TGE定义为1时,会路由到EL2); (2)当前为EL2,则陷阱异常传递给EL2; (3)当前为EL3,则陷阱异常传递给EL3; 3. 系统调用 SVC 默认情况下SVC产生supervisor call,同步异常目标级别

【统计学习】随机梯度下降法求解感知机模型

1. 感知机学习模型 感知机是一个二分类的线性分类问题,求解是使误分类点到超平面距离总和的损失函数最小化问题.采用的是随机梯度下降法,首先任意选取一个超平面w0和b0,然后用梯度下降法不断地极小化目标损失函数,极小化过程中不是一次使所有误分类点的梯度下降,而是一次随机选取一个误分类点使其梯度下降.假设误分类点集合M是固定的,那么损失函数L(w,b)的梯度: 随机选取一个误分类点,对w和b进行更新: 其中n是步长,又称为学习率(learning rate),这样通过迭代可以使损失函数L(w,b)不

4.利用python生成器实现简单的“生产者消费者”模型

假如说,没有生成器这种对象,那么如何实现这种简单的"生产者消费者"模型呢? import time def producer(): pro_list = [] for i in range(10000): print "包子%s制作ing" %(i) time.sleep(0.5) pro_list.append("包子%s" %i) return pro_list def consumer(pro_list): for index,stuffe