初冬的阳光-谈推荐,产品,需求

作者在初冬温暖的阳光下思考了螨虫带来的太阳味道,并由此联想到信息获取方式的变化,从早期的分类浏览到现在的信息流推荐,探讨了这种变化背后的原因及其对用户的影响。

初冬的阳光

今天AQI指数是22,比房间开着净化器(40)还好些。加上能够和这初冬温度恰好中和的阳光的击打,穿着短裤在阳台的吊床上,也是不冷的。然而阳光还是要点滴洒落的感觉最好,暖暖又不会让人难受。在这如同瀑布一样的阳光下我终究是没办法看书的。


1063603-89aa0abf4c0500ae.jpg
来自同一时刻和我一起晒太阳的朋友家的猫

太阳可以感觉得到,看的到,但遗憾的是闻不到,于是螨虫们为了让人们闻到太阳的味道,贡献出了自己身体。这么看,螨虫们倒对我们人类来说,不是一无是处。

这也不禁让我学习到了两个道理:

  1. 知道的太多,是有损幸福感的。
  2. 哪里有享受,想必哪里就会有牺牲。

第三代信息获取方式-信息流(推荐)

偶然发现,Google也在自己首页引入了资讯流。


1063603-576cddde8ef69a98.jpg
439308805022278852.jpg

于是我惊喜的把这个发现告知朋友,他说已经引入好一会了。我说这个可以算是学习百度么?但虽然有这个疑问,怕是难以考证的。朋友说,百度在首页做资讯流,则是被今日头条刺激。 不过这么做却也是水到渠成的事。百度在这种倒逼下的调整,竟也带来了很大的流量和利润,据说每日3000w+ RMB。 当然,从一个侧面也可以看到,企业一旦进入舒适区,没有外部压力的时候,胆魄会明显变小的,没人刚去改变百度首页的形态。

两大搜索引擎都做了相同的改变,说明了信息由被动检索到主动定制推送的趋势不可逆转了。以前我们说推荐是锦山添花,但是现在用户习惯已然养成。

推荐拥有很大的容积,这是人工很难做到的,而且推荐可以扩大用户关注内容的边界(这可能和大家的认知--推荐会越推越窄的直觉相违背的)。从生物学角度而言,大脑主动去获取信息(比如搜索)的消耗是很大的,所以通常搜索是为了解决问题而存在。推荐可以很大的减少能量的消耗,是更是和人类的。

如果问现在通往信息世界入口有哪些,我们会这么说:

一流一框一tab

一流指的是信息流,一框指的是交互框(搜索框),一Tab则指的是分类标签页。

1063603-04503abb9a1592b1.jpg
百度涵盖了这三个信息入口

整个互联网信息获取的发展历程也是:

分类 -> 搜索 -> 推荐

早先的yahoo就是靠分类作为信息的主要交互手段的,后面Google崛起,垄断了搜索时代,现在则是FB,今日头条等企业为代表的信息流(推荐)的天下。

分类,搜索,推荐作为信息的获取手段,也反映了人们对内容本身的理解在加深。分类只是简单的把内容做归类,这是最基础的,搜索则通过关键字把内容组织起来了。前两者都是以内容自身为组织维度,但是推荐则根据用户真正关注的维度把内容给整合起来。这点是推荐和前两代明显进步的地方。

通常,当我们往更高维度发展的时候,低维也不会消失。这就好比我们有了汽车,但是不能放弃自己双脚。他们总有互相无法替代的地方。同理, 信息流(推荐)的崛起也不意味着分类,搜索的消失,只是可能不会再成为人们的主要交互手段。

1063603-9a437fd95f2c8a41.jpg
降维打击,来自网络图片

像建房子一样构建一个产品

这是朋友很喜欢的一张图片,我也很喜欢,因为很有道理。万物相通,越是底层越重要。

1063603-ebb51d5da7544bc3.jpg
这是朋友很喜欢的一张图

需求到底是不是好东西

技术圈似乎有个魔咒,叫做重构,说白了就是推倒重来,继续不下去了。地点我们可能无从选择,但通常结构没有构建好,随着需求越来越多,运营越来越重,终究无法承担下去。

按需求做,绝对是个大坑,结构散了,没延展性,效率是很低的,恶性循环,再来再加再散,最终crash。

产品上如果没有对需求进行预判,会量变引起质变,最终成为一个无根的产品。而技术上如果没有对需求进行预判,则会导致大“重构”的发生。

所以当我们接受到需求是,我们需要对需求进行抽象,和改良,知道需求的本质是什么,是不是吻合这个产品的结构,空间设计。如此,需求当是助力产品的。

单向双向V2G 环境下分布式电源与电动汽车充电站联合配置方法(Matlab代码实现)内容概要:本文介绍了在单向和双向V2G(Vehicle-to-Grid)环境下,分布式电源与电动汽车充电站的联合配置方法,并提供了基于Matlab的代码实现。研究涵盖电力系统优化、可再生能源接入、电动汽车充放电调度、储能配置及微电网经济调度等多个关键技术领域,重点探讨了在不同电价机制和需求响应策略下,如何通过智能优化算法实现充电站与分布式电源的协同规划与运行优化。文中还展示了多种应用场景,如有序充电调度、鲁棒优化模型、多目标优化算法(如NSGA-II、粒子群算法)在电力系统中的实际应用,体现了较强的工程实践价值和技术综合性。; 适合人群:具备电力系统、新能源、智能优化算法等相关背景的科研人员、研究生及从事能源系统规划与优化的工程技术人员;熟悉Matlab/Simulink仿真工具者更佳。; 使用场景及目标:①用于科研项目中关于电动汽车与分布式电源协同配置的模型构建与仿真验证;②支持毕业论文、期刊投稿中的案例分析与算法对比;③指导实际电力系统中充电站布局与能源调度的优化设计。; 阅读建议:建议结合文中提供的Matlab代码与具体案例进行同步实践,重点关注优化模型的数学建模过程与算法实现细节,同时可参考文末网盘资源获取完整代码与数据集以提升学习效率。
【电动车】【超级棒】基于蒙特卡洛模拟法的电动汽车充电负荷研究(Matlab代码实现)内容概要:本文围绕基于蒙特卡洛模拟法的电动汽车充电负荷研究展开,利用Matlab代码实现对不同类型电动汽车(如常规充电、快速充电、换电模式)在不同场景下的充电负荷进行建模与仿真。通过蒙特卡洛方法模拟大量电动汽车的充电行为,结合用户出行规律、充电时间、电量需求等随机因素,分析电动汽车规模化接入电网后对电力系统负荷的影响,并探讨分时电价策略对充电负荷的引导作用,进而优化电网运行。研究涵盖充电负荷的空间分布特性、时间分布特征及对电网峰谷差的影响,旨在为电力系统规划和电动汽车有序充电管理提供理论支持和技术工具。; 适合人群:具备一定电力系统、交通工程或新能源汽车背景的研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。; 使用场景及目标:①用于研究大规模电动汽车接入对配电网负荷曲线的影响;②支撑分时电价、需求响应等政策制定与优化;③为充电站规划、电网调度、储能配置等提供数据支持和仿真平台;④适用于学术研究、课题复现及工程项目前期分析。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注蒙特卡洛模拟的参数设置、充电行为的概率建模过程,并尝试调整输入变量以观察负荷变化趋势,加深对电动汽车充电负荷不确定性和聚合效应的理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值