多数iPhone应用程序的不足之处

多数iPhone应用程序的不足之处

下面我们要介绍最后一个特性:意外性。所谓的意外性就是带给用户更多的“惊喜”,而这正是当前多数iPhone应用程序不足的地方,因此将其作为本节的标题。

用户满怀期待地下载了应用程序,开始使用时,发现该应用程序既有甲功能,又有乙这种玩法,通常这样的应用程序已经算挺不错的了。但是用户很可能只是最初玩了几次,大家想象一下,无论何种乐趣,如果每一次都是一样的话,用户很快就会厌倦。

所谓意外性,是指每次启动应用程序时都会出现新东西,用户不能预测会出现什么东西。需要注意的是,意外性并非仅仅意味着随机性,重要的是保持随机性与可预见性间的平衡。

前面介绍的RjDj软件就是通过现实世界声音的多样性来保证其具有“意外性”的。另外像Ocarina软件,它是通过将其他用户的演奏导入到应用程序中来展现独特的趣味的。像这样将其他用户或者外界的信息作为一个积极的外因来加以利用,从而增加应用程序带给用户的意外性,是一个非常有效的手段。

脑科学的研究表明,人的大脑能对“稳定环境下的意外性”做出强烈的反应。那么将这个原理应用到商品开发中,能开发出畅销产品的正确做法是,在正确把握用户的喜好及需求的基础上,给用户带来些意外惊喜。因此笔者认为在开发iPhone应用程序时,保持用户体验的可预测性与意外性之间的平衡是很重要的。

另外,笔者认为在各种浏览器(如Safari)中,邮件收/发应用程序(如Mail)流行后,很快会流行起来的是各种微博终端工具,如Tweetie等,因为Tweetie等微博终端符合上面描述的原则。网络世界中各种各样的信息能带给使用者不同的意外体验,同时这些工具也具有使用的便利性。

在应用程序销售的过程中,不断地吸收来自用户的建议和喜好,然后一点点地改进,同时尽量使其能带给用户“意外的惊喜”。这也许就是开发出能被用户广泛接受,并且长期拥戴的iPhone应用程序的秘诀吧。

突出自己的特色

最后一点,可能是理所当然的吧。拥有别人不可模仿的技术的人总是非常有竞争力的。但是凡事不要钻牛角尖,只需要拥有自己擅长的东西,笔者觉得就足够了。例如,外形设计很优美,或者与音效相关的程序很强,使用了MapKit框架等,关键是瞄准其他人不会涉及的部分。如果能让用户看到你的iPhone程序背后隐藏着别人没有的特长,或者散发着独特的魅力,抑或是绝对坚持的执着,那么这就是最理想的了。

因此,在进行iPhone应用程序开发以外,你需要花费不少心思。将你的所感、所想、所要展示的东西反映到程序中去是最重要的。这就是那些所谓的“金点子”产生的源泉。

本书将重点介绍开发iPhone传感器类应用程序的技术,如果你想成功获取自己的第一桶金,关键在于技术之外的探索。

本文选自《软件创富密码:iPhone应用程序开发攻略之iPhone特色传感器应用(双色)》一书。

图书详细信息:http://blog.youkuaiyun.com/broadview2006/article/details/6859785

内容概要:该PPT详细介绍了企业架构设计的方法论,涵盖业务架构、数据架构、应用架构和技术架构四大核心模块。首先分析了企业架构现状,包括业务、数据、应用和技术四大架构的内容和关系,明确了企业架构设计的重要性。接着,阐述了新版企业架构总体框架(CSG-EAF 2.0)的形成过程,强调其融合了传统架构设计(TOGAF)和领域驱动设计(DDD)的优势,以适应数字化转型需求。业务架构部分通过梳理企业级和专业级价值流,细化业务能力、流程和对象,确保业务战略的有效落地。数据架构部分则遵循五大原则,确保数据的准确、一致和高效使用。应用架构方面,提出了分层解耦和服务化的设计原则,以提高灵活性和响应速度。最后,技术架构部分围绕技术框架、组件、平台和部署节点进行了详细设计,确保技术架构的稳定性和扩展性。 适合人群:适用于具有一定企业架构设计经验的IT架构师、项目经理和业务分析师,特别是那些希望深入了解如何将企业架构设计与数字化转型相结合的专业人士。 使用场景及目标:①帮助企业和组织梳理业务流程,优化业务能力,实现战略目标;②指导数据管理和应用开发,确保数据的一致性和应用的高效性;③为技术选型和系统部署提供科学依据,确保技术架构的稳定性和扩展性。 阅读建议:此资源内容详尽,涵盖企业架构设计的各个方面。建议读者在学习过程中,结合实际案例进行理解和实践,重点关注各架构模块之间的关联和协同,以便更好地应用于实际工作中。
资 源 简 介 独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要ICA算法以及它们之间的内在联系, 详 情 说 明 独立分量分析(Independent Component Analysis,简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法,其目的是从由传感器收集到的混合信号中分离相互独立的源信号,使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用,目前已成为盲信号处理,人工神经网络等研究领域中的一个研究热点。 本文简要的阐述了ICA的发展、应用和现状,详细地论述了ICA的原理及实现过程,系统地介绍了目前几种主要ICA算法以及它们之间的内在联系,在此基础上重点分析了一种快速ICA实现算法一FastICA。物质的非线性荧光谱信号可以看成是由多个相互独立的源信号组合成的混合信号,而这些独立的源信号可以看成是光谱的特征信号。为了更好的了解光谱信号的特征,本文利用独立分量分析的思想和方法,提出了利用FastICA算法提取光谱信号的特征的方案,并进行了详细的仿真实验。 此外,我们还进行了进一步的研究,探索了其他可能的ICA应用领域,如音乐信号处理、图像处理以及金融数据分析等。通过在这些领域中的实验和应用,我们发现ICA在提取信号特征、降噪和信号分离等方面具有广泛的潜力和应用前景。
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