奇艺网(qiyi.com)初体验

本文分享了作者初次使用奇艺网的感受,赞赏其简洁无广告的设计及可爱的虚拟加载助手,并提出了改进意见,如增加内容丰富度和后续商品营销。

      当最早知道奇艺网后,我就一直很关注它,前不久还发现官网的介绍中有一个错别字,给他们去信告知,很快就进行了纠正,可见奇艺网尊重用户体验之迅速,不过那个错别字也确实有些离谱,就在吹捧龚宇的介绍文字中,当然这里我就不把截图给大家看了,呵呵。初步体验了一下,谈几点体会:

     赞的方面:

     1)播放时在拖动时能看到一个可爱的卡通虚拟助手(记得人机交互好像用的是这个术语),头顶有两个天线,主体绿色,在拖动播放滚动条时,这个虚拟助手会给出用户loading视频的及时反馈,头顶的天线在进行摇摆,非常好的设计,绿色的寓意也很好,兼具了安全和舒适,高端和亲和的特性。不过这个天线是个大问题,将来做绒毛吉祥物都困难,这么高的耳朵挺不住啊。

     2)整个网站没有一个广告,非常朴素大方,姿态很低。

     3)没有网友评论,完全是走高端路线。

    

    质疑的方面:

    1)技术上没有震撼力,联想到谷歌音乐发布时,重点打造的,自动挑歌功能,奇艺这次在技术上没有很强的震撼力,只是对曲库进行了必要的分类,和传统意义上的推荐。

    2)设计上过于注意了留白,虽然很舒服,但也失去了内容丰富的用户感觉,没有体现出“琳琅满目”感,有些地方还是过于稀疏了。

    3)商业化还值得期待,影视作品的后续营销工作还不够,没能把价值最大化,例如那些电影院销售的影视玩偶等完全可以在这里进行销售,当然也可能是运营步骤的缘故。

  

     总体上看,做得很用心,细致,会在国内有很好的发展前景。  

 

     朋友们可以体验一下:http://www.qiyi.com/

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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