@pureGirl #4 https://i.imgur.com/duWRpIu.png 提桶前，我时常和开发们讲，“产品就是这烂样，狗来了都能干”

一名合格的产品，我认为至少具备以下能力：
1. 计算机基础（编码、数据库、数据结构至少在逻辑层面能懂，否则只能到处拉坨大的）；
2. 心理学基础（没有同理心连需求都收集不到，更别说平衡多边需求）；
3. 管理学基础（决策能力+协调能力，如果非 C 端产品，更是重中之重，否则连干系人都识别不到）；

感兴趣可以看看《俞军产品方法论》 https://book.douban.com/subject/34907971/
这书是产品领域不可多得的好书，只是他更多聚焦于 c 端产品，面向消费者市场。
B 端或者 G 端可以看这本《决胜 B 端》 https://book.douban.com/subject/33454250/

优秀的产品至今没接触过，合格的都少见

@darksheep9527 #6 https://i.imgur.com/io2SM1h.png 有可能我真的不是小红书的目标人群，我关了之后对小红书的热门内容都是极度反感的，大部分都是穿搭、美妆、擦边、自媒体割韭菜。我只能感受到，我之前搜索过职场类相关话题再也没给我推了，省了我好多时间。

根据下方链接的指导，我持续 5 年使用间隔重复软件 supermemo ，使用感受下来确实如该文所说的那样，最有效的记忆是自由回忆


“2014 年发在 Psychological Bulletin 一篇研究(Rowland, 2014)统计了关于测试和记忆的 331 个实验，不仅发现测试确实对记忆有可靠且明显的帮助，而且这个效果主要来源于测试时提取信息所需要付出的努力(effortful processing)。提取强度越低，提取的过程越费力，感觉越困难，形成的记忆就越牢固。也就是说，直接回忆(recall) 比做选择题（ recognition, 辨认记忆）更有用，没有任何线索的自由回忆(free recall) 比基于线索的回忆（ cued recall, 比如说填空题）更有用。”

摘抄知乎 https://www.zhihu.com/question/27252044/answer/109590714

- 个人对自我学习的判断不准确
- 人们对自学效果的判断和实际结果之间的关联极弱或无
- 人们对自我学习效能的判断经常和实际结果相反
- 短期内能见效的记忆方法相对长期效果而言帮助不大，反之亦然
- 通过实验才能证明记忆力技巧的可靠性
- 自我感觉有效的记忆力技巧无法成为论证证据
- 视觉化对学习文本的效能为低等
- 支持视觉化有效的实验具有偏向性
- 支持视觉化有效的实验通常采用能被轻易想象的内容
- 视觉化对记忆比较抽象的文本没有帮助
- 视觉化在听文本的情况下才对记忆有帮助
- 视觉化无法通过测试来证明最终记忆效果
- 复习/重复是最广泛使用的学习技巧
- 大部分学生都是采用重复学习来帮助记忆
- 复习也是低效能的学习技巧
- 重复学习不一定能提高考试成绩
- 单纯重复地学习对考试成绩可能没有帮助甚至有负面效果
- 单纯重复对长期的记忆和理解几乎没有帮助
- 视觉化和重复并非一无是处
- 视觉化和重复的效用不稳定
- 视觉化和重复有相当大的局限性
- 视觉化和重复不是真正学习的最优选择
- 人通常无法自证记忆力策略的有效性
- “表现”和“学习”时常被人混淆
- 忘记是学习的开始
- 表现是指当下的记忆情况
- 学习是指持久地记住并使用知识
- 表现和学习是两个不同的概念
- 有效的记忆策略可能损害当下的表现却帮助真正的长期的学习。
- 短期提升表现的策略可能对真正的长期学习不起作用
- 忘记是形成有效长期记忆的重要组成部分
- 学习应当是困难的
- 测试比重复有效
- 测试时犯错可以帮助记忆
- 提前测试可以显著提升将来记住测试内容的几率
- 间隔学习比集中大量学习有效
- 并行学习不同内容比专注学习相同内容有效
- 表现不等同于学习
- 表现和学习是两个迥然不同的概念
- 表现是当下或短时间内对内容的掌握和记忆
- 学习是促使认知在相对永久上的改变
- 学习能形成持久的、能够被灵活运用的记忆
- 人们经常将当下表现差误解为无效学习
- 对表现和学习之间的错误认知会让人舍本逐末
- 重复记忆的表现好是因为刚学过的内容提取强度高
- 重复读的学习效果差是因为记忆犹新的内容无法形成有效的根基
- 费力地回想信息，即使答案是错误的也能增加储存强度
- 记忆分储存和提取两个步骤
- 记忆的储存强度指内容是否有被很好地习得和储存并且以后被记起
- 记忆的提取强度是指这个内容在当下能不能被记起
- 房间号例子表明的现象是高提取强度低储存强度
- 电话号码例子证明高储存强度低提取强度
- 学习的目的是增加内容的储存强度
- 学习时储存和提取强度都在增加
- 储存强度的高低决定提取强度降低的速度。
- 重学同一内容时提取强度的高低决定储存强度的增长速度
- 提取强度低的通俗说法就是感到忘记
- 提取强度低时具有真正学习的契机
- 费劲提取信息能提升储存强度
- 因忘记引起的焦虑和错误带来的反感让人拒绝进行自我测试
- 提取信息付出的努力决定存储强度的提升速度
- 直接回忆比辨认记忆更锻炼记忆提取强度
- 自由回忆比基于线索的回忆更锻炼记忆提取强度
- 自由回忆是最有效的、最能锻炼记忆提取强度的策略
- 通过不断地测试和提取信息比重复阅读更能帮助长期记忆
- 无反馈或答错的测试对学习都是有效的
- 持续大量学习相同内容能在短期内提升表现
- 间隔地学习不同内容能有效率地提升长期记忆和学习
- 间隔重复效应是指分散学习区间来降低提取强度，增加储存强度···························
- 立即重学提取强度高的内容并不能增加储存强度。
- 学习曾学已忘的内容能大幅度增加存储强度
- 混搭内容的学习长远效益胜于短期
- 对于长期学习来说，混合内容学习更有效
- 混搭无关联内容学习的效果和混搭关联内容学习的效果不一定相同
- 同时学习相联的内容可使人从更高层次的角度处理信息。
- 从更高层次的角度处理信息可加深学习和运用。
- 同时学习关联内容更能让人对比内容间的差异
- 间隔效应适合广泛（ 18-76 岁）人群
- 间隔效应适合各种学科
- 延迟测试是综合效果最好的学习手段
- 因为刚学完的内容提取强度高，所以当场测试的效果不好。
- 待提取强度降低后再进行自我测试会更有效
- 延迟测试可以促使储存强度更高
- 延迟测试能做到真正的学习
- 错把短期表现当作学习效果会采用重复或者复习作为记忆策略
- 重复相比延迟测试更简单
- 重复相比延迟测试而言掌控感更强
- 重复相比延迟测试难度更低
- 对长期记忆有效的策略是提取强度低的，感觉较为困难的练习
- 中译英的例子证明主动提取相对较弱的信息，可以形成深刻的记忆，效果更好。

@TomXx #3 本来想说盲猜应该不会，但搜了一下相关新闻，发现政策里的要求明确指出包含搜索结果在内的推荐也被囊括。不过个性化检索对个人来说很重要吗？检索结果的排列如果充满个性化推荐不是会导致更难突破自己熟悉或者感兴趣的内容吗？

“据国家互联网信息办公室官网消息，近日，国家互联网信息办公室、工业和信息化部、公安部、国家市场监督管理总局联合发布《互联网信息服务算法推荐管理规定》（以下简称《规定》），自 2022 年 3 月 1 日起施行。其中，《规定》要求，算法推荐服务提供者向用户提供不针对其个人特征的选项，或者便捷的关闭算法推荐服务的选项。

按照《规定》，应用算法推荐技术，是指利用生成合成类、个性化推送类、排序精选类、检索过滤类、调度决策类等算法技术向用户提供信息。”

先说结论，难

从国内营销的角度来讲，op 现在想做的是沉淀自己的私域流量（加微）

灰产和腾讯搏斗的过程中，已经把常规的自动化方案全都堵死了，微信好友添加的限制包括但不限于：

“微信添加好友的限制主要取决于微信账号的等级。一般来说，微信账号分为四个等级：新注册账号、一级账号、二级账号和三级账号。新注册账号每天最多只能添加 15 位好友;一级账号每天最多能添加 30 位好友;二级账号每天最多能添加 50 位好友;三级账号每天最多能添加 70 位好友。需要注意的是，这里的添加好友是指通过搜索手机号、微信号、QQ 号等方式添加，而非通过朋友圈、群聊等途径”——https://cloud.tencent.com/developer/news/1224231

高频、大量、快速添加微信好友这个事情花钱也解决不了，因为和微信运营团队的运营理念及规则在做对抗。

反过来让用户添加自己也是一样，高频、大量、快速被人添加的微信号也会触发风控阈值，然后限制被添加，只能等第二天再重新累计风控阈值。

目前主流的方式都是先通过电话建立强链接，明确告知用户自己的来意，然后筛选出意愿用户，再建立微信这种长期链接。否则陌生添加被拒的概率非常高，类似传统营销里的陌拜或者现在营销意图极强的骚扰电话。

--------
抛开微信添加这个动作来看。op 可以想想这些问题：
1. 1000 个用户里有多少是真正的种子用户？如何区分出核心种子用户或者高价值（ KOL 或者 KOC ）用户？
2. 拉群是让人来水群还是有明确的活动目的呢？
3. 有多少人会积极参与群聊在群里发表意见？
4. 用户访谈、调研重要吗？
5. 如果重要，需要花多少成本，想获取什么样的调研结果呢？
6. 舍弃这些用户，现在开始在产品渠道上开拓营销渠道可不可以呢（销售的时候带上售后联系方式，添加率极高）？

如果被信息流困扰，可以尝试这个操作：小红书-我-设置-隐私设置-个性化选项，关闭信息流个性化推荐

效果立竿见影

-------
多说点其他的

国内上得了台面的平台都有类似选项可以控制，包括但不限于：B 站、抖音、小红书、淘宝、拼多多、闲鱼

关了算法推荐之后，刚开始哪怕习惯性的点进这些信息流进去，还是会索然无味退出来。关闭之后可以观察一下，各平台真正热门的内容有哪些。平台如果没有这些个性化推荐算法机制，成瘾效果大大削弱。但要注意，App 会强引导你重新开启推荐算法，一不留神就会点重新开启，就看你自己愿不愿意摆脱了。

还有一点，以小红书和 B 站为例，虽然 App 上不进行个性化推荐了，但 Web 端还是会做推荐的。

大体原因么无非就是政策只要求 App 端整改，但法无禁止即可为，平台舍不得多年建设的信息流机制，除了明令禁止的地方，能保留推荐的其他入口全保留推荐，实际上还是一直在采集数据做大数据分析。所以通过不同入口进入平台还是会有大量个性化内容推荐出来。

@SuperDaniel313 #11 以上都是我干产品的时候在团队内实践过的项目：
- TDsign 已经联动到从产品设计到 UI 优化到前端开发一条龙；
- Arco 在 UI 层面用过，实际前端开发还是拿 Element UI 来堆屎；
- Ant 用过 UI ；

不过，最终都是在堆屎🤡

在中后台应用界面设计上，如果追求设计层面的最低成本（设计、协作、更新、维护），Figma 是我认为的最优解。
优势如下：
1. 稳定，上线至今快 10 年了，越来越好，虽然没被 adobe 收购，但至少我用的那两年没见服务有异常过；
2. 使用方便，云端设计不挑设备，能跑 chrome 就能用 Figma ；
3. 协作方便，多人同时在画布里查询或者留言或者共享视窗，比到屏幕上指指点点舒服；
4. 更新方便，蓝湖算是传统产品设计的玩法，需要像研发一样 push 到云端才能看到最新设计稿，Figma 是实时展示的云端设计稿；
5. 维护方便，Figma 有版本控制功能；
6. 小团队支出低，一个人编辑，其他人只查看的话，免费完全够用，保守讲，一百个前端页面以内的项目不会产生资金开销；

建议 figma ，一个画布无限大。
UI 组建选社区里成熟的那几套
1. 互联网项目，年轻活泼的，优先字节的 Aroc design ；
2. 政务端项目，稳重成熟的，优选腾讯的 TDsign ；
3. 屎山老项目，迫不得已的，优选阿里的 Ant design ；

Figma 里都有 UI 组件，配合封装好的 UI 组件，拖拽布局，云端更新。
国产竞品基本上打不过，蓝湖旗下的 MasterGo 勉强能上桌。

capture one 调色一绝，能和 ACR 上一桌。

但如果涉及到合成的话，除了 PS 没有一个能打的，商业修图还是得看 PS ，Affinity Photo 能在一定程度上平替 PS 。