Englishpython使用深度神經網絡實現識別暹羅與英短
先來上兩張圖看看那種貓是暹羅？那種貓是英短？
第一張暹羅
Tag:
- APP統計
用戶流失率高怎么破？這里有10個策略
文章概要：
? 什么是用戶流失？
? 減少用戶流失是企業的首要任務
? 減少用戶流失的十種策略
你的手為什么就是管不住要去點開它？
據統計，79%的智能手機用戶會在早晨起床后的15分鐘內翻看手機。某大學在 2011 年進行的一項研究表明，人們每天平均要看34次手機。然而，最近業內人士給出的相關數據卻高得多——將近150次。不得不承認，我們已經上癮了。面對手邊的這個高科技產品，我們就算沒有上癮，也至少已經患上了強迫癥。我們迫不及待地查看微信、微博，訪問手機淘寶、京東，原本只打算看上幾分鐘，一個小時后卻發現自己的手指依然在手機屏幕上滑動翻頁。這種欲望可能會伴隨我們一整天，只不過很少被覺察到罷了。
完美消息推送的5W法則
APP運營人員都知道消息推送對提高用戶參與度的重要性。推送消息做的好，用戶參與度會顯著提高，反之，用戶量則會大打折扣。
如何讓消息推送達到我們預期的效果？APP運營人員必須密切關注用戶的行為習慣，對用戶的興趣偏好了然于胸，并針對不同的用戶群體在合適的時間推送給他們感興趣的內容。完美的推送消息推送對于用戶來講是有價值的，它能幫助產品提升用戶體驗，增加用戶好感度。
如何做到完美的消息推送？APP運營人員必須在推送之前確定以下5W法則:
Who: 推送對象
What: 推送內容
When: 推送時間
Where: 推送場景
Why: 推送原因
Cobub無碼埋點關鍵技術的實現
隨著大數據時代的到來，數據采集也已經變的越來越重要。前端埋點作為一個比較成熟的數據接入手段被廣泛應用著。目前埋點分為兩種方式，有碼與無碼埋點。有碼埋點比較容易理解，即調用SDK的API，在代碼中插入埋點的相關代碼，實現用戶行為采集。由于我們在開發項目的時候，埋點都是手動的，每次業務需求的改變都要到處埋點，而無碼埋點，即不需要手動插入代碼，只需要前期進行相關配置，SDK自動采集用戶行為，極大程度避免了因需求變更、埋點錯誤等原因導致的重新埋點繁復工作。本文主要介紹無碼埋點的技術實現。
獲客方法論：如何更低成本拉新用戶？
無論是像共享單車一樣的新興行業，還是像支付一樣的古而有之的行業，拉新是一直在進行中的，拉新、留存、活躍、轉化、流失、激活等是運營的全流程，拉新是第一步，拉新做的不好，產品就缺乏靈魂，靈魂即是用戶，沒有用戶，再精細完美的產品都毫無意義。拉新如此之重要，作為一名新時代合格的運營，我們應該如何拉新用戶呢？
作為產品經理，你真的了解數據分析嗎？
每個產品經理都知道數據分析很重要，但你能清晰地給出以下這兩個問題的答案嗎？
1. 數據分析到底是什么？
2. 數據分析為什么如此重要？
如果在這之前你不知道答案也沒關系，因為本文會圍繞以下幾點回答以上兩個問題：
1. 數據分析到底是什么？
2. 數據分析的相關概念
3. 如何實施數據分析？
4. 如何測量和收集數據？
5. 如何做數據分析報告？
6. 數據分析與產品的關系
Apache NiFi Processor實戰
1 前言
Apache NiFi是什么？NiFi官網給出如下解釋：“一個易用、強大、可靠的數據處理與分發系統”。通俗的來說，即Apache NiFi 是一個易于使用、功能強大而且可靠的數據處理和分發系統，其為數據流設計，它支持高度可配置的指示圖的數據路由、轉換和系統中介邏輯。
為了對NiFi能夠表述的更為清楚，下面通過NiFi的架構來做簡要介紹，如下圖所示。
手把手教你如何提高APP用戶留存率
商業的唯一目的就是創造和留住客戶
我們的APP運營人員向來比較擅長讓越來越多的人使用我們的產品，成為我們的用戶。但是在擁有了這些用戶以后又該怎么留住他們呢？ 一款新應用能吸引幾十萬上百萬的用戶可能不是什么難事。但是想要保留這些用戶并且讓用戶數增漲到一個億，這絕不是一件容易的事。
雖然用戶留存是一項需要我們堅持不懈的花很長時間來完成的工作，但是我們依然可以采取一些措施在短期內提高它，并且可以提高用戶的活躍度，譬如一些營銷活動或者根據用戶的歷史使用情況給他們精準的推送相關消息等，這都是與用戶互動讓他們參與進來的好方法，用戶可以從這些活動和消息中獲得更有價值的東西，用戶需求滿足了留存率自然也就提高了。
以一個項目管理類的APP為例，我們可以給下載了APP但還沒有在上面創建項目的這群用戶發送一個入門使用指南的消息，或者給一直積極使用這個APP的用戶發送新功能體驗消息，這些消息在給用戶創造價值的同時也是在提高用戶留存率。做以上這些工作并不會花費我們很多精力和時間，但會給我們帶來很多意想不到的回報。
提高APP用戶參與度的4個有效策略
用戶參與度的界定是因產品而異的
例如，對于一個記賬類app，一個有效參與用戶應該會每天都登錄，添加他新的收入或支出；而對于一個運營商類的app來講，一個有效參與用戶可能是每個月登錄一次，進行話費充值或者訂購額外的流量包等。因此，用戶參與度并沒有統一的可量化的界定標準，但是有可能形成垂直行業的標準；比如對于銀行來說，平均1.7次的用戶月均啟動次數是個較為合理的值（此數值來自于Cobub的長期觀測結果，Cobub是一個國內的開源移動應用統計分析工具）。
用戶參與度并不像網頁瀏覽量（PV）、訪問者（UV）、回訪用戶或轉換率這些指標那樣容易衡量，沒有一款數據統計分析工具能夠即時直接反映產品的用戶參與度如何。但是，忽略用戶參與度是非常危險的。
雖然用戶參與度較為難以衡量并制定統一標準，但我們可以從移動應用分析平臺獲取如下幾個指標：