本帖最后由 轻舟过 于 2012-8-3 12:05 编辑
注：其实可以直接跳到“集成开发环境”这一节的，另外有什么错误请大家指正
编辑器+命令行
除了在irb的环境下，不断地进行"输入代码->irb返回结果"的过程之外，我们还可以将ruby代码保存在文件中，然后用ruby命令运行文件中的代码
- 用你喜欢的文本编辑器编写代码，记事本其实也可以，虽然功能太弱了。一般写代码的编辑器需要有语法高亮、智能缩进等等的功能。适合写程序的文本编辑器除了两大神器Emacs和Vim之外，还有Notepad++, EditPlus, UltraEdit, TextPad等等。
编写完成之后保存为count.rb
- 按win+R键调出“运行”，输入"cmd"来启动命令行
- 输入
[mw_shl_code=bash,false]cd /d 代码所在目录名[/mw_shl_code]
来切换到我们刚刚保存代码文件count.rb所在的目录
然后输入
[mw_shl_code=bash,false]ruby count.rb[/mw_shl_code]
来运行代码，如下图：
集成开发环境
其实写代码用集成开发环境（英文缩写IDE）通常是一个更好的选择，IDE集成了文本编辑器、编译器（ruby的话其实应该叫解释器）、调试器，具有强大的功能。
ruby可用的IDE很多，这里选择其中的一种叫Aptana的IDE来说明。
- 首先进入Aptana的官网http://aptana.com/，点击那个大大的download按钮就可以下载了：
- 打开下载的安装程序，点击“Next"->"I Agree"。然后出现一个窗口让我们设置安装路径
默认会装在C盘，感觉还是设成其他盘比较好，完成后点击“Next”->"Next"->"Next"->"Install"就开始安装了。安装完成后点“Next”->"Close"关闭安装程序。
- 点击桌面上的图标打开Aptana，之后会让你选择workspace的路径，也就是所建的工程代码放置的地方，可以改成想要的路径。启动可能会有点慢。
- 点击菜单File->New->Ruby Project来建立一个Ruby工程，这时会出现个对话框
在Name项里填好工程的名字，点击Finish，左边会多出一个工程
- 在左边的工程名上点击右键，选择New From Template->Ruby->Blank File，在弹出的窗口中填写文件名为hello.rb，点Finish就可以
- 输入ruby代码，这里我们输入
[mw_shl_code=ruby,true]puts "Hello, world!"[/mw_shl_code]
- 点击菜单上的Run->Run As->Ruby Application来运行程序（点击工具栏上的
图标也可以）。最后就可以看到在下面命令行的输出了
最后，Aptana的默认配色是黑色，看起来是不是有点违和？要改配色的话点工具栏中按钮
的向下小三角，在列表中选择喜欢的配色主题就好了，比如选Eclipse的话，代码编辑区的效果是这样
本帖最后由 Richeir 于 2012-8-2 08:52 编辑
`38`这是Ruby的第一个帖子`96`
首先先介绍一下Ruby的历史
Ruby的作者－－松本行弘于1993年2月24日开始编写Ruby，直至1995年12月才正式公开发布于fj（新闻组）。之所以称为Ruby是取法自Perl，因为Perl的发音与6月的诞生石pearl（珍珠）相同，Ruby选择以7月的诞生石ruby（红宝石）命名。
Ruby相较之下比其他类似的编程语言（如Perl或Python）年轻，又因为Ruby是日本人发明的，所以早期的非日文资料和程式都比较贫乏，在网上仍然可以找到早期对Ruby的资料太少之类的批评。约于2000年，Ruby开始进入美国，英文的资料开始发展。
2004年，RoR（Ruby On Rails，由37Signals公司推出）框架诞生，Ruby更加广为人知，Ruby并于2006年为TIOBE获选为年度编程语言。
Ruby理念
减少编程时候的不必要的琐碎时间，令编写程序的人高兴，是设计Ruby语言的Matz的一个首要的考虑；其次是良好的界面设计。他强调系统设计必须强调人性化，而不是一味从机器的角度设想。人们特别是电脑工程师们，常常从机器着想。他们认为：“这样做，机器就能运行的更快；这样做，机器运行效率更高；这样做，机器就会怎样怎样怎样。”实际上，我们需要从人的角度考虑问题，人们怎样编写程序或者怎样使用机器上应用程序。我们是主人，他们是仆人。遵循上述的理念，Ruby语言通常非常直观，按照编程人认为它应该的方式运行。
Ruby的作者认为Ruby > (Smalltalk + Perl) / 2，表示Ruby是一个语法像Smalltalk一样完全面向对象、脚本执行、又有Perl强大的文字处理功能的编程语言。
为什么要学习Ruby
- 因为Ruby是一个很奇妙的语言
- Ruby 体现了表达的一致性和简单性，它不仅是一门编程语言，更是表达想法的一种简练方式。
- Ruby是另一种Geek的思维方式
- Ruby On Rails开发者能和码农划分界限
- 学习Ruby的人大多都是开源的拥护者，善用各种开源技术，享受整个开源世界带来的便利和美好
- 可以在Java平台（JRuby）和.NET（IronRuby）平台上面继续发力
- 工资高，待遇好，能用Ruby的公司一般都明白员工利益的重要性【诶..貌似有点感情用事了..自己现在每天累死累活身体都累出事儿了请个假还被扣工资 淦！
- 可以充分理解37Signals的理念【创业者圣经《Rework》
- Ruby作者很帅，大叔控们有福了
- 像红宝石一样的语言，学到手了，那将是一笔大财富
Ruby圣经
【别吐槽这本书的封面像撸管后的卫生纸一样..这真的是一本现代互联网创业者的“圣经”级别的书，虽然就120多页，虽然其中一半是图片..
[查看全文]- 瀑布模型是在实施软件之前最行之有效的描述系统的模型，它能帮助软件实施时循序渐进，而非循环反复。人们一直当它是一个好的实施方案，而一篇论文中恰好将它列为很差的实施方案，因此引起广泛讨论。
- 用户知道他们想要什么，他们也能够将需求阐述清楚。
- 有某种语言、技术或是流行方法将会是杀手锏，能够取代你正在使用的方法，解决你的问题。
- 人月神话里说，在一个开发团队中增加人手会让效率成线性增长。
- 对规范文档的认同意味着对实际功能的认同，甚至规范文档本身写的很模糊或是有出入也要遵守规范文档。
唯有一种方法能将开发实施得最好，程序员的自由被所用的语言严格束缚。
有多于一种方法来完成一个任务，程序员有完全的自由。
设计样式是通用的，而不像某种编程语言的表达式一样有诸多限制。
最好的技术方法就是最好的方法。
你可以用正则表达式来解析HTML：stackoverflow.com
不需要理会市场反应，应该让市场来适应软件。
软件可以被精确估计。
软件开发可以被当作固定价格、固定限期的项目出售。
对象是对现实世界最好的描述。对象最好的应用方面便是描述真实世界中的实体。
数据应该隐藏在对象后面，对象应提供操作数据的需要的所有方法。
JavaScript和Java有关系。
逻辑应该和显示完全分离开。
软件开发最重要的是需要好的数学能力，最好的学习方法是学习理论的计算机科学，数学能力强的也能写出好的软件。解决逻辑难题的能力是判断一个软件工程师能力在最有效方法。
软件就是表面上看到的，设计后面发生了什么不需要引起我们的注意，尤其对于那些非技术出身的经理和客户来说更是这样。
编写软件对于缺乏人际沟通能力的人来说是一个好职业。
软件可以有效的用其他媒介来模拟和设计，例如wireframes或Photoshop comps，因为用实际的代码来设计（HTML和CSS）太难，太贵了。
设计师们不能也不需要学习写代码，应该尽量远离真实的代码。
设计仅仅是表面上的装饰，其重要性没有好的开发重要。
软件可以基于一系列的抽象的基础之上可靠的构建，你仅需要理解最上的抽象层，而不需要了解背后的实现细节。参看Joel Spolsky关于抽象漏洞定律的讨论：
当你最终发布了新的应用或是网站，就意味着一切结束了。
前段时间说过一些关于玩家生命周期的问题，其实那些有点大，有点虚，从宏观的角度 了解我们此时此刻正在做的分析是属于那一部分，哪一个体系的，说实话，这是为了建立一种意识而要做的工作，玩家生命周期价值源于电信行业的客户生命周期管 理和PLC（产品生命周期）的解读和应用，限于本人水平和能力因素，不够深刻，全面，在此请各位谅解，以后的内容会逐步深入到这个体系之下的很多细节的问 题探讨，今天就和大家简单说说流失率。
说到流失率，我们可以考察，可以分析，可以利用的点实在是太多了，这里我也不可能把所有的东西都覆盖，仅从几个指标来说说，至于其他的关联分析部分需要大家自己来看和分析（不要陷入一个误区，那就是我说的这些就是流失率的全部）。
流失率在网游产品的运营过程中，是非常重要的一块，可惜很多时候我们做的并不够细致和仔细。流失分析其实是一个系列的过程，不仅仅是找到流失的原因（这是我们做的最多的部分），还有其他的流失管理部分，而这里大家可以看出来这是一个过程。
流失特征提取：准确的说这是玩家流失的特征的提取，哪些玩家有流失的倾向，比如玩 家处在何等级可能流失加剧，在线时长达到多少可能会有游戏疲倦加剧流失，与那部分系统交互较多的玩家易流失，那个角色的玩家群体流失倾向明显。这个阶段我 们做的很多工作室一种预警性质的工作，通过对数据的处理分析得到玩家可能流失的特征。
流失原因分析：流失原因的分析首先我们可以从前期提取特征的方面下手分析，先把提 取的流失特征进行整合分析，归结一下是否是玩家流失的原因。如果流失原因不是我们前期提取的预警流失的特征，且玩家依旧流失，我们就需要找到新的流失因 素，并把这些因素归结到流失特征提取环节，这样流失特征会积攒大量的流失预警的提取数据点。
再者，尽管我们进行流失特征提取并采取防流失的
手段，但是可能效果和受众并不是很理想，此时依旧会有比较大的流失，因此我们还要分析和评估挽留策略的效果。
挽留策略制定：其实挽留策略的制定在流失特征提取时就已经制定了，在玩家非流失阶 段就做好流失的预防措施，这是防流失最好的办法，当已经发生流失了，某种意义上说是我们制定的策略效果不佳或者未考虑的因素促使流失的上升，挽留策略是我 们提升人气，降低流失的关键之举。但是不意味着好的策略就一定会有好的结果。
挽留策略实施：挽留策略制定好了，还需要整个运营团队，营销团队，程序，策划的共同配合执行和实施，才能达到良好的效果，而这也不是绝对的，往往我们会受制于某些因素的影响，比如实施难度，排期等等。
挽留策略评估：如同我们所做的一个活动一样，我们需要有针对型的进行评估和分析，目的在于不断的修正我们的策略，不断适应我们游戏玩家和产品的发展需求。今天就说怎么来判断流失用户，流失用户的标准是什么？
流失的定义之说
在对于流失问题上，每个企业和产品会根据自己的需求来定义流失率，流失率定义的分 类方法有很多，确定什么是流失用户对于完成我们的流失分析很重要。流失分析主要是从玩家属性和玩家与产品的关系两面入手。玩家属性多是玩家的物理属性，而 我们要分析的是玩家与产品的关系，在这方面我们从玩家的整体在游戏的留存情况下手。
在解释以上的术语之前，我们约定以上的用户分类分析是以月为度量单位展开的分析。 并且以下的分析是以历史玩家和登录时间间隔为维度进行的定义和分析研究。关于流失的分析还可以从新玩家和登录时间间隔考察、历史玩家和付费与否、新登玩家 和付费与否，不断将几种标准组合，就会进一步提取分析流失人群的特征。此外，还有比如定向的研究付费玩家的购买流失分析等等。
历史用户：如上述，是在上个月之前就已经成为游戏的玩家。而今天我们所要进行的用户定义是历史用户，再此前提下进行以下的流失定义和分析。如果用一个伪甘特图表示如下所示：
留存用户：历史登录过游戏，且上个月和本月均登录游戏的玩家，这类玩家是留存玩家，伪甘特图如下：
沉默用户：也叫做轻度流失用户，一般的网游产品定义的流失就到此层次就OK了，但是这只是轻度流失，沉默用户是历史登录过游戏，上个月登录但是本月未登录游戏的玩家。伪甘特图如下：
流失用户：这里其实是重度流失，历史上有过登录，但是上个月和本月均未登录游戏的玩家，伪甘特图如下：
回流用户：历史有过登录行为，上个月未登录，但是本月登录游戏的玩家，伪甘特图如下所示:
植物用户：所谓植物用户主要分两类，一类是历史用户在上月和本月都没有登录的情况下，在下个月玩家回归游戏，此类用户称之为唤醒用户，如同植物人最后苏醒一样，该类用户的回归完成了一个闭环的过程。
所谓的闭环是玩家从唤醒状态最终回归到留存或者回流的状态（按照定义是这样）。此外还有一类用户就是没有被唤醒的植物用户，这一类就基本上从游戏中流失掉了。
以上是几类不同程度流失用户的详细解释和描述，这几类用户的细分，可能有些细致 了，然而精准的把握这几类用户将有助于帮助我们寻找玩家的流失特征，从而在不同的时期，针对不同的玩家制定相应的挽留策略，出发点就是从每一种过渡状态尽 可能降低玩家的转化，因为每当用户向下一个状态转化，就意味着流失的加剧和损失上升。
今天的流失细分主要是从老玩家的角度出发的，有一组数据说明了我们细分用户，挽留 老用户的必要性。一个企业争取一个新客户的成本是保留老客户成本的5倍；客户流失率降低5%，利润增加25%-85%；一个满意的客户会带来8笔潜在的生 意，一个不满意的客户则可能影响25个人的购买意愿，忽略对老用户的关注，大多数企业会在5年内流失一半的顾客。尽管没有针对网友行业的数据，不过就此看 出来，挽留策略是企业盈利的保证和核心，而挽留策略从哪里来针对谁，这就是流失分析的要做的事。
最后回归到开始的话题上，如果我们要做一次活动的评估，究竟该怎么下手？这里我觉 得有一方面通过对以上的人群进行分析，能够看到一些我们想要的。我们把人群找出来了，下面通过一系列的具体分析找出一次活动该如何分析，该如何制定下次活 动，有针对的，精准的定位人群，精准营销。
活动对象：通过聚类分析、异常分析、RFM分析、决策树、神经网络、logistics等方法提炼不同人群的特征，进而有的放矢；
如何营销：不同的人群，不同的购买习惯，可以使用关联分析、序列分析；
时间营销：挖掘整个玩家的在时间维度上变化和行为，生命周期挖掘、时间序列、回归分析；
如何评估：T、卡方检验、对比分析，环比同比。
以上为流失分析的一种设计方式，如之前所提到的，流失分析还可以从其他维度开展，但是尽管这样设计了，实际操作时还要结合很多的方法和其他设计进行分析，比如对于每类人群进行聚类分析，寻找与产品 等有关的信息。
转自ChinaKDD
[查看全文]
由 胖胡斐 撰写 http://www.panghufei.com/?p=10869
今天我们科普一些概念吧，总发现有人弄错。这就是“转化率”。
电商都是有公式的
在淘宝干了这么多年，这是我在骨子里的想法。我在《玩法变了》书中就一直提到很多公式，电商领域，只要追求利润，那么都可以用一些公式去进行分解。
最简单的例子就是下面这个。（抱歉我是理工科背景，就喜欢推导公式，不过这样清晰一些）
所以，我在对电商和店铺诊断的时候，常常会列出店铺的各种来源和转化，然后去判断每一个步骤的转化和数据是否在正常范围，这样就很容易找到病根。
转化率是追求的重点
上面那个复杂的推导，我们看到的是，无论是流量引导还是在购买，都存在各种转化率。这让我们可以知道转化的步骤。比如，打广告引导流量，我们就要知道广告会展现多少次，然后广告点击率就是到店的转化，然后，这群人会不会购买也不一定，就会产生购买转化率……
所以这些都是一条链上的信息。有一环出问题都会不正常，比如点击率很高的时候，往往就是骗点击了（如性感小裤裤），那必然导致到达页面的转化率降低。
对于电商们在努力的东西，却常常走偏，比如他们会降低客单价，提高展现数量，这其实并不能保证利润。有人说，这叫打市场，我一直想说，不赚钱玩什么电商。
话说回来，我认为电商追求的重点，毫无疑问应该是“转化率”，在各个环节转化更高，才有真正的意义。
转化率必须分清谁转化到谁
经常有人问我，他们的转化率2%怎么样，我每次都问回去“谁到谁的转化？”所以，一定要分清楚，既然是“转化”，就一定有从A到B的变化，是B除以A。
而对应的B，一般是一种行为，比如购买，比如注册。
我们拿淘宝来说，淘宝本身的站内转化有很多种，最常看的就是下面几个。
这是典型的淘宝浏览路径，所有的转化都是在一个路径上去算的。这里面就有几个转化。
每天到淘宝有几千万人，其中购买了几百万单，所以全站的购买转化率在5%-10%吧。
同时呢，淘宝运营看的是从各自搜索和类目页、活动页面进入之后产生的购买，“购买UV / 进入类目和活动的UV”就是类目和活动的购买转化率。
淘宝通常说的“类目转化率”还有一个算法，就是“购买UV / IPV_UV”，就是看过这个类目商品详情页的人里面，有多少个人最后购买了。比如女装类目，转化率就在6%左右。
店铺看的就更不一样了。看的是100个人点到店铺或者店铺的商品，几个人买了。这个比例就千奇百怪了，不同类目不同水平的卖家，差距很大。别人家的转化率也是卖家们互相打听的重点。
所以，一定要分清楚，谁转化到谁，不是同样路径的转化率，对比没有意义。比如你拿广告点击转化率和店铺购买转化率比谁高，就没意义。
对转化率的分解，决定运营方向
转化率分解，我直接用我们蘑菇街这样的网站举例。因为年底给同事分解任务的时候，正好整理过下面这个图。
图中可以看到，蘑菇街的浏览-购买路径，存在“在蘑菇街逛”和“去淘宝买”两个部分。
“在蘑菇街逛”的部分，用户从各种渠道进入首页或者推广页，进入瀑布流的图墙，这是第一步转化，基本是100%都会进瀑布流。
然后用户看到很多分享的商品，翻着翻着，看到自己喜欢的点进去，进入详情页面，这是第二步转化。
进入详情页面，判断信息觉得确实不错，点击“购买”，跳入淘宝，这就是第三步转化。
到淘宝之后，购买，这有第四步转化，到淘宝后的购买转化率。
所以，整站的购买转化率就很容易算，四个转化率相乘就行了。
把这些列得这么详细，为了什么呢？是为了给大家分享我们在运营方向上的努力。
回到本质，蘑菇街这样的商业网站，为的是解决用户“买什么”的问题，最终是希望用户能够产生购买的，对吧？那么，整站转化率就很重要。如果现在每天100万人，整站转化率是4%，那就是4万单啊。
于是，我们把“整站转化率”的任务分解掉，去想办法提高所有环节的转化率。
[查看全文]要提高进入蘑菇街的用户到图墙页的转化率，需要增加内容的引导，让用户很容易点到图墙里去。
要提高图墙页转化率，就必须让图墙上的商品够新，够好，够招人喜欢，还要考虑各种让瀑布流动起来的机制、推荐的机制等等。这地方要是象论坛一样靠置顶和编辑推荐，肯定不靠谱啊。同时，要考虑给用户“意犹未尽”和“愿闻其详”的感觉，吸引用户点进去看详情。对吧？
要提高详情页到淘宝的转化率，就一定要在这个页面之前就赢得“喜欢”，菇凉们基于喜欢，再产生购买的可能性就大很多，然后让菇凉觉得在这比较放松和有社群感（比如有讨论）。然后，一定要把我们最想让她干的事儿做成明显的按钮，那就是“购买”。还有别忘了，这可能是单一用户访问路径上在蘑菇街的最后页面，我们不能让用户关掉，所以在页面下面接着上图墙，就是留住用户的方法。
提高到淘宝之后的下单率，就不是我们能直接控制的。所以蘑菇街必须在菇凉点“购买”按钮跳到淘宝之前，就让用户“已经想好了”，去淘宝只是去“交钱”的。虽然这个很难，但这个转化率提高至关重要。
看出蘑菇街这样的网站做的事儿了吧？就是想办法提高各种转化率。我们的运营团队每天做的事儿，就是用各种机制控制用户在图墙上看到的商品质量，让更多人点“喜欢”和看详情，然后促成在详情页“下定决心”。
结果呢？可以分享的数据是，蘑菇街目前点到淘宝去之后的购买转化率（就是最后一步那个）平均达到8%，个别类目更高，超过淘宝类目本身。
究其原因，就是因为这里是“基于喜欢的购买”，点到淘宝商品详情页的时候，菇凉已经基本很想买了，去淘宝是“验证”自己的喜欢，而不是“挑选”。
结合引导到淘宝的转化率35%左右，综合下来，蘑菇街的整体转化率会在3%上下。
上面这一大段很像软文。那是因为我没别的案例来讲，就说自己了。更是因为研究自己比研究别人来的实际和有底气。
—————–
说实话，在淘宝工作，一直在站内研究各种转化，我们习惯了淘宝的逻辑，也熟知了各种公式。所以一般的数据瞒不住我。
而来蘑菇街，能够从“为淘宝引导成交”的“淘外”角度去看，用户浏览和成交不在一个地方，转化率的概念又不一样了，这就更有趣了。
我对转化率的看法，总结起来三点：
这个领域，千万不要吹牛，很容易算的。
虽然有公式，懂行的还真不多。
分解转化率，很容易找到努力的方向。
—————–
我们上次说了，像我们蘑菇街这种解决用户“买什么”的问题，并为电商引导成交的网站而言，很重要的一块收入，就是来自电商网站的佣金。也就是说，我为电商网站带去成交，他们会给我分成。这种收入也常常被叫做“CPS(Cost Per Sale)收入”。
目前，淘宝的淘宝客系统，又叫“淘宝联盟”的就是最大的分成平台。事实上，蘑菇街目前大部分分成收入来自淘宝联盟。
下面就是最简单的转化流程：
图中我们重点会涉及三个参数：
整站转化率：就是进入网站的UV，转化到下游电商网站的UV，在转化成订单的“整站购买转化率”。关于这个我上一篇《说说转化率》有详述，这里不展开了。蘑菇街3月底的几个数据是，进站UV220万，出站（入淘）UV是75万，订单6万以上，所以“整站购买转化率”是3%左右。
淘宝客订单比例：就是所有到淘宝的成交中，只有一部分支持分成。分成比例和淘宝卖家的设置情况有关，目前全淘宝相关类目的支持比例在50%左右，蘑菇街没有对支持淘宝客的商品做加权（也不能做），所以这个数值会和淘宝一致，也是50%左右。
平均佣金比例：就是支持淘宝客的商品，平均设置的佣金比例。该比例和类目有很大关系，就蘑菇街的类目来看，我们一般按照5%左右计算。
通常，我们把“淘宝客订单比例”和“平均佣金比例”合并，叫“平摊后的佣金比例”，所以蘑菇街的这个数字是2.5%左右(50% x 5%)。
好吧，我们开始分解公式了。（每次我拆公式都会觉得很嗨屁，职业病？）
上面看懂没？当我们把佣金收入的公式拆分到“到站UV、整站转化率、支持分成的比例、客单价、平均佣金比例”这5个数字时，我们发现，每个数字都可以计算，并且有据可查。换句话说，我们可以计算了。这比很多行业要实际得多。
4月初我微博公布了蘑菇街的新数据，很快投资人就“批评”我，说我干吗这么“实在”说那么多实数，我说“可能在我看来，所有数字都可以算，我与其让大家算，不如都说了好”。从已有数字倒推，也就是解一个一元一次方程或二元一次方程的事儿，我初中就会了。
所以4月15日淘宝公布说“蘑菇街的淘宝分成日收入已经达到十几万元人民币，是目前最大的第三方电子商务平台”的时候，我特高兴，因为正着算反着算我们都能对上。
我们骨子里的想法，就是诚信。也因为有公式，我们必须诚信。
那接下来，就上面的公式，我们可以知道，如果要追求佣金更多，那运营和营销方向分解就变得很容易。
到站UV必须变大。这是整个公式里弹性最大的部分，其他的变化范围都有限。换句话说，UV提高一倍，我收入就翻番。
整站转化率是运营核心。上一篇详述过，这而不说了。3%的数值上升空间比较大，但是天花板也很明显，总不能翻倍吧？
支持分成的比例和定位有关。如果蘑菇街是一个纯淘宝客网站，那完全可以做成100%，但我们不是，我们解决的是“用户买什么”的问题，所以我们必须保持“不功利”，那这个比例不大会变。
客单价可以提高。比如淘宝网综合客单价常常按150元算，那蘑菇街还有很大空间，淘宝联盟公布说平均单价是89元，那依然有空间。提升的办法，比如提高品质感，比如想办法扩展人群和品类……
平均佣金比例变化空间不大。甚至可能会降低，不过我认为淘宝客是一个生态系统，维持系统稳定的最好方法，就是保持各种比例稳定。这就好比一个森林里蛇的比例不能超标，也不能过低。
图中粉色的星星，就是我们的运营方向和重要级别。公式都拆解到这个程度了，其他的也没啥好瞒的。
……
……
……
（停了好久）
一直想找一个反算的例子，可是怎么举例都担心会被人说居心叵测。算了。
———–
总结一下吧：
1. 数字靠不靠谱，把公式分解了，谁都可以算。
2. 要提升CPS收入，必须学会分解公式。
3. 找到可改变、可衡量的因素去努力，千万别在掌握在别人手里的参数上吹牛。
本帖最后由 软软的上嘴唇 于 2012-4-29 21:23 编辑
作者Scott Jenson，青蛙设计创意总监。20世纪80年代后期是苹果UI小组的第一批成员，从事System7、Apple Human Interface指南以及Newton方面工作。之后，Scott Jenson担任了多年的自由设计顾问，然后成为Symbian系统的产品设计总监，并最终在Google管理移动UX组的工作。
本文获得www.frogdesign.com转载授权，如需引用请与frog design联系
青蛙设计创意总监Scott Jenson认为移动应用虽然暂时繁华，但是“即时”交互的整体概念意味着这种景象并不会长久。
移动应用的历史是一个漫长而痛苦的过程，一开始是简单复制台式机的做法，然后窘迫地认识到，这种方式不太可行。其实，这是一切事物进步的方式，不仅在技术领域，艺术和音乐也遵循类似的模式，复制、延伸，最后发现一个新的模式。要摆脱旧的范式，需要耗费一段时间。
移动应用显然是成功的，并且在某些情况下，其盈利非常可观。如果我说它们必然消亡，这听上去明显与大量证据相违背。但所有的事物都会更迭交替，在快节奏的技术领域中尤为明显。
当一个范式发生转变时，很少是因为人们讨厌旧的模式或认为它没有用，而是因为它无法利用新的机遇。守旧派坚持自己的主张，愤怒地喊道：一切都完美无缺，你是在夸大其辞！
策划、组织和筛选过程将变得十分复杂
应用程序（这里指必须下载到手机上的本机应用程序）的问题在于，它们的组织和维护过程非常麻烦。让你要去的每一家商店、拥有的每一件产品和访问的每一个网站都拥有对应的应用，是不现实的。因为这将不断增加新的内容，必须对其加以策划、组织和筛选。
每个人都会执行一项常见任务，那就是隔几个月删除一次旧的和未使用的应用程序，有效地清除电话中的垃圾。条理性非常强的人会迅速清理这些，以避免手机上的应用程序数量增长过快，但大部分人对此并不在意，因此他们的手机主页将陷入到不断隐没的复杂选项中。
就其本身而言，这个问题显然不会为应用程序带来致命影响，但它确实显示出一个不断扩大的问题。如果我们想要的应用程序数量是现在的两倍，甚至五十倍，将会怎样？我们还能坚持有效地进行策划、组织和筛选吗？
这会让人想起早期的Web，当时Yahoo!有一个固定的网站层次结构，但随着Web的爆炸式发展，该结构变得越来越难以维持。Google打破了这种既定范式，通过消除所有组织结构，只使用搜索系统，从根本上避免了这个问题，用户因此得以方便快捷地访问数以百万计的页面。
用户体验的金科玉律：价值大于使用难度
有一个微妙的力量在起作用。人们在讨论任何产品、技术或想法时，很容易只注重它的价值，即它试图为用户解决什么问题。这是一个良好的开端，并且历来都是人们唯一考虑的因素。然而，近来人们已经开始认识到，产品必须经过精心的设计，使其易于使用。
任何产品的价值及其用户体验，通常被作为独立变量来对待。你当然希望得到一个高价值的产品，与此同样重要的是其使用的困难程度也必须较低。尽管人们不愿意承认，但这两方面是紧密联系的。最重要的是它们之间的关系：价值必须大于使用难度。
例如，早期的SMS系统极其难用，但其价值（避免了昂贵的按分钟计费）很高，超越了使用难度。当然，SMS体验的改进大大增加了使用率并吸引了更多用户。仅仅是价值大于使用难度并不意味着大功告成，只说明它质量高，足以向市场推出。
但这一模式还解释了另一个更重要的因素，即用户行为。随着使用难度下降，人们将更频繁地使用产品来完成价值较低的任务。价值仍然大于使用难度，但现在触发使用所需要的价值比以前低得多。最典型的例子莫过于进行Google搜索。Google曾公开表示，如果把Google主页的加载速度减少零点几秒，其使用率就会明显提高。Google主页没有以任何用户认知的方式进行改变，它只是快了一点点，就会有更多人使用它。这很重要，因为只是降低使用难度，而不以任何方式提高产品的价值，会显著影响使用率。
因此，回到本机应用程序的使用。如果你要走进一家商店，店员自豪地在门口宣布他们有一个应用程序，你会立即安装它吗？你会在头脑中进行怎样的价值/使用难度计算？如果你是该品牌的粉丝，那么对其价值的认知可能较高，可能愿意忍受繁杂的安装过程，这时价值大于使用难度。不过，如果你从来没有听说过这家商店，你可能不会在意，这时价值小于使用难度，那你就不愿意冒险尝试。
我想说的是，如果应用程序以某种方式奇迹般地出现在你的手机上，你会更有可能尝试它吗？当然会，因为免去了复杂过程，使用难度为零。你会尝试这个应用程序，因为你不会有任何损失。我们要想出一个办法，消除使用应用程序的难度。
本机应用程序，使用难度远大于零
让用户负责应用程序管理，实际上给他们带来了稳步增加的使用难度。这使得应用程序的压力越来越大，它们的使用频率会越来越低。这不是一个绝对的问题，而是Google主页使用率的一个反面例子。随着事务的复杂性和烦琐程度缓慢增加，使用率将开始一点点下降，刚开始难以衡量，但随着时间的推移可能会越来越明显。
如果你还是无动于衷，我仍然可以理解。你可能在想：“说真的，你需要多少应用程序？问题不会变得那么糟糕，对吧？”在技术领域的人必须始终牢记，没有什么是稳定的。今天似乎完全合理的，但在很短时间内就会变成束缚。我敢肯定你们大部分人都记得，原来的PC DOS团队预期不可能有人会使用超过640KB的RAM。
它可能会变得更糟糕……
可能会彻底改变我们目前微小的应用程序世界的是直线下降的计算和连接成本。这将大大增加我们每天接触的设备种类和数量。
事实上，很可能我们将经历数百甚至数千台设备，每台设备都将能够为我提供某种类型的交互体验。我的博客文章——《僵尸末日》（http://designmind.frogdesign.com ... -ux-assumptions.htm）中有更详细的描述，但智能设备的成本正在下降，在许多情况下，已接近于零。下面是一些例子。
如带有RFID或NFC射频标签的电影海报，能让我在手机上获得海报的交互式版本，为我提供更多信息。
任何消费项目，像番茄酱或奶瓶，也带有射频标签，它们将不仅像海报一样能让我获得关于这些项目的更多信息，而且还能跟踪使用情况，甚至提供替代品的购买。
我的本地巴士站将被地理定位，所以我目前仅需安装GPS，就可以获得这个特定的巴士站的信息，知道下一班车将在什么时候到达。虽然使用一些复杂的城市系统在今天可以实现这项功能，但地理定位系统的部署让任何一个城市可以在所有公交线路上更便宜地实现这项功能。
当我走过任何商店的门口时，都将有一个应用程序可以与我交互。
无论我何时去逛大型购物商场，它都将提供地图和时间。
本地食品车的供应商提供的将不仅是它们的菜单，还有它们准备去的下一个目的地以及返回的时间。
如Zipcar等按需租凭的汽车租赁公司，将允许我使用手机上的蓝牙连接来注册并开走它们的一辆车。
“即时”交互
所有这些概念只是猜测，但它们代表了一种正朝我们迎面袭来的趋势。这些设备都可能需要某种形式的交互，但只是在我接近它们时才进行交互，这是一种“即时”的交互模式，只在我需要它时，为我提供交互性。
更重要的是，绝大多数交互将是一次性体验。我将与设备（像海报）进行几秒钟的交互，然后继续做其他事情。这是一种“先使用后失去”的情况。在这种情况下，下载到手机上与该设备进行交互的任何东西在交互完成后都不再需要了。
这就是为什么这种交互将最有可能以某种Web页面形式存在的原因。以不涉及安装的方式把交互体验下载到任何设备上，是一种简单的方法。对于“先使用后失去”方法，Web是适合的选择。
事实上，Web在20多年来一直只提供这种方式。关于那些声称Web不能作为本机应用程序的说法，目前事实的确如此。但请记住：首先，标准正在非常迅速地提高；其次，与这些小型廉价设备进行的交互是相当有限的，就像与一个公共汽车站进行交互时并不需要具有运行“魔兽世界”时的强大功能。
今天，我不能够或设想利用我们当前的应用程序模式来尝试这类的“即时”交互。搜索、下载、使用应用程序，以及最重要的删除一个应用程序，这其中所耗费的精力实在过于巨大。
移动应用程序必然消亡的原因是，它是一个阻挡我们前进的范式。“即时”交互的整体概念，从结构上来说无法利用安装的应用程序来实现。
探索服务
快速打开智能设备并与之交互是不可能的，除非能迅速地找到在你面前的那台设备。为了毫不费力地与一天中将会经手的集群设备进行交互，我将需要一个可以使用手机上蓝牙、NFC、GPS和 WiFi不断搜索功能的服务，不仅可以找到附近的设备，还可对其进行排名。这并不是大海捞针，而是在针堆里找针。可能会需要一些云服务器的帮助，因为它们对我的了解更多一点，可以对这些设备进行合理的排序。
我强烈地感觉到，这类探索服务将在未来几年内成为下一个Google。这是Google、苹果和微软都整装待发要立即解决的问题。甚至可以尝试执行一个巧妙的启动，由系统发现在我身边的物理设备并对其进行排名，现在这个做法几乎变成了必不可少的服务。
在我点击每个附近的设备之后，就会打开在该设备或者更可能是在中央服务器上提供的一个 Web页面。实际会发生的情况完全取决于那台设备，和我并没有关系。正如现在对本机应用程序的限制非常少，那么对这些智能设备的限制也应该很少。该系统的目的只是识别和提供“即时”的功能。
展望未来
本机应用程序是计算机历史侏罗纪时代的遗留物，是阻挡我们发展的局部最大限制。探索服务和“即时”交互的结合，是一种本机应用程序无法提供的功能强大的交互模式。
今天没有谁可以提出像这样的模式。事实上，实现这种模式很可能会是一个长期缓慢的过程。但如果继续尊崇本机孤岛功能，我们甚至都不知道这是否能实现。在进行构建之前，你必须知道你想要的是什么。
青蛙设计创意总监。20世纪80年代后期是苹果UI小组的第一批成员，从事System 7、Apple Human Interface指南以及Newton方面工作。之后，Scott Jenson担任了多年的自由设计顾问，然后成为Symbian系统的产品设计总监，并最终在Google管理移动UX组的工作。
本文选自《程序员》杂志2011年11期，更多精彩内容敬请关注11期杂志
[查看全文]
本帖最后由 软软的上嘴唇 于 2012-4-29 20:35 编辑
数据挖掘(data mining)是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
网络之后的下一个技术热点
我们现在已经生活在一个网络化的时代，通信、计算机和网络技术正改变着整个人类和社会。如果用芯片集成度来衡量微电子技术，用CPU处理速度来衡量计算机技术，用信道传输速率来衡量通信技术，那么摩尔定律告诉我们，它们都是以每18个月翻一番的速度在增长，这一势头已经维持了十多年。在美国，广播达到5000万户用了38年；电视用了13年；Internet拨号上网达到5000万户仅用了4年。全球IP网发展速度达到每6个月翻一番，国内情况亦然。1999年初，中国上网用户为210万，现在已经达到600万。网络的发展导致经济全球化，在1998年全球产值排序前100名中，跨国企业占了51个，国家只占49个。有人提出，对待一个跨国企业也许比对待一个国家还要重要。在新世纪钟声刚刚敲响的时候，回顾往昔，人们不仅要问：就推动人类社会进步而言，历史上能与网络技术相比拟的是什么技术呢?有人甚至提出要把网络技术与火的发明相比拟。火的发明区别了动物和人，种种科学技术的重大发现扩展了自然人的体能、技能和智能，而网络技术则大大提高了人的生存质量和人的素质，使人成为社会人、全球人。
现在的问题是：网络之后的下一个技术热点是什么？让我们来看一些身边俯拾即是的现象：《纽约时报》由60年代的10～20版扩张至现在的100～200版，最高曾达1572版；《北京青年报》也已是16～40版；市场营销报已达100版。然而在现实社会中，人均日阅读时间通常为30～45分钟，只能浏览一份24版的报纸。大量信息在给人们带来方便的同时也带来了一大堆问题：第一是信息过量，难以消化；第二是信息真假难以辨识；第三是信息安全难以保证；第四是信息形式不一致，难以统一处理。人们开始提出一个新的口号：“要学会抛弃信息”。人们开始考虑：“如何才能不被信息淹没，而是从中及时发现有用的知识、提高信息利用率？”
面对这一挑战，数据开采和知识发现（DMKD）技术应运而生，并显示出强大的生命力。
数据爆炸但知识贫乏
另一方面，随着数据库技术的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多。激增的数据背后隐藏着许多重要的信息，人们希望能够对其进行更高层次的分析，以便更好地利用这些数据。目前的数据库系统可以高效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。缺乏挖掘数据背后隐藏的知识的手段，导致了“数据爆炸但知识贫乏”的现象。
支持数据挖掘技术的基础
数据挖掘技术是人们长期对数据库技术进行研究和开发的结果。起初各种商业数据是存储在计算机的数据库中的，然后发展到可对数据库进行查询和访问，进而发展到对数据库的即时遍历。数据挖掘使数据库技术进入了一个更高级的阶段，它不仅能对过去的数据进行查询和遍历，并且能够找出过去数据之间的潜在联系，从而促进信息的传递。现在数据挖掘技术在商业应用中已经可以马上投入使用，因为对这种技术进行支持的三种基础技术已经发展成熟，他们是：
- - 海量数据搜集
- - 强大的多处理器计算机
- - 数据挖掘算法
Friedman[1997]列举了四个主要的技术理由激发了数据挖掘的开发、应用和研究的兴趣：
- - 超大规模数据库的出现，例如商业数据仓库和计算机自动收集的数据记录；
- - 先进的计算机技术，例如更快和更大的计算能力和并行体系结构；
- - 对巨大量数据的快速访问；
- - 对这些数据应用精深的统计方法计算的能力。
商业数据库现在正在以一个空前的速度增长，并且数据仓库正在广泛地应用于各种行业；对计算机硬件性能越来越高的要求，也可以用现在已经成熟的并行多处理机的技术来满足；另外数据挖掘算法经过了这10多年的发展也已经成为一种成熟，稳定，且易于理解和操作的技术。
从商业数据到商业信息的进化
从商业数据到商业信息的进化过程中，每一步前进都是建立在上一步的基础上的。见下表。表中我们可以看到，第四步进化是革命性的，因为从用户的角度来看，这一阶段的数据库技术已经可以快速地回答商业上的很多问题了。
数据挖掘的核心模块技术历经了数十年的发展，其中包括数理统计、人工智能、机器学习。今天，这些成熟的技术，加上高性能的关系数据库引擎以及广泛的数据集成，让数据挖掘技术在当前的数据仓库环境中进入了实用的阶段。
数据挖掘逐渐演变的过程
数据挖掘其实是一个逐渐演变的过程,电子数据处理的初期,人们就试图通过某些方法来实现自动决策支持,当时机器学习成为人们关心的焦点.机器学习的过程就是将一些已知的并已被成功解决的问题作为范例输入计算机,机器通过学习这些范例总结并生成相应的规则,这些规则具有通用性,使用它们可以解决某一类的问题.随后,随着神经网络技术的形成和发展,人们的注意力转向知识工程,知识工程不同于机器学习那样给计算机输入范例，让它生成出规则，而是直接给计算机输入已被代码化的规则，而计算机是通过使用这些规则来解决某些问题。专家系统就是这种方法所得到的成果，但它有投资大、效果不甚理想等不足。80年代人们又在新的神经网络理论的指导下，重新回到机器学习的方法上，并将其成果应用于处理大型商业数据库。随着在80年代末一个新的术语，它就是数据库中的知识发现，简称KDD(Knowledge discovery in database).它泛指所有从源数据中发掘模式或联系的方法，人们接受了这个术语，并用KDD来描述整个数据发掘的过程，包括最开始的制定业务目标到最终的结果分析，而用数据挖掘（data mining）来描述使用挖掘算法进行数据挖掘的子过程。但最近人们却逐渐开始使用数据挖掘中有许多工作可以由统计方法来完成，并认为最好的策略是将统计方法与数据挖掘有机的结合起来。
数据仓库技术的发展与数据挖掘有着密切的关系。数据仓库的发展是促进数据挖掘越来越热的原因之一。但是，数据仓库并不是数据挖掘的先决条件，因为有很多数据挖掘可直接从操作数据源中挖掘信息。
与数据挖掘相似的数据分析师
项目数据分析师（CERTIFIED PROJECTS DATA ANALYST）简称：CPDA ，是专业从事投资项目财务数据分析的高级决策人通过掌握的大量行业数据以及科学的计算工具，为投资机构做出正确的项目投资决策。
CPDA 由中国商业联合会数据分析专业委员会，国家工信部颁发的项目数据分析师职业技术证书。
【主要工作领域及岗位】
1、从事投资项目审核审批和招商引资、项目评估、投资决策等工作的政府机构、企业的相关领导以及从业人员。
2、在银行或非银行金融机构、投资管理公司、投资管理顾问公司从事风险投资、产业投资、信贷和投资管理等方面工作的专业从业人员。
3、会计师事务所、资产评估事务所及税务师事务所、律师相关专业人员。`
4、学习财务、统计、投资、金融和企业管理等相关专业的在校应届学生。
5、在企事业单位从事市场调查与宣传工作的人士以及具有策划与决策工作职能要求的人士。
6、希望在不同领域尝试创业以及在投资、金融、资本运营、房地产和企业管理领域发展的各界人士。
7、正在从事和希望从事数据分析相关工作的其他相关人士。
数据分析师的级别1、数据跟踪员
虽然这个工作的人还不能称作数据分析师，但是往往作这样工作的人还都自称是数据分析师，
这样的人，只能通过×××系统看到有限的数据，并且很少去处理数据，甚至不理解数据的由来和含义，只是机械的把自己看到的数据拷贝出来，转发给相应的人。
这类人发出来的数据，是否有意义，怎么解读，他自己是不知道的，只能期望收到数据的人了。
2、数据查询员/处理员
这些人可以称为分析师了，他们已经对数据有一定的理解了，对于大部分数据，他们也知道数据的定义，并且可以通过监控系统或者原始的数据，处理得到这些数据。
统计学的方法，这批人还是很精通的，统计学的工具，他们也是用起来得心应手，你让他们做一下因子分析，聚类肯定是没问题，各类检验也是用的炉火纯青。
他们的不足是：1、如果不告诉他们命题，那么他们就不知道该应用什么样的方法去得到结论了。2、对于数据的处理没问题，但是却没有一个很好的数据解读能力。只能在统计学的角度上解释数据。
3、数据分析师
数据分析师这群人，对于数据的处理已经不是问题了，他们的重点已经转化到怎么样去解读数据了，同样的数据，在不同人的眼中有不一致的内容。
好的数据分析师，是能通过数据找到问题，准确的定位问题，准确的找到问题产生的原因，为下一不的改进，找到机会点的人。
往往科班出身的人，欠缺的不是在处理数据上，而是在解读数据上，至于将数据和产品结合到一起，则是其更缺少的能力了。
4、数据应用师
数据应用，这个词很少被提到。但是应用数据被提的很多，分析了大量的数据，除了能找到问题以外，还有很多数据可以还原到产品中，为产品所用。
典型的是在电子商务的网站中，用户的购买数据，查看数据和操作的记录，往往是为其推荐新商品的好起点，而数据应用师就是要通过自己的分析，给相应的产品人员一个应该推荐什么产品，购买的可能性会最大的一个结论。
国内能做到这个级别的数据人员还真是少的可怜，甚至大部分人员连数据的视图都搞不定，而真正意义上的能数据应用师，可以用数据让一个产品变得更加的简单高校。
5、数据规划师
数据规划师，不能说水品上比数据应用师高多少，而是另外一个让数据有价值的方向。
往往在实际的应用中，数据都是有其生命周期的，用来分析，应用的数据也是，这点上，尤其是在互联网公司更加明显，一个版本的更新，可能导致之前的所有数据都一定程度的失效。
数据规划师在一个产品设计之前，就已经分析到了，这个产品应该记录什么样的数据，这些数据能跟踪什么问题，哪些记录到的数据，可以应该用到数据中去，可以对产品产生什么样的价值。
[查看全文]