<blockquote><p>本文围绕ChatGPT文生图能力的更新展开，探讨了其从依赖DALL·E模型到采用非自回归模型的转变，分析了新模型在图像生成准确性、效率及多模态融合等方面的优势，同时对比了不同文生图工具的表现，思考了OpenAI技术路线调整背后的原因与意义</p> </blockquote>  昨晚，Open AI更新了ChatGPT文生图能力。 准确来说，这次升级是一次小革命。以前，它借助DALL—E来生成图像，现在功能直接融入到ChatGPT里面了。 新能力能让ChatGPT生成的图片更准确。什么叫准确？按照官方意思，能贴合你的要求。要让它生成一个戴眼镜的猫咪，它会先思考一下，然后画出来一个更详细的戴眼镜的猫咪。 最后一项是修改图像。哪些细节不满意，直接告诉它就能修改。 官方直播活动中，也演示了几个例子。有两名研究人员和奥特曼拍了一张合影，然后他们让ChatGPT把这张普通的照片变成动画风格的画。结果，ChatGPT轻松地就完成了这个任务。 另一个是，团队要求ChatGPT在生成的图像上加一些文字，比如在图片上写上“Feel The AGI”。ChatGPT也顺利地做到了。 看不少介绍的文章后，感觉有些吹捧，于是上午见完朋友，下午回来赶紧试了试。问题是，怎么区分不同模型之间的能力差异呢？ 我让Qwen帮我写了个提示词： “想象一个赛博朋克风格的场景，霓虹灯一闪一闪的，到处都是高楼大厦，楼上有大广告屏，街上跑着悬浮车，天上飞着无人机，还有一轮紫色的月亮挂在天上，地上的行人穿着高科技的衣服。从高处往下看整个城市，画面要高清，细节越多越好”。 写完后，把提示词分别给了GPT和即梦AI。不到20秒，GPT出图了，它和即梦AI的图对比来说，每个模型对提示词的理解不同，两张图都有赛博朋克的感觉，但细节上各有特点。 要评价的话，两张图片都比较模糊。但即梦AI操作起来比较方便，直接点击细节修复、超清功能，就能有效提升清晰度，效果明显。 GPT在这方面稍显不足，我让它生成高清一点的图，结果它又生成了一张图，遗憾的是，依然没有达到我的预期。  图释：左，Chat GPT；右，即梦AI 因此，从图像清晰度控制的可控性来看，GPT可能稍弱一些。不过它也有自己的优势；比如：在调整尺寸上，我提出要1:1尺寸的图片时，它会给到两个不同的解决方案，并问我，你觉得哪个更高？更倾向哪个？ 重复试了好几个提示词，结果依然这样。 我又试了一下它的新能力：世界知识的功能。官方说，这功能让AI在生成图片时，能更好地理解，并用上现实世界里的知识，做出的图更贴合用户的要求，也更符合实际逻辑。 说白了，AI在作图时，会考虑现实里的细节，像地理位置、文化背景、还有物理规矩啥的。比如，画个雪山就不会冒出热带植物，画个古代场景不会突然冒出手机。 于是，我让Qwen帮我又写了一个提示词： “生成一张图，用两个站在滑板上的人推对方的动作来解释牛顿第三定律。要求画面直观，能清楚展示作用力和反作用力的关系。” 给到它后，怎么评价呢？像那么回事。它能展示两个人在滑板上互相推开的关系，而且还增加了一些箭头和英文解释；但是，我为什么觉得这个能力像一个图像PPT功能呢。 紧接着，我又测试几轮，分别生成一个人的头部骨骼、身体骨骼。如果满分是10分，我最多给6分，因为大部分能力字节、腾讯的文生图模型都能做到。 Sam Altman对这款产品评价很高，表示难以相信这是AI生成的，认为大家会喜欢，并期待用户用它创作出更多创意内容。 他的目标是尽量避免生成冒犯性内容，认为将创作自由和控制权交给用户是正确的，但也会关注实际使用情况并听取社会意见。 Altman希望大家理解，他们在努力平衡自由和责任的关系，确保AI的发展符合大家的期望和道德标准。这些都是老生常谈的话。 我觉得，比起它目前的生成能力，更应该关注它为什么要替代DALL·E模型。要知道，DALL·E模型是OpenAI在2021年1月发布的模型。作为老模型，难道不应该持续迭代，让它更强大吗？ 实际上，关键在于DALL-E模型核心架构是自回归模型。 什么是自回归模型呢？ 它利用自身历史的数据来预测未来的数据。工作方式是把图像拆解为一系列token（类似于文字中的单词），然后像写作文一样，一个token一个token地生成图像。 举个例子： 你要画一只猫，你先画了猫的头，然后根据头的样子再画眼睛，再根据眼睛和头的关系画鼻子，一步步来，不能跳过任何一个步骤。这就是自回归模型的工作方法。 优点是能保证细节，缺点很明显，一，速度跟不上、二，前面要是画错了，后面很难调整；因此，OpenAI选择用新的模型来替代它。 那么，替代后的模型什么样呢？答案是非自回归模型（Non-autoregressive models），它改变了核心架构。 这个架构会先理解整个图的结构和细节，更像学生先听完老师讲完题目，把整张画的轮廓搞出来，再一点点填细节。比如：画只猫，先勾勒出猫的外形，再去细化毛发、眼睛。 这种模型采用一种特殊的编码、解码架构来实现目标。简单来说，编码器负责“读题”，理解你输入的文字；解码器负责“作答”，根据文字生成图片。 优势在于，一，不再像老方法那样一步步、逐像素地生成图像，效率更高，二，整体表现更强，特别是在复杂场景里，能更好地处理多个物体之间的关系，生成的图片更逼真。 好比画一个桌子上有杯子、书本和台灯的场景，非自回归模型能更自然地处理东西的位置和光影效果，不会显得乱七八糟。而且，它对复杂的文字指令理解得更好，生成的图片和描述基本能做到符合逻辑。 还有一个特点：这种模型灵活性强，能融合到多模态里，比如，把它塞进ChatGPT 4.0里，它不仅能看图，还能结合音频或已有的图像，进而生成更多样化的内容。 因此，Open AI这一步本质做了一次小小的自我革命。 春节时，DeepSeek发布一款文生图模型Janus-Pro，关注过的人应该知道，它采用了非自回归的框架。Janus系列中的Janus-Pro-7B模型，在GenEval的准确率上达到了80%，甚至超过DALL-E 3的61%。 我查了一下，这种非自回归模型最早在2018年的ICLR会议上提出，最初应用于神经机器翻译（Neural Machine Translation, NMT）领域，目的是加速推理速度。 从论文综述来看，微软在2022年5月13日进行了进一步研究。而国内2023年左右，阿里巴巴、科大讯飞、昆仑万维、云从科技等一系列企业已经引入这一技术。 本文由人人都是产品经理作者【王智远】，微信公众号：【王智远】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>腾讯 QQ 官方宣布，短视频功能将于 2025 年 4 月 2 日正式下线，用户将无法发布新作品或浏览他人视频。这一调整是 QQ 运营策略优化的一部分，旨在聚焦核心社交功能，同时整合腾讯内部资源。此次调整引发了用户对 QQ 功能优化及未来发展方向的广泛讨论。</p> </blockquote>  各位小伙伴，前几天，腾讯QQ扔下了一颗“重磅炸弹”——**从2025年4月2日起，QQ短视频功能将“正式下线”，用户不能再发布新作品，也不能再刷别人的视频了！ **是的，你没看错，那个曾经陪伴无数人记录生活、分享趣事的“QQ小世界”，即将成为历史。 ## 一、发生了什么？ 根据腾讯QQ官方公告，这次调整的原因是**“运营策略优化”**。具体来说：   - 功能下线：4月2日起（特殊情况下可能延后），QQ短视频将不再支持发布新作品、浏览他人作品等核心功能。   - 数据迁移：用户过去发布的短视频不会被删除，而是自动保存到QQ空间。也就是说，你的“黑历史”不会消失，只是换个地方继续“躺平”。   - 团队调整：有消息称，负责短视频业务的“QQ小世界”团队或将面临岗位缩减，涉及约300名员工。 ## 二、你的作品怎么办？ 如果你是QQ短视频的忠实用户，现在最关心的可能是：**“我的视频会去哪儿？”**   - **无需手动操作**：腾讯明确表示，所有历史作品会自动迁移到QQ空间，用户无需自行备份。   - **未来还能看吗？** 当然可以！只要你的QQ空间还在，这些视频就能继续查看。不过，**互动数据（如点赞、评论）是否会保留**，官方尚未详细说明。 ## 三、QQ为何要“砍掉”短视频？ 虽然官方解释是“优化体验”，但背后的原因可能更复杂：   - **主动“瘦身”**：内部人士透露，QQ近年因功能繁杂被吐槽“太臃肿”，这次调整是“断舍离”的一环，目的是**聚焦核心社交功能**，比如聊天、文件传输等。   - **资源整合**：腾讯旗下已有微信视频号这一成熟的短视频生态，QQ与其“左右互搏”意义不大。集中资源发展视频号，或许是更明智的选择。   - **用户数据压力**：截至2024年底，QQ月活用户为5.24亿，同比下滑5%，而微信月活已近14亿。QQ急需通过“轻量化”留住用户。 消息一出，评论区瞬间炸锅：   - “爷青结！”：90后、00后网友集体感慨，QQ短视频承载了学生时代的无数回忆，比如社团活动、毕业旅行、甚至是偷偷暗恋的“仅TA可见”。   - “早该关了！”：也有用户表示，QQ功能太多导致卡顿，砍掉非核心业务反而能提升体验，“刷短视频我去抖音就行”。 这次调整或许只是开始。据内部人士分析，QQ后续可能继续**精简功能**，比如优化小程序入口、调整动态页面设计等，同时探索新方向，比如**AI社交或虚拟形象互动**。   QQ短视频的“退场”，像极了青春里的某次告别——猝不及防，却又在情理之中。或许，这就是互联网产品的宿命：没有永恒的形态，只有不断迭代的生存法则。   **温馨提示**：如果你有特别珍视的QQ短视频，记得在4月2日前截图留念！毕竟，有些回忆，连“自动迁移”也带不走它的温度。 本文由人人都是产品经理作者【产品经理龙哥】，微信公众号：【产品经理龙哥】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>在市场营销的复杂棋局中，价格和渠道策略是影响消费者决策的关键因素。本文深入剖析了如何在4P理论框架下，通过精准的价格策略和高效的渠道布局，激发消费者的购买意愿，实现销售转化。</p> </blockquote>  在昨天的营销必修课文章中，我们聚焦于如何基于产品特性与卖点刺激消费行动。今天，我们将视角转向价格与渠道两个关键维度，深度剖析如何通过这两个要素的有效运作，进一步激发消费者的购买意愿，完成转化提升。 ## 一、价格策略：高低有道，撬动心弦 价格，在营销的棋盘上，是影响消费者决策的关键棋子，它关乎盈利模式的塑造、市场份额的争夺，以及企业阶段发展目标的权衡，是企业运营的核心枢纽。 ### 1. 高价产品：价值锚定，让高价成为吸引力 高价产品，凭借其充足利润空间，为企业的产品创新、渠道拓展和市场推广提供强有力的支撑，助力企业在竞争中占据高地。然而，如何让消费者心甘情愿为高价买单？答案在于要提供有力的购买理由。 - **提供政治正确的理由**：这是一把能撬动消费者心理的钥匙。针对特定人群，如父母为孩子学习与健康成长的投入，白领在高压下对品质生活的追求对自我的追求，这些理由都是直击痛点，极具说服力。同时，对标其他品类，如：当一款沐浴露卖到200元时，就应与价值1000元香水做对比，能为消费者提供清晰的价值锚点，进一步强化购买动机。 - **提供足够丰富的信息**：高客单产品的购买决策往往伴随着高参与度。在引导购买的过程中，无论是产品包装、电商详情页，还是线下展示，都应提供详尽信息，扮演消费者的智囊角色，消解其决策疑虑。 - **提供此时此刻的优势**：消费者在面对高价时，常常犹豫不决。此时，突出优惠的紧迫性、限时限量的奖励、独家的增值服务，甚至是一句“加急发货”的承诺，都能成为撬动行动的有效钩子。 - **提供没有担忧的承诺**：这是给消费者的一颗定心丸，也是将其引入私域流量池的关键。通过完善的售后保障，不仅能解决消费者的后顾之忧，还能为企业建立稳固的客户关系。 值得注意的是，高价格本身就是一把双刃剑。一方面，它促使消费者自动为其寻找合理性，只要企业提供足够丰富的信息作为支撑，就能撬动消费者的心理认同；另一方面，高价产品在平台算法的加持下，往往能吸引更优质的人群流量，为企业带来更高的品牌曝光度和市场关注度。  ### 2. 低价产品：超预期与理由支撑，让低价更能刺激行动 低价产品，看似容易引发冲动消费，但其背后逻辑并不简单。消费者对低客单价产品的购买参与度往往较低，他们更倾向于相信大品牌，遵循“一分钱一分货”的常识。因此，如何让低价产品成功转化，成为营销人必须攻克的难题。 - **加入超预期的元素**：这是让低价产品脱颖而出的关键。无论是黑科技元素、专利技术的创新应用，还是通过DIY展示放大产品的最佳效果，都能让消费者感受到超预期的价值，尤其是美妆和食品行业。对于难以从产品自身挖掘超预期元素的情况，可以尝试从欢迎度入手，突出产品的已有XXX人买，激发消费者的从众心理。 - **明确低价的理由**：在给消费者超预期呈现的同时，还需提供一个合乎情理的低价理由，让其安心购买。小米的“综合硬件利润率永远不会超过5%”的承诺，就是一个经典的营销案例。尽管从财务角度看，这一承诺具有一定的迷惑性，但在营销层面，它成功地强化了小米“质优价廉”的品牌形象，为低价策略提供了强有力的支撑。  ## 二、渠道策略：找到消费者，让渠道帮我们卖货 渠道，是产品通往消费者的桥梁，不同类型的企业在渠道铺设上呈现出显著差异。从抽象层面看，渠道推广的核心在于两件大事：一是找到消费者，二是让渠道帮我们卖货。 ### 1. 找到消费者：精准捕获，高效转化 **建立蜘蛛网，精准收割公域流量** 以学习机为例，将流量分为泛品类流量、品类流量、竞品流量和品牌产品流量四类，借助电商平台的投放工具和直投工具进行多次触达。针对不同类型的流量，采用差异化的转化钩子，如强化产品卖点、突出品牌优势、直接发放优惠券等，确保每一滴流量都能被充分利用。对于难以打动的消费者，将公域流量转化为私域流量，进行一对一的转化引导，进一步提升转化效率。 **构筑多元化、个性化、利益导向的转化钩子** 针对不同类型的流量，设计多样化的转化钩子，满足消费者的个性化需求，激发其购买欲望。 **公域转私域，实现转化效率最大化** 通过个性化购买咨询、福利优惠引导和增值服务提供，将公域流量引入私域流量池，实现流量的高效利用和客户关系的深度维护。 ### 2. 让渠道帮我们卖货：激活渠道，共赢增长 渠道是品牌营销的强力盟友，品牌越能组织和动员更多力量，就越能在共同利益框架下实现共赢。巩固渠道的核心在于打造双赢的利益共同体。 - **绑定合作意愿强的渠道伙伴**：一些亲子早教品牌在发展初期，通过与亲子社区或公众号社群合作，借助粉丝信任背书获取首批种子用户，实现从0到1的突破。在收益平衡的基础上，发展尽可能多的合作共同体，实现效益最大化。 - **为渠道创造新的增量**：通过为渠道引入新人群、增加客户流量，或以刚需稳定的客群提升渠道活跃度，为渠道创造新的增长点。例如，拼多多通过引入知名品牌入驻，开拓新的消费市场，为品牌和平台实现双赢。 总之，今天我们从价格和渠道两个维度深入探讨了刺激消费者行动的策略。在价格端，针对高价和低价产品分别制定相应的行动刺激方案；在渠道上，通过找到消费者和让渠道帮我们卖货的双向赋能，获取流量并撬动用户行动，为企业营销注入强劲动力。  本文由 @在下卓一航 原创发布于人人都是产品经理。未经作者许可，禁止转载 题图来自Unsplash，基于CC0协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

<blockquote><p>在产品江湖里，GTM（Go-to-Market）策略就像是武林高手的秘籍，而深挖客户需求则是秘籍里的核心心法。很多产品人常常对着客户需求的“迷雾”发愁：客户到底想要什么？是“需要”还是“想要”？是理性还是感性？这篇文章就像是一位经验丰富的“需求侦探”，带着你从场景、痛点、数据等多个角度，一层一层揭开客户需求的神秘面纱。别再让产品设计靠“拍脑袋”了，快来一起探索如何精准抓住客户的心！</p> </blockquote>  了解客户到底怎么想的，从来都不容易。 过去常用的定量问卷调研和定性焦点小组（focus group)都有很大的局限性。 问卷调研并不能了解客户内心真实的想法。比如“想购买什么价位的手机？”我可能会回答“2000元以下…”但实际上，我是乱填的，我根本不需要新手机。 焦点小组定向邀请10-20人参加讨论，了解需求更深入，但参与者很难跳出自己的认知框框，也容易受人影响，更有样本偏差，常常被认为见树不见林。 不少企业干脆不花精力去了解客户需求了，反正乔布斯也说过“客户也不知道他们想要什么”。 于是很多的产品设计，要么拍脑袋靠灵感，要么照搬竞争对手，要么凭经验直觉… 在市场和技术都在飞速变化的当下，客户的需求和期望值日新月异。不愿意深入了解客户需求，必然会带来产品失败的风险。 根据哈佛商业评论的调研，超过34%的初创公司失败也是因为他们找不到合适的PMF，大白话是“产品不是客户想要的，纯自嗨”。 现在，客户开始在AI上直接提需求找答案。如果不能在产品营销时讲清楚“我的产品能解决什么问题，带来什么价值，创造怎样的体验”等问题，也许不会被AI发现并推荐。 那么如何深挖客户需求？过去我写过一篇文章《市场人如何了解客户需求与痛点》，这篇文章作为姊妹篇，从场景、痛点、数据等角度展开。（重要前提：产品已经明确了目标客户是谁，有了相对清晰的用户画像） ## 1. 思考“客户使用产品要做什么？” 丹尼斯.J.哈普特利在《打造真正的新产品》一书中谈到“产品功能”和“产品用来做什么”之间的区别，用水龙头举例，浅显易懂。 他说：“无论是用在厨房、卫生间、还是花园，水龙头的功能都是汲水，但在不同的场合的完成的任务是不同的。如果错把功能当成任务，就只会在颜色、外观、款式上下功夫，不会让水龙头更好用，也不能更好地完成任务。”  显而易见，使用者对厨房清洗餐具的水龙头和花园接软管的水龙头需求是不同的，产品设计以及卖点也应该不同。 那怎么找消费者的痛点？以卫生间洗手为例，普通人大概分9步：  浪费了很多水，而且你发现了吗？第9步关水龙头的时候，可能手又脏了，白洗了。 脚踩、感应等水龙头，就是为减少步骤以及节约用水的需求而设计的。 丹尼斯对于了解“客户想用产品做什么”的建议是：分析使用场景，在客户体验中观察痛点、提出建议，并在推出后尽快获得试用客户的反馈。 如果需求抓准了，可能会听到客户说“这正是我想要的”。如果错误，会听到质疑、忽视甚至“那又怎样”的不屑，用这样的方法一步步确认客户是不是真的需要。 这个方法在B2B行业里也有成功的案例。某CRM SaaS创业团队，为投行、基金公司客户简化了他们服务高净值客户的流程，提升了效率，并在隐私、圈子、安全性等痛点问题上有专门的解决方案。 你看，高明的管理者思考如何跳出PK产品功能的困境，强调带给客户的独特价值，只有这样才能价格战中脱颖而出。 如何做到？最好的方法就是去客户现场仔细观察每一个工作步骤，问问他们哪个问题急需解决，也许你就有答案了。 ## 2. 解析“客户想要什么？” 人的需求分为需要、想要等等。英文分别对应Need、Want。 “需要”是客观的、理性的“不得不”，比如需要保暖，需要吃饭，需要住房子，需要穿鞋子… “想要”更加强调主观的愿望，比如想要获得更好的工作，想要去旅行… 想要更加感性，暗含痛点。需要更理性，潜在买点。 以企业咨询为例，比如目标客户在面对“不知道如何开始改变，想找到方向”继续深入，具体的痛点也许是当下内卷造成的压力，产品价格战以及AI焦虑…止痛药是增长咨询服务，可以理清思路，找到改变的方法。  不仅仅是营销，还包括销售、研发、运营支持团队都需要了解客户的各种想要和需要。 随着产品进化、GTM团队对客户理解的不断深化，“我们为什么要制造”以及“目标客户为什么要买它“的讨论会一直延续。 ## 3.多问“为什么” 《从为什么开始》的作者Simon Sinek曾经在演讲视频上举过苹果电脑用黄金圈法则做宣传的例子。  常见的宣传一台新电脑的描述会是：“这是一台最棒的电脑，用户体验良好，使用简单，设计精美，买一台吧！” 苹果公司的宣传方式却是：“我们做的每一件事情，都是为了突破和创新，与众不同。我们挑战现状的方式是通过设计精美，使用简单和界面友好。我们在这个过程中做出了最棒的电脑。想买一台吗？” 前者的说法实际上是大部分商家市场营销所采取的方式，罗列说自己的产品是什么，有什么优势，如何的好…苹果触达了客户想与众不同的潜在需求，提供了购买理由。 心理学大师丹尼尔.卡尼曼的研究结论指出，人的决策并不是全理性的，程序化的。 简单询问客户要什么徒劳无益，你必须进入客户的头脑，去了解真正激励他们的是什么。 比如客户追求价格，看上去理性，但激励这个人的并不是价格，而是他能获得最合算交易的那种自信、能干和掌控的感觉… 追求服务，激励他的是为了少了麻烦，轻松的感觉.. 追求知名品牌，也许是成功的感觉… 追求科技含量，也许是体现身份、凸显自己的前瞻性… 要想能够直击客户需求，就是不断地追问“为什么”，逼着自己站在客户的角度思考。 为什么要有这些功能？能完成什么任务？—&gt;回到第1点 为什么客户会在这个时候有这些痛点？—&gt;回到第2点 为什么客户要选择我们？—&gt;决定产品定位 ## 4. 善用数据分析 前面这些都是定性的需求调研，从使用场景和体验、理性与感性需求出发，并且用不断追问的方式了解冰山之下的原因。 不过在AI时代，用数据分析和预测客户的需求也是可以尝试的方法。 比如分析现网站流量、社交媒体讨论、购买记录、客服反馈等更深入了解客户的画像以及需求。 也可以通过AI 语义分析，用 NLP（自然语言处理）分析客户评论、社交媒体、问卷反馈，找出高频关键词和潜在需求。 而用DeepSeep等大语言模型可以扫描社交媒体和新闻报道，定期识别最新的潮流、热点话题、新增需求等。AI 通过实验设计，测试不同产品功能、价格、文案对用户行为的影响。 《痛点-挖掘小数据满足用户需求》的作者马丁.林斯特龙认为大数据连接了千百万的数据点，可以准确地产生相互关系。 但人们按照自己的习惯行动时，大数据通常不会十分准确，因此发掘用户需求的时候，在大数据之外，还是要通过小群体的亲身观察和小数据尝试。 每个人的想法都是复杂的，多变的…如果想尽量了解多一点，最好的方法还是先用数据分析，再走进他们，真诚的坐下来好好聊聊。 文中提到的几本书都非常好，推荐给你。  本文由人人都是产品经理作者【Hanni】，微信公众号：【时光笔记簿】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。 题图来自Unsplash，基于 CC0 协议。

<blockquote><p>在数字化转型的浪潮中，电商售后作业的自动化成为提升客户服务质量和效率的关键。本文深入探讨了售后作业自动化的现状与挑战，分析了咨询类和售后作业处理类两大类售后作业的特点，并提出了利用OCR、区块链、AI等先进技术优化售后流程的具体方案。</p> </blockquote>  随着数字化转型的推进，“云移大物智”技术的迭代速度的加快，电商售后的场景更加的丰富，仅依靠传统的“被动响应”来解决售后问题已经无法满足企业对于客户服务的需求，越来越多的企业正在寻求“主动预防”来提升售后作业的效率，确保电商售后场景的安全，提升用户的体验。 售后作业大体可定义为两个方面： - 咨询类 - 售后作业处理类 下面，将对这两类作业进行解析，并分析如何应用新技术来提升作业效率，重塑企业面向消费者的服务体系。 ## 咨询类 简单来说，就是消费者主动发起的咨询动作，用来解决「产品如何使用？」、「售后/物流进度？」、「条款/政策是什么？」、「专业技术咨询或答疑？」等的一些类咨询服务。 这类作业必然的要求是快速响应、可通过知识库/FAQ来减少重复性的咨询、对一些高频问题可反哺产品功能或性能优化 在咨询类作业中，常使用的电商的客服体系。传统类的电商客服服务流程是智能客服+人工客服协同，通常采用的流程如下：  这种模式下，存在以下问题： - 答非所问，对于一些复杂的多条件的问题，或者使用方言进行描述的问题，智能客服无法解决，需要反复转人工，造成服务时间延长。 - 对于一些新的业务问题或者比较小众的问题，智能客服可能会一直回复“我不明白”，或者循环的点击菜单 - 当在高峰期咨询量激增时，用户会一直在排队中，或者等待的时间过长，从而直接影响了购物体验 - 当人机层协同断层时，会出现问题重复提交，缺乏对上下文的理解，影响的用户的售后体验 - 除此之外，智能客服的数据与人工客服的数据存在数据孤岛，导致人工无法提前预判当前用户的情绪或者历史的问题。 …… 等等。 随着大模型的诞生，衍生除了诸多的AI客服系统，但是目前大部分的AI客服还停留在SOP模型或者Copilot协作模式，其中Copilot模型指的是，系统内设定任务目标，其中标记某几个任务由AI完成初稿，人类来进行修改并确认调整的人类+AI协同工作模型。 但是也会出现，前后端没有配置，就无法回答、只能机械式的完成单论的问答、使用一些幻觉问题来误导用户、答非所问情况依然存在。 为了让AI客服更加的智能化，出现了很多新的解决方案，如可利用抖音的Coze 平台、fastgpt等平台创建客服Agents来构建AI客服场景下的人机协作的新服务范式。这种范式是由人类设立目标并提供相应的资源，由AI全权代理。 在这种模式下 - AI智能客服可以直面面对用户，未用户提供服务。通过智能体，结合之前的规划过程中累积的常见问题以及对应的问题解决方案，不仅能够更快的回答客户，还能越“训练”越“准确”，甚至有些一部分场景甚至可以完全的取代人工。 - 在回复内容存在风险的情况下，真人客服可以对AI回复的内容进行人工监管。同时通过评分标准，来有效的评估模型的能力以及评估坐席干预的合理性，即“AI回答的好不好”、“人工客户纠正的对不对”。 以抖音的Coze平台创建智能客服为例，对应的系统架构如下。  在以上架构下，如何将传统的客服的工作智能，抽象为可以数据化和智能化的服务主体，一般可以采取如下步骤 **步骤1：解构客服的服务流程**  **步骤2：工作流架构的抽离设计** 2.1 主流程来串联完整的服务链路，判断绘画的基本面并通过路由，流转到响应的Agent； 2.2 在Agent节点上，由于该节点是可以承接处理的智能的，故进行阶段设置的时候，需要包含寒暄、收尾、问题澄清、场景路由、判断解决方案、协商方案、执行方案等。 2.3 配置节点，如配置知识库节点、判断条件配置、LLM模型参数配置等 2.4 代码节点，如IM通信、特征解析、实验参数的获取等。 ## 售后作业处理类 简单来说，就是需要公司主动介入的来解决的实质性售后问题，一般情况可能会涉及到工单系统或者线下操作。常见的售后作业场景有： - 维修服务类，比如对硬件的检测及部件的更换、软件BUG的修复等等 - 退换货服务类，比如仅退款、退款退货、补货、换货、售后物流的咨询、售后工单的审核咨询等等 - 投诉处理类，比如问题需要升级投诉、投诉的赔偿协商、投诉引发的情绪的安抚 - 现场服务类，比如家电的送货上门并安装服务、设备的检修和巡检等 等等，这些售后作业都需要依赖标准的流程的，比如退换货服务中的质检环节等；是会依赖工单系统的，通过工单系统来协调技术人员等；重视业务的闭环反馈，如满意度调查等。 通过对当前主流的电商平台的售后作业自动化进行调研，其中调研内容如下：  在调研中发现，目前主流的电商厂商已经在售后作业流程中一个或者多个节点应用了先进的“云移大物智”技术重塑了作业流程，使其实现了自动化，做到了“预防为主，响应为辅”。 所谓“功欲利其器，必先利其器”，下面举例说明如何利用这些先进的工具改进售后业务。 ### 场景1：利用OCR技术来识别退货商品的信息，来提升退货质检流程。  在OCR识别过程中 Step1，做图像采集，常用的拍摄工具有手机、RF枪、扫描仪、工业相机等；拍摄扫码的内容有&lt;商品标签&gt;、&lt;商品条形码&gt;、&lt;发票&gt;、&lt;退货单&gt;等。拍摄时要求尽量保持背景简单、确保拍摄的内容能够足够的清晰，内容确保完整，避免出现反光或者光线不足造成无法识别的情况； Step2，图像预处理这步，主要是用来优化图像的质量，来进一步提升OCR识别的准确率。预处理常用的工具有OpenCV、PIL，预处理的关键步骤有：图像灰度化，来减少计算的复杂度；二值化，通过阈值的处理，将图像转为黑白色，来进一步突出文字的区域；降噪，主要是用来去除噪点；倾斜校正，如果图像倾斜，则使用霍夫变换或者边缘检测来矫正图像的倾斜度；锐化，这步主要是增强文字的边缘的清晰度；区域剪裁，这步就是仅保留包含退货信息的区域。 Step3，OCR文本识别这步，是从Step2这步处理后的图像中处理相关的文字信息，通过通用的OCR引擎或者定制化的OCR模型来输出结构化或者半结构化的文本数据，输出类型为JSON或者CSV格式。 Step4，信息解析与提取这步，是根据Step3输出的文本数据，使用正则表达式或自然语言处理或者企业内置的模板来匹配并提取出关键的字段，一般退货的关键字段有&lt;订单号&gt;、&lt;商品SKU&gt;、&lt;退货数量&gt;、&lt;退货原因&gt;、&lt;客户ID&gt;、&lt;退货日期&gt;等。 Step5，数据验证与纠错这步，是确保提取出的信息与系统中的数据进行匹配，确定存在的。通过系统内置逻辑来检验是否正确，比如退货数量是否为数字、退货原因是否为系统预设的原因，如“破损”等。识别通过后，如果存在置信度低的识别结果，则需要转人工进行审核，并且需要标注该条数据人工参与了审核以及审核的原因等。 通过这一些列的操作，可以显著的减少人工错误率，但这并不能一劳永逸，也需要不断的结合实际的业务场景对涉及的模型进行持续的优化，需要特殊说明，消费者个人的敏感信息需要严格保密。 ### 场景2：利用区块链+AI技术，通过记录碳足迹来优化逆向物流路径  在数据输入过程中 Step1,物流环节数据指的是：在运输工具上（汽车、卡车、船舶等）、仓库中，部署传感器，传感器用来实时的采集运输工具的&lt;燃料消耗&gt;、&lt;运输里程&gt;、&lt;路线&gt;、&lt;载重&gt;、&lt;速度&gt;；仓库的&lt;温度&gt;、&lt;耗电&gt;等、货品的包材、货品的数量等等数据，并安装GPS，使用GPS来跟踪运输工具的运输路径。外部数据指的是：第三方的碳排放因子数据库或者能源供应商的绿色能源认证数据。 Step2,获取到Step1的数据后，对数据进行清洗，清洗出异常值。对碳排放进行计算，公式为：碳排放量=活动数据×排放因子 Step3,计算到碳排放量后，开始将相关的数据上链，可以选择联盟链（Hyperledger Fabric）或者公链（以太坊）都行，依据需求而定。利用智能合约技术，校验数据格式并上链，确保数据不可被修改。常见的可上链的格式如下 <blockquote><p>{</p> <p>“timestamp”: “2025-03-27T14:30:00Z”,</p> <p>“transport_id”: “TRUCK-001”,</p> <p>“route”: “从北京仓库到天津分拣中心”,</p> <p>“distance_km”: 166,</p> <p>“fuel_used_l”: 34,</p> <p>“co2_kg”: 121,</p> <p>“block_hash”: “0x3a7b…d41c”</p> <p>}</p></blockquote> 并采用PBFT实用拜占庭容错技术或者PoA权威证明技术来验证数据在多参与方的数据都是一致的。 在输入数据中，我们需要考虑运输工具的容量、仓库的处理能力、碳排放的上限、交通的情况、天气的情况等，基于这些条件下，秉承成本最优的原则，计算出最优的路线。 在构建模型的时候，将路径的规划转化为多目标的优化问题，支持VRP变种。可通过使用强化学习算法RL训练智能体在动态的环境中如何快速的做决策；通过遗传算法GA生成路径，并持续迭代的优化路径；通过图神经网络GNN算法处理复杂节点的关系，比如与仓库的关系、与客户的关系等关系拓扑图。 分配路径，调度资源后，车辆在实际的运输的过程中，可以根据交通的拥堵情况、天气情况、订单的状态等各种因素来实时的调整实际的运输路线，之后，实际的运输路线以及实际的碳排放量都会被写入区块链，形成验证闭环。 等等，除这两个场景外，还有诸多的场景中都运用了先进的科技技术，但是需要技术带来的风险和挑战。比如AI风控模型可能会误判低信用用户，所以在AI风控的场景下需要持续的对模型进行校准和优化。消费者行为数据的上链或者运输数据的上链的时候，需要确保行为是符合GDPR等相关的法律法规的，也确保消费者的隐私协议必须符合平台的规则的。 本文由 @COFCO 原创发布于人人都是产品经理，未经许可，禁止转载 题图来自Unsplash，基于 CC0 协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

戴德梁行统计数据显示，2025年一季度，北京写字楼市场无新增供应入市，甲级写字楼市场总存量维持在1368万平方米。 在租金方面，全市租金环比下降7.2%至每月每平方米227.2元，五大核心商圈环比下降8.7%至每月每平方米264.4元。  数据来源：戴德梁行研究部 **戴德梁行北区项目及企业服务部主管邓姗姗分析认为，**在整体市场需求放缓、租金普降和竞争激烈的共识下，大多业主为了降低空置率和减少经营压力，通过采取更大的租金下调力度、给予更长免租期以及提供定制装修和更多优质商业配套等租赁条款和增值服务来加快交易的进程速度。 与此同时，租金的下调不仅满足了非甲级写字楼租户对于办公环境的升级需求，同时也吸引了有大面积办公需求的租户借此机会进行办公室的搬迁和扩租，这在一定程度上推升了甲级写字楼市场的去化能力。 根据戴德梁行预测，2025年至2028年，北京写字楼市场新增供应总量将达198.3万平方米，但计划在2025年入市的项目或将不足5万平方米。未来一年，有限的新增供应叠加市场的逐步去化，或将推动全市写字楼空置率的进一步下调。  数据来源：戴德梁行研究部 今年第一季度，北京全市和五大核心商圈季度市场净吸纳量分别为15.4万和11.5万平方米。从成交类型上看，续租仍然为企业租户租赁到期后的主要选择。其中，续租面积占季度租赁总成交面积的45.9%。而在新租和搬迁类型中，TMT、金融业和专业服务业三大传统行业分别占所有行业总新签约面积的38.7%、41.2%和10.1%，**三大传统行业合计成交占比超90%**。  数据来源：戴德梁行研究部 截至一季度末，全市空置率同比下降1.1个百分点至17.2%，五大核心商圈空置率同比下降2.3个百分点，为10.8%。 针对住宅租赁市场，戴德梁行近日发布了业内独家全国租赁住房数据库。首份报告数据显示，截至2024年12月，四大一线城市集中式租赁住房的出租率表现相对稳健。其中，深圳因人口流入强度最大，租赁需求最为刚性，所以出租率领导一线城市；上海凭借产业驱动紧随其后。  在运营坪效方面，北京核心区域因为高定价而推高了坪效；深圳因为城中村改造项目供应占比较高，所以坪效最低；广州相对而言低成本改造、低租金成本特征明显，所以坪效也较低。  数据来源：戴德梁行研究部

<blockquote><p>在互联网圈，关于AI产品经理是否需要懂技术的争论从未停歇。有人认为产品经理只需画原型、写需求，技术是开发的事；也有人觉得不懂技术的PM就像无头苍蝇，连需求评审都开不明白。其实，真相可能介于两者之间——你需要的是“技术脑”，而不是“技术猿”。</p> </blockquote>  ## 先说说为什么必须懂技术 **1.沟通降噪神器** 有次我提了一个“智能推荐”功能，结果开发小哥一脸懵：“你说的实时推荐，是希望用户每秒刷新都能看到新内容吗？”原来我误把“异步加载”理解成了“即时响应”。最后功能上线后，用户吐槽推荐内容“跟不上节奏”，直接影响了留存率。 **技术脑提醒**：至少要懂接口、缓存、异步这些基础概念，别让技术团队猜你到底要什么。 **2.可行性评估雷达** 某次想给APP加个“AR试妆”功能，兴奋地和开发讨论了三天方案，结果被CTO一句话泼了冷水：“手机摄像头实时渲染3D模型，算力至少要提升3倍，成本翻5倍。”最后我们改用静态图片+AI换脸，不仅上线快，还拿了设计奖。 **技术脑提醒**：了解技术边界，别让好创意变成无底洞。 **3.创新加速引擎** 我们团队曾用AI技术优化客服系统，通过自然语言处理自动归类用户问题。原本需要30分钟处理的工单，现在1分钟就能给出解决方案。这个案例还被邀请到行业峰会上分享。 **技术脑提醒**：关注技术趋势，别让自己变成井底之蛙。 **但也别硬刚技术细节** 有些PM为了显得专业，张口闭口“分布式架构”“微服务”，结果被开发吐槽：“你说的这些，和我要解决的BUG有什么关系？”记住：**技术是手段，用户价值才是目的**。就像微信红包，当年为了应对春晚流量洪峰，技术团队直接把“拆红包”和“发红包”分开，虽然技术上不完美，但用户体验满分。 ## 二、技术脑需要几成功力？——从“小白”到“技术通”的四步走 ### 第一步：基础扫盲（1个月） 必学技能： - 掌握SQL基础（查数据、写聚合语句） - 看懂接口网页（请求方法、参数类型、错误码） - 会用Axure画原型（别纠结交互细节，先让开发明白核心逻辑） 推荐资源： 《启示录》（产品方法论）+ 《SQL必知必会》（技术工具书） B站UP主“小林coding”的免费课程（实战案例多） ### 第二步：场景化应用（3个月） **B端产品：** 学会看系统架构图，知道“MVC模式”和“微服务”的区别。比如电商系统拆分为订单中心、库存中心，这样在提需求时就能避开“核心模块动不得”的雷区。 **C端产品：** 研究抖音的推荐算法逻辑，理解“协同过滤”和“内容标签”的权重分配。这样设计功能时，能避开“推荐内容与用户兴趣不匹配”的坑。 ### 第三步：深度思考（6个月+） **降级思维：** 参考滴滴打车的高峰期策略：实时定位→非高峰详细展示，复杂派单→随机分配。这种“核心功能优先”的思维，能帮你做出更务实的决策。 **边际成本意识：** 某次想给APP加“个性化欢迎语”，开发算了一笔账：每个用户需要存储500字配置，全平台1亿用户就是500GB存储+每月10亿次查询。最后我们改用模板库，成本降低90%。 ### 第四步：跨界融合（持续） **AI时代必备：** 学习Prompt工程，知道怎么用自然语言指挥AI模型。比如让Stable Diffusion生成产品示意图，比画原型快10倍。 **商业敏感度：** 关注技术趋势背后的商业价值。比如Web3.0的区块链技术，虽然现在还不成熟，但提前研究Token经济模型，未来做数字藏品平台就有先发优势。 ## 三、非技术背景的逆袭心法——从“门外汉”到“技术合伙人” ### 心法一：用“用户思维”翻译技术语言 开发说“这个需求需要分布式锁”，你该怎么理解？ **翻译版**：多个人同时操作会出错，所以需要排队机制。 **用户价值**：减少操作冲突，提升体验流畅度。 **落地建议**：把技术难点翻译成用户痛点，说服团队优先解决。 ### 心法二：建立“技术信任” **主动背锅：** 某次功能延迟上线，我主动在复盘会上承认：“需求评审时没考虑到缓存穿透的问题，下次我会提前和架构师确认。”结果团队反而更愿意和我深入讨论技术细节。 **技术站台：** 当开发质疑某个需求的可行性时，我会说：“这个方案在抖音/美团已经验证过，他们通过XX技术解决了XX问题，我们可以参考。” ### 心法三：用“工具武装自己” **数据看板：** 用Superset做实时数据监控，发现某个功能上线后DAU下降20%，直接推动开发紧急修复。 **流程工具：** 用飞书妙记记录会议内容，自动生成需求网页+排期表，让技术团队刮目相看。 ## 四、那些年我们踩过的技术坑——血泪教训总结 **坑1：过度追求完美** 某次想做一个“智能客服问答系统”，要求支持多轮对话、情感分析、实时翻译。结果半年后功能还没上线，而竞品已经用简单FAQ+人工客服组合拳抢占了市场。**教训**：先做MVP验证核心价值，再逐步迭代。 **坑2：忽视技术边界** 在设计“社交电商”功能时，想让用户实时看到好友的购买动态。开发警告说：“全量同步会产生每秒10万次的数据库查询”，但我不听。结果双11当天系统直接崩溃，被老板骂到怀疑人生。**教训**：复杂功能拆解成小模块，优先保障核心链路。 **坑3：闭门造车** 某次自作主张优化了推荐算法，结果用户投诉“内容越来越不感兴趣”。后来和算法工程师沟通才发现，我的“优化”其实破坏了模型的冷启动机制。**教训**：技术决策必须基于数据验证，别想当然。 ## 五、未来产品经理的生存法则——技术驱动下的进化论 **趋势1：技术民主化** 低代码平台让非技术人员也能参与开发，但产品经理的不可替代性在于**需求定义能力**。就像乐高积木，开发能拼出各种结构，但只有产品经理知道该搭个城堡还是飞船。 **趋势2：跨界复合型人才** 未来的PM可能是“技术+商业+心理学”的三栖选手。比如做老年健康产品，既要懂健康管理算法，又要了解医保政策，还得会用眼动仪做可用性测试。 **趋势3：AI辅助决策** AIGC能自动生成原型图、写PRD网页，但产品经理的核心价值将转向**复杂问题拆解**和**人性洞察。就像电影导演，AI能拍出画面，但故事内核还得导演说了算。 本文由 @佳简几何 原创发布于人人都是产品经理，未经许可，禁止转载 题图来自 Unsplash，基于 CC0 协议 该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

当前科技已经成为大国博弈的主战场，而人工智能作为第四次产业革命的核心，正成为各国竞相发展的着力点。

3月27日凌晨，阿里巴巴发布并开源首个端到端全模态大模型通义千问Qwen2.5-Omni-7B，可同时处理文本、图像、音频和视频等多种输入，并实时生成文本与自然语音合成输出。在权威的多模态融合任务OmniBench等测评中，Qwen2.5-Omni刷新业界纪录，全维度远超Google的Gemini-1.5-Pro等同类模型。Qwen2.5-Omni以接近人类的多感官方式「立体」认知世界并与之实时交互，还能通过音视频识别情绪，在复杂任务中进行更智能、更自然的反馈与决策。现在，开发者和企业可免费下载商用Qwen2.5-Omni，手机等终端智能硬件也可轻松部署运行。    图示 性能测评对比   Qwen2.5-Omni采用了通义团队全新首创的Thinker-Talker双核架构、Position Embedding （位置嵌入）融合音视频技术、位置编码算法TMRoPE（Time-aligned Multimodal RoPE）。双核架构Thinker-Talker让Qwen2.5-Omni拥有了人类的“大脑”和“发声器”，形成了端到端的统一模型架构，实现了实时语义理解与语音生成的高效协同。具体而言，Qwen2.5-Omni支持文本、图像、音频和视频等多种输入形式，可同时感知所有模态输入，并以流式处理方式实时生成文本与自然语音响应。   得益于上述突破性创新技术，Qwen2.5-Omni在一系列同等规模的单模态模型权威基准测试中，展现出了全球最强的全模态优异性能，其在语音理解、图片理解、视频理解、语音生成等领域的测评分数，均领先于专门的Audio或VL模型，且语音生成测评分数（4.51）达到了与人类持平的能力。   相较于动辄数千亿参数的闭源大模型，Qwen2.5-Omni以7B的小尺寸让全模态大模型在产业上的广泛应用成为可能。即便在手机上，也能轻松部署和应用Qwen2.5-Omni模型。当前，Qwen2.5-Omni已在魔搭社区和Hugging Face 同步开源，用户也可在Qwen Chat上直接体验。   从2023年起，阿里通义团队就陆续开发了覆盖0.5B、1.5B、3B、7B、14B、32B、72B、110B等参数的200多款「全尺寸」大模型，囊括文本生成模型、视觉理解/生成模型、语音理解/生成模型、文生图及视频模型等「全模态」，真正实现了让普通用户和企业都用得上、用得起AI大模型。截至目前，海内外AI开源社区中千问Qwen的衍生模型数量突破10万，超越美国Llama系列模型，是公认的全球第一开源模型。

快速发展的AI技术，正在提升古籍的整理效率与推广成果。3月26日，“我用AI校古籍——我是‘校书官’古籍大众智能整理计划（2025年）”启动仪式暨“古籍数字化前沿论坛”在武汉大学召开。活动由全国高等院校古籍整理研究工作委员会、北京大学数字人文研究中心和字节跳动公益联合主办，将征集全国高校大学生和社会公众，利用“识典古籍”整理平台，共同参与古籍数字化整理工作。   “我用AI校古籍”启动仪式合影 启动仪式上，字节跳动公益相关负责人介绍了活动的整体规划。本次活动面向对古籍整理感兴趣的高校大学生和社会上的古籍整理爱好者开放，覆盖春季（3月26日-5月31日）、夏季（7月1日-8月20日）、秋季（9月22日-11月30日）三个阶段，分为初阶和进阶两类任务。初阶组参与“识典古籍”自动古籍文字识别（OCR）结果的文字校对，进阶组负责文字精校和标点校对等高阶任务。目前已有22所院校承办，参与者将获得实践证书、徽章、校书俑周边等奖励。   活动将依托“识典古籍”平台进行。该平台结合了字节跳动的AI技术优势、产品研发能力，以及北京大学数字人文研究中心的学术能力，具备分词检索、AI助手等阅读功能，以及自动古籍文字识别(OCR)、自动标点等古籍整理功能，可有效提升古籍的阅读、理解、研究和利用效率。“识典古籍”平台对公众免费开放，已上线超16000部古籍资源，累计有上亿人次通过该平台阅读和利用古籍。   本次活动中，参与者将充分利用“识典古籍”的古籍整理功能，对人工智能根据古籍图片自动生成的文字、标点等进行校对。据介绍，“识典古籍”可对自动识别过程中不确定的文本进行颜色标记，快速定位可能存在问题的文字和图片位置，自动命名人名、地名、书名、时间、职官等实体，并支持撰写数字校勘记。根据实际使用反馈，“识典古籍”AI技术可以数倍提升古籍的整理效率。  “识典古籍”整理平台截图 AI技术的加持，不仅提升了古籍的数字化效率，同时也降低了参与古籍整理的门槛，普通大学生乃至社会爱好者均可参与其中。本次活动将对参与者进行专业化、体系化的实操培训，并精选与现代生活、现代学科体系紧密相连的古籍进行整理。随着古籍整理任务的进行，参与者还有机会接触并深入了解诸如哈佛燕京藏书、敦煌文献、永乐大典等极具影响力和文化价值的古籍，在校对过程中了解古籍中蕴含的文化与智慧。   据了解，“我是‘校书官’古籍大众智能整理计划”已举办至第二届。2024年举办的首届活动吸引了1210所高校学生报名，整理古籍1643部。参与者中，大学本科占绝大多数，包含汉语言文学、历史学等古籍整理相关专业学生。在AI技术的加持下，许多医学、金融学专业学生乃至社会人士也加入其中。活动满足了大学生和社会爱好者对于古籍阅读的需求，降低了古籍整理的门槛，也促进了古籍数字化。    作为此次活动的主办方之一，字节跳动公益从2021年6月起就开始通过公益捐赠助力古籍修复，并持续投入技术、平台资源来开展古籍数字化与活化。2022年10月，由字节跳动公益联合北京大学数字人文研究中心共建的“识典古籍”平台上线，为整理和阅读古籍提供了便捷渠道。此外，字节跳动公益还通过“寻找古籍守护人”“识典杯·古籍内容创意季”等活动，推出《穿越时空的古籍》纪录片、《重回永乐大典》短剧等方式推动古籍活化，让古籍更好地走向大众。

 近日，Square Enix分别在日本东京、美国西雅图对《钢岚》发行商香港十树游戏再次提起诉讼，称 《钢岚》使用了大量基于此前授权合作项目 《前线任务》的授权协议而开发的素材，并且提供了大量对比截图。  此前， Square Enix将《前线任务》 IP授权给紫龙游戏，用于开发《前线任务》IP手游，也就是《2089：边境》，但后续这项合作项目被终止，接着紫龙就推出了名为《钢岚》的原创项目。  而早在去年，Square Enix就已经起诉过香港十树游戏，并要求其作出修改，随后十树称已经对涉及IP的部分进行了更改，但Square Enix表示并非全部相关内容都被删除，所以向上架了该游戏的各大平台发出了DMCA通知，​要求下架《钢岚》。 而今日，香港十树游戏回应了本次的起诉案件，官方表示：“感谢各位玩家们一直以来对《钢岚》的喜爱，针对Square Enix对我们提起的诉讼，香港十树游戏目前正在审慎推进事项，力求友好解决此事。  对于由此造成的任何担忧和不便，我们向用户和其他有关方面深表歉意。我们将继续把客户的支持放在第一位，并努力进一步改善我们的服务。我们希望您能继续安心地享受《钢岚》。”

3月26日消息，阿里巴巴集团副总裁、淘宝平台事业部总裁处端在2025天猫超级品牌私享会上表示，2025年前三个月淘宝天猫平台日均首购消费者相比去年同期增长数倍，“在高用户增速下，面向商家，淘宝天猫将加强扶持好创造力、好服务商家增长提速”。   在处端看来，当前电商行业面临更激烈的行业竞争，消费者对于商家的商品及服务体验也提出了更高要求，这既是新挑战也是新机遇。今年，淘宝天猫不仅要加大用户增长投入，也与商家一起用好服务让消费者念念不忘。   “我们不仅要把用户（User）变成消费者（Consumer），更要变成成熟消费者（Mature）和VIP客户（指88VIP）”，处端表示。随之而来，平台今年还将会把创造力和好服务进一步引入进市场机制中，商家的商品和服务越好，流量就越多，消费者体验就越好，从而引领平台生态走向体验加速增长的正循环。  具体而言，为了带来更多消费者，淘宝天猫平台今年用于用户增长的投入，相比去年将翻倍。同时，通过与支付宝、微信支付、云闪付等支付机构的合作，淘宝天猫正加速将新用户变成消费者，年轻消费者的增长也在加速。平台“蛋糕”更大，优质商家就能从中获得更多增长机会。而在产品层面，淘宝天猫也将针对红包签到、收藏、关注等产品更新，持续培养用户回访、复购习惯。   值得一提的是，为了让更多新用户转化为消费者，并逐步成长为成熟消费者、VIP消费者，淘宝天猫今年还将加大对88VIP、省钱月卡等产品的投入。   具体而言，为了更好服务88VIP用户群体，淘宝天猫今年将进一步根据淘气值进行分层升级，提供更多增量权益，88VIP用户体验将进一步提升。针对省钱月卡，淘宝天猫今年将逐步面向全体用户开放，让用户转变为平台消费者，进而培养消费者在平台的复购习惯。   更多用户、更多复购，也就意味着更多生意机会。处端表示，“今年淘宝将投入更多资源，聚焦帮助好创造力、好服务商家加速增长”。 同时，淘宝天猫还将持续升级AI客服工具店小蜜，在保障服务质量的同时降低商家的经营成本。   “今年将是淘宝天猫与商家全面聚焦增长的一年，我们希望商家与淘宝天猫一道，抓住新机遇，实现加速增长，构建商家、平台、消费者的共生生态”，处端表示。 雷峰网

“债牛”下的利润暴增还可以持续吗？

2025年，预计银行负债端降成本难以完全对冲资产收益下降的影响。

 由《吸血鬼幸存者》《黑暗地牢》《雨中冒险》《夜族崛起》等开发团队联合组建的“iii计划”（Triple-i Initiative） 2025独游展示会 定档4月10日北京时间24：00。 &lt;内嵌内容，请前往机核查看&gt;  本届“iii计划”独游展示会将展示包括《Enshrouded》《X4: Foundations》等37款游戏的新动向，依旧秉持0广告植入、0主持环节并只关于专注于游戏。展示会将在哔哩哔哩、斗鱼、虎牙、小黑盒及Steam全球同步直播。

“基因组在生命过程中不断积累突变，这个过程从一开始就不会停止。奇迹的是，我们的身体竟然还能运转得如此顺畅。”

腹地稳固，向外扩张。

储能提速、资本出海，宁德时代驶向第二增长曲线与港股舞台。

希望中国茶饮、中国品牌能够真的在全球遍地开花、硕果累累，在修炼好内功的基础上，真正做出具备国际基因和调性的国际化品牌。

 Khara所属的动画导演、动画人前田真宏的首部画集《杂 前田真宏 杂画集》（雑 前田真宏 雑画集）在2月28日发售。为纪念画集发售，官方宣布将于4月5日~30日在东京大垣书店麻布台HIlls店举办前田真宏艺术展。  展会将展出从画集中精选的高精度复制原画，另外也会展出前田真宏为展会专门绘制的作品，并贩售各类周边。在展会期间，每日开展时间为上午10点~19点（北京时间），入场免费。     前田真宏出生于1963年，作为动画导演的代表作品有《青之六号》《岩窟王》《新世纪福音战士剧场版：终》等，并以原画、分镜、演出、设定的身份参与过众多动画作品。首部画集《杂 前田真宏 杂画集》在2月28日发售，共240页，定价6600日元（含税）。

 《inZOI（云族裔）》官方宣布，游戏的抢先体验版不会使用Denuvo。此前， 游戏并未在商店页面明确标注DRM信息，仅有一份第三方用户许可协议（EULA） 但却有玩家们发现了游戏使用了Denuvo的现象，因此引起了玩家群体的一些不满以及对游戏优化的担忧。  游戏的制作人金亨俊表示：“ 我们最初引入Denuvo是为了防止游戏被篡改是保护普通玩家的基本举措。因此，我们在inZOI：创意工坊中应用了Denuvo。然而，这是我们判断上的失误，未能充分反映大家对inZOI的期望和看法。同时，未能在事前告知大家这一点，也是一个明显的错误，我们对此深感歉意。  我们知道，移除Denuvo可能会让游戏被篡改的风险出现，但我们同时也希望通过这一决策，让更多的二次创作内容得以产出，希望inZOI能够与社区玩家一起长期成长和发展。 我们还反问过自己：“使用Denuvo是否符合我们‘玩家优先’的理念？”我们得出的答案是“不符合”。我们相信，inZOI的发展方向应当是与玩家共同打造的游戏，最重要的是聆听大家的声音，回报大家的期待。这是inZOI应该坚持的方向。 ” 由于我们最初的判断失误，给社区玩家带来了不便和困扰，在此再次向大家表示真诚歉意。我们始终将玩家放在首位，竭尽全力通过inZOI提供最佳体验，建立信任。我们将继续聆听、学习，并不断进步。感谢各位创造者的关注与热情反馈，希望大家继续提出宝贵意见，让inZOI成长为更好的游戏。

专业“送走”日本人。

从算法偏见到数据安全：解码AI时代的金融消保突围战。

在竞争中合作，在合作中竞争。

昆仑万维进入调整期？

海外延续狂飙，国内预期差更大。

既要充分利用金融科技带来的便利，也要警惕套路营销，保护自己的权益，这才是我们每个人真正需要做的事情。

 聚焦动画制作幕后的纪录片节目《全球热门制造者 日本动画的创新者们》（グローバルヒットメーカー ジャパンアニメの革新者たち）将于3月27日晚19点（北京时间）在NHK BS播出。   本期节目的采访对象为《蓦然回首》的导演押山清高，将拍摄新作的制作现场。除押山清高外，参与《蓦然回首》的井上俊之以及多位知名动画制作人如西尾大介、鹫尾天、大冢学、林祐一郎、押井守、Michael Arias都会在节目中登场，演员南沙良负责旁白。  以下为参与节目的动画制作人名单： 出演：押山清高（アニメーション監督）、井上俊之（アニメーター）、大塚学（MAPPA代表取締役社長）、押井守（映画監督）、ケン・ツムラ（映画プロデューサー）、西尾大介（アニメーション監督）、林祐一郎（アニメーション監督）、氷川竜介（アニメ文化研究者・明治大学大学院特任教授）、マイケル・アリアス（映画監督）、牧田佳織（アニメーション監督）、鷲尾天（アニメプロデューサー）

DeepSeek的开源风暴撕开了技术普惠的入口，但医疗的特殊性注定，这里没有大力出奇迹，只有一寸寸啃下临床痛点的笨功夫。

科技属性或被重估。