值得记忆的文章，需要摘录到知识卡片上～
Midjourney 人物一致性已上线
可以连续生成同一个角色的图片，有助于视频生成角色一致性～
AI 产品榜
推荐了 aicpb.com AI 产品榜
Gradio
Gradio 是一个开源的 Python 库，它允许开发者快速为机器学习模型创建交互式的 Web 界面。通过 Gradio，开发者可以很容易地展示他们的模型或算法，无需深入了解前端开发技术。它对于演示、测试模型或者促进非技术用户理解和使用机器学习模型非常有用。
使用 Gradio，你可以为模型构建输入输出界面，比如上传图片、输入文本、绘制图像或选择选项，然后展示模型的预测或输出结果，比如文本、图片或表格。这使得展示模型的功能变得直观且互动性强，不需要用户编写任何代码就能测试模型。
例如，如果你有一个图像分类模型，你可以使用 Gradio 快速创建一个界面，用户可以上传图片，模型则返回它的类别预测。或者，对于一个文本生成的模型，用户可以输入一段文本，模型则在此基础上生成续写内容。
Gradio 可以轻松集成到现有的 Python 项目中，支持多种机器学习框架，如 TensorFlow, PyTorch 等，而且它提供了一些额外的功能，比如共享你的应用，只需简单地通过一个链接，其他人就可以访问你的模型界面，无需部署到服务器。
总的来说，Gradio 是一个非常实用的工具，尤其是对于希望快速展示和共享他们机器学习模型的研究者和开发者。
streamlit 也是
有赞的 AI 实践：把决定权交给用户、Copilot 和 Agent 最重要
随着 AI 的到来，会带来两个重大的变化：
第一个变化是用户不再需要在导航栏中点击来找到所需的东西，而是可以直接通过命令式的对话告诉机器他们想要什么，机器就可以给他们提供相应的内容和功能。
而第二个变化，在 AI 的帮助下，用户可以直接得到他们想要的结果。因为 AI 可以理解用户的意图，并自动执行用户的动作，直接把执行过的结果给到用户。
某种程度上，Google 搜索是第一代的人工智能，它有点像一个拥有 100 万个网页的图书馆，还有一万本书
做有赞 AI 设计的原则，这是最基本的底层原则
原则一：要控制模型含量。大模型只应用于输入和输出环节，中间需要控制其联想能力，以确保产生结果的可用性。
原则二：回到纯文本逻辑思考。忘掉图形用户界面，先回到思考的底层逻辑上，要先确保底层逻辑能通过纯文本上说清楚，而不是想着用什么样的人机交互来让用户更好地理解产品。
原则三：能选择就不录入。（录入始终是深度需求，应该尽量减少使用成本）
原则四：直接呈现答案，再做解释。
原则五：给用户交付可用的结果（区分是【1 创意工给】还是【 2 生成式直接使用】，内容行业 1、企业场景 2）
原则六：让人类来按下「回车」键。
我们认为这一轮的 AI 能够提供四种能力：
第一是 Copilot，就是助手。它能够帮助客户快速地使用产品，更好地使用产品。
第二是 Agent，自动化的能力。自动化的发报告，自动化的预警，自动化的去完成很多事情。例如，商家可以设置库存促销规则，如还有 500 件库存时打 5 折，剩下 200 件时打 6 折，以此类推。那么用户就不需要时刻盯着去改库存，因为这些事情都可以通过自动化来完成。
第三是 Insight，洞察建议能力。它能够总结周报，告诉你做得好不好，给你建议，你可以怎么改善。
第四是 AIGC，生成创意的能力。生成营销文案，优化商品标题，设计营销推广海报，优化商品图片等等。
我必须为 5% 的用户不断地添加功能，每添加一个功能都会对 95% 的用户造成困扰。当功能越来越多，导航地图会不够用。
每一个 SaaS 产品在一开始都很好用，但随着时间的推移，它会变得越来越复杂，当然也会越来越强大。从某种程度上来说，拥有更多的功能才能带来更好的体验，如果没有这些功能，就无从谈起体验。但是当拥有这些功能之后，易用性可能就没那么好了。
因此，左边的 GUI 解决的是常用问题，CUI 加上自动化执行解决的是所有问题。
AI 的到来带来了非常大的变化，GUI 加上 CUI，让产品不再害怕功能庞大。
你今天给我提啥功能我都敢给你做，因为我只会把这个功能展示给你看。当你需要使用这个功能时，只要说一声，它就会被唤起，甚至会自动化地帮助你执行，而不会骚扰到其他用户。
和移动互联网发展不一样，这轮 AI 并非如此，它提供了更多的创意供给，更自动化、更高效的作业方式，让重复性劳动和技术含量不高的工作可以由机器更准确地完成，创意供给也变得越来越多。
我记得哈佛有个研究人类行为的教授切诺韦思写过一本书，他在书里说，如果你要搞一次社会运动，只需要 3.5% 的人真诚地参与，就能搞定。这个事情不是需要所有人参与，只要有 3.5% 的人真诚地参与和带动就能做成。所以我认为公司里即使要 all in AI，也不需要所有人都冲进去，这可能不是一个好的选择。
他们需要逐渐地被卷进来。
Chenoweth 通过这项研究提出了“3.5%规则”，这个理论认为，如果一个社会运动能够动员总人口中 3.5%的人积极参与，那么该运动极有可能成功实现其目标。这个数字并不是说只有 3.5%的人参与就足够了，而是基于历史案例分析得出，成功的非暴力抗议运动至少有 3.5%的人口参与。
太用力的人走不远
耶基斯多德森定律，是指：
动机强度和工作效率之间的关系，不是线性关系，而是呈倒 U 型曲线的。
不同的任务难度中影响工作效率的动机水平也有所不同。
先解释第一点：在中等难度的任务中，动机水平维持中等程度是最佳的。
过高的动机水平引起焦虑等不良情绪，从而影响问题解决的能力；而过低的动机水平又不足以唤起个体。因此，实验证明，中等水平强度的动机，最有利于中等程度任务的完成。
提高紧迫感的设计
确实提高了我的紧迫感。
绑卡 14 Days Free，Paypal 7 Days Free，每一步都在提醒用户选什么
从 SaaS 到 AI 出海，我所经历的那些 10x 增长时刻｜ Linkloud 沙龙第十七期实录精选
什么样的工具能够让用户越使用产品的同时，也能带来更多的新用户。
我的结论是这样的几个点：
- 产出结果是个性化的，新颖的
- 产出结果是所见即所得的
- 产出结果有被分享的必要
- 制作时间成本低
你的产品提供的体验是需要是新颖的
当我们选择做产品的时候，到底是优先考虑做用户还是做收入？
当我们去评价自己的获客成本到底是贵还是便宜的时候，其实更应该关注 ROI。
- 我们开始尝试做一些数据分析，看看到底如何进一步优化。
- 工具产品的首要事情还是应该优化单用户的 LTV，一个很朴素的推理叫做更好的用户的单元经济。单个用户能付更多钱，意味着有更多的弹药去买到更多的流量，当 ROI 越高意味着买量和经营的容错率更高。
LTV（客户终生价值）
LTV 是指一个客户在与企业交往的整个周期内预期为企业创造的价值。它是衡量客户价值和公司盈利能力的长期指标。通过计算 LTV，公司可以了解保持一个客户的价值，这有助于决定公司应该投入多少资源用于客户的获取和保持。LTV 的高低直接影响企业的营销策略、产品定价、客户服务等多个方面。
LTV 的计算方法通常是基于客户平均购买频率、平均订单价值和客户关系持续时间的估计。
CAC（客户获取成本）CAC 是公司在获得每位新客户上所花费的平均成本。它包括所有营销和销售费用，如广告费用、促销费用、销售人员工资、营销活动相关支出等。CAC 的计算公式是将一定时期内的总营销和销售成本除以同期内获得的新客户数量。
计算 CAC 能帮助企业了解获取一名新客户所需要的成本，这对平衡营销策略、优化广告预算、提升客户获取效率等方面至关重要。
理想情况下，一个企业的 LTV 应该远大于其 CAC，这意味着客户在他们的生命周期内为企业带来的利润远大于获取他们时的成本。LTV/CAC 比值经常被用作衡量企业获取新客户的效率和盈利性的指标。一般来说，一个健康的业务至少应该保持 LTV 比 CAC 高 3 倍，这样企业才有足够的利润空间来覆盖其他运营成本并保持可持续增长。
数据分析
- 数仓解决的问题是我要以任意维度在数亿条数据里取任意列的时候，它依然能够在秒级内得到结算结果
- BI 系统解决的问题是非技术人员，比如业务员也能够很敏捷的随时查看自己关注的指标以及分享给同事
ROI 优化
注册流程对我们的用户 LTV 我的主观感受是起码有两倍的影响。
交互和视觉会占一倍的影响，这是我们在其他海外产品身上观察到的一个小的优化。比如在付费界面，大家的年付都会在月付的基础上做一些折扣，比如 7 折，比较常规的做法就是付费版本上加一个小角标，写明 7 折。但这个产品就额外做了一个交互，就是弹出一个礼包窗口，引导用户点击拆开，拆开后弹出 7 折的 offer。虽然你价格没变化，同样也传达了 7 折 offer 这个信息，但是付费率可能就会提高一倍以上。有时候我们需要一个更恰当的交互去传递价值感受。
收款渠道
关于定价策略，你需要先想清楚到底是让用户月付还是年付？在不同的付款周期里给多少相应的折扣等等。
营销
- 短期的营销也会带来长效的增长
Javascript 大数据处理性能优化
客户端可能较少遇到这样的场景，算是涨见识了
我们为什么想提高效率
I believe we want to be productive so we can achieve our highest potential.
https://thinkingthrough.substack.com/p/why-be-productive
因为可以发挥更大潜力，可以解放自己去做更难的事情