Your address will show here +12 34 56 78
SEO/网站优化

QQ截图20180226085710.jpg

编者按:设计与文案息息相关,学习文案可以让视觉传达更加精准和效率。本文通俗易懂,超多案例,设计师也能轻松掌握文案技巧。

有一个很有趣的现象:

我们在工资方面,相对于和自己比,更喜欢和别人去比。

比如,你之前在一家公司月薪8000,然后跳槽到了另一家你喜欢的公司,月薪12000,你很高兴。

而更令人高兴的是,半年后,公司又给你足足涨了4000,你拿到了 16000 的工资。比之前月薪 8000 翻了一翻。

但是,有一天你发现这个公司其他人都至少月薪18000,这个时候你可能就不开心了,即使你赚了更多钱,是之前的 2 倍。

所以,我们发现在每个人判断自己值多少钱的时候,其实很不理性,大多都是有个参照物的,而这个参照物,常常就是他身边的人。

这个有趣的现象还反映在我们买东西的时候,我们经常会因为一个 10 块钱的东西能不能再优惠 1 块钱,跟商家你来我往推半天太极。

而一个 10000 元的东西能否再优惠 50 元,好像我们并不是太在意。

这就很有意思, 50 元明明和 1 元有 50 倍的差距,我们却更看重那个 1 元钱。

很简单,因为我们并没有直接去对比优惠额这个实质的东西,而是在把优惠和产品本身价格做对比,从而判断它的价值。

那么,相对于 10 元, 1 块钱是它的1/10,它是有价值的;而相对 10000 元, 50 元仅仅只占到1/200,那么它看起来价值好像就没那么高了。

所以啊,人在判断价值的时候一直都是相对的,我们天生就喜欢对比,而这个“对比”在很大程度上影响了我们的各种决策。

利用对比,是人类觉醒的又一个最原始本能,它无比强大,根本就是无处不在,我们总是会进行对比,欲罢不能。

那这样一个人类的最原始本能,如果用到营销运营中会怎么样呢?

杀招,绝对的杀招!

如果你不信,那我来举一个风靡全球无数年的营销技巧,国内国外、大街小巷、线上线下无处不在:

原价399

现价99

这应该是我见过最强大的营销文案之一了,而它就是利用人类这个最原始的对比本能。

服不服?世界 500 强大企业都服!因为他们也都在用。

普布利柳斯·西鲁斯,他这样说:“一件东西的价值就是购买者愿意为它支付的价格。

但问题是,购买者也并不知道应该支付多少价格?

这就尴尬了!

一个东西值多少价格,人们根本不知道。人类脑子里没有一个“内部估值系统”来直接告诉我们,某个东西的价值是多少,而都是通过对比来估算价值。

比如我们要卖一个二手车的时候,自己也不知道可以卖多少,所以经常会问身边的朋友他当时那个二手车卖了多少,然后心理大概就有底了。

所以说嘛,没有对比就没有伤害,你以为这句话是空穴来风吗?它也是有科学依据的。

那我们在营销运营中可以怎样来放大这个人类本能呢?

事实是,确实有很多妙招是能够“左右“消费者的最终决策。下面木木老贼给大家分享几个关于“对比”的营销运营妙招。

1. 增加诱饵项

人们对不相上下的选项进行选择时,因为第三个新选项(诱饵)的加入,会使某个旧选项显得更有吸引力。

这就是我们在营销策划里常说的“诱饵效应”,它是利用人们对比心理的一个典型方法。

比如《怪诞行为学》里有这么个例子:

拉普是一家餐馆的顾问,餐馆付他钱让他来策划这家店的餐单和定价,拉普随后了解到一个现象:餐单上主菜的高标价,即使没人点,也能给餐馆增加盈利。

为什么?

因为人们一般不会点餐单上最贵的菜,但他们很可能会点排第二位的。

这样,他给这家餐馆创造出一道高价菜,并修改了菜单,然后很多客户被“引诱”去点了第二贵的菜。

在这其中,餐单上增加的一个高标价的菜就是一个“诱饵项”,而它促进点击的那个排第二位的菜就是通常称作的“目标项”。

诱饵项的加入往往能够让消费者有更直观的对比,能够很快就找到那个自己觉得“很合理”的选项。

比如有些商店总是会放一些基本卖不出去的高价货,质量也没多好,可就是贵。这就是刻意放的“诱饵项”,它会让其他商品显得更加“物美价廉”。

2. 善用锚定

数十年前,自然学家康拉德·洛伦茨发现刚出壳的幼鹅会深深依赖它们第一眼看到的生物(一般是母鹅)。

洛伦茨在一次实验中发现,他无意中被刚出壳的幼鹅们第一眼看到,它们从此就一直紧跟着他直到长大。

由此,洛伦茨证明了幼鹅不仅根据它们出生时的初次发现来作决定,而且决定一经形成,就坚持不变。洛伦茨把这一自然现象称做“印记”。

而事实证明,我们的第一印象和决定也会成为印记,比如我们看见一个产品,在第一眼看到它的价格时,会对我们购买这一产品的出价意愿产生长期影响,这就是“锚”!

比如原价1999,现价199。

这个 1999 就是一个锚定价格,它提升了用户对于这个产品的价值感知,这个产品质量不错,值 1999 元。

如果没有这个锚定,只有现价 199 元,那就会让用户觉得这个产品很廉价,而不是打折的惊喜。

再比如就有人做过这样一个实验,他们把消费者分成两组,分别问一种消炎药值多少钱。

第一组:你觉得这盒消炎药多少钱?然后结果是,大部分估价 50 元左右。

第二组:你觉得这盒消炎药价格是高于还是低于 500 元?然后结果是,即使第二组所有人都觉得这个感冒药不可能有 500 元,但是他们仍然估出了不合理的高价格: 200 元。

在这里,第二组消费者刚开始被问的这个“ 500 元”就是一次锚定,它让消费者对产品的估值提高,而且一切都发生在隐藏中,潜移默化。

这就是为啥随便一个东西,如果放进高档品牌店,我们都会觉得肯定应该比较贵。

所以说,这也再次证明了上面说的,消费者是没有一个内部估值系统的,都是通过对比来估值的。而“锚”就是一个隐形对比项,它会直接影响消费者的价值判断。

到这,我们已经知道“诱饵项”和“锚定”二个比较内敛的对比妙招了,接下来会分享 3 个比较直接的技巧。

而首当其冲的就是利用参照物。

0

建站经验

想象一下你的老板给了你 10 万张无标签的图片,并要求你将它们分类为凉鞋、裤子、靴子等等。

现在你有一大堆没有标签的数据,你需要为这些数据打上标签。你该怎么办呢?

这个问题是司空见惯的。许多公司都在数据的大海里遨游,不论是交易数据、物联网传感器产生的海量数据、安全日志,还是图像、语音数据等等,这些都是未标注的数据。

用这么少的标注数据,对于所有企业中的数据科学家来说,建立机器学习模型都是一个单调乏味的过程。

以 Google 的街景数据为例,Gebru 不得不弄清楚如何用很少的带有标签的数据为五千万张图片贴上汽车标签。

在 Facebook,工程师们使用算法来标注 50 万个视频,这个任务使用其他的方法需要花费 16 年的时间。

这篇文章将向您展示如何用一个下午的时间标注数十万张图片。无论是标注图像还是标注传统表格数据(例如,识别网络安全攻击或可能的部件故障),都可以使用同样的方法。

手工标注的方法

对大多数数据科学家来说,如果他们被要求去做某件事,他们首先会想一想有没有其他可以替代的人去做这件事。

但是 10 万张图片可能会让您在 Mechanical Turk 或类似的其他竞争平台上花费至少 30,000 美元。

你的老板期望以较低的代价来做这件事,因为毕竟,他们聘请了你。现在,除了你的工资以外,她没有其他任何的预算(如果你不相信我,请去 pydata)。

你深吸了一口气,想了一下你可以在一个小时内标完 200 张图片。所以这意味着在三个星期内不停地工作,你就可以标完所有的数据!哎呀!

建立一个简单的模型

第一个想法是标记一部分图片,用它们训练一个机器学习模型,然后用来预测剩下的图片的标签。

对于这个练习,我使用的是 Fashion-MNIST 数据集(你也可以用 quickdraw 来制作自己的数据集)。

有十个类别的图像要我们去做识别,下面是它们的样子:

看到这个数据集我很高兴,因为每幅图片都是由 28×28 像素组成的,这意味着它包含 784 个独特的特征/变量。

对于我要写一篇博客文章来说,这些特征很好,但是在现实世界中你是绝对看不到这样的数据集的,它们往往要么窄得多(传统的表格业务问题数据集),要么宽得多(真实图像要大得多,而且由不同的颜色组成)。

我使用最常见的数据科学算法来建立模型,包括:逻辑回归,支持向量机(SVM),随机森林和 Gradient  Boosted Machines(GBM) 。

我根据它们在 100、200、500、1000 和 2000 张图片上的标注效果来评测它们的性能。

如果你看到这个地方了,那么你应该放慢速度,仔细研究一下这张图。这张图里有很多好东西。

哪个算法最好呢?(如果你是一个数据科学家,你不应该为这个问题而困惑。)问题的答案其实取决于需求环境。

0

建站经验

站长之家注:本文已获得腾讯全媒派授权。

巨头们迷恋的个性化定制资讯,几乎已经可以精准预测你想了解的人物,感兴趣的页面和你应当了解的当地资讯。哪怕再指责他们窥探用户隐私,你也无法阻止它看到你的喜好,甚至你的财富和情绪,可怕的是,你戒不掉互联网的瘾,它也戒不掉窥私瘾。

问题是,算法在让这个世界越来越方便的同时,是否让我们的信息环境变得更好呢?或许是有的。本期全媒派(ID:quanmeipai)就来聊一聊,不断演进的算法如何改变了我们的信息环境。

算法下的智能媒体环境

不得不承认的是,推荐算法已经成为当下信息环境中不可回避的一个部分,而这些不断调整的算法,的确帮助我们更好地与互联网相处。

Facebook

信息流中增加本地新闻比例

2018 年起,Facebook开始在信息流中加大力度打击假新闻,同时更强调社交属性,宣布加大朋友分享和优质新闻源的出现比例,后又更新本地新闻比例,推荐更多朋友点击或将本地媒体发布的新闻推荐到用户首页。目前,这一系列策略已在美国推行,今年将推广到更多国家。

扎克伯格宣布 2018 年的更新动作

此外,Facebook还加入了Today In板块,目前已进入内测阶段,新奥尔良、小岩城、比林斯、皮奥瑞亚、奥林匹亚和宾厄姆顿六大城市的用户可以率先使用本功能,接收更多本地媒体资讯和当地官方发布的紧急消息。

Today In内容

新的算法采用了机器学习技术,当地媒体经由Facebook新闻合作组许可审查后,其报道能够登上Today In,在当地用户中获得更大阅读量。

扩大本地新闻在信息流中的比例也同样如此,这一举措对当地媒体或小众媒体是件好事,更集中精准的曝光量,有助于本地媒体,尤其是专注体育、艺术、情感报道的媒体巩固与读者的关系。令人欣慰的是,哪怕中心转变,它依然会继续打击假新闻、误导性报道、钓鱼新闻、情绪性新闻和不可信账号。

事实上,本地新闻(local news)属于Facebook在 2016 年特朗普意外当选美国总统后推出的新闻计划之一,其它的还有在信息流中加入突发(breaking news)和争议(disputed)标签,用技术手段控制假新闻的传播。

在信息流中加入突发标签

争议标签

0