百度作业帮-产品分析

一、商业模式分析

1.1、问答时期(2014年2月-2015年1月)

商业模式之作业帮V1.0.png

两点值得注意:

  1. 作业帮的出现有明显的历史原因,即由百度知道团队出品,因此切入K12教育初期,采取的是之前的问答模式;
  2. 作业帮初期属于流量累积期间,并未有明显的盈利模式;

1.2、搜题时期(2015年1月-8月)

商业模式之作业帮V2.0.png

四点值得注意:

  1. 随着用户需求变更(即获取答案由非即时转变为即时、操作步骤需由繁到简)、竞品的威胁的双重压力下,问答模式的转变迫在眉睫,再基于百度自身的资源、技术优势,以及竞品的出现,免费的拍照搜题模式孕育而生。也标志着作业帮由社区优先转变为工具优先;
  2. 拍照搜题的出现完全改变了人们对在线教育的看法(在线教育原来不仅仅是在线录播课),也让在线教育变得更具体、更真实,真正发挥了互联网在教育领域的威力:即高效、简单、省时、免费。同时也意味着教育领域的大数据、人工智能的到来。
  3. 即使进行了重大转变,也投入了不少人力物力财力,但作业帮依然处于流量累积阶段,尚未出现清晰的盈利模式
  4. 免费的拍照搜题让作业帮的流量发生了质的变化,可参见下图:
    百度指数-作业帮-问答转拍照搜题时期的变化.png

1.3、学习平台时期(2015年8月-至今)

商业模式之作业帮V3.0.png
  1. 学习工具(拍照搜题)->学习平台(练习->一课/1对1):由工具型产品彻底转向学习平台,当然中间还经历了练习的过渡;
  2. 流量->变现:前期通过问答的社区、免费的拍照搜题累积起来的流量,从这阶段开始进入了变现的阶段,到此真正形成了一个“四肢健全”的学习平台;
  3. 下一浪潮:人工智能:其实从搜题时期作业帮就已进入人工智能阶段,但个人认为这仅仅只是一个开始,预计在学习平台的后期其还会加码在人工智能方面投入,争取在入下一个浪潮(人工智能+互联网+教育)更进一步。
    比如脑洞一下:
  • 1对1辅导时:学生面对的不再是真人,而是一个机器人,该机器人不仅仅有名师核心技能(比如知识点全面但又能迅速提取出核心知识点、丰富的教学经验、独树一帜的教学风格等),还能根据学生的学习过程跟反馈进行自我学习和提高。
  • 辅助个性化学习:比如由机器人完成学前检测、学中捕捉学生表情和情绪反馈、学后作业/测试/练习的批改(包括主观题),并给出个性化的学习建议,同时,再根据学习的情况动态形成个性化的学习报告,并给出合理的学习路径。目前作业帮应该是已经走出了第一步:英语作文的智能批改。

二、市场分析

2.1、排名情况

2.1.1、艾瑞指数
说明/平台作业帮一起作业网小猿搜题学霸君猿题库
总榜79190199277878
非语言类教育榜123413

数据采集于艾瑞指数 (2017-12-13日)-根据最近一个月的月活设备排名

2.1.2、易观千帆
说明/平台作业帮一起作业网小猿搜题学霸君猿题库
总榜64126117262618
非语言类教育榜132727

数据采集于易观千帆 (2017年3月)

2.2、规模

2.2.1、艾瑞指数
说明/平台作业帮一起作业网小猿搜题学霸君猿题库
年均日活/万537.4122.2171.784.126.1
年均有效时长/万小时4173.5647.11217.2483.1211.2
艾瑞-作业帮-竞品-年均日均活跃设备.png

艾瑞-作业帮竞品-年均有效时长.png

数据采集于艾瑞指数(2016年12月-2017年11月期间)

由以上数据分析可知:

  • 作业帮无论从日活设备,还是有效时长来都遥遥领先于其他竞品,说明作业帮从量到质上都是K12领域里的领头羊;
  • 小猿搜题虽然排名比一起作业网靠后一点,但日活设备、有效时长整体都要优于一起作业网,说明小猿搜题整体表现要稍稍优于一起作业。
2.2.2、百度指数

1.全部数据


百度指数-全部.png

2.近半年指数(2017-6月到12月)

百度指数-半年.png

由以上数据分析可知:

  • 无论是从整体,还是最近数据分析,作业帮处于第一梯队,且优势明显;小猿搜题在第二梯队,与第三梯队也有一定优势;一起作业、学霸君、猿题库属于第三梯队;
  • 从最近半年的数据分析可知:
    9、10月表现最好,7、8月表现最差;
    周日表现最好(波峰),周六次之,而周五表现最差(波谷);
    以上两条结论证明:中小学用户群体属于明显的周期性用户,使用产品周期起伏比较明显。
2.2.3、易观千帆

1.日活数据


易观千帆-日活-2017年1月到3月.png

2.使用时长


易观千帆-使用时长-2017年1月到3月.png

由以上两组数据分析可知:

  • 作业帮:从日活、使用时长两个维度都遥遥领先于其他竞品,再次验证作业帮从量到质上都是K12领域里的领头羊;
  • 小猿搜题与一起作业:小猿搜题在日活数据略微领先一起作业的情况下,使用时长却明显长于一起作业,说明小猿搜题的在用户使用时长方面,略胜一筹,利于其从工具平台转到学习平台;
  • 学霸君与猿题库:学霸君在日活明显领先猿题库的前提下,竟然使用时长明显低于猿题库,说明学霸君的用户平均使用时长有待提高,工具属性较明显。反之,猿题库的在学习平台的转变上表现不错。
2.2.4、微信指数
微信指数-作业帮-20171220.png

由以上图表分析可知:

  • 作业帮遥遥领先于其他竞品,再次验证作业帮确实是K12领域里的领头羊;
  • 学霸君整体表现要优于小猿搜题、一起作业网,这与其他平台采集的日活、使用时长等数据表现恰恰相反。猜测可能是学霸君比较注重在微信平台上的运营、推广,或者其运营、推广的方式表现较优

三、产品分析

3.1、基本信息

  • 产品Slogan:让学习更简单
  • 宣传语:3亿用户都在用的智能学习平台,全国中小学生和家长的选择!学霸修炼好成绩就用作业帮app!
  • Android平台
    最新版本:V9.7.0
    系统:Android 4.0.3以上
    更新时间:2017-12-07
    最旧版本:V1.0.1(2014-02-15)
  • IOS平台
    最新版本:V9.6.4
    最低版本 需要 iOS 7.0 或更高版本。与 iPhone、iPad 和 iPod touch 兼容
    更新时间 2017-12-09
    最旧版本:V1.0.6(2014-03-19)
  • 开发者:小船出海教育科技(北京)有限公司

3.2、用户画像

3.2.1、百度指数用户画像(2017-11-01 至 2017-11-30)
  1. 用户省份:广东居首,北京次之


    百度指数-作业帮-省份.png
  2. 用户城市:北京居首,且优势明显,上海次之


    百度指数-作业帮-城市.png
  3. 用户年龄:30-49岁之间占比:95%,20-29岁占比3%,其他2%


    百度指数-作业帮-年龄分布.png

    由以上数据分析可知:

  • 在百度搜索“作业帮”相关信息的用户95%以上是学生的父母,而非学生本人,且作业帮用户的父母以70后、80后为主。
  • 另外,由上述结论也可知:教育产品有其本身的特殊性,即使用用户跟买单用户不是一个群体,在进行产品(或服务)的营销、推广过程中,也需相应针对这两个群体有所不同

4.用户性别:男女比例:43:57

百度指数-作业帮-性别分布.png
由以上数据分析可知: 在孩子教育上,女性投入更多

3.2.2、艾瑞指数用户画像(2017-11-01 至 2017-11-30)

1.用户省份:广东居首,山东次之

艾瑞-作业帮-使用区域-201711.png
此处结合百度指数数据分析可知: 发达地区的家长确实比较注重孩子的教育,且发达地区的孩子也更能接受在线教育的学习方式。这本身除了基础设施(网络、硬件等)较完善之外,跟父母的认知、家庭环境、生活环境等关联应该也不小。

  1. 用户年龄:24岁以下居首:76.56%,25-30岁其次:12.8%,30岁以上:10.53%


    艾瑞-作业帮-用户年龄-201711.png

    由以上数据分析可知:

  • 作业帮的主要目标用户确实是初高中生;
  • 作业帮用户里除了初高中生之外,还有接近2.4成的家长,说明现在的家长相对比较注重孩子的学习状况与环境,也愿意亲身参与、体验孩子的教育。
  1. 用户比例:男女比例:46:55,女性相对多一些,但差距不大


    艾瑞-作业帮-男女比例-201711.png

3.3、用户体验

  • 体验环境:Android平台
  • 体验版本:V 9.7.0
  • 体验手机:小米5s
3.3.1、产品定位

1.目标用户

  • 主目标用户:K12(中小学)在校生,6-24岁,90/00/10后
  • 辅目标用户:K12(中小学)学生的家长,30-49岁,70/80后
  1. 用户需求
  • 主目标用户需求:
    1)找答案:课后完成作业时,可以快速得到答案与解析、答疑;
    2)课后辅导:课后有老师辅导疑难知识点,同时最好满足免费(或极低费用)、便捷(如足不出户)、真实(如面对面)、互动(如直播语音、答题、奖励等)等条件;
    3)课后练习:随时随地可完成对应学科、教材版本、知识点的练习,并可总结出学习弱点,再进行反复练习;
    4)系统学习:在完成找答案、查缺补漏的辅导、课后练习之外,最好还有专题、系统的高互动直播课,完成提分。
  • 辅目标用户需求:
    1)筛选平台:可帮孩子找到靠谱的品牌、有效的学习平台,让孩子可以高效提分;
    2)调整学习:可根据孩子的学习报告,了解孩子学习情况,并与孩子商量后去调整学习目标。
  1. 产品目标
  • 搭建一个学习平台,让中小学学生的学习更简单、更有效;
  • 通过互联网、人工智能等技术解决教育的问题,比如教学资源分配不均、师资力量短缺、辅导费用昂贵、学生学习任务繁重等;
3.3.2、产品架构
  1. 产品结构:拍照搜题、一课、一练、1对1、我


    作业帮-产品结构图.png
  2. 产品信息架构


    作业帮-产品信息图.png
3.3.3、产品关键流程
  1. 拍照搜题流程
  • 拍照:点击“拍照搜题”进入拍照,点击“拍照”;
  • 确定:是否需要重拍,如果是,则重拍;如果否,则剪切图片后开始搜题;
  • 查看:查看题目、答案与解析(默认推荐5个答案与解析)。同时可选择直接连线1对1老师辅导,另,部分题目还支持1块钱收听老师视频解析。如果继续再搜一题,则重复以上步骤即可。
    作业帮-拍照搜题 .png
  1. 1对1答疑流程
  • 连线老师:学生是否有时长。如果有,则下一步;否则进入购买时长,是否购买。如果是则继续下一步,否则结束;
  • 开始连线:老师是否响应。如果是,则继续下一步,否则结束;
  • 开始辅导:连线成功,开始辅导(语音+白板);
  • 辅导结束:学生是否评价老师。如果是,则评价,流程结束,否则直接结束。
    作业帮-1对1辅导.png
  1. 一课报名流程
  • 查看课程:查看课程详情、教学大纲;
  • 立即报名:是否立即报名。如果是,则继续下一步;如果否,则继续判断,是否放入选课单。如果是,则继续下一步;如果否,则结束;
  • 确认支付:是否支付。如果是,则继续下一步;如果否,则结束;
  • 报名成功:流程结束,等待上课。
    作业帮-一课-报名流程.png
  1. 一课上课流程
  • 进入课堂:进入已报名的课程,直播课是否已开始(课堂允许提前30分钟进入)。如果是,则继续下一步;否则结束;
  • 上课:直播课开始后,上课(课中会有互动题,答对奖励5积分,积分可兑换课程券;互动题前10名,老师会点名鼓励);
  • 评价:直播课结束后,如果满足一定条件(比如上课5分钟以上或参加几次以上等),学生可评价老师;
    作业帮-一课-上课流程.png
  1. 练习流程
  • 选择学科:选择练习的学科;
  • 选择知识点:选择练习的知识点,同时可更改练习的教材版本;
  • 开始练习:是否放弃。如果否,则继续下一步;否则流程结束;
  • 完成练习:提交练习,查看练习答题情况(查看解析),流程结束。
    作业帮-练习流程.png
3.3.4、产品交互与视觉
  1. 交互设计
  • 主导航:采用当前比较流程的舵式导航,比较清晰、简单,用户又没学习成本,同时还突出免费“拍照搜题”这一大亮点功能。

    导航栏.png

  • 页面跳转:基本都采用左进右出+渐变的形式,与当前流行页面跳转交互保持一致。动效时间大概在300毫秒左右,不会让用户等太久,也不会有闪现的感觉;

  • 弹框:大多都采用居中弹窗(运营类/确定类)。出现时,有个从屏幕中间由小到大的动效;消失时,再由大到小。没有闪现、闪隐的感觉;

  • 主页面滑动:主页面滑动时,比较流畅不会有卡顿的感觉。同时,“一练”界面还加入了随着滚动渐变标题栏的效果,此处属于细节良心交互;

  • 课程详情:放弃了以前比较流行的Tab切换的交互,而是采用了更顺畅的交互形式,即默认进入不会有Tab切换,待用户向下滚动时,会随着滚动距离浮出Tab栏,但此Tab栏不是横向切换,而是滚动切换;让用户有不切页的感觉,比较利于长内容阅读;

    课程详情1.png

课程详情2.png
  • 点击事件:点击事件热区比较舒适,不会误点击,也不会点不到。同时加入了点击时的按压效果。此处算是做到了标准配备吧;
  • 内容加载:列表均采用了下拉刷新的交互方式,动画是一个小男孩在欢呼雀跃,会让用户觉得有趣,形象又比较符合其用户群体。H5页/详情页的加载均采用了非阻塞式交互(即H5加载动画在标题栏顶部的右边,详情页在页面居中),不会阻塞用户操作(如返回),又可以让用户知道加载是否完成,算水准以上吧。
    下拉刷新.png

    标题栏中加载.png
  • 微交互
    1)拍照搜题:每次进入App时,进入拍照搜题页,拍照搜题的大圆钮均会像心跳一样跳动一下。让用户有种怦然心动的感觉,既能吸睛,又可起到鼓励用户点击的效果;
    拍照搜题.png

2)切换导航:每次点击切换导航时,对应页面的图标会有个微交互(或慢慢的打个对勾,或是慢慢有个笑脸),此处也属业界良心吧;

3) 我的等级进度条:每次切换到“我”的界面时,默认头像会每隔的进度条都会有个从0到当前等级的动效。既能让用户觉得好玩,也起到吸引用户焦点的作用,此处属于业界良心了;

我的积分等级.png

4) 提醒登录:未登录状态,每次切换到“我”的界面时, 有3次(每次大概间隔5秒)默认头像都会有个站起来,且边说边手指向“登录/注册”按钮的动效。仿佛在说“赶紧登录啊,再不登录,福利都被别人抢走了”。
提醒登录.png

可提高的地方(个人愚见):
1)列表点击时,应该有个点击效果可能会更舒服;
2)H5页内容加载时,如果采用顶部进度条的方式可能会让用户更舒服,也更明确知悉等待进度;

2.视觉设计
以蓝色为主颜色,红色为强调色,再辅以白色做背景。整体给人一种简洁、干净的感觉。

  • 标题栏/导航栏:没选择主颜色(蓝色),而是选了跟背景色一致的白色,走扁平化的风格,让用户有种无边框的舒适感;


    标题栏.png
    导航栏.png
  • 文字(字体、大小与颜色):本人对字体研究不多,不太确定字体,但文字的大小、颜色还是铺陈的比较有层次,重点突出;


    文字.png
  • 图标:统一采用线性的图标,符合整体扁平化的设计;


    导航栏.png
  • 视觉提醒:对于比较敏感、重要的元素,采用了红色做强调,起到引起并提醒用户的作用;另外,不同班型课程采用不同颜色来做区别,有明显的视觉提醒作用,(如长期班,统一采用偏红的颜色;而专题课则采用偏紫的颜色;1元课则用偏蓝的颜色)
    个人对视觉不甚了解,只能简单说点感觉

    视觉提醒1.png

    视觉提醒2.png

视觉提醒2.1.png

视觉提醒2.2.png

视觉提醒2.3.png
3.3.5、游戏化学习设计

1.学分
推荐指数:*****(5星)
难度指数:***(3星)
参考指数:*****(5星)

  • Q、什么是学分?
    A、一课体系里的奖励机制,根据学生在直播课的表现予以学分奖励。

  • Q、如何获取学分?
    A、完成以下任务可获得学分:
    1)按时上课:按时上课+20学分,迟到+8学分;
    2)上课红包:老师会在课上发红包,抢到可+5学分;
    3)答对互动题:答对互动题时,老师会奖励一定的学分哦。个人实际上课中是答对1题得5学分
    4)按时交作业:下课后72小时内按时完成作业+7学分,作业获得ABCD等级可分别获得+4、3、1、1学分。

  • Q、学分是每个课都加吗?
    A、只有班课才有学分,每个班课的学分都是从0开始的,直到最后一节课下课3天后停止加分。

  • Q、学分有有效期吗?
    A、获得的学分无有效期,可随时消费。

  • Q、学分有什么用?
    A、学分可用于排名和换取礼物。
    1)每个班课中获得的学分可以参与此班课的学分排名,排名前30可以获得更多的学习奖励;
    2)每个班课获得的学分都会自动累积,可以在“学分商城”中查看和消费。

  • Q、为什么需要学分?
    A、学分主要有下面几个好处:
    1)量化学习过程:将学生学习班课的整个过程形成可量化的数据,比如一位学生在班课上的学习表现(主动性、完成度、参与度、成绩等),可通过学分的高低就能知道个大概;
    2)激发学习动力调动学生学习的积极性、竞争性,鼓励其参与进来,保证学生更好的完成班课,掌握知识;
    3)兑换学习力,增加复购率将学生的学习力转化成班课现金券(10学分=1元),现金券可用于其购买新的班课时抵扣现金,同时对作业帮来说,也能更好的增加复购率。另外学分还可兑换成一些特权:比如直播课聊天时,自己发言变成炫彩字;优先连麦的特权;头像挂件等

2.帮帮币
推荐指数:****(4星)
难度指数:****(4星)
参考指数:**(2星)

  • Q、什么是帮帮币?
    A、帮帮币是作业帮在问答时期留存下来的互帮互助式的一种奖励机制。发布问题必须有帮帮币,解决问题可获得对应问题的帮帮币。

  • Q、如何获取帮帮币?
    A、完成系统的悬赏任务和回答问题均可获得帮帮币。
    1)回答个题:+1帮帮币;
    2)完善资料:+25个帮帮币(填写昵称、修改头像、填写学校、填写年级);
    3)累积5个好友:+10个帮帮币;
    4)使用一次一课:+5个帮帮币;
    5)使用一次1对1辅导:+5个帮帮币;
    6)背诵一次文言文:+10个帮帮币;
    7)回答问题,并获得最佳答案:可获得题目对应奖励的帮帮币。

  • Q、帮帮币有什么用?
    A、可在“帮帮商城”兑换礼物、学习资料、抽奖机会、Q币等。

  • Q、为什么需要帮帮币?
    A、主要有下面几个好处:
    1)量化价值:可衡量学生在整个App里的活跃度、参与度,并依据此给予一定奖励,调动学生的积极性和参与度;
    2)劳力兑换:在互帮互助的社区里,必须需要一种币种来衡量学生的索取与获取,否则这个社区的平衡就会被打破;
    3)趣味性:增加整个产品的趣味性,让产品有温度、有乐趣,而不是一个一板一眼的产品。

3.勋章/荣誉
推荐指数:*** (3星)
难度指数:****(4星)
参考指数:***(3星)

  • 勋章体系说明
    1)嗯!第一课:2016年11月后报名1门直播课;
    2)好的开始:2016年11月后累积报名3门直播课;
    3)渐入佳境:2016年11月后累积报名8门直播课;
    4)孜孜不倦:2016年11月后累积报名20门直播课;
    5)学霸之星:2016年11月后累积报名40门直播课;
    6)迎刃而解:2016年11月后完成1对1辅导1次;
    7)勤学好问:2016年11月后完成1对1辅导12次;
    8)博学强记:2016年11月后完成1对1辅导60次;
    9)紧随潮流:使用不同皮肤数量超过3套;
    10)江湖留名:完善个人资料任务;

作业帮勋章体系相对比较简单,主要以1课、1对1的报名和参与为主。对用户来说鼓励性方面稍微差点,更多的是做一个标记罢了。

4.脑力竞技场
推荐指数:***** (5星)
难度指数:*****(5星)
参考指数:***(3星)

  • 特别说明:脑力竞技场虽然入口相对较隐蔽,但其功能非常齐全,甚至可以单独出来做一个完整的游戏化学习产品,因此先简单做个说明,后续考虑单独一篇文章来分析;
  • 说明:分三个模块:诗词大作战(PK)、单词星战(PK)、心算大师(PK与闯关)。主要以PK的形式,用具体的知识点作为PK的内容,边学习边游戏。基本包含了游戏的所有核心元素:PK、闯关、荣誉/勋章、排行榜、币种、等级、任务、奖品、进度反馈

5.等级

  • 特别说明:作业帮虽然有等级制度,但暂时无法知道具体的规则和说明,因此不再分析。如果您知晓此部分,麻烦留言告知,谢谢~

四、运营分析

1.App端运营分析

  • 一课:大人物课堂
    推荐指数:*****(5星)
    难度指数:*****(5星)
    参考指数:****(4星)

1)说明:每期找一位在某个领域(一般此领域与学习相关)有一定知名度的人物,来做1堂直播课(课程费用一般均为1元,降低用户决策成本)比如第1期是《最强大脑》的申一帆、第2期是哈佛大学博士后-苟利军、第3期是雨果奖得主-郝景芳;
2)入口:一课首页弹窗+轮播图;


一课大人物-轮播图.png

3)内容展现方式:H5页;


一课大人物-H5详情.png

4)参加方式:1元报名,成功之后,等待上课;
5)预热时间:1周以上;
  • 一课:1元3次课
    推荐指数:*****(5星)
    难度指数:***(3星)
    参考指数:****(4星)
    1)说明:1块钱可以上3次直播课,每次课讲1个或多个重点、难点、考点等;
    2)入口:一课首页;
    3)参与方式:1元报名。
    4)内容展现方式:H5页;

  • 一课:为好课疯狂打call
    推荐指数(3星)
    难度指数
    (2星)
    参考指数
    *(2星)
    1)说明:结合热门网络语与真实课程评语,采用比较诙谐、有趣的形式推销体系班;
    2)入口:一课首页轮播图+弹窗;
    3)参与方式:199元报名。
    4)内容展现方式:H5页;

    为你打call.png

  • 一课:寒春体系班限时优惠
    推荐指数:****(4星)
    难度指数:***(3星)
    参考指数:****(4星)
    1)说明:限时优惠打包寒春体系班,用“每天3块钱,承包你半年辅导课”的口号,再加上赠送“官方定制双肩包”、“100天时间管理手册”,以及包邮“课程资料包”的组合形式,推销体系班课;
    2)入口:一课首页轮播图+弹窗;
    3)参与方式:付费报名参与。
    4)内容展现方式:H5页;

    限时优惠-寒春体系班png.png

  • 一课:元旦特训营-陪你跨年
    推荐指数:*****(5星)
    难度指数:***(3星)
    参考指数:*****(5星)
    1)说明:节日运营类,利用节日气氛进行课程打包优惠
    2)入口:一课首页轮播图+弹窗;
    3)参与方式:付费报名参与。
    4)内容展现方式:H5页;
    5)预热时间:提前至少一周;

    元旦特训营.png

作业帮在一课部分的课程运营活动比较成体系化(如针对不同年级有不同活动、不同节日有不同活动、不同热点有不同活动),因此我们就微找出几个作为参考。

  • 1对1:圣诞来送礼-拆礼盒有惊喜
    推荐指数:*****(5星)
    难度指数:*(1星)
    参考指数:*****(5星)
    1)说明:节日运营类,利用节日气氛、调性来做免费领取优惠券的活动,比如圣诞节老人送礼本就符合圣诞节的气氛和调性;
    2)入口:1对1首页轮播图;
    3)参与方式:可免费领取3张优惠券(每张金额1-3元不等),满9.9元可用。
    4)内容展现方式:H5页;
    5)预热时间:提前至少一周;

    圣诞老人送礼.png

  • 1对1:新用户特享
    推荐指数:*****(5星)
    难度指数:*(1星)
    参考指数:*****(5星)
    1)说明:新用户类活动,原价59元,新用户9.9元,同时还可享受优惠券(比如圣诞礼盒的优惠券),降低第一次使用的门槛;
    2)入口:1对1首页;
    3)参与方式:新用户购课时即可享受。
    4)内容展现方式:H5页;

    新用户特享.png

  • 1练:模拟考试
    推荐指数:*****(5星)
    难度指数:***(3星)
    参考指数:*****(5星)
    1)说明:根据中高考的考试节奏,会进行免费的模拟考试(比如第一轮、第二轮、中/高考等),考前、考后还可与同学们交流,当然,少不了的还可以晒你的考试分数;
    2)入口:消息推送+1练轮播图;
    3)参与方式:报名即可,有时会收费1-3元左右。

作业帮整个运营体系较大,也比较完善,在此就不一一列举。毕竟运营本身重要的还是要了解运营的目的、产品的需求、用户的痛点之后,比较有节奏性、针对性的去做,然后在做的过程中不断反思迭代,形成一套适合自己产品的运营体系。

五、写在最后

  1. 声明:关于作业帮App的产品分析就暂时到此,有不详尽、不正确之处,还望各位看官谅解,毕竟我还只是一个“产品宝宝”;
  2. 运营分析:运营部分只分析了App端的运营,对于其自媒体(微信/微博)、社区(知乎/豆瓣/贴吧等)的运营不再此文分析的范围;
  3. 市场分析:此模块的数据大多采集自第三方开放平台,数据不全、不正确之处,还望海涵;
  4. 最后的最后:感谢各位看官的收看,欢迎留言交流,咱们下期再会~
      </div></div>

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481129.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【Python自然语言处理】中文分词技术——统计分词

中文分词方法 本文参考自书籍《Python自然语言处理实战&#xff1a;核心技术与算法》 用做个人的学习笔记和分享 1. 规则分词 规则分词的详细笔记 2. 统计分词 2.1 一般步骤 建立统计语言模型。句子划分为单词&#xff0c;对划分结果进行概率分析&#xff0c;获得概率最大的…

你的模型真的陷入局部最优点了吗?

小夕曾经收到过一个提问&#xff1a;“小夕&#xff0c;我的模型总是在前几次迭代后很快收敛了&#xff0c;陷入到了一个局部最优点&#xff0c;怎么也跳不出来&#xff0c;怎么办&#xff1f;”本文不是单纯对这个问题的回答&#xff0c;不是罗列工程tricks&#xff0c;而是希…

如何与深度学习服务器优雅的交互?(长期更新)

0. 故事序言 如果有人问小夕&#xff1a;"小夕&#xff0c;要是人工智能的就业岗位一夜之间消失了&#xff0c;你会去转行做什么呢&#xff1f;" 答曰&#xff1a;"当然是去做Linux运维啊23333" 小夕有一台自己负责的GPU服务器&#xff0c;她可让小夕操碎了…

风控模型师面试准备--技术篇(逻辑回归、决策树、集成学习)

原文地址&#xff1a;https://zhuanlan.zhihu.com/p/56175215 编辑于2019-02-12&#xff0c;持续更新中&#xff0c;有风控建模工作经验的&#xff0c;或者想转行风控建模的小伙伴可以互相交流下... 一.算法 逻辑回归决策树集成学习&#xff08;随机森林&#xff0c;Adaboost&…

step-by-step: 夕小瑶版神经网络调参指南(上)

距离上一篇文章已经过去好久好久好久啦。闭关几个月后&#xff0c;其实早有继续码文章的打算&#xff0c;先后写了一下核函数与神经网络的一些思考、文本预处理tricks、不均衡文本分类问题、多标签分类问题、tensorflow常用tricks、噪声对比估算与负采样等文章&#xff0c;结果…

谷歌发布端到端AI平台,还有用于视频和表格的AutoML、文档理解API等多款工具

谷歌又有了大动作。在大洋彼岸的谷歌Cloud Next conference大会上&#xff0c;谷歌一口气发布了多款AI新品和工具&#xff0c;主要包括&#xff1a; 端到端的AI平台 用于处理视频和表格数据的AutoML Tables和AutoML Video 文档理解API 联络中心AI 视觉产品搜索 对于开发者…

跨性别,你所不知道的事

今晚原计划在订阅号里推送南溪妹子前几天录制的跨性别科普视频&#xff0c;没想到今天收到南溪的私信&#xff0c;说不做科普了&#xff0c;还是算了吧。急忙去了解了一下原因 (http://www.zhihu.com/pin/963101597957644288) &#xff0c;才知道南溪因这段视频所遭受的无故攻击…

文本分类问题不需要ResNet?小夕解析DPCNN设计原理(上)

历史回顾回顾一下图像和文本的发展史&#xff0c;似乎这就是一场你追我赶的游戏。在上一阶段的斗争中&#xff0c;朴素贝叶斯、最大熵、条件随机场这些理论完备的统计机器学习模型使得文本分类、中文分词、NER等诸多自然语言处理问题取得了差强人意&#xff08;释义&#xff1a…

【Tensorflow】TensorFlow的嵌入layer和多层layer

计算图中的操作 # python 3.6 import tensorflow as tf import numpy as npsess tf.Session()# 将张量和占位符对象组成一个计算图&#xff0c;创建一个简单的分类器# 一、计算图中的操作 # 1. 声明张量和占位符&#xff0c;创建numpy数组&#xff0c;传入计算图操作 x_vals …

文本分类问题不需要ResNet?小夕解析DPCNN设计原理(下)

哎呀呀&#xff0c;说好的不拖稿的又拖了两天T_T&#xff0c;小夕过一阵子分享给你们这两天的开心事哦。后台催稿调参系列的小伙伴们不要急&#xff0c;下一篇就是第二篇调参文啦。好啦&#xff0c;接着上一篇文章&#xff0c;直接搬来DPCNN、ShallowCNN、ResNet的对比图。从图…

注意力机制-深度学习中的注意力机制+注意力机制在自然语言处理中的应用

1 深度学习中的注意力机制 https://mp.weixin.qq.com/s?__bizMzA4Mzc0NjkwNA&mid2650783542&idx1&sn3846652d54d48e315e31b59507e34e9e&chksm87fad601b08d5f17f41b27bb21829ed2c2e511cf2049ba6f5c7244c6e4e1bd7144715faa8f67&mpshare1&scene1&src…

【TensorFlow】常用的损失函数及其TensorFlow实现

1 损失函数 定义&#xff1a;将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失”的函数。 应用&#xff1a;作为学习准则与优化问题相联系&#xff0c;即通过最小化损失函数求解和评估模型。 分类&#xff1a;回归问题、分类问题 2 回归问…

从经典文本分类模型TextCNN到深度模型DPCNN

如今深度学习已经成为NLP领域的标配技术&#xff0c;在图像中大为成功的卷积神经网络&#xff08;CNN&#xff09;也开始广泛渗透到文本分类、机器翻译、机器阅读等NLP任务中。但是&#xff0c;在ACL2017以前&#xff0c;word-level的文本分类模型&#xff08;以单词为语义单位…

从特征分解到协方差矩阵:详细剖析和实现PCA算法

从特征分解到协方差矩阵&#xff1a;详细剖析和实现PCA算法本文先简要明了地介绍了特征向量和其与矩阵的关系&#xff0c;然后再以其为基础解释协方差矩阵和主成分分析法的基本概念&#xff0c;最后我们结合协方差矩阵和主成分分析法实现数据降维。本文不仅仅是从理论上阐述各种…

NLP中常用文本分类模型汇总

如今深度学习已经成为NLP领域的标配技术&#xff0c;在图像中大为成功的卷积神经网络&#xff08;CNN&#xff09;也开始广泛渗透到文本分类、机器翻译、机器阅读等NLP任务中。但是&#xff0c;在ACL2017以前&#xff0c;word-level的文本分类模型&#xff08;以单词为语义单位…

【TensorFlow】随机训练和批训练的比较与实现

一、随机训练和批训练 随机训练&#xff1a;一次随机抽样训练数据和目标数据对完成训练。批训练&#xff1a;一次大批量训练取平均损失来进行梯度计算&#xff0c;批量训练大小可以一次上扩到整个数据集。批训练和随机训练的差异&#xff1a;优化器方法和收敛的不同批训练的难…

「小公式」平均数与级数

喵喵喵&#xff0c;小夕最近准备复习一下数学和基础算法&#xff0c;所以可能会推送或者附带推送点数学和基础算法的小文章。说不定哪天就用&#xff08;考&#xff09;到了呢(&#xffe3;∇&#xffe3;)注意哦&#xff0c;与头条位的文章推送不同&#xff0c;「小公式」和「…

最新出炉-阿里 2020届算法工程师-自然语言处理(实习生)以及补充:快递最短路径

问题2感觉跟下面的分苹果类似&#xff1b; 问题 G: 分梨 题目描述 zzq非常喜欢吃梨&#xff0c;有一天他得到了ACMCLUB送给他的一筐梨子。由于他比较仗义&#xff0c;就打算把梨子分给好朋友们吃。现在他要把M个梨子放到N个盘子里面&#xff08;我们允许有的盘子为空&#xff0…

如何匹配两段文本的语义?

喵喵喵&#xff0c;好久不见啦。首先很抱歉大家期待的调参手册&#xff08;下&#xff09;迟迟没有出稿&#xff0c;最近两个月连着赶了4个DDL&#xff0c;整个人都不好了。最近几天终于有时间赶一下未完成的稿子了。在赶DDL的时候夹着写了这篇文章&#xff0c;就先发布这一篇吧…