探索 Racer 技术、产品和业务之间的合作模式
嘉宾 | 白晓航、晁杨、谢淼
编辑 | 薛梁
伴随短视频行业的飞速发展和快手商业化的加速繁荣,2022 年快手联盟增长迅猛,作为移动开发者短视频商业生态联盟,快手联盟正在成为各行业撬动短视频商业红利的新杠杆。InfoQ 技术大会旗下《大会早班车》直播栏目邀请到了快手联盟运营负责人白晓航,产品负责人晁杨和高级算法专家谢淼博士,来从业务,产品和算法技术角度聊聊快手联盟近年来在产研合作上的探索与创新。
InfoQ:随着短视频和直播近年来已成为我们日常生活中必不可少的部分,互联网的这种新形态下,快手在广告业务上,有什么新的探索,对于联盟的业务,有什么特殊的期待吗?
白晓航:广告联盟本质上是一个撮合平台,一端是广大的开发者(背后是各种各样的 App),另一端是广大的广告主;联盟平台居中连接两端,提供统一的投放能力和变现能力。
快手做联盟的初衷,是期望将快手在短视频和直播上积累的产品算法能力释放出来,在快手系 App 之外获得联盟流量的增量,给广告主提供更大的投放空间。
具体说来,快手联盟可以给广告主这些独特的价值:一是流量和可触达用户数量巨大,快手联盟 DAU 超过 8.5 亿,这个量级远超大多数互联网 App;二是流量类型丰富、用户群体多样,涵盖游戏、工具、阅读、生活、运动健康、视频、资讯等等各种类型 App。
晁杨:从产品角度,简单来说联盟广告有激励视频、信息流、开屏、插屏及视频流几大类,整体来说我们要根据媒体 App 的特点及用户的特性设计不同的广告形态。
逻辑上广告也是一种信息,广告的呈现跟大家日常看到的新闻、视频没什么两样,只不过广告是为用户提供了感兴趣的商品、游戏等有别于传统内容的信息,我们在广告设计上用户体验是第一位的,希望给用户带来更有价值的信息。
在短视频和直播的赋能下,广告形态在广告呈现、用户交互上有了更大的空间,比如直播给广告带来了跟用户互动的全新方式,用户可以在快手联盟覆盖的 App 上实时观看丰富多样的直播,可以无缝衔接到快手 App 上,给用户带来全新体验的同时也给广告主提供了触达用户的新途径。短视频和直播给广告注入全新的想象空间,联盟会持续探索用户体验和新的广告形态如何更好结合。
谢淼:优化联盟广告投放,我们较其他头部广告联盟起步较晚,只有广告产品形态设计完成并打通投放链路后,我们算法才能发挥出价值,持续的优化 AB 和大盘使得广告的匹配效率更高。
可以说前期靠运营和销售获客,后期靠算法迭代拓客。从算法难度上,与在站内投放快手原生广告相对比,对我们提出了更高的要求和更多的挑战。
首先,联盟的环境更不稳定,外部 App 从流量和质量上变化程度都非常大,今天有 100w 的请求,可能明天就 10w 了。
第二点,是对用户行为理解的难度,相比主站,主站的用户粘性高,原生广告的转化率自然就高,而且随着时间的推移,我们还能积累大量丰富的用户行为数据,对用户偏好有非常强的挖掘能力。相比较而言,联盟上的流量是由众多互联网 App 所组成的异构型动态流量池,即使是快手用户,他们在这些外部 App 上的行为与对快手广告的兴趣,与站内浏览时也存在巨大差异,而且把用户吸引到快手 App 中达成转化所需的链路更长。
第三点,优化的元素增多了,从站内的用户到广告的二元构成,变成了外部 App,用户再到广告的三元匹配,因此对算法的要求更高。所以从算法角度,我们期待能够找到针对联盟复杂环境的算法建模方式,沉淀有深度的解决方案。
InfoQ:那么为了达成联盟广告的业务目标,从业务运营角度觉得有什么挑战吗?
白晓航:介绍联盟的核心痛点,内外循环可以一起说,然后突出给出冷启问题和业务上疼的程度。比如可以拆成预算侧和流量侧冷启两个问题来讲,深度转化类型的广告在量和质上的要求,流量侧冷启问题等。
1. 流量大且杂,如何挑准适配流量;
2. 冷启:流量大、异构、变动多;
3. 直播广告时间短、要求快速起量。
InfoQ:冷启这个问题是行业内联盟的共性业务难点吗,还是快手广告的特殊业务问题?
白晓航:存在一定共性,但是快手原生广告的特殊性是短视频和直播,广告主对广告的深度目标达成有非常高的期待,但是这种新业态的广告,本身在联盟的动态性较高的媒体流量中和广告做深度匹配时就存在很大的挑战。另外,快手原生的内循环广告在联盟是 2021 年才逐渐开始做的,我们对他有更高的要求,就是起量过程不能严重影响已起量广告的预算匹配效率。
InfoQ:那针对这个冷启的业务痛点,从运营和产品角度,如何解决呢,有没有什么现有的工具和手段?
晁杨:针对冷启这个业务核心痛点,我是这么看的:
(1)需要从这个产品的设计角度看这个事情,是系统性冷启问题还是少数个例,产研系统在冷启设计上是全局的,很多时候冷启问题可能是比较小的点造成的,比如是否因为素材原因导致于流量不匹配,因此量出不去;
(2)不管是全局问题还是个例问题,我们都需要从链路角度看看在线系统各个阶段的转化情况,定向地发现潜在问题,各个击破,这个链路就是我们常说的投放漏斗,也是产研给运营同学提供的工具之一;
(3)冷启是从无到有的过程,除了系统冷启的机制外,我们也会从人群适配等角度挖掘符合行业特性的人群,帮助算法快速收敛;
(4)多数的情况下从上面几个方面可以快速定位和解决冷启问题,但在系统有新能力上线或系统性出现冷启动问题时,我们要逼着算法专家们一起定位问题,共同去挖掘能解决这个问题的解决方案,哈哈。
谢淼:是,在你们的强压下,我们其实也成长了很多;
(1)在广告系统中,我理解的冷启问题的本质,其实是由于每次请求下模型对候选广告的预估偏差导致的有效投放量少的问题,当然模型的偏差是来自训练数据稀疏这个情况,这里的训练数据的稀疏并不是单纯指样本量少,也就是说并不意味着量大了,一定没有冷启问题。
通常而言对于广告系统来说他是一直伴随着业务成长的,比如一个新行业刚开始投放时,肯定是数据量少导致训练数据少,模型偏差较大,但是如果后面仅局限在某个人群上,或者某类广告上扩量,那么即使他的投放量每天达到亿级别,那么它仍然是稀疏的,因为其他人群或其他类广告的样本几乎没有,也会导致模型预估偏差。
为何模型的偏差会导致量起不来呢?因为广告系统中绝大多数都是 ecpm 竞价(千次曝光下的预期收益),而这里的 ecpm 计算是离不开模型预估的,当然还有广告主出价的影响,模型预估不准,可以拆解为两种情况,模型预估偏低,那么直接导致竞价能力变差,广告自然很难去拿到量,没有量,也就不可能有太多的正样本,那么模型会持续偏低;
另一种情况,模型预估值偏高,竞争力偏大,量是会有一些,但是会出现超成本,即投放了,但是没有实际转化,这种情况下,系统的调价机制就会被触发,会导致大力压价,竞争力就会回归正常甚至变成偏低,量就变小了,后面当模型重训时,就会导致量持续变小。
(2)内循环行业的外投晚于外循环,因此在内循环开搞的时候,已有很多行业在联盟上有稳定的投放,而且量不小,所以针对内循环的业务问题的建模,天然就带了个约束,即尽可能不影响已起量行业的前提条件下,让内循环广告在联盟起量。可见,这个带约束的冷启问题比单纯的冷启还要难。
要解决这个带约束的冷启问题,我们首先需要一类算法能够帮助模型破圈,即防止持续偏低或偏高的情况,MAB 就是这类算法。直接用 MAB 来解决实际业务问题,必不可少地需要将实际业务问题建模为算法可解的形态,如果建模存在较大偏差,则再优秀的 MAB 算法也很难取得收益。
这种面向实际业务问题,构建算法策略的建模,通常在实际落地时,需要的可能不止一种建模形态,而是一个问题建模的组合,而且他们之间是有关联的。
我们围绕着内循环冷启的这个事来分析下,首先当链路打通后,系统其实是个双侧冷启状态,对于媒体侧而言,联盟之前很少投放过具有快手特色的短视频和直播类型广告,相似行业很少,而从广告侧看,所有的候选广告也没有投放过类似的联盟媒体流量,因此它是双侧冷启问题。
当我们针对这个问题进行合理地建模后,量起来了一些,这时,我们看到了一些媒体位的量从 0 到 1 进行突破了,随之我们希望在这些媒体上的量能进一步扩大,那这个时候,冷启问题就从双侧冷启问题转化为了单侧冷启问题,因为从媒体上看已经“热”了,这时他的核心问题就变成了帮助某一给定的媒体位,来优化候选广告的位序,使得业务指标最大化,例如预期花费最大化,于是算法的建模形态就变成了单侧冷启的优化问题。
然后我们来想一下量进一步变大,会如何呢?我们期待模型越来越好,因为样本量增大了不少,慢慢地能够学到背后的规律,逐渐演化为成熟状态,模型的预估值越来越准,且让人满意。这样不就慢慢形成了一套整体解决方案了嘛,在我们的实际优化过程中也看到了这些阶段所用的策略,相互继承和演化的关系和数据。
也泼个冷水,在联盟中,其实我们期待模型绝对的准确,是非常不切实际的,即使当有些行业投放量大了,也不可避免的是媒体侧流量的动态变化,因此像 Bandit 这种技术其实就可以针对这种动态性持续地在线上优化,是天然的练兵场。
InfoQ:可以用白话帮忙介绍下,为何这种算法能缓解冷启问题?为何它能比随机这种,探索的更好,收益如何度量呢?
谢淼:MAB 这类算法其实是在线学习和强化学习的交叉方向,快速学习(一条请求学一次),而且能快速感知环境给的 reward,即后验,以此来改变自己的决策行为,并通过权衡探索和利用,使得一段时间整体累计效果最大化;所以这种算法即可以给候选透出的机会,又能在透出后的效果中挖掘出实际质量较好的候选集合,持续地优选,在此过程中达到优胜略汰。因此能够在保证业务指标尽可能地达成的前提下,将消耗起量,提升匹配效率。这是一个动态的寻优过程,我们也有指标来衡量当前算法所达到的状态,即算法的可收敛性。
但是随机这种策略,其实是证明不出来收敛性的,因此效果是没法衡量的。另外,实际的收敛程度也说明了在什么情况下能产生收益,如果单纯依赖模型,就可以做到绝对准的话,那么也就是说只要增加一定的探索成分,就一定是次优解,就会产生错误,导致 Bandit 拿不到收益,这里的错误其实就是探索的成本,其实就是“抛开经验,不一定每次都是对的,但是一旦比经验好,就带来了收益”,所以当且仅当探索的成本小于探索收益的时候,Bandit 就能产生收益。
晁杨:所以说我们之前采用的在 AB 上进行随机投放用于探索的做法,其实是纯探索的过程,因为随机选取这种方法,本身并不能收敛,因此效果无法度量和保证。
InfoQ:嗯,似乎有了这类算法,冷启问题的确有解了,那上线还存在哪些挑战吗?
谢淼:虽然 MAB 算法在业内已有一些成功案例,但是将 MAB 正确且能够获得稳定业务收益地落地,并非易事。实际上我们躺过很多坑,这些坑归纳起来有如下几点:1. 问题建模;2. 算法假设;3. 超参数;4. 算法链路长。
简单介绍下上述几点。最主要的其实是如何将对业务的理解注入到算法中,以最大化算法收益,我来讲个故事,首图优化中专业玩家的故事。这里可能还有个更深的问题,如果上述坑都避开了,那是不是直接作用到业务就能取得足够的收益了?其实不然,它可能存在更大的优化空间,绝大多数 Bandits 算法的提出,都需要在理论上对所提出的新问题的建模形式,给出可证明的累计后悔度的理论上界(Upper Bounds of Cumulative Regret),但是在研究中可能存在为了获得一个可证明的“漂亮”算法,而阉割原有算法或者增加严格的限制条件,导致牺牲原有算法在大多数实际业务中的效果,因此在落地时存在针对业务场景的优化空间,而且这种优化沉淀出来,就是业务的行业竞争力。
晁杨:业务理解非常重要,也是对合格产品同学的要求之一,但是如何将对业务的理解注入到算法呢?能具体点不?
谢淼:比如首先我们得解双侧冷启问题,对于我们而言其实就是盲探,用算法自动探索,但是如果能找到一些先验知识或历史经验,帮助我们把范围有效地缩小,那么可以加速我们算法的收敛 ; 否则范围越大,我们难度越高,这个来讲,产品对业务理解可能更深,你们得挖掘下,争取能够比我们挖的准。
晁杨:我这里讲讲电商零售等相似的外循环行业,用这些行业挖可能得 POS,另外再讲讲人群的挖掘方法。
在这方面我们有比较成功的 case 可以给大家分享一下:内循环广告数为百万量级,历史的联盟流量探索中,因广告侧与要探索的流量侧的匹配数据较少,属于双侧冷启,跑量难度大,且容易超成本。针对该痛点产品上基于好的快手用户流量,对所有直播广告,都能有高于均值的转化,用这些用户去做增量探索,超成本预计会远低于当前无人群方向引导的 POS 盲探。将双侧冷启问题转变为单侧冷启,同时利用 Bandit 算法,效果稳定性更有保障。
人群落地的思路:凭借产品对业务的理解,收集电商、主站、商业化等多方数据,组合维度,基于现有投放数据进行人群评估,得出后验效果明显高于联盟直播整体值的多个人群条件组合,再验证圈选的人群仍在联盟流量漏斗中存在足够增量机会。使用 Bandit 算法在这些人群条件上进行探索,逐步收敛。通过在目标人群上拿到较高的消耗增量,来带动整体消耗的提升。
谢淼:有了这些信息,有助于我们缩小探索的范围,集中炮火,加速算法迭代。还记得之前咱们合作第一个优化点的时候,就是这样,效率非常高,各司其职。
经过双侧冷启的解决方案的落地,我们需要建模一个从 1 到 2 的冷启问题,期待广告投放量能够在某个媒体粒度上进一步增大,这里的策略建模方式可以是以某个媒体粒度的实例为问题单元,即 machine,来通过平衡探索和利用优选广告,打破模型预估所陷入的局部最优解,那么这里在落地时就会遇到一个棘手的问题,就是媒体侧变化太大了,如果选择的维度变化大,算法就可能存在没有收敛趋势的情况,即无法稳定,在这种情况下,探索成本就比利用带来的效果增长要大很多,因此获得不了收益。这个问题的确头疼了很久。
白晓航:这个点,我们运营可能有发言权,讲讲对客户的理解,推导出媒体行业和媒体场景的叠加粒度会较 POS 更为稳定。
谢淼:对,融合这个点后,经过实验,咱们做出的首版优化就是基于这个理念。如果我们自己穷举维度,一个个试,估计得拖几个月才能上线。
晁杨:从流量和广告侧角度看,每一侧都有很多影响因素,比如流量侧有 App、POS、ADStyle、流量行业、用户行为等,广告侧会有定向、创意、出价及人群等多个表达,从探索的角度出发我们有很多可拆解的冷启子问题,产品可以针对这些子问题,不断挖掘新维度,给到算法增强迭代。
谢淼:对,那样的话,我们得解决这些策略叠加的问题,我们得设置大的兜底,以防止超成本的发生;于此同时,我们还要继续进行更深的算法研究,以应对产品在人群和维度上的迭代,比如随着产品挖掘人群的程度越大,挖掘出来的人群可能种类就随着增多,于是我们就需要考虑这些所带来的迭代问题,如何让算法自动适应越来越多的圈圈?这里可介绍下 AutoBandit 的思路。
晁杨:这样一来,我们就可以并行迭代了,分别开实验看效果,螺旋上升。从去年的合作效果上看,我们的 AB 提升幅度达到了翻翻的指标收益,AA 上看的确量起来了几十倍,而且对已起量的其他行业广告,没有显著负向。
白晓航:从我们运营角度,需要平衡算法风险和广告主利益,介绍下平台保护广告主利益的机制。广告主不用担心算法迭代影响自身利益。
白晓航:我觉得这样优化行业大盘是没有问题,但是我这里的问题还有重点广告主的运营,我们得做运营活动,冲击消耗大盘,得满足广告主各自的诉求,这里可能跟大盘的优化向矛盾,我们该怎么解呢?
晁杨: 提产品理念。在广告系统的产品设计上我们既要全局大盘最优,也要兼顾重要节点和重点客户的诉求,为了解决运营同学面临的这些问题,产研对运营工具做了大量的平台化工作,主要是让工具产品能够更加智能化,比如上提到的多配置、不断调参等可以通过约束目标的方式,交给系统去探索,提升日常使用的效率和效果。
谢淼:我们之前也按照这种方式做过很多工作,例如针对绿通,我们可以以 Bandit 算法为基石,做个指标正向且理论上可以配置无穷多个候选的非挤占绿通,介绍下原理(自创的 non-stationary e-greedy 算法)。另一方面,在运营干预广告主出价的工具上,我们可以用 Bandit 来进行对出价干预力度的自动控制,运营只需设置上下界即可,而非直接固定一个干预力度。
InfoQ:听上去你们之间的合作还是蛮紧密的,那么在互联网公司中,合作都是这样的吗?还是你们摸索出来的,我理解产品像是个 PMO 角色,但是在你们的合作中怎么还承担了数据分析和业务理解的工作?
晁杨:这是一个非常好的问题,在回答产品工作内容之前先简单说一下我理解的商业产品有哪几大类,平台产品、用户产品、策略产品等,产品确实在工作中承担了一部分 pmo 的角色,除此之外产品更多的工作内容是如何解决业务问题,这个解决问题包含了深入业务、发现问题、理解问题、抽象逻辑和给出解决思路,对产品同学对不同行业客户的商业模式和投放系统的理解有非常高的要求。
日常跟算法打交道比较的多是策略产品同学,我自己概括策略产品的价值可以用一个词“idea”来概括,idea 包含了上面讲的全部,这个 idea 就是解决某一具体业务问题的策略思路。产品同学给算法提需求的时候需要讲清楚业务问题、数据逻辑和解决思路,我们常说的加强同算法的对话能力就是指提需求的过程,面对具体业务问题产品需要找到其中的机会点,数据和逻辑上验证可行性后再去与算法联动,同算法同学一同探讨思路实现并不断优化。
通过上述的项目合作,我们在多行业取得了显著效果,比如内循环,业务收益,尤其深度增长了数十倍,游戏等外循环行业在 AA 上,也取得了较好的冷启效果。
谢淼:在合作中,我们也沉淀了一些经验,被动的等着产品提需求,往往有逆反心理,似乎是在给算法找 bug,因此得化被动为主动,将这个需求转化为算法的一部分,并且将算法拿到的收益与产品分享,达到共赢。
举个例子,当时做直播广告起量的时候,有个问题就是不可能一下子对所有广告主都起量,因此我们得贴着业务特性,挖一批最优潜力的大 V 主播出来,挖的方法有很多,产品很擅长,而且可以通过历史数据,先粗略验证一下,最后把最佳的几个后选,我们拿到线上实际配合算法策略做 ab 实验,取得了业务收益,那么未来随着时间的推移,这个挖掘的方法也应该会与时俱进,产品可以自行通过离线分析和在线 ab 来迭代,因此如果没有运营给出的行业建议,没有产品的业务理解作为补充,AB 的收益可能也不会那么大,或者需要更长的时间摸索。
InfoQ:这样的确看上去,摸索出了一套技术、业务和产品的闭环合作方法。那么在此过程中三方分别积累了什么能力呢?是否能在不同的专业上各取所需?
白晓航:分享运营理念,摸索沉淀了一套运营问题及其对应的分析和运营工具抓手,并且将 go to market 市场走深的客户需求带给合作团队。
晁杨:在此过程中,产品对业务的理解更加深刻,并且发现的机会点也越来越准,也在跟算法合作的过程中,了解了算法运作机理,同时也看到了能通过业务理解对系统产生正向影响的抓手。
对于新行业的起量,积累了方法论,对于新的客户诉求,也有逼迫算法进行针对性优化的抓手。感觉其他类型的业务问题,这个方法论依然奏效,核心是找到双方优势互补的地方,而不是干干地做提需求的一方,也应该拥抱算法所提出的需求。
谢淼:在探索出有效地合作模式后,我们就可以沉下心做更深入的算法研究且迭代业务认知,使得算法能力持续在行业保持领先,例如随着算法落地和走深,我们发现很多有意思的待解问题,比如刚刚提到的 Bandit 算法作为算法策略的一部分,是可以起到对模型预估纠偏的功能的,但是模型一定能随着样本的增多,预估就一定能变准吗?不一定,或者说在业务中需要很长时间可能才能体会到预估逐渐变准的过程,那么能不能将深度学习模型和 Bandit 算法融合起来?针对这一点,我们是有一些研究成果的,同时这个问题也是学术界近年来的研究热点问题。
往深一步,如果能够从产品的需求中抽身出来,我们还能畅享一下,通过我们的努力,使得 Bandit 的学术成果转化为业内生产力更加便捷。
InfoQ:冷启问题,不光在广告系统中存在,其实很多在线系统都存在这个问题,市场空间是不是也蛮多的?从技术本身,能打造技术、产品到业务的闭环吗?
谢淼:嗯,是的,冷启问题在互联网上的应用场景是非常多的,我们每天都能看到成百上千的新 App 在应用市场上架,其中每个新 App 都会遇到冷启问题;具体而言呢,小到推荐场景中的一张图片,一个视频的封面图,都需要优选,这个是很难借助一个深度模型直接优化的,是典型的冷启问题,再比如一个场景中的新品推荐问题,大促上的问题,日常和大促用户行为和兴趣均不相同,在线系统中的参数调优问题等,所以只要能建模为选择性问题且模型不能给出非常准的预估时,都是 Bandit 算法的适用范围。
因此如果我们能将 Bandit 算法变成算法产品,让更多的业务可以非常低成本的接入,则将是企业降本增效,显著提升生产效率的一环。Bandit 产品化,核心能解决理论工作到实际落地的鸿沟,将采完的坑,加到产品功能中,帮助客户避坑。
那么如何构建该产品的门槛呢?我们尝试通过如下三个方面来进行构建壁垒:(1)提供基于实践经验的避坑功能,帮助用户有效避免典型的应用误区,比如应用环境和算法假设自动审查,在利用 UCB,TS 等不能支持大量 arm 的算法时,自动检测 arm 的数量是否过多;(2)提供能够快速收敛,拿到指标收益的功能,例如产品支持算法应用范围导入功能,把业务中不适合探索的部分过滤掉;(3)不断地以应用中的实际问题推动算法的创新,并将这些创新转化为产品力,例如我们针对给定业务场景,通过 AutoML 思路,自动地通过 Bandit 算法寻优超参,甚至直接寻优 Bandit 算法本身的 AutoBandit,降低应用时对人工经验的依赖,真正做到智能寻优。
活动推荐
2023 年 4 月 21-22 日,ArchSummit 全球架构师峰会将落地上海·明捷万丽酒店。来自阿里、顺丰、保时捷、肯德基、蔚来汽车、Shopee 等企业的技术专家,将就微服务架构、大数据架构、开源、国产软件、制造业数字化转型、金融业数字化转型、人工智能、架构师进阶等主题展开分享讨论。
现在购票可享 8 折特惠,单张立减 1760 元,购票及其他问题咨询请联系票务同学:18514549229(微信同电话)
推荐阅读
-
纯干货分享 | 研发效能提升——敏捷需求篇-而敏捷需求是提升效能的方式中不可或缺的模块之一。 云智慧的敏捷教练——Iris Xu近期在公司做了一场分享,主题为「敏捷需求挖掘和组织方法,交付更高业务价值的产品」。Iris具有丰富的团队敏捷转型实施经验,完成了企业多个团队从传统模式到敏捷转型的落地和实施,积淀了很多的经验。 这次分享主要包含以下2个部分: 第一部分是用户影响地图 第二部分是事件驱动的业务分析Event driven business analysis(以下简称EDBA) 用户影响地图,是一种从业务目标到产品需求映射的需求挖掘和组织的方法。 在软件开发过程中可能会遇到一些问题,比如大家使用不同的业务语言、技术语言,造成角色间的沟通阻碍,还会导致一些问题,比如需求误解、需求传递错误等;这会直接导致产品的功能需求和要实现的业务目标不是映射关系。 但在交付期间,研发人员必须要将这些需求实现交付,他们实则并不清楚这些功能需求产生的原因是什么、要解决客户的哪些痛点。研发人员往往只是拿到了解决方案,需要把它实现,但没有和业务侧一起去思考解决方案是否正确,能否真正的帮助客户解决问题。而用户影响地图通常是能够连接业务目标和产品功能的一种手段。 我们在每次迭代里加入的假设,也就是功能需求。首先把它先实现,再逐步去验证我们每一个小目标是否已经实现,再看下一个目标要是什么。那影响地图就是在这个过程中帮我们不断地去梳理目标和功能之间的关系。 我们在软件开发中可能存在的一些问题 针对这些问题,我们如何避免?先简单介绍做敏捷转型的常规思路: 先做团队级的敏捷,首先把产品、开发、测试人员,还有一些更后端的人员比如交互运维的同学放在一起,组成一个特训团队做交付。这个团队要包含交付过程中所涉及的所有角色。 接着业务敏捷要打通整个业务环节和研发侧的一个交付。上图中可以看到在敏捷中需求是分层管理的,第一层是业务需求,在这个层级是以用户目标和业务目标作为输入进行规划,同时需要去考虑客户的诉求。业务人员通过获取到的业务需求,进一步的和团队一起将其分解为产品需求。所以业务需求其实是我们真正去发布和运营的单元,它可以被独立发布到我们的生产环境上。我们的产品需求其实就是产品的具体功能,它是我们集成和测试的对象,也就是我们最终去部署到系统上的一个基本单元。产品需求再到了我们的开发团队,映射到迭代计划会上要把它分解为相应的技术任务,包括我们平时所说的比如一些前端的开发、后端的开发、测试都是相应的技术任务。所以业务敏捷要达到的目标是需要去持续顺畅高质量的交付业务价值。 将这几个点串起来,形成金字塔结构。最上层我们会把业务目标放在整个金字塔的塔尖。这个业务目标是通过用户的目标以及北极星指标确立的。确认业务目标后再去梳理相应的业务流程,最后生产。另外产品需求包含了操作流程和业务规则,具需求交付时间、工程时间以及我们的一些质量标准的要求。 谈到用户影响的地图,在敏捷江湖上其实有一个传说,大家都有一个说法叫做敏捷需求的“任督二脉”。用户影响地图其实就是任脉,在黑客马拉松上用过的用户故事地图其实叫督脉。所以说用户影响地图是在用户故事地图之前,先帮我们去梳理出我们要做哪些东西。当我们真正识别出我们要实现的业务活动之后,用户故事地图才去梳理我们整个的业务工作流,以及每个工作流节点下所要包含的具体功能和用户故事。所以说用户影响地图需要解决的问题,我们包括以下这些: 首先是范围蔓延,我们在整张地图上,功能和对应的业务目标是要去有一个映射的。这就避免了一些在我们比如有很多干系人参与的会议上,那大家都有不同想法些立场,会提出很多需求(正确以及错误的需求)。这个时候我们会依据目标去看这些需求是否真的是会影响我们的目标。 这里提到的错误需求,比如是利益相关的人提出的、客户认为产品应该有的、某个产品经理需求分析师认为可以有的....但是这些功能在用户影响地图中匹配不到对应目标的话,就需要降低优先级或弃掉。另外,通常我们去制定解决方案的时候,会考虑较完美的实现,导致解决方案括很多的功能。这个时候关键目标至关重要,会帮助我们梳理筛选、确定优先级。 看一下用户影响到地图概貌 总共分为一个三层的结构: 第一层why,你的业务目标哪个是最重要的,为什么?涉及到的角色有哪些? 第二层how ,怎样产生影响?影响用户角色什么样的行为? (不需要去列出所有的影响,基于业务目标) 第三层what,最关键的是在梳理需求时不需一次把所有细节想全,这通常团队中经常遇到的问题。 我们用这个例子来看一下 这是一个客服中心的影响地图,业务目标是 3个月内不增加客服人数的前提下能支持1.5倍的用户数。此业务目标设定是符合 smart 原则的,specific非常的具体,miserable 是可以衡量的,action reoriented是面向活动的, real list 也是很实际的。 量化的目标会指引我们接下来的行动,梳理一个业务目标,尽量去量化,比如 :我们通过打造一条什么样的流水线,能够提高整个部署的效率,时间是原来的 1/2 。这样才是一个能量化的有意义的目标。 回到这幅图, how 层级识别出来的内容,客服角色:想要对它施加的影响,把客户引导到论坛上,帮助客户更容易的跟踪问题,更快速的去定位问题。初级用户:方论坛上找到问题。高级用户:在论坛上回答问题。通过我们这些用户角色,进行活动,完成在不增加客户客服人数的前提下支持更多的用户数量。 最后一个层级,才是我们日常接触比较多的真正的功能的特性和需求,比如引导到客户到论坛上,其实这个产品就需要有一个常见问题的论坛的链接。这个层次需要我们团队进一步地在交付,在每个迭代之前做进一步的梳理,细化成相应的用户故事。 这个是云智慧团队中,自己做的影响地图的范例,可以看下整个的层级结构。序号表示优先级。 那我们用户影响地图可以总结为:
-
视频会议场景中的空间音频--为何选择空间音频这一主题? 首先,为什么选择空间音频这一主题?我在视频会议领域工作了近二十年,我们的目标一直是让声音更清晰、视频更清晰。但在过去的 20 年中,视频会议的产品形态并没有发生本质的变化。去年元宇宙比较火,微软、Facebook都在做基于VR和元宇宙的企业协作研究,我们也进行了这方面的探索。 一开始,我们想从纯技术角度研究空间音频技术如何应用于视频会议场景,但在研究过程中,我们发现这是一个非常复杂的场景。因为视频会议本质上是人与人之间的交流。人与人之间的沟通是多维度的信息传递,声音、图像、眼神、肢体语言、触觉都是人与人之间沟通的要素,音频只是其中之一。本次分享从沟通与交流的角度,从视频会议的应用场景出发,分析视频会议产品需要什么样的空间音频技术以及如何实现。 02 空间音频与沉浸式交流
-
探索 Racer 技术、产品和业务之间的合作模式
-
澎湃新闻对话腾讯丁珂:从 "治已病 "到 "治未病",企业需快速构建 "安全免疫力"--丁珂指出,对企业而言,安全不是成本而是生命线 丁珂指出,对企业而言,安全不是成本而是生命线,也是商业 "硬币 "的另一面。在数字智能化的新阶段,发展驱动安全建设已成为普遍共识,企业需要转变安全思维,从被动建设到主动防御,构建一套新的安全范式和框架,以更加积极、主动的安全观来提升数字安全免疫力,以 "治未病 "的理念取代 "治已病",前置安全,快速构建 "安全免疫力"。对 "已病",前置预判,及时应对处置安全风险,才能维护品牌价值,保障健康发展。 与此同时,安全建设还普遍存在 "不知道往哪投、怎么投 "的痛点。对此,腾讯安全提出,企业可以按照数字安全免疫模型的框架进行安全全局部署,重点在业务安全、数据安全、安全运维管理、边界安全、终端安全、应用开发安全等薄弱环节的关键领域注入 "免疫增强针"。 今年进入公众视野的AIGC还在产业化、产品化的过程中,但大量攻击者已经利用它生成攻击脚本、钓鱼邮件,甚至伪造身份进行诈骗。"人工智能本身是否安全,会不会让网络更不安全? 腾讯安全研究认为,AIGC的风险主要集中在 "无法解释 "和 "无法追踪 "的特点上,但这在技术上是能够找到应对方法的。丁珂谈到,AIGC作为生产力的巨大提升,确实会带来更复杂的攻防态势和更大的防御难度。但任何新技术都要经历这样的周期。而法律法规也会随着技术的演进而不断更新,使新技术的发展更加规范和健全。 丁珂认为,随着我国网络安全法律法规体系的不断完善,合规性将给企业推进网络安全带来很大的推动力,并很直观地展现在需求端。未来,伴随着数据要素市场的建立或企业对数据价值的挖掘,也将带动数据安全市场的快速增长。 对于腾讯安全的商业逻辑和运营,丁珂表示,不谋求建立竞争壁垒,而是期望与生态共同发展,腾讯安全希望通过能力开放,实现安全与业务相伴的生态模式。 谈到未来,丁磊表示,安全领域已经进入加速发展期,在蓝海中会持续关注很多新的业务领域,希望孵化出新的商业模式,腾讯安全团队也会持续关注并抓住机会做好产品。 以下为采访实录(在不改变原意的基础上略有删减): 冲浪新闻:当前,以人工智能、大数据等新技术为驱动的第四次工业革命正向纵深推进,给人类生产生活带来深刻变革。而互联网作为新技术的载体,面临的安全挑战不仅数量越来越多,形式也越来越复杂。从互联网安全从业者的角度,腾讯观察到近年来国内外网络安全形势发生了哪些变化?这些变化呈现出怎样的趋势?
-
41 个下载免费 3D 模型的最佳网站-使用说明:使用权限可能因型号而异。因此,在下载文件之前,请仔细检查每个下载页面上的许可证和使用权限。 17. Clara.io Clara.io 是一个创建 3D 内容的全球平台,也是一个培养新 3D 艺术家的社区。Clara.io 提供+100,000个免费的3D模型,包括OBJ,Blend,STL,FBX,DAE,Babylon.JS,Three.JS格式,用于 Clara.io,Unity 3D,Blender,Sketchup,Cinema 4D,3DS Max和Maya。 使用说明:免费,标准和专业帐户仅供个人使用,如果您需要将 clara.io 用于商业用途,请与销售团队联系。 18. 3DExport 3DExport是一个市场,您可以在其中购买和销售用于CG项目的3D模型,3D打印模型和纹理。它提供15 +不同的3D格式供下载,如3DS MAX(.max),Cinema4D(.c4d),Maya(.mb,.ma),Lightwave(.lwo),Softimage(.xsi),Wavefront OBJ(.obj),Autodesk FBX(.fbx)等。它还提供15种不同的语言! 使用说明:免费下载仅供个人和非商业用途。 19. 3D Warehouse 3D Warehouse是一个开放的库,允许用户共享和下载SketchUp 3D模型,用于建筑,设计,施工和娱乐!任何人都可以免费制作,修改和重新上传内容到3D仓库,您可以找到任何您能想到的东西,如家具,电子产品,室内产品等。 使用说明:3D Warehouse中的所有模型都是免费的,因此任何人都可以下载文件以用于SketchUp甚至其他软件,如AutoCAD,Revit和ArchiCAD。 20. CadNav.com CadNav是CGI平面设计师和CAD / CAM / CAE工程师的在线3D模型库,我们提供超过50000 +免费3D模型和CAD模型下载。在CadNav网站上,您可以下载高质量的多边形网格3D模型,3D CAD实体对象,纹理,Vray材料,3D作品,CAD图纸等。 使用说明:免费下载仅供个人和非商业用途。 21. All3dfree.net 就像网站名称一样,它提供免费的3D模型,还包括Vray材料,CAD块,2d和3d纹理集合,无需注册即可免费下载。它是不断更新的,因此您可以查找或请求3DS,MAX,C4D,skp,OBJ,FBX,MTL等格式的模型。 使用说明:所有资源均不允许用于商业用途,否则您将承担责任。 22. Hum3D 自2005年以来,Hum3D帮助来自3多个国家的80D艺术家节省3D建模时间,并制作逼真的3D模型,用于电影,视频游戏,AR应用程序和可视化。所有模型均由首席3D艺术家进行验证,他们检查其是否符合专业要求和最新的3D建模标准。 使用说明:免费下载仅供个人和非商业用途。 23. Artist-3D.com 艺术家-3D 库存的免费 3D 模型下载按通用类别排序。它为人体解剖学、汽车、家具、火箭、卫星等模型提供 AutoDesk 3DS Max 格式。您还可以在浏览他们的网站时找到教程和类似类型的建模。 使用说明:使用权限可能因型号而异。因此,在下载文件之前,请仔细检查每个下载页面上的许可证和使用权限。 24. Free the models 就像本网站的标题一样,它为3d应用程序和3d游戏引擎提供免费的内容模型。您可以为您的任何项目找到许多有趣且有用的模型!它提供3ds,wavefront,bryce,poser,lightwave,md2和unity3d格式的模型。还有一个很棒的纹理集合,可以在您最喜欢的建模和渲染程序中使用。 使用说明:您从这里下载的所有内容都可以免费使用,除非它不能包含在另一个免费的网络或CD收藏中,也不能单独出售。否则,您可以在商业游戏,3D应用程序或渲染作品中使用它。您不必提供信用,但如果您这样做,那就太好了。 25. Resources.blogscopia 本网站由一家名为Scopia的公司创建。他们制作3D图像和视频,您可以找到许多为CGI工作的信息架构设计的模型,所有这些都可以在现实生活中使用。您可以免费下载它们,但是,如果您想一次下载它们,您可以支付 3 到 9 欧元。 使用说明:您可以免费下载模型部分的所有文件。每个压缩文件都包含您也可以在此处找到的许可证。基本上,您可以对文件执行任何操作。唯一的限制是不归属于Scopia的重新分发。 26.ambientCG 1000+公共领域PBR材料适合所有人!环境CG是使用许多不同的方法和资产类型创建的,例如照片纹理(PBR),贴花(PBR),图集(PBR),照片纹理(普通),物质存档(SBSAR),雕刻画笔,3D模型和地形。您可以在所有项目中*使用它们! 使用说明:在 ambientCG 上提供下载的所有 PBR 材料、画笔、照片和 3D 模型均根据知识共享 CC0 1.0 通用许可提供。您可以复制、修改、分发和执行作品,即使是出于商业目的,也无需征得许可。信用将不胜感激。 不要满足于平庸的大理石纹理 - 立即使用我们的免费PBR大理石纹理升级您的3D设计。 27.Pixar One Twenty Eight 这是一个提供官方动画行业经典纹理的网站:皮克斯,创建于 1993 年,该纹理库包括 128 个重复纹理,现在免费提供。 它包含您来到的纹理,包括砖块和动物毛皮。肯定会有一些你可以使用的东西。 使用说明:皮克斯动画工作室的《Pixar One Twenty Eight》根据知识共享署名4.0国际许可协议进行许可。即使出于商业目的,您也可以重新混合、调整和构建您的作品,只要您以相同的条款对新创作进行信用和许可。 访问数以千计的免费纹理并提升您的设计游戏 - 立即开始下载! 28. 3DXO 即使有近 620 个免费贴纸可供下载,3DXO 也不是最大的资源,但它的内容非常有用,不需要注册。无论是简单的墙壁或地板,还是一些奇怪的小东西,您都需要的纹理都可以在此网站上看到。 使用说明:使用权限可能因型号而异。因此,在下载文件之前,请仔细检查每个下载页面上的许可证和使用权限。 29. 3DModelsCC0 3DModelsCC0 与其他产品的不同之处在于它包含超过 250+ 个高质量 3D 模型,并且本网站上的所有内容都是免费的,完全是公共领域!使用我们的模型时无需信用或归属! 使用说明:为每个人提供完全免费的公共领域内容。 30.Sketch up texture club Sketchup Texture Club是一个非营利性的教育和信息门户网站,由3D社区的图像促进协会管理,特别强调面向学生和建筑和室内设计专业人士的可视化和渲染技术,以及所有正在学习3D可视化的人。 使用说明:您无需支付版税或使用费。纹理可以免费下载和使用。不允许将纹理作为竞争产品出售或重新分发,即使图像被修改也是如此。 31. FlippedNormals FlippedNormal 是一个提供计算机图形和 3D 资产的市场,您可以找到许多用于雕刻、建模、纹理、概念艺术、3D 模型、游戏资产或课程的高级资产! 使用说明:使用权限可能因型号而异。因此,在下载文件之前,请仔细检查每个下载页面上的许可证和使用权限。 32. NASA 3D NASA 3D网站是一个在线门户,提供与太空和各种NASA任务相关的大量三维模型和模拟。该网站是用户友好的,并提供有关每个型号的详细信息。该网站允许用户探索和下载几种不同格式的模型,包括 OBJ、STL 和 FBX,只需单击下载按钮即可。 使用说明: 要下载模型,只需单击模型页面上的下载按钮并选择所需的格式。 33. 3DAGOGO (Astroprint) 3DAGOGO 是一个提供广泛 3D 模型的网站,包括角色、车辆和建筑物。3DAGOGO 的独特功能之一是它专注于适合 3D 打印的模型,使其成为希望创建物理原型或模型的设计师的绝佳资源。要使用 3DAGOGO,设计师只需在网站上搜索他们正在寻找的模型类型,然后下载 STL 格式的文件。 使用说明: 要使用 3DAGOGO,只需搜索所需的 3D 模型类型并下载 STL 格式的文件。根据需要自定义模型,并确保在将其用于商业目的之前检查使用权限。 34. FreeCAD FreeCAD是一款了不起的3D建模软件,可让您在计算机上创建令人难以置信的3D设计。该软件可免费下载和使用,它提供了广泛的工具和功能,可用于创建用于各种目的的3D模型。 该网站易于浏览,您可以找到开始使用FreeCAD的所有必要信息。此外,该网站还提供一系列教程和指南,可帮助您了解 3D 建模的来龙去脉。 使用说明: 要下载模型,请访问网站并从库中选择所需的模型。该网站还提供了一系列使用该软件的教程和指南。 35. Pinshape Pinshape是一个提供一系列3D打印模型的网站。网站上提供的型号质量很高,因此您可以确保您的最终印刷产品看起来很棒。该网站提供了广泛的模型,包括从家居用品到小雕像和珠宝的所有物品。 但这还不是Pinshape所能提供的全部!该网站还允许用户上传和共享自己的3D模型。这意味着您不仅可以下载出色的模型,还可以通过分享自己的设计为社区做出贡献。此外,Pinshape 提供了一系列自定义选项,因此您可以调整和调整模型以满足您的特定需求。 使用说明: 要下载模型,请在网站上创建一个帐户,搜索所需的模型,然后单击下载按钮。该网站还为每种型号提供了一系列定制选项。 36.Yeggi Yeggi 提供了大量免费的 3D 模型,您可以下载各种格式的模型,例如 STL、OBJ 和 FBX。该网站易于使用,您可以按关键字、类别或特定网站搜索模型。 Yeggi 对于任何寻找 3D 模型的人来说都是一个很好的资源。它提供了大量的模型集合,从日常物品到复杂的机械,以及介于两者之间的一切。该网站的收藏量在不断增长,每天都有新的型号增加。 使用说明: 要下载模型,请在网站上搜索所需的模型,然后单击下载按钮。该网站还提供指向托管模型的原始网站的链接。 37. Open3DModel 来自开放3D模型的图像 Open3DModel具有各种类别的模型,包括建筑,车辆和角色。无论您需要建筑物,汽车还是人的3D模型,都可以在此网站上找到。 该网站易于浏览,您可以按类别或关键字搜索模型。每个模型都附带预览图像和详细信息,例如文件格式、大小和多边形数量。此信息可以帮助您选择适合您需求的模型。 使用说明: 要下载模型,请访问网站,从库中选择所需的模型,然后单击下载按钮。 使用最好的 3D 资产管理工具简化您的 3D 制作流程。立即试用它们,将您的 3D 项目提升到一个新的水平! 38. 3DExport 对于那些为其 3D 设计项目寻找 3D 模型、纹理和其他资源的人来说,该平台是一个很好的资源。该网站有大量模型可供选择,包括 3D 打印对象、游戏资产等。用户可以按类别、文件格式或价格范围浏览,以找到适合其项目的完美资源。此外,3DExport 还提供一系列教程和其他 3D 资源,以帮助用户提高技能并创建更令人印象深刻的设计。 使用说明: 要使用 3DExport,只需创建一个帐户并浏览可用型号。您可以按类别、格式和价格进行搜索,以找到所需的型号。找到喜欢的模型后,只需下载它并开始在您的项目中使用它。 39.Blend Swap Blend Swap是一个社区驱动的市场,提供与Blender软件兼容的各种免费3D模型。该平台允许用户共享和下载模型、纹理和其他资产,以便在他们的项目中使用。 使用说明: 创建免费帐户后,您可以浏览社区上传的大量3D模型。当您找到要使用的一个时,只需下载它并将其导入您选择的 3D 软件即可。 40. 3DShook 3DShook 是一个高级 3D 模型市场,提供一系列用于建筑、游戏等各个行业的高质量模型。该平台提供基于订阅的模型,具有不同的定价计划,允许用户访问一系列模型。 使用说明: 注册免费帐户后,只需浏览3D模型库,选择您喜欢的模型,然后以您需要的格式下载它们。 41. Smithsonian X 3D 史密森尼 X 3D 对于正在寻找历史文物和文物的高质量 3D 模型的设计师来说,这是一个独特的资源。该平台提供了大量3D模型,这些模型是根据史密森尼博物馆和研究中心中的真实物体扫描创建的。 使用说明: