即刻App年轻人的同好社区
下载
App内打开
橙子_sUiN
2关注0被关注0夸夸
橙子_sUiN
1年前

Lucas小杨: 半夜分享个好东西:谷歌搜索气泡图 介绍文档:https://developers.google.com/search/docs/monitor-debug/bubble-chart-analysis?hl=zh-cn 使用入口:https://datastudio.google.com/reporting/1e5b5f6a-38d7-4547-a54b-69594681a09b/page/xFbeC/preview?hl=zh-cn(点击右上角切换为自己网站的数据源) 前置说明: 1. 每一个气泡,对应一个搜索关键词,气泡越大,说明通过此关键词获得的点击数越多。气泡颜色代表设备(蓝色代表手机,绿色代表电脑) 2. 纵轴是排名,越往上排名越靠前。横轴是点击率,越往右点击率越高。根据网站的整体数据,按照排名平均值以及点击率平均值,把图像分为了四个象限 象限一:排名高,点击率高 这是最理想的情况,这部分的关键词就不用操心了 象限二:排名低,点击率高 说明你的内容,在SERP中很有吸引力,如果能把这部分的关键词排名提上去,那么很有希望带来更大的流量 象限三:排名低,点击率低 这部分主要关注流量大的词(即气泡体积大的),因为这个词在低排名、低点击率的情况下,依然带来了显著的流量,如果能把它的排名优化上去,那么就能带来更大的流量 象限四:排名高,点击率低 导致这种情况可能有两个原因 原因一:title和description不具有吸引力,或在用户眼里认为不相关,这种情况下就需要调整title和description,不要浪费高排名带来的机会 原因二:竞争对手做了结构化数据标记,或者是以富媒体的形式呈现在SERP里,因此把大部分的点击都吸引走了。这种情况下就需要学习竞争对手的策略,争取能以同样的形式呈现在SERP中

00
橙子_sUiN
1年前

七鹿AI: #出海新手快速选品找词 之前分享了出海新手如何快速选品上站,核心逻辑是基于toolify的ai收入榜,跟随榜单的步伐选自己感兴趣的站,直接复刻快速上线。 即友们热情很高,感觉还没讲透,特别是关于如何在几百个网站里,快速挑选适合自己的致敬对象,只是讲了大概的方法,可能有些即友还是无法落地实操。 今天就再具体聊下如何筛选排行榜。 1、首先,我们toolify的收入榜作为目标库,有2个隐含前提: 1)这些站已经有稳定收入了,说明PMF已经跑通,用户需求已经过验证。 2)这些都是新站,市场处于增长期,红利还在,几乎做不到垄断,新进入者一定还有机会。 2、理解这两个前提,那问题就成了如何快速选中目标站? 反过来思考,哪些站不适合独立开发者?就先排除那些: 1)大的平台站,比如chatgpt、Facebook。基本前200的暂时不看。 2)成立时间超过半年的,不是新站,市场可能已经发生变化。 3)技术栈复杂的,开发周期长。特别是自研大模型或模型微调的。 4)独特资源支撑的,强资源要素独立开发者搞不定,比如本地营销场景,独特的行业数据,其他网站的初始用户或数据导入, 5)需要强运营的,比如社区、电商、定制等类型。我们要找的那种产品驱动的网站,适合独立开发者。 3、排除之后如何在剩下的里面挑,3步走: 1)对剩下的站先问GPT,做一个基本的分析,目的是了解这个网站的核心价值、用户痛点、所在行业、主营业务、技术栈。目的是圈定自己熟悉的或感兴趣的行业和类型,比如类型:文本类/图片类/视频/语音等等,行业如营销/互联网/法律/金融等等。 2)在semrush上查看这个站,主要看三个数据: 最近半年的流量趋势是不是逐渐增长; 自然搜索核心的3个关键词; 自然搜索带来的流量有没有超过50%,如果是付费流量占比高,那我们做的优势不大,或者是社媒引荐流量占比高,说明我们做优势也不大; 这一步目的是判断这个站所在行业是不是有增长潜力。 3)在googletrends上查3个核心的关键词,最近半年或一年趋势情况,是不是趋于稳定的曲线,而不是突然一波高峰然后没了。这一步目的是确实用户需求的稳定性,而不是某个突发事件或暴力营销。 按照上面步骤,基本可以说能选中几个目标站,剩下就是借助GPT写代码上站了。 大家有没有发现,其实最费时间的还是第1步,需要一个个网站打开,去查去问GPT。回头我建个Agent,自动跑一个可筛选的目标站列表出来, 大家感兴趣的话先蹲个坑。

00
橙子_sUiN
2年前

Junping1: 为了出海这段时间分别注册好了英国公司、Wise银行账号,Stripe和苹果开发者,全程在国内完成,成本不高、流程也不复杂,总共花费不到两千人民币,用时两三周。写好了对应的攻略供参考: - 英国公司 大部分国家对英国公司的接受程度都很高,开通各种银行或者其它服务难度都比较低,不在英国本土运营也不需要给英国政府缴税。注册通过代理公司1st Formations全程线上办理,成本大概在几百块左右,需要的资料很简单,护照、地址证明文件之类。我大概用了4天时间左右完成。之后公司每年维护成本大概几百块人民币。 详细攻略:https://blog.imjp.uk/uk-company - Wise银行账号 Wise支持开通美元、英镑、欧元等多种货币的银行账户,用于在世界各地收款和消费,汇率和手续费基本也是最佳的,可以给国内银行/支付宝/微信打款。用注册好的英国公司申请Wise企业账号非常简单,就是最后付款验证需要用境外银行卡支付比较麻烦,我是用新加坡华侨银行完成验证的。 详细攻略:https://blog.imjp.uk/wise-bank - 苹果开发者 需要用英国手机号+英国公司注册,英国手机号有很多解决方法,我都写在详细的攻略里了。注册过程总体也很简单。过程中可能会被要求和苹果英国的技术支持通话验证,不过可以绕道和中国大陆的技术支持通话,也能完成验证。另外需要注意:海外公司在国内App备案极其困难,如果app要上线中国大陆需仔细考虑。 详细攻略:https://blog.imjp.uk/uk-apple-dev - Stripe 有了英国公司和Wise账号之后,注册Stripe极其简单。公司信息填英国公司的,银行信息填在Wise开通的美元账户,我十几分就注册好了,就不写详细的攻略了。 希望可以帮到大家,有问题欢迎联系我。

00
橙子_sUiN
2年前

茉莉同学: 那啥,我好像找到了面试密码! . 7年工作4次求职,都快速拿下满意offer。即便在今年互联网行情仍处艰难的一年,面试基本上通过率100%。在和多位高P朋友、猎头交流以及多轮实战后,我好像找到了面试通关密码。 . 🌲第1步:岗位分析 每次面试前,我会搜集感兴趣公司的岗位进行交叉分析。 根据职业发展规划筛选目标工作,一般会有大概5-10个名单。其次,在清单基础上,换位分析对方所需要的人才画像。这里一方面可以借助朋友、猎头打听,另一方面也可以通过该平台的对标竞品/对标岗位进行技能模型的描摹,对号入座看自己的匹配度、结合市场供需情况看竞争力。在过程中,选出意向度&把握度最高的3-5个。 . 🌲第2步:面试准备 面试准备包含3个模块:故事线(自我介绍),简历,案例。 面试节奏往往从自我介绍」展开。前期准备阶段,我会先找到目标岗位最核心需要的3个技能模型,并且由此分析自己可能相交于其他候选人的差异化价值,两者取交集来梳理往期能力沉淀以及对应的工作案例。 在故事线上,自我介绍是尤为重要的一部分。我会从希望对方记住什么,来倒推在开头这1-3分钟预埋怎样的故事点,一般可以涵盖3个重点案例(对应3个核心能力)以及1个你的个人特质,形成一个个人成长小故事。不出意外的话,一般对方会根据故事点来展开提问。 简历可紧扣对方需求,通过STAR原则体现相应的【专业度】和【匹配度】,并且横向提炼这些案例的价值(对比公司或行业往期尝试所产生的增量)。内容布局上,可以呼应故事线,便于直观。 案例方面,其实就是大家常用的STAR原则。在此基础上,可以尝试多问问自己: 1)必要性:为什么问题值得被这种方式解决。能解决到什么程度。体现自己不可或缺的角色。 2)专业性:要实现这个目标,最关键的三件事。哪些动作可做可不做,哪些动作加大投入更有价值。 3)相关性:抓住案例能体现可迁移能力,能带来的价值。 🌲第3步:面试发挥 理解每个面试环节的核心诉求,简历初筛--专业度&匹配度,初面--鉴真,二面--思考,三面--业务洞察,四面-软性素质,过程中可多对话、多表达求职动机。条件许可,尽量现场面试。 过程中,上来先花10分钟详细了解预期、招聘背景,理解对方需要什么样的人。面试也是双向考察,可以从专业度、团队氛围、领导风格等角度,在交谈中考察对方(不合适的早过滤早好)。

00
橙子_sUiN
3年前

歸藏: AIGC Weekly #26更新了。AI 领域沉寂了一个月之后上周终于有了一些新东西。本期主要内容有: - Open AI 大动作,模型更新、函数调用、费用降低 - Meta 推出 Voicebox,一个全能语音生成模型 - Midjourney最新的工作报告进展 - 谷歌的AI试衣模型 - Stable Diffusion稳定生成视频的突破 - 上周一些产品推荐和值得阅读的文章 详细信息可以在链接里查看:https://op7418.zhubai.love/posts/2282531383102836736 🥰本周精选: Open AI 上周三发布了一大批模型相关的更新,包括了GPT-4和3.5的新版本模型,模型都支持函数调用以及关于模型 费用的调整: https://openai.com/blog/function-calling-and-other-api-updates Meta 最近瞄准了除了大语言模型之外的其他媒体生成式模型开始发力,比如上周推出了 Voicebox,一个全能语音生成模型:https://ai.facebook.com/blog/voicebox-generative-ai-model-speech/https://ai.facebook.com/blog/voicebox-generative-ai-model-speech/ 上周Midjourney工作时间官方的一些消息,比较重要的有:V6 相关信息、V5.2 相关信息、移动和 web 客户端等:https://twitter.com/saana_ai/status/1669068602111328256?s=20 谷歌前两天发了一个AI试衣模型 TryOnDiffusion,想解决的是用户提供一张自己的全身照,就可以获得自己穿上对应服装的样子:https://blog.google/products/shopping/virtual-try-on-google-generative-ai/ 上周发布的这个方案看起来很大程度解决了SD 生成视频的闪烁和稳定性问题:https://anonymous-31415926.github.io/ ⚒️产品推荐: Framer AI :AI 帮你创建网页:https://www.framer.com/ai Foreplay 2.0:大量制作高转化率的 Facebook 和 TikTok 广告:https://www.foreplay.co/ 腾讯智影:腾讯推出的 AI 画图应用:https://zenvideo.qq.com/image/create Locofy:利用AI 和设计系统直接将设计稿转换为前端代码:https://www.locofy.ai/ BeforeSunset:AI 驱动的 To-Do 应用:https://www.beforesunset.ai/ Spell AI:AI 自动完成你安排的任务:https://spell.so/ Freeflo:一个精美的 AI 生成图片素材库附带有提示词:https://freeflo.ai/ Hotjar AI for surveys:AI 帮助创建调研问卷和分析:https://www.hotjar.com/product-ai-surveys/ Vercel 推出了 AI SDK加速构建 AI 应用的过程:https://vercel.com/blog/introducing-the-vercel-ai-sdk Millie:AI交友助手:https://www.meetmillie.app/ Lancey:产品增长平台,快速启动PLG实验:https://trylancey.com/ Octopulse AI:AI 驱动的用户增长分析平台:https://www.octopulse.ai/ Writesonic:AI 辅助你撰写品牌宣传文章:https://writesonic.com/ai-article-writer-generator Logo livery:AI 生成 LOGO:https://logolivery.ai/ Obviously AI:无需编写代码即可构建AI模型的工具:https://www.obviously.ai/ 🔬精选文章: 欧盟人工智能法案的介绍:https://www.forbes.com/sites/forbeseq/2023/06/15/a-machine-learning-engineers-guide-to-the-ai-act/ ChatGPT 代码解释器插件对财务和金融从业者的影响:https://every.to/napkin-math/openai-s-code-interpreter-is-about-to-remake-finance 第一个基于 Yann LeCun 对更像人类 AI 的愿景的 AI 模型:https://ai.facebook.com/blog/yann-lecun-ai-model-i-jepa/ LLM的不同发展路径:https://www.interconnects.ai/p/llm-development-paths 成规模的 AI 领域市场地图:https://alexsandu.substack.com/p/market-map-gen-ai-companies-with Reddit实际上是OpenAI的护城河:https://www.cyberdemon.org/2023/06/14/reddit-moat.html 用长期记忆增强语言模型:https://huggingface.co/papers/2306.07174 FinGPT:开源金融 LLM:https://arxiv.org/abs/2306.06031 LLM 输出内容水印的可靠性:https://arxiv.org/pdf/2306.04634.pdf Transformer模型调研:https://arxiv.org/abs/2306.07303 TAPIR:使用每帧初始化和时间细化跟踪任何点:https://arxiv.org/abs/2306.08637 感谢大家看到这里,在此我也想给大家介绍一下有趣的内容和信息,如果你也觉得有意思的话可以私信我或者给我发邮件投稿。 订阅周刊:https://op7418.zhubai.love/posts/2282531383102836736

00