前言:
今天小伙伴们对“bfprt算法原理”都比较讲究,看官们都需要剖析一些“bfprt算法原理”的相关内容。那么小编也在网上搜集了一些关于“bfprt算法原理””的相关知识,希望各位老铁们能喜欢,各位老铁们快快来了解一下吧!促进产品裂变生长的颗粒往往是细微而简单的,但是寻找他并利用它似乎不是一件容易的事。
很多人终其一生,都没能做好一件事;
很多品牌开了无数脑洞会,却依然没能找准卖点;
当人们面对选择总表现得难以取舍,裹足不前,幻想满足市场的所有需求,最终却失掉了占领心智高地的机会。
一个简单的道理是,任何人和品牌能唤起他人记忆的信息非常有限。
徐悲鸿创作过无数画作,但能被广泛记住的却是他画的马;
达.芬奇做过很多超前研究,可被提及最多的还是《蒙娜丽莎》;
虽然爱因斯坦在物理学众多领域贡献杰出(比如分子运动论、统一场论),但人们言之必绑定“相对论”。
我们知道,那些市值几百上千亿美金的公司,往往都是从极简的事情做到极致。
百度的核心产品是一个简单的搜索框,然后把“keywords”的价值挖掘到极致;
可口可乐历经百余年,直到现在大部分的利润仍然来自是一瓶简单的汽水饮料;
腾讯的即时通讯产品,最早被称为“网络寻呼机”,不过是把过去只有通过电信信号传输的信息,移植到网络上;
那么这么简单的方式,为什么只有少数的公司可以做大?
其中一个关键的问题是,很多人错误的理解了“简单”的含义。
我们所处的世界,经常会有这样的声音:
复杂的生活太累啦!我希望过得简单一点;我渴望单纯的爱情,希望爱情都是简单的;公司的管理太复杂,我们必须把它调整的简单一些;营销的理论太多了,我还是喜欢简单粗暴的方式;
这些思想非常常见,但实际上没有弄清到底什么是才是“简单”。
首先,简单是提高效率,但不一定一上来就省力。
比如,遇到困难的时候有人帮助会让事情变得轻松,但在此之前你需要拿出时间和诚意去发展人际关系;
其次,简单也绝非不去思考和行动。
假如你想要和恋人之间的关系变得简单可依赖,就要先去用你希望他对待你的方式去对待TA,并且观察TA的接受程度,直到形成默契,而不是什么都不想也不去做,就等着别人以你想要的方式来待你,那么这就不是“简单”,而是自私;
还有,简单不是去除必要环节。
举个例子,我们人类都是由一枚的受精卵发展而来的,它的结构非常简单,却可以裂变成组织、器官,直到形成完整的哺乳动物体。
试想如果去除这一过程,还会形成人类个体吗?
显然不可能,但很多时候,我们力求简单,却往往不假思索地去除了必要环节,比如,我们厌烦公司政治,就妄图人为去除,或是假设其不存在,而不是想怎样让它朝对运营有利的方向发展,最终往往栽在上面,然后换一家公司,继续妄想,“希望新公司的氛围可以单纯一些”。
最近,有些朋友了解到“奥卡姆剃刀原理”、“第一原理性”等高大上的概念,经常拿来对我说,你的产品思维、运营思路应该简单,因为人家说了,“如无必要,勿增实体”。
事实上,这句话并没有错,错的是人们总是很难分辨什么是必要的,所以往往去除了必要环节,否则它就仅仅是说服他人的一种说辞。
简单更不是粗暴
对比下边这两张图,你觉得哪张更简单,哪张更粗暴?
显然,下边这张图更复杂,制作起来非常粗暴,设计人员只要无意识地堆砌元素就可以。
上边是乔布斯主持的苹果发布会的环节设计,乔帮主轻轻地从牛皮纸袋里拿出Mac,这个设计非常简单,却让人们产生了想要拥有它的冲动,绝对不粗暴。
在这里“简单”指的是输出过程,不是思考过程,越是简单的输出,越考验设计者的思考功力。
那么,要找到简单的成长颗粒,实现像受精卵一样快速裂变的结果,需要具备哪些思维方式呢?
一、母题思维
很多人都会遭遇一种状态,就是每天都在做从0到1的事情,中途遇到阻碍无法继续,就会半途而废,然后再找另一件事,重头开始,循环往复。
这很类似,高考复习时,很多成绩平平的学生,经常采取“题海战术”,在他们的头脑里,每道题都是新的,所以他们面临的任务就非常艰巨,需要记住所有看过的题集。
反观那些成绩优秀的学生,并不是因为他们的记忆力更强,而是更加擅于压缩信息,而方式就是采用“母题策略”。
所谓“母题”,母题就是各门学科包含若干知识点的基本题、典型题,也是所有命题所参照的原型题,它可以帮助实现快速掌握知识的目的。
伊卜生就经常利用母题策略,比如营销中有一个词汇叫做“诚恳营销”,我记住这个概念是因为看到一段日本雪糕厂的道歉视频,大意是,一家历史悠久的雪糕厂,产品30几年未涨价,濒临破产,厂长带领全体员工向用户鞠躬,恳请大家:“我们真的撑不下去了,所以现在涨价5毛钱”。视频发出后,雪糕的销量增长了3倍。
这个母题的核心是,当市场中的品牌都在各种套路消费者时,反其道而行,诚恳当道,往往会收获绝佳效果。
由此,未来再遇到类似的典故、案例(比如“亨利四世卡诺莎之行,华为诚恳营销广告、加多宝使我们无能…”),便可以归类到这个母题的样式下,解约大脑的存储空间。
二.模型思维
当你发现母题间有很多元素是相同的,便可以用模型来进一步将它简化、压缩、抽象出来。
比如,很多时候,人们在做决策时,往往带入太多矛盾因子,左右为难。
因此,就需要“决策模型”来辅助。
举个例子,我的一位朋友线下开店,选址时面临3种选项,起初,TA单纯从价格角度判断,决定选择A,后来发现A的格局不好,装修起来耗时费力,又决定选择B,后来发现不符合“金角银边”的选址原则,决定选择C,而C的价格又虚高…
我告诉TA,“不能相信自己的直觉判断,而是应该把所有需要考虑的因素都列出来,然后综合评分,选出得分最高的那一项,这就是你的决策模型”。
除了“决策模型”,在以往的文章中,伊卜生创造过很多简化思考的模型。
三.算法思维
当母题和模型的量级增加,多到我们仅凭大脑已经无法记得过来时,就需要算法思维来帮忙。
介绍一种算法:快速排序算法
算法步骤:
界定范围,该范围内有诺干元素,用数字序号表示这些元素从中挑出一个元素,程序语言中称为 “基准”(pivot)。重新排序,所有元素比基准值小的摆放在基准前面,所有元素比基准值大的摆在基准的后面(相同的数可以到任一边)。把小于基准值元素的子数列和大于基准值元素的子数列排序。
(PS:已翻译成人类语言,没有提及数列、递归、基准值等学术名词)
比如,之前提到的选址的例子,现在选址范围确定为10个店面,然后从所有选址元素中提取出“价格”这个元素,这个价格可以是所有该行业线下店选址的平均值,然后把高于这个平均值的店面和低于它的店面分开,再各自进行排序,最终实现精准选择最合适店面的目的。
除此之外,也可以用算法思维搞定很多事,比如最近ICO被取缔的事情炒的沸沸扬扬,人们不禁要问,金融圈真真假假、是是非非这么多,如何分辨一起金融事件不是“庞骗”呢?
判断这件事,也可以借助算法思维,就是你把所有历史上出现的,你可以查到的“庞骗”和非“庞骗”的金融事件列出来,然后再把它们的组成元素拆解出来进行定性和定量,如:承诺利润增长率、参与人数、监管机构条文数、巅峰周期、衰落周期、获益人数、收益率、损失人数、损失率….,再用上边介绍的算法进行排序,如果你要判断的事件低于平均数值,可以判定大概率是骗局。
当然除了快速排序算法,还有很多其他实用的程序算法(比如BFPRT、二分查找算法)可以被我们的大脑借用,从而简化思考和行为,更快速、精准的找到“最小成长颗粒”,实现裂变。
结语:
“简单最难”(Simple is the hardest)。
标签: #bfprt算法原理