随着版本的不断迭代和产品策略的不断改变，知乎的一些问题也逐渐愈发明显，这些问题也可以作为同类产品的参考：·内容量升质降UGC全量开放后，变量提升了知乎内容的产出量，但同样也带来一个新问题：专业有价值的回答也开始被一些“水”回答稀释，增加了专业有价值信息曝光的难度，对部分专业度较高的“内容生产者”造成打击，甚至一些用户违背专业严谨的精神，开始编造有吸引力话题的回答来获取更多赞数，导致在知乎用户中开始出现“编乎，分享你刚编的故事”的嘲讽话音，影响产品社区氛围。·缺乏问题过滤在知乎上，会出现同一个问题被提问多次，如：如何查看自己是知乎的第几号注册者。同类问题的泛滥导致答案也会随之分散，不利用用户快速查找定位最有价值的答案。·激励和推荐有待改善在知乎上的官方激励体系较少，通常是依靠用户针对推荐的答案自发点赞激励，随着知乎用户群体的稳定，一些大V用户已包揽某个专业领域内的粉丝群体，导致后进的内容生产者很难吸引到注意力，更难获取用户自发的激励，推荐算法的不合理也导致一些优质内容缺乏曝光，最终导致新内容生产者流失到其他平台。

·内容生产问答功能作为知乎的核心功能，在两端产品规划中也表现出了较高的优先级设计，提问按钮在WEB端首页搜索框外增加了一个显著的提问按钮，移动端也将提问按钮整合至底部导航栏中央位置的创作TAB内。为了提高问题的回答率，还提供了相关话题优质回答者的邀请方式及相似问题的链接推荐，以上功能成为知乎生产UGC内容的核心途径。再来看看与提问功能对应的回答功能，用户可以主动回答也可以被提问者邀请回答，系统还会根据用户感兴趣的方向提供问题推荐，移动端在回答方式上更是提供了传统文字回答外的视频回答（如下左图），新型回答方式为知乎拓展内容类型提供了可能性，为其进行短视频的尝试奠定了基础（如下右图）。除了回答问题之外，知乎还鼓励创作者们分享视频、文章、想法，意图丰富问答场景外的内容生产渠道，同时帮助知乎从问答内容社区的定位过渡到互动内容社区。随着创作者等级的提升，知乎也会解锁相应更多权限，并提供更多自助服务来帮助创作者获取更多的曝光和收益，以此来激励用户不断持续的创作。·内容输出从首页展示的信息我们可以看出，一方面，知乎在首页迭代中始终保留着推荐、关注和热榜这三个不同维度的内容展示，并允许随时搜索，保障用户在获取信息时的易用性。另一方面，知乎也在努力尝试知识消费，在WEB端右栏露出知识付费内容，在移动端更是将知识购买和付费内容整合在底部第二个会员TAB中，同时在我的模块内也进行了强露出（如下图所示），在回答列表中也开始尝试加入付费查看完整答案功能。·社区互动知乎提供了关注、赞同、喜爱、收藏、评论等回答互动方式，以此来刺激和鼓励内容生产者与内容获取者之间的关系建立。此外，知乎也开始切入知识社交，在移动端的关注内容中加入了类似于微博状态的“想法”功能，并开始强化私信入口，鼓励用户和知友进行更多直接交流。除了知识社交外，知乎在反馈互动方面也在不断发力，除了在通知列表中置顶了与用户相关的邀请、赞同与喜欢、评论与转发相关的信息提示，更是在移动端首页尝试性的增加了直播入口，允许大V用更直接的方式与关注者进行沟通互动。随着以上功能的不断丰富，可以看出知乎正在试图完善“内容生产—内容输出—社区互动”的社区生态系统，内容生产的设计围绕创作型用户进行激励，以便保障更多形式内容的产出，而内容输出的设计则抓住内容消费型用户的兴趣点和易用性，以此获取更多的活跃留存甚至实现消费转化，而反馈互动则推动一个活跃社区氛围的建立，在保障老用户不流失的前提下吸引更多新用户的加入。虽然功能设计的出发点很好，但依然可以发现知乎的功能框架非常臃肿，虽然提升了高阶用户的可探索性，但对新手用户而言依然不够友好，因为并不是每个用户都能够全盘接受知乎的所有复杂功能设计，因此个人还是建议增加用户的自定义功能展示（如微信的发现页设置）。

用户群体分析：基于滴滴大数据的积累分析，职场白领正在成为滴滴的主要用户群体，原因有以下三点：1.用户所处的年龄段正是对新生事物接受能力最强的阶段；2.该群体对互联网的依赖程度明显高于其他用户；3.出行体验对于这个群体用户非常重要；

（一）优点1.相对商户数量和客户活跃度较高。2.配送人员正规化，配送速度快，给用户带来良好的用户体验。（二）缺点1.市场被垄断，美团抽成高，商户得配合美团平台做各种活动，导致利润降低。2.商家质量良莠不齐，带来了食品安全问题。3.成本较高，配送时间和区域有限制。4.混合型配送管理难度大，配送团队专业化程度低，管理难度较大。

1.在搜索结果页的排序功能上，产品将用户比较关注的以及常用的因素，销量最高和距离最近这俩个条件置于第一层级，提高了用户筛选信息的效率。2.点菜前，评分信息和商家信息（包括商家店面照片和营业资质等）能有效地解决用户对食品质量担忧的问题，帮助他们更好地做决策。采用tab结构易于内容间的切换。3.点菜中，左侧竖式导航，相比横向的tab，能容纳更多的选项，且在不同商家餐品参差不齐的情况下，具备很好的适用性和拓展性。      关于点菜中的一些建议：当加入购物车的餐品价格达不到起送价的时候，美团外卖提供了凑一凑的功能，希望帮助用户在这个场景解决不知道怎么凑够起送费的难题。我建议，在凑一凑的流程中加入邀请好友一起凑单的流程，这更适合大学生集体生活或白领人士集体办公的场景。4.查看订单状态。订单状态能给予用户状态反馈。特别是在等待时，清楚订单的状态能有效的降低他们的焦虑感。对于专送，用户还能获知配送人员的位置信息。5.最后的评价。美团的评价将配送和商家区分开了，这样可以更清晰的获知用户在产品中出现的不同问题。用标签的形式展示评价信息，有效地降低了用户的输入成本，用户只需选择即可。

采用SWOT分析法：优势：1.美团网为美团外卖开拓外卖市场积累了较多的用户基础和用户数据，提供了巨大的流量入口。2.美团外卖强大和经验丰富的地推团队，保证了美团外卖高速扩张。3.美团外卖依托美团在运营上的技术积累，打通线上线下，拥有良好的商家资源。劣势：1.美团外卖尚未自建配送团队，依靠商户配送，配送速度和质量难以保证。2.美团外卖宣传活动和营销手段缺乏亮点和新意。3.美团外卖学生用户占比最大，客单价较低，拉低了盈利空间。机遇：1.随着经济和收入水平的上升，国内餐饮O2O市场交易规模快速增长，市场潜力巨大。2.中国移动互联网网民持续增长，为餐饮外卖的发展提供了强劲的助推力。3.随着餐饮信息化水平不断提高，利用新技术能够把握用户需求，提高服务质量和提升用户体验。挑战：1.外卖市场竞争激烈，用户忠诚度较低。2.用户对食品安全越来越重视和敏感，食品安全质量是影响市场发展的重要因素。3.目前，餐饮外卖配送环节问题较多，用户对餐饮外卖配送速度，质量和服务要求较高。

回答这类问题可以只给出少数几个改进意见，但力求阐述清楚每个建议的优缺点，以及试图从「豆瓣」PM的角度分析当前版本没有这么做的原因：1内容生产1.1增加物质激励功能——赠送观影券  ·当前现状及原因：「豆瓣」的内容激励体系不含会员体系和积分体系；原因猜测可能是因为「豆瓣」的文艺清新调性，使用复杂的会员、积分等物质激励体系会导致部分用户流失  ·改进：“看过”电影超过n部，赠送一张视频门户网站的付费电影vip观影券（爱奇艺、腾讯视频、优酷已有观影券产品，开发成本不大），可免费观看付费类电影，看电影本身也是社区用户的诉求，没有浓重的物质激励色彩1.2对豆列做结构化分类  ·当前现状及原因：当前我的收藏“豆列”中内容全部平行排列展示，进入用户主页后，如果豆列名字没有内容类别的识别度，用户对内容类别无感知，点开的意愿就不强；原因猜测可能是豆瓣社区的内容类别繁多，豆列结构化分类后会导致豆列页面异常复杂，增加了用户的使用成本  ·改进：对豆列内容做结构化分类，便于其他用户在点开豆列前对豆列中内容的组成有认知  ·风险点：可能涉及在线数据库的数据迁移工作，导致系统存在极大可能新增脏数据风险2内容消费2.1分发策略中增加社交分发的权重  ·当前现状及原因：据我观察，各个推荐中，社交分发的权重不高，导致虽然推荐内容信噪比较高，但难以沉淀社交关系；原因猜测是社区品牌调性导致用户对质量差的内容容忍度低，所以分发效率更重要  ·改进：算法分发时增加社交分发的权重，同时在推荐流中对已关注的人的内容做特殊的UI处理，引导强化社交关系  ·风险点：影响沉淀社交关系（使用社交分发）和提高分发效率（使用算法分发）之间的平衡2.2首页推荐中引入书影音的优秀评价内容  ·当前现状及原因：首页的动态推荐中只有用户日记和话题，没有高质量的书影音评价内容；原因猜测是平台同时都需要记录心情、故事和展现品味、逼格的内容来引发用户共鸣和深化社交关系，推荐融合后，由于结构化的书影音内容可以展示更多的信息，势必导致用户日记的出现几率会越来越低，不利于深交关系的沉淀  ·改进：首页推荐中引入书影音的优秀评价内容  ·风险点：影响社交关系的沉淀

【解析】当然不会。不是所有新生的事物就会取代旧的事物的。邮件和即时通讯是有差别的，用途不一样。即时通讯讲究的是沟通效率，会有大量冗杂的信息沉淀在对话中。表达的内容，无论是用语音还是文字，都不够正式。用户往往会在冗杂的信息中丢失重点。邮箱作为传统的通讯工具，在工作中更多的作用是用来进行公文式的沟通。邮件的内容更加正式和考究，逻辑性和全面性也比即时通讯更强，主题更加明确。同时抄送等机制能够很好的帮助阅读者理清前因后果。是用来进行更加书面化的沟通的。

【解析】豆瓣评分是十分制，但是没有评级分别对准0分和10分，豆瓣的最低评级是对准2分，就导致0分~2分之间出现了空白。讨论这个问题需要考虑三方面的因素。一、数据层面，即精确与否。有人提到了层次分析法，认为10级体系更好，应该有评级分别对准0分和10分。但是豆瓣延续了这一习惯。这的确是把主观看法转化为客观标准的一种通用的做法。但这个做法更适合做中、小范围的，以决策为目的的研究，不太适合作为网站的一项功能提供给普通用户。层次分析法的精髓是比较，受试者要给出针对客体的两两比较的结果，然后利用层次模型对数据进行处理。这在以研究为目的的项目中是很常见的，但是在实际面对大范围的普通用户时会遇到很多问题。此外，也有很多学者针对分值进行研究，发现利用主成分分析法（PCA）/SVD分解，5分值体系可以有效还原9分值体系的内容，在绝大部分情况下可以还原原始数据的90%以上的信息，3分值体系可以还原70%左右。二、人的心理因素。从人的心理层面来讨论，是个有趣的话题。关于评分这件事，很多研究表明，用户的选择往往并不一致，面对越复杂的分值系统越是如此。一方面，用户针对同一条目的前后评分不一致，分值体系越复杂，不一致的情况越严重；另一方面，在进行两两比较时，还会经常出现A>B,B>C,C>A的情况。人不是纯粹理性的个体，因此，虽然理论上越复杂的评分体系越能精确的还原用户的意图，但实际上复杂评分体系带来的副作用往往会更大。三、产品交互。在产品交互层面，要考虑希望这个功能面对怎样的用户。如果是发烧级用户，可能单一的评分维度还不够，比如电影可能要给导演、演员、编剧、摄影、音乐、舞美、道具分别打分才好做评价；图书也经常可以看到原著很好，翻译很烂的评语。要是以此为原则设计评分体系，交互上会比较复杂，相信90%的用户会望而却步。

1.明确分析目的2.寻找竞品，选择竞品3.定义分析维度4.竞品数据收集5.分析总结