=- 将原始的行为日志转化为结构化标签- 设计基于RFM模型的分层标签- 预测用户的生命周期阶段(引入期/成长期/流失期)- 为个性化推荐提供数据基础
=- 建立涵盖采用率、留存率、满意度的评分体系- 设定各维度的权重分配逻辑- 自动化生成功能“体检报告”- 辅助决策功能的迭代、维护或下线
=- 绘制关键业务流程的转化漏斗- 识别流失率最高的“断头路”环节- 提出定性与定量结合的归因假设- 设计挽回流失用户的实验方案
- 识别反映产品核心价值的单一指标- 构建输入指标与北极星指标的数学关系- 排除虚荣指标（Vanity Metrics）的干扰- 确保指标具有可操作性和先导性
=- 定义需要监控的竞品关键信号源- 设计仪表盘的信息分类与展示逻辑- 设定重大变动的预警阈值- 整合社交媒体、官网、招聘等多元数据
- 收集并标准化竞品的全球定价数据- 计算购买力平价（PPP）后的实际价格负担- 识别竞品的重点市场与收割市场- 制定针对特定地区的攻防定价策略
- 设计API性能基准测试（Benchmark）计划- 分析延迟数据对用户体验的具体影响- 比较SLA（服务等级协议）条款差异- 生成技术优势营销素材
=- 从竞品评论区筛选“我希望...”类语句- 识别垂直细分人群的特殊痛点- 评估这些长尾需求的商业潜力- 转化为具体的功能特性建议
=- 提取竞品排名前列的长尾关键词- 分析竞品的内容结构与关键词布局- 发现高搜索量低竞争的蓝海词- 反推竞品的内容营销日历
- 估算竞品UGC内容的产出频率- 分析互动率（点赞/评论比）的健康度- 识别社区的核心KOL及其影响力- 发现竞品社区的运营抓手与活动节奏
=- 追踪核心高管的履历背景与过往战绩- 从新任高管的技能栈推测公司战略重心- 分析离职高管可能带走的资源与问题- 预测组织架构调整的方向
=- 拆解竞品财报或招股书中的核心叙事- 识别支撑估值的关键乘数(Multiplier)- 分析竞品对未来的增长承诺- 发现估值与实际业务的偏离度
=- 设计算法效果的黑盒测试方案- 对比冷启动与成熟期的推荐质量- 分析竞品的信息茧房程度与多样性- 反推竞品的推荐权重逻辑
=- 自动归类投诉内容(服务、质量、虚假宣传)- 计算各类型投诉的占比与严重程度- 提炼用户情绪激动的具体关键词- 发现竞品反复出现且未解决的系统性问题
=- 建立视觉层级,突出核心KPI- 运用栅格系统规范版面结构- 优化图表类型选择,减少认知负荷- 设计动态轮播以展示更多维度
=- 梳理必须支持离线操作的核心功能- 设计本地数据缓存与排队同步机制- 规划断网状态下的UI提示与引导- 处理离线产生的状态冲突
=- 定义多端数据同步的优先级策略- 设计冲突解决机制(Conflict Resolution)- 优化弱网环境下的乐观UI更新- 规划WebSocket消息推送逻辑
=- 为不同等级的操作定义震动强度- 匹配视觉动效与触觉反馈的同步性- 利用震动传达情感(成功/失败/警告)- 避免因过度震动导致的用户疲劳
=- 梳理用户意图与对应的语音指令- 设计指令的多种自然语言变体- 定义系统反馈的语音脚本(TTS)- 处理语音识别错误与歧义
=- 定义进入沉浸模式的触发条件- 设计通知屏蔽与消息队列策略- 简化UI界面,隐藏非必要元素- 设计温和的退出与唤醒机制