一文讲明白什么是市场调研

a2964fe3bbab857ed530de5b4ba95435.gif

本文主要介绍市场调研的主要步骤和工具方法,并简单介绍了淘宝在电商领域中市场调研的实践。

b8aa3a525f73aef599358cb90d89adba.png

什么是调研

  定义

广义的含义,调研既是指市场调查,通过收集、分析和解释相关数据来达到了解企业现状、了解市场趋势、挖掘用户需求、确定产品研发方向等目的。市场调查的最终目的是制定一系列商业决策。

  常见研究目标
  1. 了解目标市场:市场调研帮助企业更好地了解目标市场的规模、结构、增长趋势和关键参与者。这有助于企业确定在哪里定位自己,以及如何满足市场需求。

  2. 了解顾客需求:通过调查和其他数据收集方法,企业可以深入了解顾客的需求、喜好、行为和购买决策过程。这有助于企业开发更符合市场需求的产品和服务。

  3. 产品和服务改进:市场调研提供了有关产品和服务的反馈,帮助企业了解它们的优势和不足之处。这为改进和创新提供了方向。

  4. 分析竞争环境:通过市场调研,企业可以了解竞争对手的优势、弱点、市场份额和策略。这有助于企业识别机会和风险,制定更有效的竞争策略。

  5. 制定营销战略:市场调研为制定有针对性的营销战略提供了基础。了解目标市场的特征和需求,企业可以更好地定位自己的品牌,并开展有效的促销活动。

  主要步骤
  1. 明确研究目标

  2. 确定研究方法

  3. 制定调研计划

  4. 收集数据&分析数据

3c1fb61d2ef1bd9055aec0f7ddd55f63.png

明确研究目标

一个完整的市场营销项目,会涉及哪些命题

cb8e81d6f4f4dcc7fd8b00f64d86980b.png

isv营销方案案例: 任何环节,都可能需要调研:

13f03d5c71c7ef1fee23e7a70e2f8bdc.png

  常用方法论
  1. 发现问题

  2. 定义问题

  3. 分析问题

  4. 解决问题

  • 宏观分析-PEST

PEST类分析方法主要面向宏观环境,其中包括政策法规、经济环境、社会文化和技术革新四个方面,对于不同的市场来说,市场调研的核心关注点是与之相关的某一个因素带来的市场机会及威胁,在此背景之下需要辨别目标市场的宏观变化和发展趋势。

e89ee5471fed6ead68fe1ba82809b06b.png

  • 竞争力分析-swot

SWOT的全称是:Strengths(优势)、Weakness(弱势)、Opportunity(机会)、威胁(Threats)。而SWOT分析法这个词有些误导,因为SWOT并不是一种分析方法。SWOT只是一种获取信息的手段,以便你后续的分析。



  • 竞争力分析-波特五力

波特五力,是把大量复杂不同的因素汇集在一个简便的模型当中,以此来分析,一个行业或者一个公司的基本竞争形式。简单来讲,这五种力量包括:供应商(上游)讨价还价的能力,购买者(下游)讨价还价的能力,潜在进入的威胁,替代品的威胁,同行业公司的竞争。

a6de3ed76062fc8f8ef6dc14a73a217d.png

  • 业务结构分析-波士顿矩阵分析法

波士顿矩阵分析法可以用来区分不同的细分市场类型,根据需求增长率和当前自己的市场占有率,识别出最具潜力的外部市场和最具威胁的市场竞争对手,具体可以分为明星、现金牛、收购和问题业务四种类型。

  1. 明星类产品:高增长且高市占,发展前景好,竞争力强,需加大投资以支持其发展;

  2. 问题类产品:高增长但低市占,发展前景好但市场开拓不足,需谨慎投资;

  3. 现金牛产品:低增长但高市占,成熟市场的领导者,应降低投资,维持市占并延缓衰退;

  4. 瘦狗类产品:低增长且低市占,理论率低甚至亏损,应采取撤退战略。

ba4f4df31eb323839042e1ee79e71d66.png

  • 通用分析问题-5w2h&黄金圈法则&MECE原则

what(做什么)when(何时)where(何处)why(为什么要做)who(谁,谁来做);how(怎么做,如何实施,方法是什么) how much(多少,做到什么程度)

黄金圈法则在于“向内求”,第一步思考why(为什么),核心在于从内向外思考,它能把想要做调研人的“显性需求”与“隐形诉求”挖掘出来。

MECE:相互独立,完全穷尽。先分类,再分析

  举例

546a6478940bad675baa88b495f07fa0.png

da9533523b1010fcd6b63c34cb966be7.jpeg

b9d900cb9177d22d4476c956ed86a967.png

最常见的调研方法

23ee9f518fff51a586664d9e0637e38b.jpeg

行为:已发生的事情,并且数据齐全时。特点:真实、准确

态度:未发生的或者虽然发生了,但数据不好收集。特点:挖掘新需求,新赛道

  定性调研
  • 概述

定性调研的特点是有深度、有细节。

定性研究大多是小范围地收集目标用户的观点的研究方式,其重点是理解事物,而非衡量事物。如果想要理解某物(某些概念,观点,或经历),那么采用定性研究更为合适。

定性研究是非结构化的、主观的、科学性较差的研究方法,分析结果非常依赖研究者的经验



  • 常见形式


工作坊(圆桌会)

一般会邀请10-20位前沿消费者、大V等一同进行讨论,工作坊往往是通过头脑风暴和协作共创来实现用户思维的激发和发散,让参与者在参与的过程中能够相互对话沟通。



焦点小组座谈会

小组座谈会的人数会根据项目情况设定在4-8人,选取的参与者是有共同话题或背景的人,通过思维碰撞挖掘共识与差异,实现多样化的调研内容,如产品概念/创意/包装等测试、品牌定位、用户行为态度研究等等。可以设置多问题保障讨论的广度,也能了解受访者的原因和动机,确保讨论的深度。



深度访谈

谈话对象的数量通常为1-2人,深度访谈的目的是深度挖掘话题,区分不同个体的想法与见解,谈话的地点可以是家中,也可以是访谈室或商场、咖啡店等特定场景。深度访谈能够通过深入细致的访谈,获得丰富生动的定性资料,一方面可应用于购物路径、人物画像等深入话题,另一方面也适用于疾病等私密话题。深度访谈较为适用于小众访问对象,例如专家/KOL、小众爱好人群等等。



人类志

这是一种在真实环境下沉浸式观察消费者的调研方法,目的是深入了解消费者的行为、态度或特点,例如陪同消费者去到日常常去的生活和娱乐场所,从而较为全面地生成包含兴趣爱好、人物性格等在内的人物画像,从而帮助品牌更精准地洞察消费者,例如某高端数码产品用户、新能源汽车车主等等。

  定量调研
  • 概述

定量调研有广度、有数据

定量研究是通过问卷调查等手段来进行大范围的行为态度调研,是结构化的、客观的。

定量研究的核心是统计学,它是一门科学,它往往需要数量较大且具有代表性的样本,样本量越大,抽样存在的误差就越低,通过分析数据得出的结果往往具有较高的真实性和可信度。



  • 常见形式


问卷调查法

问卷调查法的应用极为广泛,这种方式可以在短期内收集大量反馈,可借助网络传播调研而降低成本,具有广泛的应用性。成本低、回收效率高



AB Test

AB Test核心是控制变量,测试结果非常直接。AB Test可用于视觉设计,还可以用于概念、表述等多个方面。

  最常用的定量调研-问卷
设计原则
  1. 目的性原则:围绕调研主题密切展开,突出重点,避免可有可无的问题。

  2. 可接受原则:使用符合被调查用户的身份、水平的用语,避免难堪、反感或敏感性话题。

  3. 顺序性原则:由易到难、由简入繁的展开。

    a.例如:行为型问题放在前面、态度型问题放在中间、敏感型问题放在后面;封闭型、半封闭问题放在前面、开放型问题放在后面;注意逻辑顺序:可按时间顺序、类别顺序等合理安排。

  4. 简明性原则:无关紧要或没有统计价值的问题不要列入,避免重复;时间简短、问题和答案都不宜过长,整篇问卷回答控制在xx分钟以内;问卷排版要布局清晰、易读。

  5. 匹配性原则:所有问题答案要便于检查、数据处理和分析,所提问题应事先考虑到对应结果,适当做分类和解释,使资料便于做交叉分析。

询问技术
  1. 开放式问题、半开放式问题、封闭式问题

    a.开放式问题:是指不列出答案,让用户自由作答的问题。能开拓调查者思路,适合获取启发性或补充性答案时列出,能让被调研用户充分表达意见和看法,但注意要围绕你想挖掘的话题展开,提问不能过于宽泛笼统,否则会导致不易回答、或言之无物。比如,你目的是规划“智能手表需要的功能”,最好不要问“你觉得什么样的智能手表最好”,而要问“你喜欢智能手表有哪些功能?”或“你对智能手表的一些功能有什么建议?”

    b.半开放式问题:列出可能性的答案后,追加一个“其他”答案,且可自由填写的问题。适合有部分标准答案,但还需要再扩展一些可能性的情况。

    c.封闭式问题:是指问卷提出的问题,已经设定好了各种可能的答案,只要用户从中选择即可。当有标准化答案,不需要复杂提问时使用,能够快速作答且便于统计。

  2. 直接性问题、间接性问题、假设性问题

    a.直接性问题:直接询问就能得到答案的问题,常用于询问个人基本情况或已经存在的事实。如:“你毕业/就读的学校是_______”、“你最喜欢的服装牌是_______”

    b.间接性问题:需要间接提问,通常是被调查者有顾虑、不愿或不真实回答的问题。

    c.假设性问题:假设某一情境或现象,向用户提出的问题。需要验证方案或假设结论时,可利用这种提问方式.例如:“如果每个母婴室的空间,仅供容纳妈妈和宝宝两个人,您觉得合理吗?”“如果购买电脑和手机,您只能选一种,您会选哪种?”

  3. 事实性问题、行为性问题、动机性问题、态度性问题。

    a.事实性问题:要求用户回答有关事实的问题,在为了获得事实资料时使用,提问必须清晰、易理解。如:“一天中,您通常在什么时间刷微博?”、“您的教育程度是__?”、”您的性别?”、“您的年龄?”等。

    b.行为性问题:对用户行为特征进行调查。例如:“您是否拥有汽车?”、“您是否曾出镜旅游?”。

    c.动机性问题:了解用户行为的原因或动机。例如:“您为什么购买汽车?”、“您旅游为什么会选择出镜游?”

    d.态度性问题:关于用户对某事的态度、评价、意见等问题。例如:“你是否喜欢苹果手机?”、“您对新款iPhone X的评价处于哪个分数?”

题型设计

常见基础题型

  1. 单项选择。只能选择一个答案。每个答案互相排斥、且所有答案加在一起包含了所有可能性。包括:二项单选(只有“是”“否”两个答案)多项单选(有三个以上答案)

  2. 多项选择。提前备好2个以上答案,用户可选择其中一项或几项。但为了答案尽可能涵盖所有人的看法,通常会加一个“其他”选项,为避免答案过渡分散,总体选项不超过8个。

  3. 排序。列出若干答案选项,由回答者按重要程度决定先后顺序。利于对用户的意见、动机、感觉等因素做衡量和比较性表达。

  4. 打分。把定性问题定量化,让用户对题干所列内容进行强度测量的方法。

0d3d0565021272108d96a4fad54116ac.png

复杂题型

MaxDiff (最大化差异度量)题型,用于了解受访者对产品属性的偏好程度

9169a4e94fb0aea31a1940f5690ea14d.png

ef3be92380537503902f7851cdf9eef2.png

KANO 模型是用户需求分类和优先排序的有用工具,以分析用户需求对用户满意的影响为基础,体现了产品性能和用户满意之间的非线性关系。

51e856c66a0f664dcaa23acd6d3da5dc.png

a49ca33099f3b2f9887690d527bb519b.png

联合分析,用于了解受访者对多属性多水平的产品的偏好。联合分析问题向受访者展示一组概念,要求选择最吸引人的概念,可以帮助确定最佳产品功能、价格敏感度,市场份额等。

72450e83d13cbeda7ebb3fdffb2183e4.png

26754bc1029686b64ad217939c49307d.png

PSM模型用于衡量目标潜在用户对于不同价格的满意或接受程度,从而制定出适合的产品价格,并且得到适合的价格区间等。

38c3da999b9080a0442f0e59a95f2d11.png

2d2f113d6fd900c6aa982e39e036271d.png

题库&问卷模板

问题模板:专家认证,不断积累标准题目模板,并在用户编辑题目时推荐题库

a2d260cd681759b06524ad6cba8e87b9.png

问卷模板

a9ef72226ec32a2d8d7c7b035d8d37f6.png

  • 样本量确定

样本计算公式

8ad39a33f57965c2bb812c0931777f35.png

Z = Z 值(例如,95% 置信水平为 1.96) p = 目标总体的比例期望值,以小数表示 (.5 用于所需样本大小) c = 置信区间,以小数表示 (例如,0.04 = ±4)

例:

  1. 取置信度1.96,置信区间0.04,不知道p值于是取最坏情况0.5,1.96*1.96*0.5*0.5/(0.04*0.04) = 600个样本。

  2. 如果知道行业平均值,这时候可以把p设为平均值,比如假设p为0.2,1.96*1.96*0.2*0.8/(0.04*0.04)=384个样本。仿真、测款、货架测款的样本推荐都是按照这个



通过整体人群规模修正

一般人群规模较小时,通过修正后可以减小样本量

5a83ddfa09477cffa0cab13108523620.png

假设pop=1,000,000,ss=500修正后497个样本

行业内经验

规则:问卷题目的5-10倍

pk测款、联合分析等非独立测试

一般要求商品在一份问卷中出现次数为3-5次

单问卷题数=商品数N*3/每轮商品数

结合上面题目的5-10倍,这里取5。样本数 = 单问卷题数*5

单个用户能答问卷数 = (轮数*每轮商品数)/单问卷题数 = (轮数*每轮商品数)/商品数N*3/每轮商品数

需要的总用户数= (商品数N*3/每轮商品数)/单个用户能答问卷数 = (商品数N*3/每轮商品数)*(商品数N*3/每轮商品数)*5/轮数

  • 如何抽样

一般抽样方法如下:

  1. 随机抽样、等距抽样:总体分布范围不广、总体规模不大、总体内个体差异成都不高。

  2. 分层抽样:总体规模大、内部构造复杂、差异大且分类明显时。

    按规定的比例从不同层中随机抽取样品(个体)的方法。这种方法的优点是,样本的代表性比较好,抽样误差比较小

  3. 整群抽样、多阶段抽样:总体分布范围广、规模大、分类不明显

    整群抽样:整群地抽选样本单位,对被抽选的各群进行全面调查的一种抽样组织方式。例如,检验某种零件的质量时,不是逐个抽取零件,而是随机抽若干盒 (每盒装有若干个零件),对所抽各盒零件进行全面检验。

    多阶段抽样:是指将抽样过程分阶段进行,每个阶段使用的抽样方法往往不同,即将各种抽样方法结合使用,其在大型流行病学调查中常用。

理想的消费者分层抽样:

  1. 先分析出TA人群画像

  2. 按照性别、消费层级、地域、年龄中一个或多个,计算标签值比例

  3. 对回收样本进行比例控制

    消费者主动来访场景

    主动触达消费者场景

例:

9b0d009a00ee19e9bb6eb21cc12000cf.png

常用分析方法:

29ec386467656f68231b4f977736fd1e.jpeg

假设检验

用于检验调研结果真实性

假设检验中,首先建立一个原假设和一个备择假设,然后根据样本数据和统计方法得到一个检验统计量(如z值、t值等),最后通过比较检验统计量与显著性水平的临界值,判断是否拒绝原假设,进而得到研究结论。显著性水平是指拒绝原假设的概率,多数情况是取0.05。

《女士品茶的故事》-- 费歇尔(R. A. Fisher)

cee6cbf9fbdd233e3b3f1b311c27f4ec.png

问题:女士到底有没有品尝出茶里加奶还是奶里加茶的能力?

假设:假设没有能力

数据:女士答对的次数=7次

结论:1)在显著性水平为0.05时,拒绝原假设,即女士拥有能力;2)在显著性水平为0.01时,接受原假设,女士没有该能力。

交叉分析

用于分析tgi(目标群体指数),一般用于下钻分析

例:将某地区15-24岁的人作为目标群体,将去看电影作为相同特征;若该地区15-24岁的人中,有8.9%的人去过看电影,而在该地区总体人群中,有6.6%的人去过[电影网站A]看电影,则在15-24岁人群中的TGI指数是134.9(8.9%/6.6%×100),其数额越大,就表明目标群体吻合度就越强势。



卡方检验

用于双变量(categorical data)的独立性检验

例:从某总体中经过简单随机抽样获得的频数数据,性别只分男女两类,且没有顺序;研究色盲问题时只有色盲和正常两类,也没有顺序,现要根据样本数据检验色盲与性别是否独立(也即色盲与性别有无关系)



更多

R Studio

spass

excel(最强的数据分析工具)



  • 分析模型


case1:xx概念测试模型

1)问题模板

0b6d1a0b3099e507bcd9c055128714ed.png

2)根据题目数据计算出指标,共19个指标

447fde177f029ded4058d74bb16ad934.png

3)概念评价报告

1.总体诊断

2.多维诊断

3.品牌贡献分析

4.高PI人群分析

  • Norm库

规范化输入,标准化输出,对所有历史样本数据进行统计分析或算法分析,最终产出高质量的、丰富的、多维度、灵活可用的benchmark数据集。

  结语

定性和定量研究经常被应用于产品创新的各个环节,例如创新初期的产品需求、新品创意洞察,创新中期的概念、名称、宣称测试等,以及创新后期的广告、商标、包装等一系列测试。定量研究侧重于对事物的测量和计算,而定性研究侧重于对事物的含义理解以及背后原因的探索挖掘。



虽然定性与定量在抽样方法、样本量、研究逻辑、研究者角色等方面皆有差异,但并不意味着它们是互斥的。很多情况下,定性和定量能够协同发挥作用。

例如,在tmic产品体系下,进行产品创新时

  1. 品牌可通过tmic大数据分析,趋势市场、需求洞察模型等分析出市场机会

  2. 通过大数据模型分析,再结合话题小组等定性调研得到初步方向和结论

  3. 通过问卷定量研究出具体方向

  4. 再通过深度访谈挖掘深层的原因

  5. 通过测款工具测试出图片和卖点

  6. 通过仿真工具预测购买转化率

ec5146baedec6a873a02212c7a19fdd2.png

团队介绍

实习生招聘正在火热进行中!!!

我们是天猫技术新品营销团队,我们的使命是在大数据、人工智能和数字营销领域构建起全新的电商新品运营模式,致力于打造全球领先的数字化新品营销平台
在我们的日常工作中:

  1. 我们依托先进的大数据能力,深度解读消费者行为趋势和市场动态追踪,为品牌提供准确的新品研发方向;

  2. 围绕AIGC算法模型的训练和应用,持续完善AI相关基础能力建设,提升算法模型的训练和应用效率;

  3. 结合消费者端互动玩法、试用测评和新品导购场景,通过平台新品运营产品建设,全面提升商家数字化上新营销能力。

在这里,你可以参与到业内前沿的大数据处理技术,高并发系统架构以及人工智能应用,只要你怀揣梦想,敢于创新,勇于挑战,我们都期待你的加入,一起开启探索未知、创造未来的旅程!

简历投递邮箱:linmao.lm@taobao.com

¤ 拓展阅读 ¤

3DXR技术 | 终端技术 | 音视频技术

服务端技术 | 技术质量 | 数据算法

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/823597.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

『哈哥赠书 - 51期』-『数字风控体系:设计与实践』

⭐️ 赠书 - 《数字风控体系:设计与实践》 ⭐️ 数字风控概述 从2007年开始到2014年左右,高速移动网络和智能手机迅速在大众中普及,开启了移动互联网时代。在这个背景下,企业的产品与服务也出现了两个重要的趋势。 第一个趋势是…

VUE3 + Elementui-Plus 之 树形组件el-tree 一键展开(收起);一键全选(不全选)

需求&#xff1a; 产品要求权限树形结构添加外部复选框进行全部展开或收起&#xff1b;全选或不全选。 实现步骤&#xff1a; tree组件部分&#xff1a; <div class"role-handle"><div>权限选择(可多选)</div><div><el-checkbox v-mode…

Git回滚版本并push到远端master

1、查看日志 git log 2、还原最近的版本 () --git reset --hard commit-id 如&#xff1a;git reset --hard d84da14bf2743683eca7a015f56114faaa344f42 3、覆盖分支版本 git push -f origin dev 回滚本地master完成后&#xff0c;将回滚后的代码push到远端master&#xf…

C++笔记:异常

文章目录 C 运行时错误处理机制及其不足之处C 异常概念异常的使用异常的抛出和匹配原则在函数调用链中异常栈展开匹配原则异常的重新抛出举例演示说明例子一&#xff1a;串联举例演示大部分原则例子二&#xff1a;模拟服务器开发中常用的异常继承体系例子三&#xff1a;异常的重…

C++初级----list(STL)

1、 list介绍 1.1、 list介绍 1.list是可以在常数范围内在任意位置进行插入和删除的序列式容器&#xff0c;并且该容器可以前后双向迭代。 1. list的底层是双向链表结构&#xff0c;双向链表中每个元素存储在互不相关的独立节点中&#xff0c;在节点中通过指针指向 其前一…

集成定制化软件的销售推广渠道有哪些?

集成定制化软件的销售推广渠道可以包括以下几个方面&#xff1a; 一、线上渠道&#xff1a; 官方网站&#xff1a;建立专业的官方网站&#xff0c;展示软件的功能、优势、案例等&#xff0c;提供试用或购买链接。社交媒体&#xff1a;利用微博、微信、抖音等社交媒体平台&#…

SpringBoot中的动态编程实战原来是这么玩的

Java 开发已经有越来越多的 Groovy 出现在后台了。 而对于一般的应用开发&#xff0c;只要能用 Java 就都能用到 Groovy&#xff0c;唯一的难点只在于能不能招到足够的人员。 注&#xff1a;今天我们分享的就是利用Groovy脚本在SpringBoot项目中实现动态编程&#xff0c;使业务…

【YOLOv8改进[Neck]】使用BiFPN助力V8更优秀

目录 一 BiFPN(双向特征金字塔网络) 1 BiFPN 2 EfficientDet 二 使用BiFPN助力模型更优秀 1 整体修改 2 配置文件 3 训练 其他 一 BiFPN(双向特征金字塔网络) BiFPN(双向特征金字塔网络&#xff0c; 2020)用于特征融合层。 官方论文地址&#xff1a;https://arxiv.org…

鸢尾花数据集分类(决策树,朴素贝叶斯,人工神经网络)

目录 一、决策树 二、朴素贝叶斯 三、人工神经网络 四、利用三种方法进行鸢尾花数据集分类 一、决策树 决策树是一种常用的机器学习算法&#xff0c;用于分类和回归任务。它是一种树形结构&#xff0c;其中每个内部节点表示一个特征或属性&#xff0c;每个分支代表这个特征…

Spring容器结构

文章目录 1.基本介绍1.Spring5官网2.API文档3.Spring核心学习内容4.几个重要概念 2.快速入门1.需求分析2.入门案例1.新建Java项目2.导入jar包3.编写Monster.java4.src下编写Spring配置文件1.创建spring配置文件&#xff0c;名字随意&#xff0c;但是需要放在src下2.创建Spring …

SparkUI 讲解

目录 Executors Environment Storage SQL Exchange Sort Aggregate Jobs Stages Stage DAG Event Timeline Task Metrics Summary Metrics Tasks &#x1f490;&#x1f490;扫码关注公众号&#xff0c;回复 spark 关键字下载geekbang 原价 90 元 零基础入门 Spar…

IDEA2023 开发环境配置

目录 1. 关闭IDEA自动更新1.2 IDEA 新版样式切换 2. Maven配置2.1本地仓库优先加载2.2 maven.config配置文件中 3. 全局配置JDK4. 配置文件编码:UTF-85. 开启自动编译&#xff08;全局配置&#xff09;6. 开启自动导包7. 开启鼠标悬浮&#xff08;提示文档信息&#xff09;8. 设…

golang 使用栈模拟计算器

思路&#xff1a; // Author sunwenbo // 2024/4/12 16:51 package mainimport ("errors""fmt""strconv" )// 使用数组来模拟一个栈的应用 type Stack struct {MaxTop int //表示栈最大可以存放数的个数Top int //表示栈底&#xff…

2024年阿里云4核8G配置云服务器价格低性能高!

阿里云4核8G服务器租用优惠价格700元1年&#xff0c;配置为ECS通用算力型u1实例&#xff08;ecs.u1-c1m2.xlarge&#xff09;4核8G配置、1M到3M带宽可选、ESSD Entry系统盘20G到40G可选&#xff0c;CPU采用Intel(R) Xeon(R) Platinum处理器&#xff0c;阿里云优惠 aliyunfuwuqi…

代码随想录算法训练营第二十九天|491.递增子序列、46.全排列、46.全排列II

491. 非递减子序列 思路&#xff1a; 在90.子集II (opens new window)中我们是通过排序&#xff0c;再加一个标记数组来达到去重的目的。 而本题求自增子序列&#xff0c;是不能对原数组进行排序的&#xff0c;排完序的数组都是自增子序列了。 所以不能使用之前的去重逻辑&…

【模拟】Leetcode 数青蛙

题目讲解 1419. 数青蛙 算法讲解 class Solution { public:int minNumberOfFrogs(string croakOfFrogs) {string target "croak";int n target.size();//保存target每个字符的位置indexunordered_map<char, int>index;for(int i 0; i < n; i)index[tar…

必应Bing国内广告推广,帮助企业降低获客成本!

搜索引擎广告作为数字营销的重要手段之一&#xff0c;因其精准定位和效果可衡量而备受青睐。而在众多搜索引擎平台中&#xff0c;必应Bing以其独特的市场定位和用户群体成为不可忽视的广告推广渠道。云衔科技作为一家专业的数字营销服务提供商&#xff0c;致力于帮助企业实现高…

深入理解GCC/G++在CentOS上的应用

文章目录 深入理解GCC/G在CentOS上的应用编译C和C源文件C语言编译C语言编译 编译过程的详解预处理编译汇编链接 链接动态库和静态库静态库和动态库安装静态库 结论 深入理解GCC/G在CentOS上的应用 在前文的基础上&#xff0c;我们已经了解了CentOS的基本特性和如何在其上安装及…

Windows 部署ChatGLM3大语言模型

一、环境要求 硬件 内存&#xff1a;> 16GB 显存: > 13GB&#xff08;4080 16GB&#xff09; 硬盘&#xff1a;60G 软件 python 版本推荐3.10 - 3.11 transformers 库版本推荐为 4.36.2 torch 推荐使用 2.0 及以上的版本&#xff0c;以获得最佳的推理性能 二、部…

你觉得职场能力重要还是情商重要?

职场能力和情商都是职业成功的关键因素&#xff0c;它们在不同的情境和角色中扮演着不同的作用。很难简单地说哪一个更重要&#xff0c;因为它们通常是相辅相成的。 职场能力包括专业技能、知识水平、解决问题的能力、工作效率、创新思维等。这些能力是完成工作任务、达成职业目…