惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
The Register - Security
The Register - Security
The Cloudflare Blog
Last Week in AI
Last Week in AI
月光博客
月光博客
Security Latest
Security Latest
Project Zero
Project Zero
博客园 - 司徒正美
AWS News Blog
AWS News Blog
雷峰网
雷峰网
博客园 - 聂微东
C
Cybersecurity and Infrastructure Security Agency CISA
P
Palo Alto Networks Blog
人人都是产品经理
人人都是产品经理
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
T
Tor Project blog
Martin Fowler
Martin Fowler
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
Microsoft Azure Blog
Microsoft Azure Blog
B
Blog RSS Feed
A
About on SuperTechFans
V
V2EX
P
Proofpoint News Feed
腾讯CDC
S
Schneier on Security
K
Kaspersky official blog
Google Online Security Blog
Google Online Security Blog
Recorded Future
Recorded Future
H
Hacker News: Front Page
Application and Cybersecurity Blog
Application and Cybersecurity Blog
酷 壳 – CoolShell
酷 壳 – CoolShell
C
CERT Recently Published Vulnerability Notes
aimingoo的专栏
aimingoo的专栏
博客园 - 叶小钗
美团技术团队
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
V
Vulnerabilities – Threatpost
C
Cisco Blogs
PCI Perspectives
PCI Perspectives
Apple Machine Learning Research
Apple Machine Learning Research
博客园 - 【当耐特】
N
News and Events Feed by Topic
Google DeepMind News
Google DeepMind News
Hugging Face - Blog
Hugging Face - Blog
阮一峰的网络日志
阮一峰的网络日志
P
Privacy International News Feed
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
W
WeLiveSecurity
Spread Privacy
Spread Privacy
S
Securelist

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
ChatGPT vs DeepSeek:AI时代两款产品的用户体验深度对比
:) · 2025-07-15 · via 人人都是产品经理

ChatGPT和DeepSeek作为当前AI领域的两大热门产品,凭借其强大的语言处理能力和智能交互功能,吸引了全球用户的广泛关注。然而,两款产品在用户体验、功能特点以及应用场景上各有千秋。本文将对ChatGPT和DeepSeek进行深度对比分析,从产品定位、技术架构、市场表现、实际使用体验等多个维度,详细探讨它们的优缺点以及适用场景。

在产品的生命周期中,用户感知总是滞后于产品更新。真正能让一款产品站住脚跟的,不在于技术多先进,而在于它是否始终站在用户的角度,理解他们的真实需求。在人工智能快速发展的今天,产品如何贴近用户,变得尤为关键。

一、定位与目标用户:他们想为谁解决什么问题?

在过去的信息时代,我们一遇到不知道的东西,很自然就会想到“百度一下”。的确,百度的知识覆盖非常全面,对于我们的提问,既有个人见解也有机构权威解答,无疑给了我们诸多思维路径。但百度的解答,往往缺乏结构性与推理链条,需要用户自己翻找和总结答案。

随着人工智能聊天机器人的兴起(如ChatGPT、豆包、DeepSeek等等),人们逐渐把“问AI”作为寻找问题答案的主要途径。这些工具不仅能提供快速解答,还能进行逻辑推理、结构化表达,为用户节省大量筛选信息与思考的时间。那么今天我们就来聊聊其中AI产品的“领袖人物”ChatGPT和国内爆火的”新人“DeepSeek的使用体验和各自的优缺点。

二、战略层:ChatGPT 与 DeepSeek 的定位差异

技术核心

  • ChatGPT基于GPT系列大语言模型,采用Transformer架构,核心机制为自注意力(Self-Attention),使其能够高效理解上下文信息并处理长距离依赖,无需依赖传统的LSTM或RNN结构也能建立长距离联系
  • DeepSeek基于DeepSeek-VL与DeepSeek-Coder模型系列,采用开源大模型训练策略,强调中文理解与本地化优化。

三、市场表现分析:搜索热度与地域渗透力

通过百度指数数据(2025年5月30日至6月28日)可见:

  • DeepSeek的搜索热度更高,在工作日显著活跃,说明其在提升办公效率上更具优势。
  • ChatGPT热度相对稳定,用户分布更广,包括河北、陕西等地区。

两者均在广东、浙沪等科技与教育资源密集地区表现突出,反映出用户对AI应用的敏感度与接受度。

四、ChatGPT 的产品体验:冷静的边界感,温暖的使用感

4.1 ChatGPT:友好型对话体验

界面:极简黑白灰风格,突出沉浸式交互。

如何提问 ChatGPT?问题描述越具体,答案越有价值

在与 ChatGPT 的对话中,提问方式往往直接决定了回答的深度与质量。越是具体、有上下文、有角色设定的问题,模型对用户需求的理解就越准确,输出也越贴合实际。

提问建议:尽可能详细地描述你的问题情境

  • 讲出你目前的疑惑点。
  • 提供问题产生的背景。
  • 明确你的期望输出方式(比如以表格形式、简洁语言等)。
  • 如果可能,还可以指出它与你正在做的任务的关联性,比如引用它上述回答的内容。
  • 可以使用“背景—角色—目标—输出”四维结构构建问题。

例子1:论文撰写助力场景

角色:我是一名正在撰写毕业论文的文学专业本科毕业生,你是位论文指导经验丰富的文学老师。

目标:指导我围绕贾平凹小说《高兴》中“刘高兴”的人物形象撰写论文大纲。

背景:需要从文本出发,分析人物形象演变、反映的社会现实,并确保具有一定研究价值。

输出:请以论文大纲形式输出,并附带切入点建议。

例子2:代码教学场景

角色:你是一位资深 Python 工程师。

任务目标:请帮助我这个刚入职的实习生理解一段快速排序的 Python 代码。

关键点:解释 for 循环嵌套使用原因,条件判断逻辑,以及 debug 调试的观察重点。

输出要求:请结合运行过程逐步讲解,并补充完整的代码示例,便于我运用到实际项目中。

例子3:引用上下文进行提问

这样的提问会显著提升 ChatGPT 的推理深度和内容针对性。

4.2 ChatGPT 的“边界感”

在使用 ChatGPT 的过程中,不少用户逐渐用它替代了传统搜索引擎。比如我的朋友小揭就表示,她现在基本上已经不再“百度一下”,而是习惯性地“问ChatGPT”:

小揭说:“它不仅可以给我更全面、专业的资讯,还会自动进行内容的结构化总结,效率比自己搜索再整理要高太多了!”

但在体验过程中,她也发现了一些边界限制,也正是这些限制,让我们意识到 ChatGPT 是一个“有原则”的智能助手,而不是一个“什么都能给”的信息工具。

小揭提到:一次,想请 ChatGPT 展示周杰伦《晴天》的完整歌词,它没有直接呈现内容,而是清晰解释了原因:

同时,它还会提供这首歌的创作背景、情感主题、音乐风格等信息,以分析代替展现歌词,在内容服务中传递了版权意识与产品底线。

在大模型迅速普及、AIGC创作泛滥的背景下,这种对知识产品的尊重,正是AI工具与“盗版爬虫”之间的最大区别,也是 AI 产品“可信赖”最根本的理由之一。

4.3 工作效率的“得力助手”:从代码生成到逻辑纠错

在生活中,一部分人是出于娱乐、探索的目的与 ChatGPT 进行对话——提出各种有趣的问题、玩逻辑游戏、写故事、生成段子;而另一部分人,则已经把它当作提高工作效率的重要助手

我的朋友子期是一位从事代码开发工作超过七年的程序员。他分享道:“以前所有的代码几乎都是靠我一字一句手敲出来的,但接触 ChatGPT 后,只要我把当前的需求和上下文告诉它,它就能快速生成可用的代码块,节省了我大量重复性劳动的时间。”

不仅如此,当代码出现报错时,他也会直接把报错信息贴给 ChatGPT,它能快速定位错误逻辑,并附上修正后的代码,外加一句句解释:“这个错误是因为你的参数类型不匹配,改成 int 类型后再试试。”

子期说:“与 ChatGPT 的每一次对话,都不只是信息传递,更像是在与一个理解你思路、能够修正你错误、还会给予鼓励的搭档交流。”

哪怕你的问题中出现了逻辑或概念上的错误,它也不会直接“指出错误”,而是:

  • 试图从你的角度重新理解问题;
  • 再解释清楚逻辑错在哪里;
  • 然后给出更正后的合理答案;
  • 最后有时还会表达“感谢你的好问题”或“希望我帮到你”这样的人性化回应。

这种“带温度”的交互体验,相信是很多人坚定选择 ChatGPT 的重要原因。

4.4 “可提升空间”:ChatGPT 仍需不断学习的细节

1.中华文化内容适配仍有提升空间

尽管 ChatGPT 的英文知识、代码、创意写作方面表现出色,但在涉及中文诗词、传统文学内容时,还存在一定误差。

比如,我曾向它询问一首古诗《苏幕遮》的翻译时,它提供了正确的诗词名称,但内容却引用了另一个诗人的版本,导致诗句与作者不符。类似“题目对、内容错”的情况,在中文文化素材中偶有发生。

不过,一旦我指出问题,它会:

  • 迅速承认错误并致歉;
  • 重新给出正确答案或补充说明;
  • 感谢我的反馈,帮助它优化回答,并且下次再提问类似的问题就不会出错。

这种反馈机制让用户在使用中感受到:ChatGPT 并不完美,但它“可沟通、能学习、愿调整”,这比单纯的准确率更值得信赖。

2. 数学运算上偶有不准

让ChatGPT讲述递归调用时,它采取举例说明的方式,但从树状图很显然看出它呈现的例子上看已经符合大顶堆的要求了,虽然它有说明”10的下放一层可能又不满足大顶堆的性质,可能还需要进行下一轮)所以后面那句(9>10也许只是假设,但总归会使人觉得不够准确)有失水准。数字比较的细节的把控就说明ChatGPT对数字大小把握不准确的问题仍需继续提升,或者说它给出例子不够恰当。

五、DeepSeek的产品体验:精准、务实,但仍有打磨空间

界面:蓝白色调,淡雅简约,功能显目

前言:在语言上,大语言模型分为英文和中文两大语种。国外大模型的训练语料以英文为主,所以对于英文语料处理能力很强,但是对于中文的处理能力不一定比国内大模型强。

对于现在国内开源大模型很多,对于厂商来说,只要有足够优秀的专业语料以及较强大的算力,经过一定的训练就能得到一个相对不错的模型,实际的能力还得从多个角度去考虑,大模型之间真正显著的区别,会在具体的用户场景或B端的业务中体现。

5.1 学术辅助能力:更懂中国高校,更贴近学术规范

DeepSeek 最大的亮点,在于它在学术写作和论文辅助方面的适配度极高

  • 能理解国内高校对文献综述、研究背景、选题价值等写作规范;
  • 可结合知网等国内数据库内容进行结构化生成;
  • 支持多轮提问方式设计研究问题、提出论文框架,并提供参考引用。

在国内社交媒体平台如小红书、B站,已有大量博主分享如何使用 DeepSeek 高效写毕业论文,足见DeepSeek在大学生群体中的受欢迎程度。

但也要注意,目前许多高校对 AIGC(AI生成内容)提出检测要求,因此建议使用者更多将其作为辅助工具而非全文替代

同时,DeepSeek在经济与管理领域具备丰富的专业知识,能提供细致的解释与多维思考。例如,我让它用商业画布分析万达广场的发展走势时,它能准确呈现各要素还可以举例进行全面解析。

5.2 即时更新资料库:助力产品市场感知

可以利用DeekSeek其背后的知识库内容更新更加接近“实时”,对国内政策、热点事件、平台舆情等信息的响应速度较快。不仅提升了问答的时效性,也为用户带来了市场分析与内容趋势洞察的能力。尤为产品人士提供更多渠道捕捉市场热点、进行市场需求挖掘。

在“城市旅游产品开发需求趋势分析”中,DeepSeek 能够基于互联网公开数据进行热点归纳,并且输出了较为详细的用户痛点分析与产品方案制定,可以为管理层或者产品人员提供高度概括的产品方向性参考。

5.3 与新旧产品结合实现“飞跃”

除了在学术与办公场景的出色表现外,DeepSeek 作为一个开源、API 免费的大模型,也迅速“被各路工具带飞”。如 MindMaster 接入后支持一键生成思维导图、补全知识脉络,可以大幅提升了知识整理与结构化表达的效率。CNSD 博客平台也接入它来帮助博主写出更吸睛的文章内容。此外它还被应用于教育、娱乐类 App 中,持续拓宽使用场景,用户体验也在不断优化中。

5.4 可提升空间:表达中断、图像缺失、语义重复待优化

(1)回答中断 & 缺乏思考反馈

在与 DeepSeek 对话过程中,偶有回答中断的情况发生。例如我在咨询植物“玉露”的夏季养护技巧时,回复中途戛然而止,原以为系统崩溃,实则只是尚未加载结果。

这一点若能增加“生成中”提示或“正在思考”的动画,将大幅提升用户安心度和耐心度。

(2)暂不支持图像生成

DeepSeek 无法直接生成图像,但会提供描述性文字作为参考。可以复制到流程图、原型图、草图类输出的产品中进行设计。

(3)小点回答略显冗余

DeepSeek 常使用“分点 + 总结”的方式进行内容结构化输出,但在一些回答中,小点之间语义重复,结构略显累赘,影响信息获取效率。

图上的第3、4两点表达的意思实质上很雷同,核心都是通过复盘近期事件,来反思自己的不足、短板。

(4)互动性与内容引用欠缺

DeepSeek 当前尚不支持选中已回答内容进行“引用式追问”,也无法对话结果生成链接进行分享。这限制了在小组协作、跨设备迁移等工作场景下的灵活性。

相比之下,豆包和ChatGPT在这方面稍优于DeepSeek,二者不仅支持引用式追问,同时对于上文的内容还会有所联系补充。同时chatgpt有分享链接的功能,不仅可以增加用户访问量,同时也可以增强用户之间的联系,从而进一步增加用户对产品的粘性。

(5)逻辑思维判断、语言分辨能力有待优化

比如这个逻辑问题”学校要求小胡去参加一个公益活动,小胡不想去,万般推脱,可是学校又要强制一个人必须得去,思来想去,那么最后来猜猜——谁去了?“,

chatgpt几秒钟就回答正确了,但很遗憾,deepseek思考了59秒最后回答错误。也从侧面体现出了DeepSeek在逻辑问题方面还存在着进步空间,仍需要不断利用海量资料来训练更好的模型。

六、结语

ChatGPT 和 DeepSeek 本质上都是语言模型,但他们的产品体验是有各自“性格”的——一个像朋友,一个像助手。ChatGPT 让你觉得被理解,DeepSeek 让你觉得被支持。不同产品在用户体验中呈现出各自独特的风格与潜力,但只要能“贴近用户”,融入人们的日常学习、工作与创作中,就是好产品。

本文由 @:) 原创发布于人人都是产品经理。未经作者许可,禁止转载

题图来自Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务