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

T
Troy Hunt's Blog
F
Fortinet All Blogs
D
DataBreaches.Net
Google DeepMind News
Google DeepMind News
Y
Y Combinator Blog
The Register - Security
The Register - Security
T
Tailwind CSS Blog
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
月光博客
月光博客
V
Vulnerabilities – Threatpost
S
Securelist
S
SegmentFault 最新的问题
T
Threat Research - Cisco Blogs
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
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
P
Privacy International News Feed
S
Schneier on Security
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
L
LangChain Blog
GbyAI
GbyAI
Apple Machine Learning Research
Apple Machine Learning Research
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
美团技术团队
Cyberwarzone
Cyberwarzone
C
Cisco Blogs
Application and Cybersecurity Blog
Application and Cybersecurity Blog
Google Online Security Blog
Google Online Security Blog
M
MIT News - Artificial intelligence
U
Unit 42
V
V2EX
C
CERT Recently Published Vulnerability Notes
云风的 BLOG
云风的 BLOG
B
Blog
博客园 - 叶小钗
Attack and Defense Labs
Attack and Defense Labs
Security Archives - TechRepublic
Security Archives - TechRepublic
aimingoo的专栏
aimingoo的专栏
Hacker News: Ask HN
Hacker News: Ask HN
博客园 - Franky
Engineering at Meta
Engineering at Meta
Schneier on Security
Schneier on Security
C
CXSECURITY Database RSS Feed - CXSecurity.com
酷 壳 – CoolShell
酷 壳 – CoolShell
T
The Blog of Author Tim Ferriss
IT之家
IT之家
W
WeLiveSecurity
Cisco Talos Blog
Cisco Talos Blog
K
Kaspersky official blog
Martin Fowler
Martin Fowler
SecWiki News
SecWiki News

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,
视频搜索——视频平台、搜索引擎下的功能初探
两条人PM · 2022-05-26 · via 人人都是产品经理

编辑导语:本文作者从视频搜索的特点、优势、存在问题和未来发展等方面,以具体的视频平台和搜索引擎为例,对不同平台中视频搜索的特点进行了分析,感兴趣的小伙伴们一起来看一下吧。

由于笔者即将入职微软视频搜索相关产品经理岗位,因此在入职前夕学习和整理了视频搜索的相关知识(参考了一些大佬的文章,再次表示感谢),且在学习过程中发现有较少文章是聚焦于视频搜索的,因此作此篇文章,希望与各搜推、视频相关pm分享和交流。

本篇将从视频搜索的基础知识, 包括其特点、优势、存在问题和未来发展等入手,随后通过具体的视频平台和搜索引擎中的视频搜索功能分析,来了解不同平台中视频搜索的特点。

一、视频搜索基础

搜索的关键是搜索内容丰富度和搜索结果准确度,其本质是“人找物”。搜索基于人的主动性,给用户其最想要的东西。用户在搜索的时候大多带有明确的目的或者相对明确的目的,比如在阅读APP搜书,用户触发搜索的时候可能知道自己想看哪本;比如在淘宝搜商品,用户大概知道他想买什么。

搜索的步骤大概分为以下五步:

query—语义理解—召回(retrieval/indexing)—排序(ranking)—返回结果。

  1. 用户触发搜索,输入关键词。
  2. 系统根据用户输入的关键词,进行关键词的理解,包括分词、词根化(在印欧系语言中更常用)。
  3. 系统根据结合用户的用户画像以及系统的搜索数据(热搜、广告等)找到全部搜索结果。
  4. 对全部搜索结果进行优化,排序。
  5. 将搜索的结果呈现给用户。

了解了搜索的基础知识后,我们再来关注视频搜索。我们首先应在概念上应明确一点,“视频搜索”的定义与“文字搜索”、“图片搜索”的定义是不同的,文字、图片搜索的输入内容是文字和图片本身,而“视频搜索”的输入内容并非视频,而是文字,其结果才是视频。

因此,“视频搜索”本质上还是“文字搜索”,或者将“视频搜索”称为“搜索视频”更为合适。

视频搜索的特殊性大致有以下四点:

  1. 在技术实现上难度更大,一些ugc视频标签的获取基于对视频内容的nlp、cv深度学习训练
  2. 用户对视频搜索内容的满意度是延时反馈,往往体现在点击内容之后的后续播放过程中
  3. 应注意内容版权的播放控制问题(针对不同人群、地域、时段的控制)
  4. 需要对短查询有较强的处理能力,应尽量在用户输入一到两个字符时就猜到(适配电视设备),且应考虑方块键盘和线性键盘的设计差异

视频搜索的优点也很突出。对用户来说,在搜索教学类、技术类等方面内容时,用户体验更好。例如,对于搜索“红烧肉做法”这一搜索内容来说,视频搜索要优于文字搜索和图片搜索;

视频平台和搜索引擎来说,视频搜索可以提高长尾流量的曝光度,并且帮助平台了解用户的喜好,便于做更精准的推荐算法

与此同时,视频搜索的商业化空间巨大,我国视频用户量为9.27亿,用户基数庞大。视频搜索在知识付费、短视频电商、关键词搜索点击付费(广告主付费)等方面都有其商业化空间。

不过,视频搜索仍存在一定的问题:

  1. 视频搜索仍然依赖文本检索,通过关键词匹配视频的标题、介绍、关键词、以及字幕信息(OCR)。视频内容的特征难以提取与处理,特别是对于语音、图像等元素的识别存在很大的困难。
  2. 视频搜索效率较低,难以快速定位关键信息,也不方便用户记录,存档(例如,当搜索“b站up主何同学的原名是什么”时,往往没有专门讲解“何同学的原名是什么”的视频,因此,获取这一信息要花费更多的时间。此外,视频前面包含的贴片广告及片头都影响用户获取信息的速度)。
  3. 视频搜索结果容易形成APP信息孤岛,如何打破APP之间的壁垒,形成更丰富的视频内容池是决定视频搜索内容全面性的关键。
  4. 学术检索、垂直专业类、权威类视频信息存在短板,当下的视频搜索更多是生活化的检索,

未来视频搜索的发展空间主要体现在以下三点:

  1. 提升nlp理解能力和算法精准度,使视频搜索精准度提升
  2. 建立高质量、丰富的视频内容储备池,尽力打破APP壁垒,提供更丰富的内容
  3. 通过用户主动搜索,带动长尾流量的精准覆盖度

由于视频搜索功能主要存在于视频平台和各搜索引擎当中,接下来我们将从具体的视频搜索功能入手,分析当前主流视频平台和搜索引擎中视频搜索功能的特点。

二、视频平台搜索功能分析

在视频平台部分,我们选取了youtube、抖音两大视频平台的APP版本进行关于其视频搜索的分析。我们将从两大视频平台APP的搜索输入页搜索结果页分析他们的页面布局和相关功能。

1. 视频平台搜索输入页分析

注:上表内标黄的为不同平台之间的差异功能,有兴趣的读者可自行分析这些差异的原因和意图

在抖音搜索输入页,作为二维码大国,国内各个app的标配便是扫码icon。在搜索区设置扫码功能,用户可以用其扫描花朵,来搜索它为哪种花,显然,在某种意义上,抖音把扫码也当做了一种搜索形式。

在搜索输入页的「猜你想搜」模块中,我们可以看出,抖音更注重推荐算法的力量,算法和推荐在某些场景会影响用户的搜索意图。

往往用户点击搜索栏之前想搜的是「如何做宫保鸡丁」,但她很容易被热搜推荐所吸引搜索当日热词,而忘记了本身的搜索目的。这样的推荐,虽然的确抓住了用户心理,提升了点击量和浏览时长,但对用户来说,反而增加了其搜索的时间成本,也加重了信息茧房的包裹。

而youtube在搜索栏则不做任何推荐,页面简单干净,只展示用户的历史搜索,其默认用户打开搜索框即有一定的搜索意图,没有再对其进行推荐,这样不会影响用户的搜索时间。

但与此同时,不得不承认,「搜索榜单」和「猜你想搜」的推荐确实是引流的好办法,用户可以被轻易地吸引到抖音主推的直播、音乐和品牌板块,实现其在这些层面的商业化意图。

2. 视频平台搜索结果页分析

对于视频平台的搜索结果页来说,相比于web搜索引擎页面,其展示的空间是极其有限的。 因此,youtube和抖音都选择了隐藏各个筛选条件,用户需要点击右上角才能添加筛选条件。

youtube支持的视频筛选、设备支持等功能似乎要更完善一些。

首先,因为youtube提供视频类型较完善,因此youtube支持按视频、频道、播放列表等进行筛选,而抖音由于其内容大多为短视频,因此不提供此类筛选条件。

其次,通过对比可以看出,两个视频平台的筛选条件和自身平台特点紧密相关,抖音作为短视频平台,其视频长度筛选范围更短(可选1分钟以内的),而youtube作为视频应用界的元老级app,其提供的视频种类更丰富,功能也更全面,因此其在筛选区也提供了更完善的筛选服务,包括可以按是否为直播/4K/HD/VR180/3D/HDR视频进行筛选,也可以挑选含有字幕、已购买的视频等等。

在搜索内容区,抖音提供综合结果、视频结果等多种结果页面;在综合结果页面中,其整体页面布局更像是搜索引擎,提供大而全的搜索结果,且针对不同的搜索内容可能会有不同的排列布局。

例如搜索“北京疫情”会首先看到疫情防控直播、当日新增感染人数等特制模块,而搜索“产品经理”等内容,则会得到相关视频、相关百科、相关热榜、相关直播、相关店铺等,其相关搜索结果大多数为字节系产品(例如头条百科、抖音直播、抖音电商),可见抖音在搜索方面的商业化布局。

在抖音搜索的视频结果页面,几乎所有的空间都留给了视频,视频结果呈2*2排列,并且充分体现了抖音的推荐算法优势,根据搜索字段推荐「相关搜索」,并且在点击视频返回原搜索页面后跳出「大家都在搜」,帮助用户更快地定位满意的搜索结果。

同时,「点赞量」作为抖音衡量其短视频视频热度最重要的指标之一,也作为搜索结果展示在视频封面右下角,用户可以通过点赞量侧面判断视频的热度。

而youtube提供的搜索结果页简单清晰,单屏只展示单列视频,每屏可展示3个视频,处于屏幕中心的视频会开启自动预览,用户无需跳转到二级页面即可看完完整的视频。

相比于抖音更重视视频的「点赞量」,youtube显然认为「浏览量」更适合作为衡量视频优劣的指标,因此,youtube在搜索结果中将视频「浏览量」显示在了搜索结果视频的下方,供用户参考。

总体来讲,对于视频平台(app)来说,有限的视频展示空间使他们不得不折叠其筛选条件,而筛选条件根据各视频平台自身的视频特点而定。在搜索结果展示方面,视频平台提供了视频自动预览、相关搜索等功能,同时展示了视频封面、标题、点赞、浏览量等相关信息。

三、搜索引擎视频搜索分析

在搜索引擎的视频搜索功能分析部分,我们选取了google、bing国内版、bing国际版以及百度进行分析。我们仍然会通过APP的搜索输入页和搜索结果页分析他们的页面布局和视频搜索功能。

1. 搜索引擎搜索输入页分析

注:上表内标黄的为不同平台之间的差异功能,有兴趣的读者可自行分析这些差异的原因和意图

从搜索内容来看,各个搜索引擎均提供了文字搜索、语音搜索,而只有百度在此之外还提供了图片搜索。

页面整体布局上来看,google的布局最为清爽,仅有一个搜索框和logo组成;而bing国内版还设置了自动背景图片,并提供背景图片相关知识的搜索引导;而百度则在搜索框的基础上提供了搜索榜单,为热点新闻导流;bing国际版则推荐了丰富的每日图片、最近首页封面图,但此类推荐可能会使得页面看起来臃肿,而且推荐内类别也有一定重复。

除此之外,bing国内版、国外版都针对视频搜索页面提供了单独的搜索页面,用户可点击bing顶部导航栏「搜索」进入。bing国外版的页面的视频推荐更丰富,设计更美观,点击推荐视频可直接跳转到youtube等视频平台,但调研发现存在一些点击视频无法跳转的情况。bing国内版的设计相对简单,但点击推荐话题只能跳转到二级搜索页面,且提供的视频搜索结果较少。

在视频页进行推荐是具有一定意义的,因为搜索视频的用户目的性较其他搜索的目的性较弱,往往用户来到视频平台或搜索引擎只想看热播剧集或者某一类型的电影,因此此时为用户推荐该地区热门剧集和他喜欢的电影可以提升用户的满意度。视频搜索页面的设计也可以参照各大视频网站的设计。

2. 搜索引擎搜索结果页分析

在搜索引擎视频搜索结果页,各个搜索引擎的页面设计差异不大。

顶部基础功能上,google会优先展示搜索结果数量和查询时间,向用户展示其强大的搜索能力,加强其搜索品牌认知。各个搜索引擎也会在顶部提供网页、图片、视频等搜索分页,以帮助用户更好地定位其先要的搜索内容类型,在这一部分各个搜索引擎也会引入其公司相关业务线产品,比如百度地图、bing词典等,为其他业务线产品导流。

在搜索框模块,谷歌和bing仍保留搜索输入页已有的文字和语音搜索功能,而百度的语音搜索、图片搜索却消失了。

在筛选区,百度的筛选功能最弱,仅支持按推荐关键词筛选。其他引擎都支持按时长、日期、清晰度、来源搜索;此外bing支持按视频是否为免费/付费视频筛选,此功能无疑节省了许多用户的时间,减少了用户的筛选时间成本;而google还支持按是否有可隐藏字幕进行筛选,此筛选功能对听障用户极为友好。

在视频区,各个视频引擎提供了视频封面、标题、时长、发布账号、发布时间等视频信息。但在视频的显示与排列上,谷歌和百度采取单列排列,每页展示3-4个视频,搜索结果排列清晰,而bing则采取四列排列,每页展示8个视频,每个视频占有空间相对较小。

在搜索结果视频上,google和百度搜索有视频资源优势:由于youtube为google子公司,因此google的搜索结果中youtube视频占主流;而由于好看视频为百度产品线重要成员之一,百度视频搜索主要也由好看视频构成,两家大厂通过视频搜索实现了其相关视频网站的引流。

在这一点上,微软bing搜索由于缺少关联的视频平台,因此在视频内容丰富性、相关商业化布局、以及视频搜索精准度(体现在缺乏视频深度学习(cv、nlp)训练数据)等方面略逊一筹

总体来说,对于搜索引擎,其展示空间更丰富,可以支持丰富的筛选功能、搜索推荐和视频展示。各搜索引擎在设计时,也可以充分考虑其公司在搜索方面的优势,结合商业化布局进行更好的设计。

本文由 @两条人PM 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议