PM可以从谷歌 Sprint 学到的设计工作法

Design Sprint Method(谷歌冲刺计划) 是由谷歌创投的 Jake Knapp 发明的一种产品设计工作法,是指由一支不超过 7 人的团队,在 5 天之内,通过 5 个步骤,能够快速解决产品难题的产品设计方法。其基础概念来自于敏捷开发、设计思考和个性游戏法,先后被 100 多家创业公司实践,打造了诸如 Slack、 Nest、Blue Bottle Coffee 和 23andMe 等多个成功的互联网产品。

吴军博士硅谷第一封来信:不做伪工作者

每天应付事务性工作的人被称为Pseudo Worker(后来Facebook学习Google的很多管理方法,也使用这种说法),直译出来就是“伪工作者”。这些人每天把自己搞得很忙,他们所做的工作可能也是公司里面存在的工作,但是那些工作(也被称为伪工作)不产生什么效果。不妨试试先停下来,重新梳理一遍手边的工作:主动地站在对公司业务帮助最大的角度,站在提升自己能力的角度,当处于工作永远做不完的处境时,把那些最重要的完成了。试试看,这样你的工作状态会不会发生改变?

如何拯救社交产品的时间线焦虑?

随着用户和信息数量的增加,用户在普通的时间线下收到的无效信息越来越多,虽然Facebook、Twitter、Google这样的公司都在尝试改变这种情况,但目前来看效果还不够好。对于这些有很强信息传播属性的产品来说,如何把相关的信息和对应的用户更加紧密的连接在一起或许就是接下来网络信息产品进化的方向。

为什么机器学习广泛的用在谷歌的广告系统中,而很少用在搜索排序中?

不少我在谷歌的朋友告诉我,它们的广告系统多是基于机器学习的,而搜索排序则基于人凭借直觉撰写的函数(部分模块基于机器学习)。 是什么导致了这样的差异? 1.在机器学习系统里,弄清楚为什么一个检索结果比另一个结果排序更高很困难。 2.在一些场景下,即使人已经成功的分辨出基于哪些因素,使得一个结果比另一个结果的排序靠前,但依然很难构建一个机器学习系统,在单独的场景下,去拟合这些因素的权重。

Google新专利类似“微博僵尸”,让机器为你提供回复建议 |PingWest中文网

Google新专利类似“微博僵尸”,让机器为你提供回复建议 Google在描述这项发明时表示,由于社交网络越来越多,所以用户完全有可能错过朋友们的一些重要更新。基于此Google正在想法从各个社交网络、邮件、短信中搜集信息然后为用户提供一个自动回复建议。这样既可以让用户不至于错过朋友们的重要更新,又能为他们节约时间.

谷歌深度学习系统超预期 人类已无法经理解电脑想法_爱活网 Evolife.cn

对谷歌而言,深度学习系统能够解决人类所不能解决的问题,自然也就是节约人力成本的好东西。将其更多的潜力挖掘出来,总好过雇佣一批每年拿着无数酬劳的高级专家。“机器学习非常复杂,我们需要花大量的时间在数据处理和特性更新上。甚至为了解决一个独立的问题,我们就需要聘请这一领域的专家。以后我们期望能够跳脱这样的模式,我们没法解决的问题,就让机器去完成。” 而且谷歌实际也在开发其他类似的决策选择系统,如Borg与Omega,这些系统在分配工作负荷时,行为方式也更像是活物。将来,机器的“独立思考”或将真正成为可能。至少现在,我们让计算机与人类达成了这样的协作关系。

Google正在开发Chrome应用集成开发环境助开发者开发更多Chrome应用 | 36氪

Google 正在开发基于 Chrome 的开发环境,其代号为 Spark。该 IDE 将充当 Chromebook 上的 Chrome 应用,有了它,开发者可以更快更方便地开发 Chrome 应用。 Google 法国员工 Francois Beaufort 指出,Spark有一个公共的GitHub库,目前正在这上面进行开发,Google 工程师使用的是Dart语言,这是一门针对可伸缩 web app 开发的新语言,这种基于类的面向对象语言能解决 Javascript 的性能和规模问题。

Facebook和Google如何激发工程师的创造力-精进学堂

今天终于“朝圣”了两个伟大的公司——Facebook和Google,对创造力和驱动力的来源有了更多的理解,尤其是对于典型的知识型工作者——软件工程师,如何激发和维持他们的内心激情。简单来说,就是充分满足物质需求,然后将能去掉的条条框框都拿掉,让这些聪明的人自行其是,自己管理自己或者向上管理.

搞设计,是听从直觉,还是听从数据? | 36氪

作者Braden Kowitz 是 Google Ventures 的Design Partner,曾领导设计多款Google产品,包括Gmail、Google Enterprise、Google Spreadsheets 与 Google Trends。 直觉是后天的 直觉驱动 vs 数据驱动的黄金原则 想了解用户行为?听从数据。 任凭用户如何否认,数据是硬的。 提高产品质量?听从直觉。 在少量选项中选择最佳?听从数据。 在乎长远影响?听从直觉。