2014 年初,果庫3.0 Android版發(fā)布,一次大刀闊斧的改版竟是一段彎路的開端。用戶量沒增加,活躍用戶慢慢流失。今天,果庫 4.0 Android 版在豌豆莢獨家首發(fā),在同樣大刀闊斧的改版背后,果庫經(jīng)歷了什么?創(chuàng)始人廖錦有與豌豆莢“應用發(fā)布會”欄目聊了聊兩次改版背后的故事。
果庫 4.0:重回最簡單的商品發(fā)現(xiàn)
從 1.0 到 4.0 果庫 4 個版本首頁圖對比
果庫又回來了。
「每日精選」回到了首頁。沒有了側邊欄,改用四標簽頁底欄的設計,果庫 3.0 Android 版的首頁被放到了第二個標簽頁里。圖片大而精致,編輯直接在這里為你推薦的最好的商品。
作為國內(nèi)第一家做優(yōu)質商品推薦的 App,它不僅為用戶推薦有趣又開眼的商品,精彩的商品評論也是看點之一。
從 1.0 到 4.0 的首頁截圖,你可以看出這一次是果庫對自己的回歸。
用戶流失了 果庫迷失在入口變多的3.0
豌豆莢「應用發(fā)布會」主辦方:一覺醒來,發(fā)現(xiàn) 4.0 的首頁又改回最初精選商品的信息流了,那中間殺出來的 3.0 版本算啥?
果庫 4.0 回到了極簡的交互體驗,砍掉了側欄導航,采用經(jīng)典的固定底欄設計,「精選–發(fā)現(xiàn)–通知–個人」4 個按鈕將功能劃分得更加清楚。
3.0 版本光是首頁就有 6 個發(fā)現(xiàn)商品的入口:專題圖片、「精選」、「熱門」、熱門品類、「新品推薦」的信息流
廖錦有:3.0 我們走了個彎路。很多人看不懂果庫到底要干嘛了,要做電商還是社交?其實我們自己也有點迷失。
3.0 最初是為了增加發(fā)現(xiàn)商品的維度,但入口變多,產(chǎn)品反而復雜了。精選商品的頁面被折了起來,這個改變讓用戶留存率明顯減少,而瀏覽深度也沒有達到我們的構想。
iOS 版本升級到 4.0 以后,回升的數(shù)據(jù)也證實了我們的想法——開啟頻次增長約 10%,停留時間比之前增長了約 1 分鐘。
豌豆莢「應用發(fā)布會」主辦方:3.0 為啥做那么復雜?能具體講講么。
左側是 3.0 前端呈現(xiàn)的入口,右側為 4.0
廖錦有:3.0 通過首頁和抽屜式的選單來呈現(xiàn)所有功能,精選商品的信息流被藏起來了。4.0 改版之后,精選商品的信息流回到了第一屏,3.0 的首頁被放到了 4.0「發(fā)現(xiàn)」頁里,從數(shù)據(jù)上看,這個以前的首頁流量不是特別高……
我們之前的思路是把功能入口都放到表面,但這是不對的,很多功能應該自然而然地出現(xiàn)在用戶需要的地方,微信這一點其實做得很好。
豌豆莢「應用發(fā)布會」主辦方:果然是一段彎路……
l 回到「幫用戶篩選好商品」
豌豆莢「應用發(fā)布會」主辦方:好像現(xiàn)在每個大佬都喜歡講「初心」,果庫這次改版是不是也能看作一種回歸?
廖錦有:果庫的初衷是幫用戶從浩瀚的淘寶商品中篩選最優(yōu)質的那部分,但 3.0 的設計又讓整個體驗變復雜了。從 2.0 到 4.0,都是一個重新定義果庫的過程。果庫發(fā)生了很多改變,競爭對手也發(fā)生了很多改變,但「幫用戶篩選好商品」這件事仍然沒有做好。
果庫 4.0 基礎的技術架構,實時且更有效地支持用戶在前端對商品的喜愛、點評、評論、點贊及購買等具體行為操作。
4.0 我們考慮得更長遠,現(xiàn)在看似相對基礎的功能,其實是在搭建一個框架,未來會不斷增加新的東西進來??梢哉f真正的重點是 4.1 及以后的版本。
做媒體 不做電商
豌豆莢「應用發(fā)布會」主辦方:考慮得更長遠具體是考慮什么?
廖錦有:未來果庫會逐漸去掉電商的部分,這點跟競爭對手不同。我們想以媒體的方式,完全從用戶的角度出發(fā),幫用戶解決實際的生活問題,比如「日本家政婦用的十大掃除利器」。所以跟購買轉化相關的數(shù)據(jù),都可以邊緣化了,商品的「喜愛」數(shù)和評論數(shù),反而更重要。
打開果庫 4.0,那種熟悉又親切的感覺撲面而來,就像一個尚不成熟的少年,走了一些彎路之后終于想明白自己到底要做什么。
不管之前吃過多少苦頭,任何一次重新出發(fā)都值得被珍惜。
豌豆莢「應用發(fā)布會」是什么?
豌豆莢已經(jīng)跟傳統(tǒng)的「應用首發(fā)」分道揚鑣啦,我們會以全新的方式,跟你聊聊優(yōu)質 Android 應用的大版本更新,聊聊令人驚喜的 Android 新應用。那到底「全新的方式」是有多全新呢?相信你應該已經(jīng)感受到了。關注豌豆莢公眾微信號,搜索「應用發(fā)布會」可查看往期內(nèi)容。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結合大語言模型的敘事推理能力與音頻生成技術,通過交錯式推理生成、解耦橋接機制和漸進式訓練,能夠將復雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學聯(lián)合研發(fā)的VideoJAM技術,通過讓AI同時學習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術僅需添加兩個線性層就能大幅提升運動質量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應用奠定了重要基礎。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質量樣本的訓練數(shù)據(jù)集和MM-AlignBench評測基準,通過創(chuàng)新的數(shù)據(jù)生成和質量管控方法,讓AI在保持技術能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經(jīng)網(wǎng)絡技術,通過學習40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學領域帶來了效率和精度的雙重突破。