人们对ChatGPT的看法 chatgpt为什么那么强大
2023年11月20日 每日一猜答案：。 答案：ABC。 每日一猜答案分析：
人们对ChatGPT的看法,人们的看法英文,人们对此看法不一英语,人们的看法英语ChatGPT 从出世到如今已经快半年了，带来的革新消息有很多，然而也有很多的人在利用它提升自己的工作效率。作者对 ChatGPT 做了深入的研究，并从三个方面分享自己关于 ChatGPT 的思考和理解，一起来看看吧。
从 ChatGPT 出世到现在快半年了，这半年它给我们带来许多革新性的消息，大量的资本向它靠拢，人们也有保不住饭碗的危机感。作为数据工作者，ChatGPT 对我来说不是那么陌生。
近几个月也体验了 ChatGPT, 它带给我的感受确实很惊艳，提出各种各样的问题，都能回答的不错。获得知识变得比原来更容易了。网络上有很多关于 ChatGPT 的新闻，大多数是关于 AI 革命，人工智能突破了，要夺走我们饭碗之类的。于是也开始对 GPT 做了一些深入了解，其中有很多问题都是 GPT 给我的答案，今天想在这里把我对 GPT 的理解总结一下。
(资料图片仅供参考)
一、ChatGPT 没有意识，它是仿生人类学习的语言模型
1. 先简单的了解一下 ChatGPT
ChatGPT 是个大语言模型，那为啥叫大语言模型？我特意问了行业内的专业人士，大模型的要素是 " 超多的数据量、超多的计算集群、超多的模型参数 "。
这几天工作中和同事聊天，他说他回家的路上下载了一个英文词典大全，有 2mb 的大小。GPT3 训练使用了 45tb 的数据，45tb 基本上也都是文本数据，所以训练 gtp3 的数据量级是一本字典的 23,517,744,000 ( 百亿）倍。我们不经感叹，一个英文字典的实体书拿在手上沉甸甸的，里面的内容可能我们一生也读不完整，但它仅仅只有 2mb 的大小。
gpt 的回答：
在参数数量和训练资源上，GPT3 有 1750 亿个参数，用了数千个高端的 GPU 进行了训练，是个典型的大模型。同事们说其实 GPT 就是 " 大力出奇迹 "，因为数据、参数量级上来了，在语言的理解和表达上就越来越准确。
2. 训练语言模型核心是模拟人脑训练过程
我们从出生那一刻开始就在持续的接收数据开始训练了。想想看，你听到的声音、触摸到物体的感受、闻到的气味、看到的图像都会转化成信号，传输入到你的大脑中，并且默默地接受慢慢的训练，且一直持续。在训练的过程中，好的不好的感受你都会体会到，别人的反馈，会让你知道什么是对的，什么是错的。这个过程对于人来说，会持续一生，活（训练）到老学到老嘛。
语言的训练模型就是这个原理，很多人比喻它是鹦鹉学舌的过程。训练它的数据就是在互联网上产生的数据。这也是它远远远强于人类的地方，它汇集了整体人类的 " 智慧 "。
3. ChatGPT 是否能取代人类？
网上关于人工智能时代来临了，要取代人类了，灭杀人类的新闻吹的天花乱坠，一时间让很多人信以为真。我通过实际体验 ChatGPT 的功能，是真的让人感觉在和一个人聊天。
在早些年，我们在网上客服上和机器人沟通就是定式的，感觉很刻板。例如早期的微软小冰，对话过程是没有这么柔性的衔接的。一是不能联系上下文，二是回答的问题很刻板，让你很明显感觉它是机器。但 ChatGPT 的产品体验已经非常接近人了，让机器能够和人顺畅的通过自然语言对话，至少这种感觉非常真实，这种突破确实让人觉着机器有了生命，于是它带给人们的恐惧感就扑面而来，这本身就是人们的普遍心理反应。
ChatGPT 本质上就是个大力出奇迹的计算效果，它根据你的输入，来算出回答概率最高的答案。它没有意识，只有你和它说话，它才会回答你，它不会主动和你沟通。
二、ChatGPT 在人机交互上的革新
ChatGPT 不是技术革命，它的技术很早就出现了，它在这个时间出现，是必然的，因为现在满足了训练模型的大数据量和大计算量基础。对产品来说，想象的空间还是挺大的。
我认为，ChatGPT 的真正突破在于人机交互上的革新。刚体验 ChatGPT 的时候，我觉着它很神奇，它什么都会，还能帮你做很多事，写文章、回答一些天马行空的问题，还能写代码，搭建个小网页，给我一种无所不能的感觉。它具备了理解你的意思，并帮助你做事情的两个最基本能力。
那为什么说 ChatGPT 的突破在人机交互上？作为一个老产品人，人机交互是产品经理工作中非常重要的一环，我们会花费很多时间来研究人机交互，设计页面结构、功能、画原型、想尽办法提高用户产品使用体验。
说白了就是怎么能够让自己的产品好用，怎么让用户不用花费太多的学习成本快速的上手自己的产品。简单的说人机交互就是功能按钮、页面的布局摆放，往深了说，它要研究人的心理，要通过数据进行交互统计，对用户体验度量，要了解用户的心智，好的产品体验在人机交互上一定做的很好。
但是以往的人机交互，我们努力的方向是让人来适应机器。
我们通过良好的设计，把用户限定在一个条条框框里（交互框架），核心目的就是让机器能够在这个框架中充分理解人的 " 动作’，因为我们无法通过眼神、肢体动作、语言来让机器直接理解我们意图，我们必须把产品的实际功能摆放出来，让用户理解产品功能，逐步摸索用法。这个过程实际上是人与机器在交互上的折中方案，人不能无所顾忌的让机器随心所欲干什么事情。
好的交互体验无需说明书，更贴近人的本性。举个简单的例子，苹果手机的屏幕使用方式（交互）（2007 年乔布斯发布的 iphone 一代机），从二岁的孩子到 80 岁的老人，不用教，看别人用两次就会了。因为这个设计符合人的一般使用习惯。现在的应用程序，拿 ios 应用来讲，产品设计基本都使用苹果给出的基本交互框架，或者基于这个框架衍生发展出来的。例如底层页、瀑布流、九宫格、tab 页的设计等等。
所有的业务服务都会通过拆解业务过程，选择合理的交互框架进行功能的组装，最后形成一个完整的交互逻辑，就是用户看到的产品样子。复杂的可以看看微信、支付宝这些超级应用，都离不开苹果 1 代发布的交互框架。
人与人的沟通是情景式的，是随机的，每个人的表达方式又不同，通过语言让机器理解人表达的意思并执行命令想想就很难。试想机器要和刚会说话的孩子、80 岁的老人、全世界 200 多个国家的人，得诺贝尔奖的科学家、老师、司机、学生、等等不同的角色来沟通是件多么不容易的事，全球 80 亿人有 80 亿种表达方式，从机器的角度来看，理解这 80 亿人的表达就是一个无限集，是无边界的。
ChatGPT 的出现，打碎了传统的交互边界，让人机交互有了更多的可能。
设想未来，我们可以有自己的私人 gpt，他可以帮你整理历史的聊天记录，例如整理我们 2018 年去云南的的照片，然后生成一篇图文游记；周末我想吃火锅，结合我的口味，选择出我要在美团买菜上的货物；我想在周末带孩子去图书馆，帮我预约周日下午的时间；新闻应用方面，基于我过去的喜好，总结今天的热点新闻，告诉我财经方面都发生了什么大事情等等。这是个人生活领域。但这个过程不是一蹴而就的，随着时间的推移，会有一个逐步的演化的过程。
在我所在的数据科学领域，我一直努力期待看到的一个场景就是说出问题后，直接给出结论。例如请帮我分析一下，华中大区昨天销量暴增的原因，然后直接出结果：" 运营补贴起效果，又赶上地方补贴政策和节假日多重效果导致销量暴增 "。又如电影钢铁侠中的助手，帮我分析一下战甲强度，帮我分析一下反应堆的持续性…
结合现有数据进行推理分析，简化掉所有数据分析过程，分析数据，直接出给结论是我做数据产品的一个梦想。我们现在要花费 7 成左右的时间去处理数据，大量的时间用在了数据采集、处理与准备的过程。
ChatGPT 理解我们的意图，然后执行命令，简化了我们搜循、准备、以及各种场景的 " 过程 "，在产品的交互上，我们可以减少很多过程式的设计。
那是不是传统的交互框架就完全被替代消失了？我认为不会，产品设计讲用户场景，即便 AI 帮你把云南的照片整理出来形成故事游记，选择出你周末要吃火锅的货物，也是需要展现出来的，展现出来的形式，还是离不开传统交互框架，并且应用程序永远也绝对不会只是动动嘴皮子就完成所有任务的。所以传统的交互加上 AI 的加持是未来的发展方向。
目前已经眼睛可见的就是工具类产品，例如微软的 office 套件、adobe 全家桶生这类生产力工具方面的变化。例如我现在在大数据领域研究的埋点 AI 化、数据质量 AI 化，会议软件的自动会议纪要，邮件中的自动周报等，都会先从效能工具开始，具有直观的提效能力，消费者也有绝对的愿意为此埋单。
在未来几年，语言模型渗透在应用交互模型里是个逐步的过程。但可能需要出现另一个现象级的应用才能真正带起这个浪潮。现在 ChatGPT 可以说是最原始的应用，目前国民级应用还基本上看不到 ChatGPT 在应用体系内的发挥，一是思想上还没有突破，还是原有思维模型和交互定式，二是完全独立做自己的 ChatGPT 成本太高了，导致 ROI（投资回报率）不足。随着技术提升和单位成本的下降，语言模型的渗透会越来越多。
三、ChatGPT 的效能提升和影响
ChatGPT 让以前不敢想，没有精力去做、学习成本高的事情，变得敢于尝试了。
最近有两个尝试。
1. 两个尝试
1）内容创作的尝试
我时常在听到一些喜欢的音乐时有作画的想法，想把此刻的内心感受用画表达出来。于是我基于 midjourney 的能力输入我想要的内容让它帮我生成图画。大大的减少了我去学习画画的过程。
2）机器学习、代码生成
作为产品经理我还是懂一些技术的，但是让我完全深入代码，从头写到尾还是不行的。有了 chatgpt，我就有了想去通过机器学习的方式解决工作上的内容，自己做一些简单的研发工作，例如我工作的主要方向解决公司数据质量问题，想通走机器学习解决数据质量问题的路，不依靠研发，想自己先摸索。通过输入自己的想法帮我生成 python 代码，来做一些基本的验证，这样我不用深入学习 python，也可以搞定。
但事实证明，是我想多了。
就拿第一个例子来说，确实在一些场景下，类 midjourney 的 ai 生成的图片是可以直接拿来用的，比如我在公司宣传产品的一些小宣传册封面、产品新功能的海报，都可以直接无修改就用。还有就是如同下图这种实物的外包装设计，通过 AI 作画，直接生成，简单易用。
但是如果你想要深入一些，例如结合故事来画一幅非常贴切故事情节的画作或者音乐，还是需要你自己来介入完成。生成的图画只能当作是个 "毛坯房"，精装修还需要靠自己，即便你再会提问，实际交付物也和你理想中（脑海里）的存在差距。也就是说，你电脑里如果没有 PS,AI 等绘画工具，完全依靠 midjourney 来完成作画，是很难满足绝大部分需求的。
第二个例子也是一样，我想通过机器学习或者算法的方式解决数据质量的问题，ChatGPT 的的确确可以帮我写代码，写的还非常不错，但是解决数据质量的整体思路，大框架是什么，流程是什么，如何去验证效果，如何产品化，如何很好的运用在业务中，这些不是 ChatGPT 能够帮助你的，必须自己有思路。如果你不会 python、算法也是不行的，你必须基于你现有的知识完成任务。换句话说，对于不懂数据领域的人，你让他通过 ChatGPT 来解决数据质量问题，是不可能的。它只能基于现有网络上留存的数据和方法，告诉你大致的方向，但不能结合你的实际情况来帮助你完整的完成这个任务。
所以，ChatGPT 是站在你肩膀上的效能利器。他能按照你意思帮你生成一个 " 毛坯 " 状的原料，不用再花大量的精力去处理初始内容（数据处理、素材准备），然后你要做的事情就是精雕细琢。
对于取代你工作的说法，我想上面的例子已经说明了，如果你拥有思路，拥有设计与创作能力，并且就处在创作、策划、产品技术架构的岗位上，完全不必担心。
其实在工业领域上，在 100 多年前就已经发生变革了，挖掘机、电梯、吊车的出现，让摩天大楼成为可能。生产线的出现，让社会的生产力爆炸，这其实就是工业时代的人工智能。它们的取代了传统手工制作方式，让产品标准化，生产出质量过硬的产品，最关键的是效率大幅度提升，福特 T 型车也因生产线的出现让成本降低，大众受益。
ChatGPT 会引发生产力的爆炸，引发内容生产的爆炸，有思路有想法有创意的人，制作内容变得更容易。跨界、复合性的工作也变的更简单，减少了你复合学科的学习成本和时间。它不是夺走大家的工作，或者说它夺走的是生产 " 毛坯 " 的那部分人的工作，真正的创造者会因为 ChatGPT 的出现而让生产力提高，让更多的人敢想之前不敢想的，敢于跨领域去实现，复合性工作变得越来越容易，让更多的不可能成为现实。
我们自己训练自己的 ChatGPT 的可行性？这个东西我觉着具有先发优势。GPT 从 1 代到 4 代，经历了 5 年时间，从 2018 年 1 代开始到 2023 年初的 GPT4，我想不存在弯道超车的，别人走过的路我们要想达到同样的效果，也一定要走的，可能走的比别人还长。单拿训练数据来看，1 代用了 15G 数据，到 3 代的 45TB 数据，光数据的处理所花费的时间就要用年来计算。所以像文心一言如果达到 ChatGPT 同样的效果，肯定也要经历同样的历程。另一个就是太费钱了，一个英伟达 A100 要将近 10 万块钱，训练 GPT 要几千块上万块 GPU，还不算电费，机房等费用，烧钱的同时，还没有经济回流，这个账摆在各公司面前还好，真的要等上几年哪怕 1 年才出效果，我想在国内的环境下，应该没有几家公司能有这样的耐心。
2. 对育的影响
我上学时候对于每天做题写卷子这种事就提不起来兴趣，尤其是背诵类的任务，例如古文、历史、政治这种，我是直接放弃的。那时就觉着，为什么考题是考朱元璋是哪年生人，明朝是哪年灭亡的，郑和去了哪些国家，机械的背下来着实让人痛苦，过了几年我不还是会忘了吗？现在随手上网就能查。我夫人的副职是老师，她跟我说，她的很多学生，背诵能力很强，以至于依赖背诵。学习数学、物理都是背公式，背概念，根本不理解其中的意思。这是一个很可怕的现象，孩子们没有学习的欲望，缺少求知欲。语文英语历史方可以背诵解决，数理化也是这样，分数低先不说，危险的是磨灭了孩子对世界的科学理解和逻辑思维的培养。
ChatGPT 的鹦鹉学舌能力，我认为在未来会对现有教学模式有更大的冲击。你再怎么背，也赶不上机器，就如同英文字典那个例子，仅仅只有 2MB 的内容，我们都不可能完全记住。当然不是说语文、历史不用学了，而是要减少死记硬背、完成任务式的教育方式，多以解决问题，开放式讨论的方式学习，学习科学的历史演变，培养推导、演绎的能力，利用 ChatGPT 的海量知识与人机交互的提升，让它融入到教育、科学探索的过程，帮助我们提升解决问题的能力。考试的问题不在是清朝是哪一年灭亡的，而是问问在 1912 年，都有哪些因素导致了清朝灭亡，为什么会出现这些因素？讲讲自己的思考和论证。
人和 ChatGPT 的最大区别在于，人具备总结、分析、积攒知识的能力，能够掌握 " 方法 "，而 ChatGPT 终究是冷冰冰的算法与模型，应该让我们的方法中，融入 ChatGPT 的能力，当作自己的一部分。
总结
ChatGPT 没有意识，它是仿生人类学习的语言模型
ChatGPT 突破了传统的交互模式，让人能够更好的与机器沟通
大语言模型未来会逐步融入我们身边的应用
ChatGPT 是站在我们肩上的提效利器
ChatGPT 能带来更多想象空间，让更多的人做以前仅仅想一想的事情
它取代的是生产毛坯、原材料的人
填鸭式教育只会让孩子更快的被淘汰
利用 ChatGPT 打开广阔的空间
不知道 ChatGPT 是不是这个时代的搅局者，它能否打破我们传统的平衡，是否能够真正革新我们和机器的交互方式。
因为理解我们，完成指令两个必备要素它已经基本做到了。
我们应该拥抱 AI 提高自己、改变思维方式，让它融入到我们的工作和生活中，让自己身边多一个机器 " 朋友 " 吧。
作者：鸵小箴，微信公众账号：数据产品设计 datadesign
本文由 @鸵小箴 原创发布于人人都是产品经理。未经许可，禁止转载。
如何让chatgpt写直播话术 关于chatgpt的推广应用建议
如何让chatGPT写论文,如何让chatGPT画图,如何让chatGPT写小说,如何让chat gpt摆脱道德限制大自然记录时间的方式有哪些,如何让chatgpt写直播话术
ChatGPT的出现为许多行业都带来了影响和变化，比如从事直播行业的人员就可以尝试用ChatGPT来生成脚本或文案，运营人可以利用工具实现提效，更好地拥抱这股AI浪潮。具体如何将ChatGPT应用于直播活动？一起来看看作者的分析。
一、序章：中国AI路向何处行？这篇文章的写作开始于3月16日晚，今天是一个意义非凡的一天。百度正式发布[文心一言，这款AI产品不及市场预期，导致当日百度股价盘中一度大跌10%。
为何不及市场预期呢？这就不得不提到近两月被炒得如火如荼的ChatGPT了。
这款AI产品一经问世，便举世瞩目。正式发行2月，月活用户超过1亿。要知道，抖音国际版到达这个水平，花了整整9个月，ins花了两年半。
由此再回去看看当前被马云嘲讽的谷歌AlphaGo围棋大师，再到如经的ChatGPT。我们仿佛找到了原因：
1）焚烧巨款，大力出奇迹
2022年OpenAI为算力和数据总共花费4.16亿美金，折合人民币28亿。这只是交给机房的钱，还不算人工费用。
2）生而伟大，入世过龙门
随后ChatGPT开放免费版，海量用户体验了ChatGPT，从另一个角度来看，ChatGPT又一次免费地丰富了语言模组。因此，在它发布的短短4个月里，这款AI产品已经更新至4.0版本，实现了多模组AI交互服务。
3）一骑绝尘，赤兔已难追
比起国内某些大厂的AI刚学会基本说话，就开始找盈利场景，落地在智能家居和 *** 回复。ChatGPT并非只是产品雏形，它走的是精英教育路线，家长一路砸钱供他读书到博士，博士毕业后，仍在研究院这所大学，再次边拿着钱，边提升title。
而这，不过是ChatGPT产品的刚起步。随着4.0版本的发布，我们看到了惊人的一幕。OpenAI创始人用圆珠笔画了一张难以阅读的网页图纸，而ChatGPT4.0却在20秒内写出了一个网站的系统程序框架。
综上所述，我也认同那句中国AI更倾向于业务应用和商业化的能力。
二、职场未来路：抓紧将AI列入工作流
ChatGPT3.5版本时，橘先生圈子里的互联网营销人都开始重新思考起自己赛道的逻辑和未来了。我们怀着对未来的期待和憧憬，但同时也保持着警惕与胆怯，未来的职场路面向何方？――3.5版本的AI已经可以实现基础文案的写作，应用于SEO、知乎的传播稿。
果不其然，3月15日ChatGPT上线了4.0版本，完成了从自然语言处理模型到多模态模型的升级。这是什么意思呢？
我们给ChatGPT发一张图片，它能自动帮我们进行解答、文字梳理，甚至能根据这张图片生成一段视频、一个网站、一款游戏。
如果你是一名了解开发流程的熟手，使用了ChatGPT和midjourney，2~3周时间即可创造一款不难的游戏。你开始感受到危机了么？
这次的AI革命来势汹汹：游戏规则变了。
利用迅速兴起的AI技术加强企业营销的机会，已经被大品牌发现并运用了。例如上个月15日，可口可乐公司宣布将与openAI和贝恩公司合作，使用ChatGPT和DALL-E2平台 *** 个性化广告文案、图像和消息。
虽然这些大广告主们目前还在探索如何应用，但是未来的趋势已经显而易见。
所以，橘先生的忠告是：
抓紧把AI工具运用到工作流吧。
橘先生计划开一个AI应用集，包含关于营销、品牌、运营方面的提效。这是实打实的工具应用。
三、AI直播操作实例
直播活动注重什么？当然是耳熟能详的【人、货、场】。
一般运营需要有什么能力？
直播前：选品能力、直播流程、直播间的话术脚本、跨团队协调；直播中：直播期间的数据盯盘能力，给主播做实时的调整；直播后：有效的复盘能力，能得出有效的结论。这是一场直播最关键的时刻，运营在直播后应该带着所有人去复盘直播结果。如果运营对数据的分析能力不强，90%分析的结果都是错的。那么AI如何帮助直播活动提效呢？
橘先生认为至少可以实现以下3点：
数据归因分析能力（决策辅助）：应用于[选品、直播中数值建议辅助、直播流程梳理归纳。内容生产能力：应用于[直播切片的快速 *** 。话术整理能力：应用于[直播间的话术脚本 *** 。这篇文章咱们不泛泛地说，橘先生将告诉大家如何快速 *** 出优秀的直播间话术脚本。
Step1：收集竞品对手的直播间话术稿
通常，我会使用转录工具，先把那些优秀行业对手的直播活动转录成逐字稿，找到一些优秀的主播和直播间，先录它个十几场效果好的直播。
为啥这么做呢？
正所谓：知己知彼，方能百战不殆。
做好直播，也需要研究优秀的行业对手，研究他们是如何设计主播人设、如何把控直播间节奏、如何 *** 直播间的话术脚本。
橘先生比较习惯使用的转录软件是【麦耳会记】。
这款软件还是挺好用的，它可以用于发布会、现场演讲、直播场景的字幕同传工作，意思就是能快速记录直播的文字记录。即使是英文演讲，它也能快速记录为中文纪要。
同时，它具备了AI功能，可以自动生成内容摘要和重要内容纪要整理。与其他软件不同的是，它能通过AI识别删除转写结果中的停顿、重复、修正一些口语习惯现象，提升文本的阅读顺滑度。
大家要记得，如何用工具提升效率是关键。
Step2：设定直播话术稿的模块，用于AI ***
逐字稿整理完成后，可以根据场次和效果挑选出优质稿件话术，并且将它们进行模块化梳理。例如下表：
这些话术还可以做二级细化，因为不同行业有不同角度的话术解读方式，橘先生就不做详细描述了。
我们首先将几十场逐字稿根据主播的风格进行分类，然后再按照上述类型模块进行话术拆解，用于接下来的AI工具 *** 工作。
Step3：将拆解后的逐字稿导入ChatGPT深度学习 ***
*** ChatGPT，是一件要有耐心的事情。你要把ChatGPT当作一名学生，给它更多的信息，帮助它代入到你的需求场景当中。
之一步：告诉它请学习以下主播的开播话术。
第二步：加大训练量，让它适应话术风格。
第三步：完成训练提取结果，让ChatGPT为你写文案。
第四步：提出新的要求，优化文案。
第五步：调整极限词和违禁词。
第六步：成稿整理成档案。
按照话术模块进行整理。只有适合的，才是更好的。
大家要记得，ChatGPT学习话术是一个沟通和 *** 的过程。在这个过程里，要耐心地纠正ChatGPT的问题。
四、从历史：别做卢德分子
19世纪的英国，当蒸汽机替代手工纺织机成为英国纺织业主流的那个年代，大量的工人下岗。在那场轰轰烈烈的工业革命中，就有一群捍卫手工作坊的人。他们对蒸汽机怀恨在心，认为是技术抢走了他们的饭碗，便组织起来破坏工厂。
这些人的精神领袖叫做奈德・卢德，因此也被称为卢德运动。
我看到不少身边的朋友对着ChatGPT输入一些关于内容的问题――写一篇关于XX的公众号图文。然后，拿着AI生成的粗浅的答案说：你看，运营的饭碗保住了。
事实上，这种问题指令的输入是不合格的。即使是人，你告诉他写一篇图文，他也无从下手。如果你的描述能更巧妙些，将获得超乎想象的答案。
觉得内容没问题，再去生成表格。
觉得表格形式错误，可以再次调整。
要知道自ChatGPT问世以来，不过仅过去了4个月，已经出了5代版本。未来，AI的能力将完全超越人类，并且超越时AI将进入自我快速升级。
为了拥抱这个大时代，橘先生建议任何人都要去了解AI工具、熟悉AI工具。别掉队，未来不等人！
专栏作家
橘先生的工作笔记，公众号：橘先生的工作笔记，人人都是产品经理专栏作家。聊一聊品牌、运营、营销的领域。没有套路，绝不藏私。
本文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
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。