AI產(chǎn)品分析(四):形色“拍照識(shí)花”功能解析
前三期AI產(chǎn)品分析中,我們選擇抖音、美圖、作業(yè)幫等比較大眾且相對(duì)成熟的產(chǎn)品作為切入點(diǎn),結(jié)合實(shí)際功能及技術(shù)分析了人工智能技術(shù)的落地,而本期我們選擇了形色這款相對(duì)小眾化的產(chǎn)品,從一個(gè)新的應(yīng)用場(chǎng)景,感受人工智能產(chǎn)品對(duì)人類日常生活帶來(lái)的影響。
1. 關(guān)于形色
形色是由杭州大拿科技研發(fā)的一款拍照識(shí)花軟件,依托于人工智能下的深度學(xué)習(xí)技術(shù),可快速地對(duì)植物花草的特征進(jìn)行分析,并以較高的準(zhǔn)確率輸出花草所屬的類別。
雖然相較于抖音、美圖等產(chǎn)品,形色趨于小眾,然而該軟件自上線以來(lái),仍然獲得了許多用戶的認(rèn)可。
根據(jù)七麥數(shù)據(jù),形色近三個(gè)月下載量呈現(xiàn)出不斷上升的趨勢(shì),尤其是進(jìn)入四月份以來(lái),日下載量增加更加明顯。這說明,形色保持了穩(wěn)定的用戶增長(zhǎng)。
根據(jù)易觀千帆指數(shù),形色的月活也具有出色的表現(xiàn)。如圖,形色近6個(gè)月月活顯示,數(shù)據(jù)上雖有較小波動(dòng),但在2月份達(dá)到最低點(diǎn)也仍具有將近90萬(wàn)的月活,且此后開始展現(xiàn)出良好的回升趨勢(shì)。這說明,形色擁有穩(wěn)定的用戶使用量。
而無(wú)論是用戶增長(zhǎng)量還是用戶的使用量,都是對(duì)一個(gè)產(chǎn)品的可持續(xù)發(fā)展至關(guān)重要的指標(biāo),形色在這一點(diǎn)上表現(xiàn)優(yōu)異。
此外,從整體的頁(yè)面上,形色調(diào)性淡雅、配色清新、交互簡(jiǎn)單流暢,且用戶反映識(shí)別準(zhǔn)確率高。而除拍照識(shí)別花草植物的功能,形色還提供了類似于花間、地圖、展覽及鑒定等功能,使得具有相同愛好的用戶圍繞著花草可以發(fā)生互動(dòng),使得平臺(tái)在花草之余平添了許多人氣。
基于此,形色在同類產(chǎn)品,比如微軟識(shí)花、花幫主中脫穎而出。同時(shí),根據(jù)前期的調(diào)研結(jié)果顯示,形色充分利用了人工智能技術(shù)的優(yōu)勢(shì),隨著用戶數(shù)據(jù)越來(lái)越多,其準(zhǔn)確率也越來(lái)越好,在用戶間具有良好的口碑。
為了更好地凸顯AI技術(shù)在產(chǎn)品中的落地,我們僅以“拍照識(shí)別花草”功能項(xiàng)作為出發(fā)點(diǎn),對(duì)其進(jìn)行用戶-場(chǎng)景-需求、功能目的、功能邏輯、用戶評(píng)論及技術(shù)分析,并在此之外,對(duì)平臺(tái)中圍繞“拍照識(shí)花草”衍生出的“拍照識(shí)果蔬”進(jìn)行簡(jiǎn)介。
2. 用戶-場(chǎng)景-需求分析
3. 功能目的
從“拍照識(shí)別花草功能”出發(fā),形色滿足了許多用戶的許多需求。
不同于抖音、美圖或作業(yè)幫,它們都比較顯性地滿足了僅僅部分人群的需求,而形色則具有更廣的受眾,應(yīng)用的場(chǎng)景也很豐富。比如:對(duì)一些植物愛好者,形色可以滿足他們?cè)谟龅叫轮参镱悇e時(shí)快速識(shí)別的需求,甚至是一些罕見的花草也可以更為準(zhǔn)確地識(shí)別,形色還提供了互動(dòng)和分享的渠道,使得用戶可以在滿足自身樂趣的同時(shí)還有益于興趣的交流,達(dá)到用戶聚合的效果。
而對(duì)于一些園林花藝從業(yè)者,形色在他們的工作中充當(dāng)了效率提升器。由于這類人群經(jīng)常要在設(shè)計(jì)、搭配中對(duì)植物的類別進(jìn)行識(shí)別與鑒定,而人的腦容量又十分有限,如果依靠傳統(tǒng)的文字搜索,則耗時(shí)耗力,形色使得這類人群可以快速地確定相關(guān)植物的類別及形態(tài)知識(shí)。
最后,對(duì)于一些類似家長(zhǎng)、教師、攝影愛好者、旅游愛好者、小朋友等,形色也都幫助他們快速認(rèn)識(shí)花草、答疑解惑、學(xué)習(xí)植物知識(shí)、獲得好看或珍稀植物照片提供了更豐富、高效的渠道。
由此,可以看出,形色面向的用戶群廣,使用的場(chǎng)景豐富,而滿足的需求卻集中體現(xiàn)在快速識(shí)別花草、學(xué)習(xí)植物知識(shí)及鑒定植物等方面。
對(duì)于平臺(tái)而言,借助人工智能技術(shù),為用戶提供高準(zhǔn)確率且快速地植物識(shí)別的服務(wù)體驗(yàn),通過植物將用戶聚集,并由此拓展功能外延,一方面平臺(tái)的算法越來(lái)越準(zhǔn)確,吸引的用戶越來(lái)越多,另一方面圍繞著植物識(shí)別這一核心需求,通過更豐富的功能設(shè)計(jì),比如花間、地圖等,產(chǎn)品可帶給用戶更多驚喜。
而形色的官方團(tuán)隊(duì)也在新聞發(fā)言中坦言,他們是純粹的人工智能技術(shù)愛好者,希望通過產(chǎn)品作為載體,把人工智能的樂趣帶給更多用戶。
這句話是不是空喊口號(hào)無(wú)從得知,但從目前的體驗(yàn)過程中,形色暫時(shí)沒有特別顯性的廣告植入,而平臺(tái)算法的性能也比較穩(wěn)定和準(zhǔn)確。
4. 功能邏輯
在功能邏輯的設(shè)計(jì)上,和一般的“拍照識(shí)別”類產(chǎn)品一樣,形色的流程設(shè)計(jì)也比較靈活,比如識(shí)別圖片來(lái)源提供了多種選項(xiàng),同時(shí)比較特別地是提出了“自拍,看看你像什么花”選項(xiàng),該功能抓住了用戶愛美及好奇的心理,是一種比較具有趣味性的互動(dòng)。
同時(shí)在生成的過程中,由于對(duì)圖片處理的過程可能算法存在一定的延時(shí),尤其是一些比較少見的植物,計(jì)算圖片特征及檢索數(shù)據(jù)庫(kù)的過程需要花費(fèi)較長(zhǎng)的時(shí)間,可能會(huì)出現(xiàn)更長(zhǎng)的等待時(shí)間。
針對(duì)上述算法延時(shí)的問題,形色的處理是比較注重用戶心理感受的。比如:在體驗(yàn)中發(fā)現(xiàn)在等待時(shí),系統(tǒng)會(huì)反饋各類提示語(yǔ)包括“正在努力鑒定中XX%”,讓用戶心理有預(yù)期,減少焦慮。
再比如:“再等等,結(jié)果馬上就出來(lái)”、“網(wǎng)絡(luò)好像有點(diǎn)擁擠”,即便進(jìn)度沒有變化,但這些提示語(yǔ)仍處于動(dòng)態(tài)變化中,在這些極具擬人化特征的提示語(yǔ)之上,用戶不會(huì)覺得背后是一個(gè)冷漠、機(jī)械的“機(jī)器人”或算法,而是覺得這是一種友好的互動(dòng),從而耐心及忍耐度會(huì)有所提升。
上圖是體驗(yàn)的一個(gè)過程,是拍攝的路邊的一種野花。從中可見,拍照鑒定的過程中,一直顯示在緩沖,但是體驗(yàn)相對(duì)比較好的是,系統(tǒng)一直有反饋,比如進(jìn)度94%、99%,而且一直把延時(shí)的鍋扣給“網(wǎng)絡(luò)慢”、“網(wǎng)絡(luò)擁塞”。
其實(shí)這種提示語(yǔ)的設(shè)置是人工智能產(chǎn)品設(shè)計(jì)的一個(gè)技巧,因?yàn)槌R?guī)而言,如果算法想要達(dá)到比較好的準(zhǔn)確率,則模型的復(fù)雜度會(huì)比較高,那么模型在運(yùn)行的時(shí)候其效率往往較低,則平臺(tái)通過這些標(biāo)語(yǔ)一方面可以轉(zhuǎn)移用戶的注意力,另一方面,也可以一定程度降低用戶對(duì)算法不行的糟糕想法。
這種設(shè)計(jì)的技巧的應(yīng)用比較普遍,比如:還有一些使用識(shí)別分割技術(shù)的圖像類產(chǎn)品,有的時(shí)候算法處理的結(jié)果在邊界處表現(xiàn)不好,則可以通過在邊緣處增加裝飾物或是其它比較酷炫的變換效果,從而緩解算法本身結(jié)果的不足。
本次體驗(yàn)最終識(shí)別準(zhǔn)確結(jié)果是鬼針草,如果你覺得該識(shí)別結(jié)果不準(zhǔn)確,還可以再請(qǐng)求高手鑒定。
提供高手鑒定的好處在于:
一方面通過用戶使用高手鑒定的點(diǎn)擊率,可以用于對(duì)后臺(tái)識(shí)別算法準(zhǔn)確率的反饋,重新調(diào)節(jié)模型的參數(shù),所以用戶會(huì)感覺到在不斷地使用產(chǎn)品的過程中,識(shí)別的準(zhǔn)確率會(huì)越來(lái)越好。因?yàn)楫?dāng)前深度學(xué)習(xí)的準(zhǔn)確率增長(zhǎng),一定程度上是依托于訓(xùn)練數(shù)據(jù)的增加,所以人工智能類的產(chǎn)品,用戶數(shù)據(jù)的后期收集與優(yōu)化十分重要,從產(chǎn)品的體驗(yàn)和調(diào)研中也發(fā)現(xiàn),形色是比較注重這一點(diǎn)的。
另一方面,現(xiàn)有的AI產(chǎn)品設(shè)計(jì)中,如果僅僅依賴算法可能無(wú)法滿足用戶的所有需求,尤其是一些比較特殊的場(chǎng)景,還是沒有辦法滿足用戶任何情境下滿意的要求。因而目前最為常用的方法是算法+人工。
比如抖音后臺(tái)的鑒黃,只是應(yīng)對(duì)大數(shù)據(jù)去除那些特別特征較為明顯的,而剩下的比較容易歧義的,還是需要一定的人工進(jìn)行輔助判斷,減少誤判率。即便如此,從整體上看,也大大地減少了人力、物力的損耗。
所以,形色的高手鑒定中,一方面是發(fā)布到平臺(tái)上,一些同樣愛好植物或者剛好認(rèn)識(shí)的用戶會(huì)幫助解答,同時(shí)平臺(tái)也吸引了一些相關(guān)的專家入駐,以提升鑒定的效率和專業(yè)度。
同時(shí)我們還做了更大量的體驗(yàn),從中可見整體的識(shí)別準(zhǔn)確率較高,且每一次識(shí)別之后,都附帶了比較詩(shī)情畫意的解說,和平臺(tái)整體的調(diào)性以及調(diào)研中發(fā)現(xiàn)的用戶的需求是比較吻合的。
最后一幅圖,為了惡搞一下算法,我特意選取了杯子上的任意一個(gè)綠色部分,最后平臺(tái)返回的結(jié)果是“我竟然被難倒了”,所以,這一刻可能會(huì)覺得哪怕錯(cuò)了也挺可愛。
當(dāng)然了,形色也有失靈的時(shí)候。
比如輸入一株火龍果圖片,它給出的第一答案選項(xiàng)是火龍果,后面還給出一個(gè)選項(xiàng)是曇花,火龍果是準(zhǔn)確答案,但是觀察會(huì)發(fā)現(xiàn),它和曇花的表面形態(tài)確實(shí)有些相像。
造成該類錯(cuò)誤的問題在于,模型是基于植物的特征提取,和后臺(tái)數(shù)據(jù)庫(kù)形成比對(duì),只要表面特征相似可能就會(huì)判定為同一類別。且算法的靈活度有限,對(duì)于一些相似物種,仍沒有辦法對(duì)細(xì)節(jié)做出準(zhǔn)確區(qū)分,這是未來(lái)算法設(shè)計(jì)需要攻克的難題。
其次,我拍攝了鑰匙的圖片,算法識(shí)別結(jié)果為辣椒。因?yàn)槿斯ぶ悄芤欢ǔ潭壬鲜腔谶^往的經(jīng)驗(yàn),對(duì)眼前的新事物結(jié)合其特征做出判斷。也就是說,算法覺得自己應(yīng)當(dāng)在現(xiàn)有植物品類庫(kù)里找一個(gè)最匹配的來(lái)表征輸入的圖片,大部分算法還是比較“單純”的。
5. 用戶評(píng)論
同樣地,我們對(duì)產(chǎn)品搜集了對(duì)應(yīng)的用戶評(píng)論。
首先,基于七麥數(shù)據(jù)顯示,形色的用戶評(píng)分當(dāng)前顯示評(píng)分為4.9分,所有版本評(píng)分也達(dá)到4.9分,基本所有的評(píng)論集中在5星、4星,而低分評(píng)論占比極低。
同樣地,收集了30條用戶評(píng)論。但是本次評(píng)論的篩選中,沒有刻意地集中在差評(píng),而是對(duì)用戶的評(píng)論進(jìn)行了整體評(píng)估,并提取其對(duì)應(yīng)關(guān)鍵詞,最后進(jìn)行歸類分析。
首先用戶評(píng)論的關(guān)鍵詞主要包括“內(nèi)容質(zhì)量需加強(qiáng)”、“效率提升”、“增加知識(shí)”、“準(zhǔn)確率不高”、“準(zhǔn)確率高”。
其中36.7%的用戶覺得使用形色增加了植物相關(guān)的知識(shí),對(duì)于學(xué)習(xí)及日常裝逼有益,20%用戶覺得形色對(duì)每種植物、花草判斷都十分準(zhǔn)確,非常智能,16.7%的用戶認(rèn)為形色的內(nèi)容質(zhì)量需要加強(qiáng)。
比如:關(guān)于識(shí)別結(jié)果的解說可以更為詳細(xì)一些、平臺(tái)上關(guān)于植物的科普文章要更加專業(yè)一些等,13.3%的用戶覺得通過形色極大地提升了學(xué)習(xí)花草植物知識(shí)的效率,他們中有的人是園林或花藝設(shè)計(jì)師。最后還有13.3%的用戶認(rèn)為識(shí)別的準(zhǔn)確率不夠優(yōu)秀,可能是恰好他們問到了“算法”沒學(xué)過的部分。
進(jìn)一步地,我們把用戶的評(píng)論最終歸結(jié)為產(chǎn)品、算法及運(yùn)營(yíng)維度。
其中,如效率提升、增加知識(shí)屬于產(chǎn)品范疇,正是由于產(chǎn)品能夠看到用戶的需求,并從用戶的角度出發(fā),巧妙地利用人工智能技術(shù),得以為用戶解決需求。這是用戶對(duì)形色的贊同,也是對(duì)它未來(lái)發(fā)展的期許,希望它一直記得初衷,服務(wù)用戶,不斷進(jìn)步。
而準(zhǔn)確率問題則屬于算法范疇,而由于平臺(tái)的訓(xùn)練數(shù)據(jù),后續(xù)的經(jīng)驗(yàn)積累、調(diào)參優(yōu)化,都對(duì)最終平臺(tái)的識(shí)別準(zhǔn)確率有影響。形色官方技術(shù)團(tuán)隊(duì)曾對(duì)外發(fā)言稱,其起步的訓(xùn)練數(shù)據(jù)集就很龐大,而且后續(xù)也很注重收集用戶的反饋,進(jìn)行模型準(zhǔn)確率的調(diào)整,以后也還會(huì)繼續(xù)加強(qiáng)數(shù)據(jù)集及算法的調(diào)整和優(yōu)化,則算“盲區(qū)”會(huì)越來(lái)越少,從而整體的準(zhǔn)確率會(huì)進(jìn)一步提升。
最后,內(nèi)容問題則屬于運(yùn)營(yíng)范疇。之前看了一篇文章說到,互聯(lián)網(wǎng)產(chǎn)品的發(fā)展,從技術(shù)主導(dǎo)到產(chǎn)品主導(dǎo),已經(jīng)開始萌生出運(yùn)營(yíng)主導(dǎo)的趨勢(shì),無(wú)論該論斷正確與否,都不可忽略的是,運(yùn)營(yíng)是一款產(chǎn)品能否觸達(dá)大眾、煥發(fā)生命力的關(guān)鍵。而遺憾的是,形色的運(yùn)營(yíng)比較單調(diào),這是相對(duì)不足的一個(gè)點(diǎn)。
6. 技術(shù)分析
形色的實(shí)現(xiàn),其技術(shù)原理比較簡(jiǎn)單,主要就是圖像識(shí)別及檢索,即通過圖片特征的提取,而后進(jìn)行搜索匹配,最終輸出結(jié)果。形色之所有獲得比較好的準(zhǔn)確率,主要在于它十分專注地打磨,把上述的每一個(gè)技術(shù)環(huán)節(jié)都做到了最好。
首先,訓(xùn)練數(shù)據(jù)集牛逼。有多少數(shù)據(jù),就有多少智能,尤其是對(duì)現(xiàn)階段的深度學(xué)習(xí)模型而言,訓(xùn)練數(shù)據(jù)的數(shù)量和質(zhì)量可視作是決定性因素,這也是為什么很多人工智能產(chǎn)品經(jīng)理都在工作中或多或少地需要承擔(dān)數(shù)據(jù)標(biāo)注、清溪任務(wù)的原因。在上線前期,形色團(tuán)隊(duì)就意識(shí)到數(shù)據(jù)對(duì)于模型準(zhǔn)確率的重要性,因此他們?cè)谟?xùn)練數(shù)據(jù)集的打造上花費(fèi)了很多時(shí)間。
比如通過向各大論壇植物愛好者征集花草圖片數(shù)據(jù),同時(shí)自身團(tuán)隊(duì)出動(dòng),到當(dāng)?shù)剡M(jìn)行常見花卉采集之后請(qǐng)專家鑒定等,在保證了訓(xùn)練數(shù)據(jù)集的數(shù)量之余才展開了后續(xù)的工作。
對(duì)于深度學(xué)習(xí)而言,由于深度網(wǎng)絡(luò)的復(fù)雜性,需要訓(xùn)練的參數(shù)規(guī)模龐大,甚至可以達(dá)到好幾百萬(wàn)個(gè),所以要想算法落地成產(chǎn)品后能獲得實(shí)際可用的結(jié)果,其訓(xùn)練數(shù)據(jù)集的需求量遠(yuǎn)遠(yuǎn)超出一般人的想象。
而當(dāng)數(shù)據(jù)量不斷增加后,數(shù)據(jù)的清洗和標(biāo)注又是另外一個(gè)更為復(fù)雜問題,形色團(tuán)隊(duì)在這方面上也是斥巨資,他們聘請(qǐng)很多具有專業(yè)知識(shí)的專家反復(fù)校驗(yàn),確保了訓(xùn)練數(shù)據(jù)集的質(zhì)量。
通過數(shù)據(jù)集上的努力,形色最初的模型比較簡(jiǎn)單,獲得的準(zhǔn)確率接近50%,這讓團(tuán)隊(duì)看到了希望。
人工智能是仿生的,和人一樣,如果見得少,則判斷出錯(cuò)的概率就大。所以為了減少算法識(shí)別錯(cuò)誤的概率,需要讓模型盡可能學(xué)習(xí)更多的數(shù)據(jù),形色采取了一個(gè)長(zhǎng)遠(yuǎn)更為有效的措施是:在產(chǎn)品上線之后,進(jìn)一步收集用戶上傳的圖片,用于算法的迭代訓(xùn)練。
結(jié)果顯示,隨著用戶數(shù)量增加,平臺(tái)訓(xùn)練數(shù)據(jù)集擴(kuò)增,識(shí)別的準(zhǔn)確率也越來(lái)越高。
其次,算法+人工輔助的雙重技術(shù)保證。
形色是一款優(yōu)秀的人工智能類產(chǎn)品,它在為用戶解決的過程中,傳達(dá)出一種十分謙遜、負(fù)責(zé)的態(tài)度。
具體地,在實(shí)現(xiàn)的過程中,除了以深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖片進(jìn)行分類并檢索的識(shí)別算法外,為了應(yīng)對(duì)算法失靈的情況,形色還配備了專業(yè)的人士進(jìn)行人工鑒定及解答。
最后,技術(shù)細(xì)節(jié)的處理。形色在提取照片之后,考慮到用戶拍攝的圖片可能存在模糊、關(guān)鍵特征不明顯的特點(diǎn),所以算法會(huì)對(duì)圖片進(jìn)行統(tǒng)一的預(yù)處理之后再識(shí)別。
預(yù)處理的過程包括了光線調(diào)整、顏色反轉(zhuǎn)、曝光度、裁剪出關(guān)鍵部位等,如此,可以提升照片的質(zhì)量。因?yàn)樯疃染W(wǎng)絡(luò)中,算法訓(xùn)練時(shí)學(xué)習(xí)照片的特征,如果照片本身的質(zhì)量不佳,則算法會(huì)學(xué)到一些錯(cuò)誤的特征,從而可能引發(fā)后續(xù)的判斷錯(cuò)誤。同時(shí),一些肉眼無(wú)法辨識(shí)的特征,尤其是某些相近的種類,如果沒有經(jīng)過預(yù)處理,模型就有可能無(wú)法獲得相關(guān)細(xì)節(jié),從而發(fā)生誤判。
形色的技術(shù)方案看似簡(jiǎn)單,但是他們的智慧在于,選擇當(dāng)前效果最好的一項(xiàng),并將其打磨到最好。
現(xiàn)有的計(jì)算機(jī)視覺處理任務(wù)中,圖像識(shí)別、分類的效果是最好的,比如:許多人臉識(shí)別、圖像分類的結(jié)果在經(jīng)過足夠的訓(xùn)練數(shù)據(jù)訓(xùn)練后,可以達(dá)到99%以上的準(zhǔn)確率,而人由于經(jīng)驗(yàn)以及其它生理的不同,可以達(dá)到的平均準(zhǔn)確率也才有95%左右。
所以這從一點(diǎn)上看, 形色抓住了圖像識(shí)別這一技術(shù)可以落地的時(shí)機(jī)。因?yàn)榇蟛糠諥I產(chǎn)品設(shè)計(jì)的初衷,一定是因?yàn)樗惴梢詭椭祟惤鉀Q部分重復(fù)性的工作且解決的效果優(yōu)于人類。
且在瞄準(zhǔn)了切入點(diǎn)之后,他們花了足夠多的時(shí)間和精力在技術(shù)上做深入的積累,等到時(shí)機(jī)成熟的時(shí)候,花費(fèi)極小的成本將其成功遷移到另一項(xiàng)功能上(拍照識(shí)瓜果和海鮮)。
所以人工智能類的產(chǎn)品,不要一開始就著眼于用多復(fù)雜的技術(shù)、做多復(fù)雜的功能,簡(jiǎn)單、高效直至爐火純青才是王道!
技術(shù)關(guān)鍵詞:數(shù)據(jù)集 算法+人工輔助 技術(shù)細(xì)節(jié)處理
總結(jié)
本期一起體驗(yàn)了小眾AI產(chǎn)品“形色”,從中也感受到人工智能技術(shù),已經(jīng)變成各種各樣的 產(chǎn)品,出現(xiàn)在用戶生活的方方面面,幫助用戶解決了各種各樣的問題。
作為一個(gè)人工智能產(chǎn)品經(jīng)理,我們的思考點(diǎn)在于,怎樣通過更為簡(jiǎn)單的技術(shù),以更低的成本和更好的體驗(yàn),為用戶帶來(lái)更多驚喜~
作者:Luna,公眾號(hào):有三AI,一個(gè)專注于人工智能技術(shù)與產(chǎn)品落地的公眾號(hào),希望可以和熱愛AI的人有更深入交流,一起見證AI改變生活!
本文由 @ Luna 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載
題圖來(lái)自網(wǎng)絡(luò)
你這個(gè)餅圖做的有點(diǎn)草率啊 ?
超喜歡這款A(yù)PP,不過確實(shí)社區(qū)和內(nèi)容運(yùn)營(yíng)過不去??!
畢竟不是那么高頻應(yīng)用,是一款非常垂直的工具,類似于豆瓣、知乎之類非剛需應(yīng)用嘿:)