博旭范文网 - 每天发现一点点
每天发现一点点!
  • 简历表格
  • 简历模板
  • 简历封面
  • 简历制作
  • 简历范文
  • 英文简历
  • 履历表
  • 自我介绍
  • 自我评价
  • 面试试题
  • 职场动态
  • 面试技巧
  • 职场打拼
  • 求职谋略
  • 面试经历
  • 面试问题
  • 人事政策
  • HR管理
  • 办公室交际
  • 猎豹移动面试经历

    分类:面试经历 时间:2016-12-21 本文已影响

    篇一:速途研究院:图解猎豹移动成功上市背后数据

    速途研究院:图解猎豹移动成功上市背后数据

    速途研究院5月9日报告(分析师 冀静 吉慕璇)北京时间5月8日晚间,中国领先的网络安全、网页浏览器以及移动应用开发商猎豹移动完成首次公开募股(IPO),正式在纽约证券交易所挂牌,交易代码为“CMCM”。发行价为每股美国存托股(ADS)14美元,以此计算猎豹移动市值将达到19.32亿美元。猎豹移动开盘价报15.14美元,较发行价上涨8%。 猎豹移动IPO上市首日股价一度冲高超17%,北京时间5月9日消息,周四美股收盘,猎豹移动(NYSE:CMCM)IPO

    首日收报14.1美元,较发行价上涨0.71%,按此价格计算,猎豹市值为19.5亿美元。

    借此,速途研究院分析团队结合猎豹移动招股书及市场公开数据等,解读猎豹移动“上市之谜”。

    (速途研究院制图)

    近几年猎豹移动营业额持续大幅增长。2011年营收为1.401亿元人民币,2012年为人民币2.879亿元,增长105.6%,2013年为7.499亿元人民币(约合1.239亿美元),增长160.5%。2013年净利润为6200万元人民币(约合1020万美元),比2012年的净利润980万元人民币增长530.0%。目前猎豹收入规模已经跨入了互联网行业中比较靠前的一些公司的列表,不到一年猎豹估值超过400%。近日,猎豹移动完成首次公开募股(IPO),正式在纽约证券交易所挂牌上市,未来猎豹公司将会在移动端持续发力,通过移动应用分发和游戏联运、精准广告营销来实现商业模式的完整产业链。速途研究院分析,猎豹移动上市以后,营业额仍将持续增长。

    (速途研究院制图)

    猎豹移动第一季度总营收为人民币3.157亿元(约合5080万美元)。猎豹移动第一季度的总营收由网络营销服务、互联网增值服务、互联网安全和其它服务构成。其中,网络营销服务的营收为人民币2.322亿元(约合3740万美元),占总营收八成以上,为81.68%。在线营销服务主要是通过平台将流量引导至电子商务公司以及搜索引擎提供商。互联网增值服务的营收为人民币7180万元(约合1160万美元),占总营收的11.09%。互联网增值服务目前主要来自网络游戏。网络安全和其它服务的营收为人民币1170万元(约合180万美元),占总营收的7.23%。

    (速途研究院制图)

    猎豹清理大师在全球装机量超过2.37亿,月度活跃用户超过1.4亿,日活跃用户超过7290万。由于手机内存和使用空间不足导致安卓手机卡慢,无法轻松拍照,已经成为所有安卓手机的问题,清理内存和手机垃圾符合用户刚性需求。

    CM Security 、电池医生、金山毒霸、猎豹浏览器、Photo Grid等软件同样在各自领域有不俗表现,。豹清理大师积累海量用户后转变为工具平台,带动其他软件在移动安全、电源优化、互联网安全、浏览器、相片组合等领域拥有庞大的用户量,从而形成一个全系列的“工具王国”。

    (速途研究院制图)

    2014年3月,猎豹清理大师在Google Play拥有890多万份用户评价,五星评价超700多万份,平均分高达4.7,超越Facebook、Whatsapp、Instagram、Skype、Line等超级APP。 自2013年3月猎豹清理大师全球下载排名不断提升,从2013年3月排名第48位提升到2013年3月排名第4位,短短一年时间排名提升44位,由此可见猎豹在清理大师的设计与服务上下了许多功夫,成效显著。

    (速途研究院制图)

    截至2014年3月31日,猎豹移动全球移动端用户达5.021亿,与去年12月底约3.446亿的移动用户量相比增长了44.9%。 2014年3月,月活跃用户数达3.62亿(包含PC和移动),移动端月活跃用户数2.23亿;63%的移动端月活用户为海外用户。猎豹移动在海外市场的货币化路径,主要通过移动应用分发和游戏联运、广告赚钱。国内移动工具市场竞争激烈,而海外却是一片蓝海。2012年底,没有海外公司真正把工具类别软件做起来,他们根本就不关注工具应用,更多的关注于社交和游戏。这也为猎豹清理大师进军海外市场创造了机会。

    (速途研究院制图)

    猎豹移动通过“游戏中心”发布了570个游戏。从2012年第三季度开始发布游戏,截至2014年3月31日,有570个游戏在游戏中心运营,其中大部分为联营模式。开始经营游戏业务后,每个月付费用户数量大幅增长,2013年四个季度,以游戏为主的增值服务收入分别为439.5万人民币、1259.6万人民币、2416万人民币4200.4万人民币,分别占总收入的3.22%、7.93%、13.02%、15.6%。

    游戏行业一直移动互联网的主力军。短短一年,猎豹移动的移动游戏收入提升了5倍多。由此可见,未来移动游戏盈利还有很大的增长空间。

    在移动端,猎豹移动与巨头之间的合作仍在继续。比如小米的红米机型中已经预装猎豹清理大师(Clean Master),腾讯手机管家的省电模块也推荐使用了电池医生等。

    得道多助,猎豹移动外有盟友腾讯、百度、阿里,内有靠山小米、金山。五股力量合力把这家公司推向纽交所,成为中国互联网圈绝无仅有的案例。这种巨头伙伴关系,为猎豹移动带来的不只是资源,更是机遇。

    篇二:猎豹移动市场总监:没人没钱没资源产品怎么做推广?

    猎豹移动市场总监:没人没钱没资源产品怎么做推广?

    好的市场营销方案本来就是不需要花多少钱的,至少在测试效果阶段是这样。重金重兵投入

    砸品牌的方式,一是已经被互联网更高性价比的传播方式所淘汰,二是往往也无从检验结果。

    没钱怎么做营销?

    常常会问来面试的有志从事营销行当的小伙伴,如果现在给你一个产品,你怎么去推广?绝大多数的人会回答:我们可以买一轮电梯广告,国贸地铁站上打一打海 报,要有创意的,有情怀的,找一些段子手来捧一捧啊,甚至还有人说上一次《天天向上》,《天天向上》的受众如何符合本产品的受众,如果去的话就能一炮而红……

    请记住这就是一位平庸的市场人员,他们把钱都花了,也不知道花得值不值;后面会讲什么是一个卓越的市场人员:就是钱没花多少,高潜用户却源源不绝。

    笔者从以下几个方面进行分析:

    第一部分:为什么有钱反而办不成事?

    云自媒社会化精准营销平台:/

    这位平庸的市场人员随口说的这几样,做下来每一项都要上百万。先分享下那些方法大概的花费和效果,为下面的好方法做个预热。

    坏消息

    电梯广告北上广深很多创业期APP都在使用的办法,可见有一定效果。但是这个费用相当不菲。用过一次,一线城市大概投放两周,覆盖率50%左右,费用在500万以 上。这个覆盖率可能有水分,因为有可能他们会定向投放到你们公司所在的大楼,或者领导居住的小区,营造一种街头巷尾都会看到的假象。性价比:较低。

    另外还有一种说法,之所以那么多创业公司出现在电梯广告上,是拿小股份跟分众置换的推广资源。比如给分众百分之几的股份,换一个 月上市期间的电梯广告。反正分众正常销售后,剩余位置放着也是放着,还能换股,还能制造出大家都纷纷投放电梯广告的氛围。

    地铁广告不是一般的贵。比如说北京的任何一个换乘站,站点的任何一个出口都是寸土寸金。每个口的立柱,墙贴,地贴,扶手,都有价格。曾经询价过一轮,光铺满国贸站,1000万都不够,这不是一般的公司能够玩得起的。

    电视广告2012年的春晚前打过一个5秒的标版广告,那效果叫做:一闪而过!更悲剧的是后面腾讯就高大上的来了一个长达1分钟的……费用是大几百万。后来听一个朋友说,他们在湖南卫视做过一个月的广告,3000万。性价比:极低。

    云自媒社会化精准营销平台:/

    微博大号以 新浪微博第一草根大号“ 天才小熊猫”为例,他竟然曾是我的同事啊啊啊。段子手的市场报价很透明,熊猫加营销公司其他的几个稍小的段子手,一次是20万。表现形式是一个长微博,一 图一句话排成一个故事,到最后的时候突然植入一个什么东西,结束。其他段子手单发的价格在5000到几万不等,明星大号在10万以上,但微博的效果和人气实在是酸爽,我在最近的一次传播中,已经弃用了。

    还有微博热门的排行榜,至今仍然很多公司去买这个位置。那个榜现在除了明星八卦,社会奇闻,80%是广告位,收费便宜的代理机构报8万块钱一条,贵的50万一条。这些广告位根本没有什么人会去看的。总之整个微博生态我都不认为还适合做营销。另外新浪微博自身有广告系统,标签和投放都可以做到很精准,但是到达率实在是低。性价比:极低。

    (PS. 微信公众号还是可以的。知名度高的大多为实实在在的粉丝,一个平均阅读量在两三万以上的号,一般粉丝量会在20万以上,收费至少3万。如果你用了几个微信 号来宣传,二三十万很快就用光了。用微榜上排名靠前的号,如果粉丝属性和内容策划结合的好,效果还是很不错滴,推荐。)

    就这样,一个平庸的市场人员花出去了几十万到几百万不等。结果是什么呢?

    结果就是“无法评估”。你既看不到百度指数有什么变化,也看不到有人真的在讨论,在各种社交论坛里搜不出什么相关信息,甚至连下载量都只是微微的变化甚至连微微都没有。

    后来有一个“专业人士”告诉我说,你要想知道效果应该这样,在投广告之前找一个品牌调研公司的做一轮调研,对现在各个指数做一个维度的标定。做完广告之后, 再找这个公司重新做一次调研,中间会有一个差值,你就知道有没有效果了。呵呵,又几十万没了,你当我傻。尤其是我们这种互联网公司,我明明可以有N种手段 直达百万、千万、上亿用户,我们花这么多钱绕来绕去养肥别人,搞毛呢???

    小结:初步估计有90%的广告费都浪费了

    以上传统的方法已经失效了。且不说钱,就说在央视做了一条广告,或者央视新闻频道/财经频道给我们上了一条新闻(已经上过不下20次了),我们就会一炮而红吗?并不会。通过某一平台集中爆发也不可能,比如我在知乎有一个万赞热帖,又如何呢?写个文案做个海报就能火?你现在再去看看,谁家的海报写得不好?谁家 的文案没有情怀?基本上不存在这样云自媒社会化精准营销平台:/

    弱的公司了。现在是多屏、碎片化、信息过载、噪音过大的互联网时代,原来的办法就算花钱,也花不出效果了。

    互联网时代

    然而这是一个更好的时代——

    第二部分:互联网时代,带来了三个前所未有的好机会

    (一)互联网让人际信息传播的效率爆炸式的提升,这使得口口相传的免费路径迎来了新生。原来的时候“酒香不怕巷子深”,是以时间为代价的,等三年、五年,大家都知道你家的酒香了。现在可能3分钟、5分

    猎豹移动面试经历

    钟之内就可能被知道了。一切社交产品,都是你的免费宣传渠道;

    (二)“被看见”的成本大幅降低,这让传播成本有了无限趋向于0的可能。比如说以前我们想卖一件衣服,我们要先买一个橱窗的展示位,这个位置很贵。可是不买,你的产品都不会“被看见”,这个成本避无可避。现在呢,比如说我要卖衣服,我做微商,我在朋友圈发一条链接就行了,我微信通讯录里有1千多人,我一下能传播上千人;

    (三)人人都有可能做一个“信得过”的媒体,为自己背书。互 联网让信息差消失了,某些原来的平台因为掌握了大量的信息而被认为是“权威”的时代结束了。相应的,每个人都可以产生内容,有让自己的内容优质到“可被信 赖”的可能。以前大家是把钱和精力都花在第三方那里,比如我找了一个媒体北京电视云自媒社会化精准营销平台:/

    台,这个媒体很重要,我每天跟他们维护关系,为他们提供选题,到最后没有 人来我这里看我的新闻,就跑去人家那里看了,结果他们想写什么就写什么。现在只要把自己的内容运营好,就可以成为一个

    自媒体。

    新机遇

    用好了互联网时代的这三个特点,做出真正有效的推广,反而不用花很多钱。我可以拿做的两个实际的案例举例。

    第一个是文化类产品:网络剧《喵星人抢不到》。一部由猫咪主演,众多可爱小动物贯穿始终参演的实拍自制剧。第一季的全网播放量超过2亿,这个播放量过亿的片还是很少的,尤其是一个猫主演的片,而不是Angelababy夫妇。一共是10集,每集的推广费用是3万块钱。请注意这3万块钱还是很轻松能收回成本的,就是我们同时还围绕这个剧开了一个抢不到主题微店。。。。可以把它认为是零成本推广的一个投入。

    曾在新浪微博还做了一个标签:#周三一起看猫片#,当时刚两周就1.3亿的阅读量了,现在有3.5亿的阅读量。微信粉丝有20万。去年第一季上映的时候,每周三发新剧都会上榜到热门电视剧第三名,前面一般都是青春偶像剧,这是自然上榜,不用推广就上去了。

    第二个是互联网软件产品:猎豹免费WiFi。当时这款产品推出的时候已经有同类产品,对方市占率还很高。现在已经停止宣传好几个月了,目前用百度搜索,还在“WiFi”和“免费云自媒社会化精准营销平台:/

    篇三:猎豹移动CEO傅盛:深度学习是什么?

    猎豹移动CEO傅盛:深度学习是什么?

    人工智能,就好像第四次工业革命,正从学术界的私藏,转变为一种能够改变世界的力量。尤其,以深度学习取得的进步为显著标志。

    它让匍匐前进60年的人工智能一鸣惊人。

    我们正降落到一片新大陆。深度学习带来的这场重大技术革命,有可能颠覆过去20年互联网对技术的认知,实现技术体验的跨越式发展。

    那么,深度学习到底是什么?怎么理解它的重要性?

    我们先从概念和现象入手。

    总结了一句话,学术上看未必严谨,但从我的理解角度看——深度学习是基于多层神经网络的,海量数据为输入的,规则自学习方法

    这里包含了几个关键词:

    第一个关键词叫多层神经网络。

    深度学习所基于的多层神经网络并非新鲜事物,甚至在80年代被认为没前途。但近年来,科学家们对多层神经网络的不断算法优化,使它出现了突破性的进展。

    以往很多算法是线性的。而这世界上大多数事情的特征是复杂非线性的。比如猫的图像中,就包含了颜色、形态、五官、光线等各种信息。深度学习的关键就是通过多层非线性映射将这些因素成功分开。

    那为什么要深呢?多层神经网络比浅层的好处在哪儿呢?

    简单说,就是可以减少参数。因为它重复利用中间层的计算单元。我们还是以认猫为例好了。它可以学习猫的分层特征:最底层从原始像素开始学习,刻画局部的边缘和纹;中层把各种边缘进行组合,描述不同类型的猫的器官;最高层描述的是整个猫的全局特征。

    它需要超强的计算能力,同时还不断有海量数据的输入。特别是在信息表示和特征设计方面,过去大量依赖人工,严重影响有效性和通用性。深度学习则彻底颠覆了“人造特征”的范式,开启了数据驱动的“表示学习”范式——由数据自提取特征,计算机自己发现规则,进行自学习。

    你可以理解为——过去,人们对经验的利用,靠人类自己完成。在深度学习呢?经验,以数据形式存在。因此,深度学习,就是关于在计算机上从数据中产生模型的算法,即深度学习算法。

    问题来了,几年前讲大数据,以及各种算法,与深度学习有什么区别呢?

    过去的算法模式,数学上叫线性,x和y的关系是对应的,它是一种函数体现的映射。但这种算法在海量数据面前遇到了瓶颈。国际上著名的ImageNet图像分类大赛,用传统算法,识别错误率一直降不下去,上深度学习后,错误率大幅降低。在2010年,获胜的系统只能正确标记72%的图片;到2012年,多伦多大学的Geoff Hinton利用深度学习的新技术,带领团队实现了85%的准确率。2015年的ImageNet竞赛上,一个深度学习系统以96%的准确率第一次超过了人类(人类平均有95%的准确率)。

    计算机认图的能力,已经超过了人。尤其图像和语音等复杂应用,深度学习技术取得了优越的性能。为什么呢?其实就是思路的革新。

    举几个脑洞大开的例子。

    (1)

    先说计算机认猫。

    我们通常能用很多属性描述一个事物。其中有些属性可能很关键,很有用,另一些属性可能没什么用。我们就将属性被称为特征。特征辨识,就是一个数据处理的过程。

    传统算法认猫,也是标注各种特征去认。就是大眼睛,有胡子,有花纹。但这种特征写着写着,有的猫和老虎就分不出来,狗和猫也分不出来。这种方法叫——人制定规则,机器学习这种规则。

    深度学习方法怎么办呢?直接给你百万张图片,说这里有猫,再给你上百万张图,说这里没

    猫。然后再训练一个深度网络,通过深度学习自己去学猫的特征,计算机就知道了,谁是猫。

    (2)

    第二个例子是谷歌训练机械手抓取。

    传统方法肯定是看到那里有个机械手,就写好函数,move到xyz标注的空间点,利用程序实现一次抓取。

    而谷歌现在用机器人训练一个深度神经网络,帮助机器人根据摄像头输入和电机命令,预测抓取的结果。简单说,就是训练机器人的手眼协调。机器人会观测自己的机械臂,实时纠正抓取运动。

    所有行为都从学习中自然浮现,而不是依靠传统的系统程序。

    为了加快学习进程,谷歌用了14个机械手同时工作,在将近3000小时的训练,相当于80万次抓取尝试后,开始看到智能反应行为的出现。据公开资料,没有训练的机械手,前30次抓取失败率为34%,而训练后,失败率降低到18%。

    这就是一个自我学习的过程。

    (3)

    有人问了,深度学习,能学习写文章吗?

    来看这个例子。斯坦福大学的计算机博士andrej kapathy曾用托尔斯泰的小说《战争与和平》来训练神经网络。每训练100个回合,就叫它写文章。100个回合后,机器知道要空格,但仍然有乱码。500个回合后,能正确拼写一些短单词。1200个回合后,有标点符号和长单词。2000个回合后,已经可以正确拼写更复杂的语句。

    整个演化过程是个什么情况呢?

    以前我们写文章,只要告诉主谓宾。而以上过程,完全没人告诉机器语法规则。甚至,连标点和字母区别都不用告诉它。不告诉机器任何程序。只是不停将原始数据进行训练,一层一层训练,最后输出结果——就是一个个看得懂的语句。

    一切看起来都很有趣。人工智能与深度学习的美妙之处,也正在于此。

    (4)

    我还去硅谷看过一家公司——完全颠覆以往的算法,利用深度学习实现图像深度信息的采集。 众所周知,市面上已经有无人机,可实现人的跟踪。它的方法是什么呢?一个人,在图像系统里,一堆色块的组合。通过人工的方式进行特征选择,比如颜色特征,梯度特征。拿简单的颜色特征举例:比如你穿着绿色衣服,突然走进草丛,就可能跟丢。或,他脱了件衣服,几个人很相近,也容易跟丢。

    此时,若想在这个基础上继续优化,将颜色特征进行某些调整,是非常困难的。而且调整后,还会存在对过去某些状况不适用的问题。

    总之,这样的算法需要不停迭代,迭代又会影响前面的效果。

    而硅谷这个团队,利用深度学习,把所有人脑袋做出来,只区分好前景和背景。区分之后,背景全部用数学方式随意填充,再不断生产大量背景数据,进行自学习。只要把前景学习出来就行。

    据我所知,很多传统方法,还在采用双目视觉。用计算机去做局部匹配,再根据双目测出的两个匹配的差距,去推算空间另一个点和它的三角位置,从而判断离你多远。

    可想而知,深度学习的出现,使得很多公司辛苦积累的软件算法直接作废了。

    “算法为核心竞争力”,正在转变为,“数据为核心竞争力”。

    技术人员必须进入新的起跑线。

    (5)

    最后再举个例子。

    大家都做过胃镜。尤其胃痛,很痛苦。肠胃镜要分开做,而且小肠看不见。

    有一家公司出了一种胶囊摄像头。吃进去后,在你的消化道,每5秒拍一幅图,连续摄像,此后再排出胶囊。所有关于肠道胃部的问题,全部完整记录。但医生光把那个图看完,就需要五个小时。原本的机器主动检测漏检率高,要医生复查。

    后来,他们采用深度学习。采集8000多例图片数据灌进去,用机器不断学,不仅提高诊断精确率,减少了医生的漏诊,以及对稀缺好医生的经验依赖。只需要靠机器自己去学习规则。

    深度学习算法,可以帮助医生作出决策。

    相关热词搜索:猎豹 面试 经历 猎豹移动软件测试面试 猎豹移动面试过程 猎豹移动安卓面试几轮