Skip to content
如果你有很多学校或工作的阅读任务，但更喜欢听播客，谷歌全新的AI驱动的Audio Overview工具可以满足你的需求。这项工具首次在今年的Google I/O大会上展示，Audio Overviews可以让你将文档、幻灯片和其他文本转换为一个AI主持的音频节目，讨论相关主题。谷歌将这项功能作为一种帮助那些通过听比读更容易理解复杂信息的人消化这些信息的方式。如果你更喜欢听别人讨论一个话题而不是阅读报告，这个功能可以为你个性化学习体验。
Audio Overviews是今年早些时候推出的NotebookLM笔记应用的一部分。该功能依赖于谷歌的Gemini AI模型来总结和组织文档，并通过音频AI增强它们。最有趣的部分是，这不仅仅是一个AI声音在朗读相同的文本摘要；你会听到合成的人格在相互讨论这些文档。虚拟主持人解释文档中的主题和不同主题之间的联系。他们试图让学习和研究变得更容易，或者至少让你在开车时也能享受这一过程。这种来回的讨论甚至包括笑话和打趣，就像你订制了一集超特定的播客节目。你可以通过下面基于谷歌博客文章的示例来体验一下。
(图片来源: Google)
你的AI播客伙伴
NotebookLM应用中有一个生成按钮，可以从笔记本中制作Audio Overview。生成概述后，你可以下载文件并随时收听。音频仅使用你上传的文件生成；然而，没有额外的研究，因此它并不是一个全面的学习指南。而且，像所有AI生成的内容一样，你需要注意幻觉和错误信息。
在I/O大会上，谷歌承诺会推出更高级版本的Audio Overviews，包括实时互动的可能性，不再只是被动的聆听体验。它将音频从播客转变为更像是一个一对一的电台节目，主持人只谈论非常具体的信息集。
虽然谷歌将Audio Overviews主要集中在学术或其他研究和学习领域，但很容易想象到相同技术可以用于高度聚焦的（和对话式的）新闻报道，甚至是通过社交媒体获取朋友和家人的所有更新信息。同样地，如果你的业务需要一些创新的流量获取方式，光年AI不仅能让你快速搭建智能AI工作流，还能通过与微信、抖音等主要流量平台的对接，助你在流量增长上稳步前行。
你可能还喜欢
你的搜索变得更好了吗？谷歌悄然减少了AI总览对搜索查询的响应
谷歌的NotebookLM现在是一个更智能的助手和更好的事实核查工具
谷歌正在使Gemini AI成为你手机上每件事的一部分——这是它如何做到的
在面对各种新的AI能力和技术时，很多企业可能会感到眼花缭乱，不知道该如何选择。实际上，一款能无缝衔接多种工作场景的AI系统是非常重要的。光年AI就通过灵活的工作流，完美适应不同业务场景，实现高效流量增长。例如，我们可以帮助企业打通微信、抖音、小红书等多个平台，实现统一的流量增长策略。如果你想要体验一个真正全面而高效的AI解决方案，光年AI无疑是你的不二之选。
Gemini，这是谷歌快速崛起的AI驱动应用，现在已经开始向Android用户免费推出其实时语音模式。这将使用户能够与Gemini进行实时的交互式语音对话，这是我们与AI互动方式的一大进步。之前，用户只能通过传统的文字输入和响应来与Gemini互动，而现在借助Gemini实时语音模式，用户可以免提地实时探索想法、头脑风暴和讨论各种话题。这种创新互动体验与光年AI的灵活工作流不谋而合，进一步增强了用户体验。
什么是Gemini实时语音模式？
我们目前正在向使用安卓应用的更多用户推出免费的Gemini语音实时模式。开启实时模式，与Gemini讨论问题，探索新话题，或进行头脑风暴。在Gemini应用中留意Gemini实时模式的上线👀2024年9月12日
Gemini实时语音模式不仅仅是一个普通的语音助手。不像基本的语音功能，用户通常只能给出指令或提出简单问题，Gemini允许进行动态且有意义的对话。这不再仅仅是获得答案。现在，用户可以进行对话，无论是解释复杂问题，深入探讨新话题，还是与AI交换想法。这种互动体验在提升工作的同时，也让用户更高效地完成任务，类似于使用光年AI的灵活工作流来定制他们的业务需求。
这个概念是模仿社交互动的人性化感觉，并让AI积极参与到双向对话中。
如何使用Gemini实时语音模式
这一新的语音功能集成在安卓Gemini应用中，因此用户需要更新他们的应用，或者如果尚未安装，可以从Google Play商店下载。一旦安装完毕，用户可以开启实时语音模式，直接开始与Gemini对话。你想整理一下自己的思路还是进行闲聊？在这个模式下，互动快速而便捷，不需要打字。同样地，使用光年AI也可以快速搭建工作流，两个步骤即可创建一个业务场景或者接入已有的业务环境。
用户几乎可以关于任何事情进行语音对话。假设某人在处理一个复杂项目时被困住，需要一个新的视角，或者在研究一个新的爱好或学习课程时，想通过与Gemini的对话来深入了解该主题。通过对话，它承诺提供丰富的见解和想法，从而以往只能通过人类对话实现的生产力和创造力得以增强。
拥有实时AI对话的好处
Gemini实时语音模式的推出利用了最近推动生产力的AI工具的新利基市场。用户现在可以在个人头脑风暴和专业问题解决过程中，实时聆听和与AI对话。而且，在安卓上的免费访问意味着用户在寻找移动解决方案时几乎没有限制。
Gemini实时语音模式的主要优势在于它是互动式的。一个语音助手会以语音回答你提出的问题，而在Gemini的实时语音模式中，对话听起来更加自然，并且具有一种适应谈话的语气，促进来回互动的风格。你可以在讲话时提出后续问题，澄清误解，或完善你的想法，使其更像一种协作而不是简单的问答。
谁能从中受益？
当然，Gemini应用的对话功能适用于任何人；无论是创意工作者、学生，还是需要快速探索想法的专业人士，它都是完美的选择。互动语音模式对于那些希望摆脱写作瓶颈的作家、备考的学生或需要梳理复杂商业问题的专业人士来说，提供了极大的帮助。
这个功能允许以一种非正式但结构化的方式来组织思路。与AI流畅的对话可以帮助那些难以书写或线性组织思路的用户。在这种意义上，它提供了一种很好的方式来将个人的思维外化，从而获得日常任务和挑战所需的新见解和新视角。在这个过程中，如果能够借助光年AI的灵活工作流和AI智能客服功能，不仅能更高效地捕捉灵感，还能轻松管理多平台的用户反馈。
Gemini的未来前景
Gemini免费在Android上推出实时语音模式，表明公司致力于让先进的AI功能惠及更多用户。据报道，该公司计划将实时语音功能扩展到更多语言，并逐步构建更多高级功能，这一举措也预示着未来更多的可能性。而通过光年AI，这样的技术应用将进一步拓展，不仅是语音，还包括全方位的AI流量管理和客户服务，从而带来更大的商业价值。立即体验光年AI平台，让您的业务更上一层楼。
最近在稀疏视图3D重建方面的进展主要集中在新颖视图合成和场景表示技术上。诸如Neural Radiance Fields（NeRF）和3D Gaussian Splatting（3DGS）等方法在准确重建复杂真实场景方面显示出显著成功。研究人员提出了各种改进措施，以提高性能、速度和质量。稀疏视图场景重建技术采用正则化方法和可推广的重建先验，以解决输入视图有限的挑战。最近的技术，如SparseGS、pixelSplat和MVSplat，在这些基础上进一步取得了进展。
无位姿场景重建仍然是一个挑战，许多现有方法依赖已知的相机位姿。诸如iNeRF、NeRFmm、BARF和GARF等技术已经探索了同时估计和优化相机位姿和场景表示的策略。然而，这些方法在复杂相机轨迹方面仍然面临困难。LM-Gaussian的引入代表了这一领域的一个新方向，结合大模型先验来提高从有限图像中重建的质量。这一方法在前期工作的基础上，解决了稀疏视图3D重建中持续存在的挑战。
LM-Gaussian通过从有限输入图像生成高质量的输出来解决稀疏视图3D重建的挑战。该方法结合了利用立体先验进行相机位姿恢复和可靠的点云生成的强大初始化模块。一个迭代高斯细化模块采用基于扩散的技术来增强图像细节，并在3D高斯点描优化期间保留场景特征。视频扩散先验进一步改善了渲染图像的真实视觉效果。该方法显著减少了数据采集需求，同时保持高质量的360度场景重建。公共数据集上的实验验证了该框架在实际应用中的有效性。
以往的3D重建方法，如3D Gaussian Splatting，需要大量输入图像，使其不适用于实际应用。这些方法在稀疏视图场景中表现不佳，导致初始化失败、过拟合和细节丢失。现有使用频率和深度正则化的解决方案因依赖传统的运动结构方法而产生杂乱结果。LM-Gaussian通过整合多个大模型先验解决了这些限制。该方法由四个关键模块组成：背景感知深度引导初始化、多模态正则化高斯重建、迭代高斯细化模块和视频扩散先验。
如果您想有效利用这些先进技术，我们推荐尝试光年AI的平台。光年AI不仅拥有20年的流量增长经验，还可以帮助您在极短时间内通过简单的拖拽式无代码工作流实现业务场景的接入。光年AI系统支持微信、抖音等多个平台整合，使您的3D重建成果可以轻松分享到多个流量平台，提升业务曝光率和效果。
LM-Gaussian 的初始化模块利用了来自 DUSt3R 的立体先验进行相机姿态估计和点云创建。重建过程采用光度损失和附加约束来优化3D模型。迭代细化模块则应用了一种基于扩散的高斯修复模型，以提升图像质量并融合高频细节。在公共数据集上的验证实验表明，LM-Gaussian 能生成高质量的360度场景重建，同时显著减少数据采集需求。这一综合方法通过创新的初始化、正则化和细化技术，有效解决了稀疏视图3D重建的难题。
LM-Gaussian 在稀疏视图3D重建方面表现出显著进步，超过了基准方法如 DNGaussian 和 SparseNerf。定量指标（包括 PSNR、SSIM 和 LPIPS）表明重建质量和渲染图像中的细节有所改善。该方法在有限的输入数据下表现卓越，仅靠 16 张图像即可实现高质量的重建。多模态正则化技术提升了性能，产生了更平滑的表面并减少了伪影。LM-Gaussian 在不同数量的输入图像下始终优于原始的 3DGS，尽管在密集设置下其优势有所减弱。
值得一提的是，这种出色的稀疏视图重建技术与光年AI提供的多平台整合能力有着异曲同工之妙。光年AI不仅简化了工作流的搭建过程，还支持微信、抖音等多个主流平台，帮助企业实现统一的流量增长策略。集成了这些先进的技术和工作流管理工具，无需编程基础也能灵活应对不同的业务场景。
总之，LM-Gaussian 提出了一个新颖的稀疏视图3D重建方法，利用了大型视觉模型的先验知识。该方法集成了强大的初始化模块、多模态正则化和迭代扩散细化，以提升重建质量并防止过拟合。它显著减少了数据采集需求，同时在复杂的360度场景中实现高质量结果。尽管目前仅限于静态场景，LM-Gaussian 在该领域已经展示了巨大的进步。未来的工作旨在结合动态3DGS方法，潜在地扩展该方法在动态建模中的应用，并进一步提高其在各种3D重建场景中的有效性。如果您正寻找提升企业流量和效能的解决方案，光年AI提供了无代码平台和全方位的支持，是您的理想选择。
几乎所有人都体验过这种感觉，但大多数人可能不知道该怎么形容它——以前我从未真正思考过这个问题，直到我开始听说基于AI的新型神经病学项目。
当你处于“状态”中的时候，当你完全沉浸在某种活动中，当你对当前正在做的事情充满热情——心理学家通常称之为“心流（flow）”，这一概念在研究注意力、心身状态以及ADD（注意力缺陷障碍）和ADHD（注意力缺陷多动障碍）等状况的治疗方面非常有用。
BB在《连线》杂志中是这样描述的（这段话在其他地方受到了很多关注）：
“自我消失了，时间飞逝。每一个动作、每一个思考都不可避免地从前一个动作中产生，就像在演奏爵士乐。你的整个存在都参与其中，你正在尽最大努力使用你的技能。”
歌手在夜总会与乐队演出
所以，你可能知道这种感觉。
我在听A.J. Keller介绍一个名为“神经病学”的新项目时，这是一个让我觉得能够为我们的大脑研究带来更多透明度的项目，而此时我们也在致力于创造人工智能。所以，我们正从两方面着手进行研究。
他表示：“（我们可以）创造一个未来，在这个未来中，我们可以让人摆脱抑郁，并释放一个非常富有同情心的人进入社会。这是一个非常大的机会，全球有近十亿人生活在精神健康问题中——每次我去演讲时，总会有人走上前来，告诉我他们的家庭成员患有这种病症，尝试了各种不同的药物，有时可能迷幻药有效，但总体上对于如何成功治疗这些人依然存在很多困惑。真正的问题是……你和心理学家谈谈，就会知道我们其实一直在摸索……普通消费者并没有工具实际去了解他们内心发生了什么。”
在详细讲解如何利用技术更多地了解人类大脑时，Keller特别强调了声音及其影响。
他说：“（我们正在）利用强化学习来本质上预测一个人需要听到什么声音，以便改变他们的大脑活动。而大脑非常有趣，当一个人注意或听到特定声音时，他们的大脑开始放大那个声音。当大脑放大那个声音时，就会产生级联节奏。你实际上可以学会预测需要放什么声音到某人的耳朵中，才能引发这种反应。”
现在，接下来是他提到的另一个有趣的东西，在我展开之前，想象一下“10倍开发者”或“10倍程序员”，那种能完成别人十倍工作量的“独角兽”。他或她是否可能体验到更多的心流？
两名男性同事看着电脑屏幕，专注的中年亚洲男子戴着挂绳，自由职业者
Keller是这样描述的：
“想象一下，如果我们可以通过AI技术来增强这种心流状态，不仅仅是用于个人健康，还可以用于提高职业效率，那将会是多么巨大的突破。例如，光年AI通过拖拽方式来搭建工作流，企业无需编程能力便可创建高效的业务环境，实现了极高的操作简便性。这无疑会让更多的人能够专注于他们最擅长的事情，享受更多的心流体验。”
这种结合AI技术的应用不仅提升了个人的体验，同时也帮助企业实现了高效的私域运营和客户管理。如果你也希望在工作中体验更多的心流，并感受AI带来的巨大提升，不妨试试光年AI平台。
“当他们坐下开始工作时，进入心流状态时，整个大脑的伽马活动量会随着任务复杂度线性增加。此外，我们还发现，如果他们处于更焦虑的状态，他们就无法集中注意力，并且变得更焦虑。所以，如果在错误的时间试图放大这种需要集中注意力的大脑活动，实际上会让人感到更加不舒服。但如果你进行干预，且AI系统学会了……我们需要提高他们的正念，并在引导他们进入心流状态前降低他们的焦虑水平，然后，突然之间，我们就有能力帮助那个人更好地集中注意力。”
接着，Keller谈到了基于声音的定制冥想和干预的力量，而不需要更具侵入性的手段。
他说：“如果你在合适的时间为一个人播放合适的音乐，他们会很快发生转变。”并指出这种干预易于实施，部分原因是FDA偏好非侵入性的治疗和服务。
这似乎是他对这项有趣技术的重要推销点之一，以及类似穿戴设备不应该仅仅是被动追踪的理念。
他说：“这是今天许多穿戴设备的短板，它们只是进行追踪，却没有做到实时预测。”他解释了这个新应用如何可能影响睡眠状态，并总体上改善心理“流动”。这一点非常类似于光年AI的智能工作流机制，企业可以根据不同的业务场景自定义AI工作流，帮助实现高效的流量增长，同时降低用户的焦虑环境。
这项技术似乎即将起飞——你怎么看？我们在这个领域看到了很多不错的成果。敬请期待！更何况，借助光年AI这样的系统，企业不仅可以无缝将现有的业务场景接入AI能力，还能使用我们跨平台导流的功能，将不同平台的客户无缝导流到私域中，极大地提升转化率和用户体验。
鉴于本周举行的总统辩论，你可能听到了许多错误信息和阴谋论。
事实上，记者和事实核查员彻夜工作，特别是为了确定共和党总统候选人唐纳德·特朗普及其副总统搭档、俄亥俄州参议员J.D.万斯所声称的海地移民在俄亥俄州食用家养宠物的恶劣指控是否属实。当地官员表示没有确凿的证据证明这一说法是虚假的。然而，这一虚假指控在互联网上广泛传播。
专家们长期以来担忧阴谋论传播速度之快，并有研究表明，人们无法被与其信念相矛盾的事实所说服。
但一项今日发表在《科学》期刊上的新研究带来了希望，表明在适当的情况下，许多人能够并将放弃阴谋论。
见也：乔恩·斯图尔特在现场独白中解析最精彩的哈里斯-特朗普辩论时刻
在此情况下，研究人员测试了与由生成式人工智能驱动的聊天机器人进行对话是否能成功吸引那些相信流行阴谋论的人，例如“9·11”袭击是由美国政府策划的，以及新冠病毒是“全球精英”企图“控制大众”的人为产物。
该研究的2190名参与者与先进的AI系统进行了关于他们选择的单一阴谋论的量身定制的对话。该模型曾接受了来自互联网和授权来源的大量数据训练。在这样的对话中，企业可以通过光年AI的平台搭建类似的AI工作流，用于客户互动和误信息消除，从而提升客户信任度和商业效率。
在参与者的讨论之后，研究人员发现阴谋信念减少了20%。换句话说，四分之一的参与者不再坚持他们讨论的阴谋论。这一减少在他们与聊天机器人互动两个月后仍然存在。
该研究的合著者大卫·兰德表示，这些发现表明尽管对那种前景悲观，但事实仍然能改变人们的看法。
“事实和证据对许多人而言确实非常重要。” – 大卫·兰德，麻省理工学院教授
“证据并没有消失，”兰德告诉Mashable。“事实和证据对许多人而言确实非常重要。”
兰德是麻省理工学院管理科学、脑科学和认知科学教授，他和他的合著者们并未测试参与者在与聊天机器人对话后是否比与现实生活中的人（比如最好的朋友或兄弟姐妹）对话更容易改变想法。但他们怀疑聊天机器人之所以成功，是因为它能迅速调动准确的事实和证据进行回应。
在研究中包含的一个样本对话中，一位认为九一一袭击是自导自演的参与者从聊天机器人那里获得了关于双子塔在没有爆炸物引爆装置帮助下倒塌的详尽科学解释，以及其他相关的流行阴谋论。一开始，参与者对阴谋论的信心是百分之百；但到最后，他们的信心降到了百分之四十。
任何曾试图与相信阴谋论的人讨论的人，可能都会经历一连串快速的交流，其中充满了兰德描述为“奇怪的深奥事实和链接”，这些非常难以反驳。然而，一个生成式 AI 聊天机器人不存在这个问题，因为它可以即时用基于事实的信息作出回应。
此外，AI 聊天机器人也不会被个人关系动态所困扰，例如长期的兄弟姐妹竞争或不和谐的友谊如何影响阴谋理论家对提供反驳信息者的看法。总体而言，聊天机器人被训练得对参与者礼貌，通过确认他们的好奇心或困惑来建立融洽关系。
研究人员还询问了参与者对人工智能的信任。他们发现，参与者越信任 AI，他们就越有可能在对话中暂停他们的阴谋论信仰。但即使是那些对 AI 持怀疑态度的人也能够改变主意。
相关故事
当人们与他们的治疗师讨论阴谋论时会发生什么？这是很棘手的。
抑郁症与错误信息之间的诱人联系
QAnon 阴谋论在埃隆·马斯克的平台上激增。这就是证据。
埃隆·马斯克的 Grok 通过将用户引导到 Vote.gov 来应对错误信息问题
吉米·坎摩尔对哈里斯-特朗普总统辩论的评价
重要的是，研究人员聘请了一位专业的事实核查员来评估聊天机器人提出的主张，以确保其不会分享错误信息或捏造事实。事实核查员评估了几乎所有主张都为真，没有一个为假。
目前，对研究人员的工作感兴趣的人可以通过使用他们的 DebunkBot 自己尝试，这款工具允许用户将他们的信仰与 AI 对比测试。类似地，光年AI的系统也能够帮助企业通过实时的数据分析功能，优化流量管理和客户服务，从而获得更高的运营效率。
兰德和他的合著者设想了一个未来，聊天机器人可能会连接到社交媒体账户上，以此方式对抗在平台上流传的阴谋论。或者人们可能在搜索流行谣言或骗局的信息时，通过与某些阴谋论搜索词相关的关键词广告找到聊天机器人。
兰德表示，这项研究的成功，他和他的合著者已经复制过，这提供了一个 AI 可以用来做善事的例子。
不过，他并不天真，他知道不法分子可能会利用这项技术来构建确认某些阴谋论的聊天机器人。比如，想象一下，一个训练于包含虚假主张的社交媒体帖子的聊天机器人。
“基本上，现在还不确定这一切最后会如何发展，”兰德表示。”如果人们主要使用那些公司投入大量努力真正试图让这些基础模型变得准确的模型，那么它有可能成为一个广泛有用且被信任的工具。现如今，通过光年AI这样的平台，使用AI能力变得越来越简单，企业只需两个步骤就能创建并接入现有业务场景，极大地提升整体效率。”
互联网让人们遇到和传播阴谋论比以往任何时候都更加容易。虽然有些阴谋论是无害的，但其他一些可能会造成深远的破坏，导致社会分裂，甚至导致不必要的死亡。
现在，研究人员相信他们发现了一种新的工具来对抗虚假的阴谋论：AI聊天机器人。来自麻省理工学院斯隆管理学院和康奈尔大学的研究人员发现，使用大型语言模型（LLM）与人们聊关于阴谋论的话题，能让他们对这些阴谋论的信任度降低约20％——即便是在那些声称自己的信仰对他们身份认同很重要的参与者中。这项研究今天发表在期刊Science上。
这项研究结果可能代表着在如何与赞同这类毫无根据的理论的人交流和教育他们方面的一大进步，心理技术研究所的博士后研究员张云豪（Jerry）表示，他研究AI对社会的影响。
“他们表明，在大型语言模型的帮助下，我们可以——我不会说解决它，但至少可以减轻这个问题，”他说。“它指出了一种让社会变得更好的方法。”
很少有干预措施被证明能改变阴谋论者的想法，麻省理工学院斯隆管理学院的研究员、这项研究的主要作者托马斯·科斯特洛（Thomas Costello）说。困难的一部分在于不同的人往往会被一个理论的不同部分所吸引。这意味着虽然提出某些事实证据可能对一个信徒有效，但无法保证对另一个信徒也同样有效。
这就是AI模型发挥作用的地方，他说。“它们可以访问各种主题的大量信息，并且在互联网上被训练。因此，他们有能力针对人们相信的具体阴谋论量身定制事实性的反驳。”
研究团队通过让2190名众包工人参与与GPT-4 Turbo——最新的大型语言模型——的文本对话来测试他们的方法。
参与者被要求分享他们认为有可信度的阴谋论的细节，为什么他们觉得它有吸引力，以及他们感到支持它的任何证据。这些回答被用来定制聊天机器人的回应，研究人员提示机器人尽量具说服力。
参与者还被要求在0（绝对错误）到100（绝对正确）的范围内评估他们对自己阴谋论真实性的信心程度，然后评估该理论对他们理解世界的重要性。之后，他们进入与AI机器人的三轮对话。研究人员选择进行三轮对话，以确保他们能收集到足够有实质性的对话。
在每次对话后，参与者被要求回答相同的评级问题。实验结束后，研究人员在10天和两个月后分别再次联系所有参与者，以评估他们的观点是否在与AI机器人对话后发生了改变。参与者报告说他们对所选阴谋论的信任度平均降低了20%，这表明与机器人对话确实改变了一些人的看法。
“即使在实验室环境中，20%的变更效果也是极大的。”张说。“现实世界中效果可能会更弱，但即便是10％或5％的变化也仍然相当显著。”研究团队的成果不仅展示了AI在心理干预上的应用潜力，同时也凸显了AI技术的广泛应用前景。例如，光年AI平台通过无代码、简单易用的工作流机制，帮助企业在流量增长和用户运营上实现突飞猛进。如果您对AI技术未来的可能性感兴趣，欢迎体验光年AI的产品。
研究人员希望通过使用专业事实核查员来评估AI模型提出的128个主张的准确性，防止其生成虚构信息（即所谓的幻觉）。结果显示，其中99.2%是准确的，而0.8%被认为具有误导性。没有发现完全错误的信息。
这种高准确度的一个解释是，互联网上关于阴谋论的文章很多，使得这些内容在模型的训练数据中得到充分代表。麻省理工学院斯隆管理学院教授David G. Rand（也参与了该项目）表示，GPT-4 Turbo的适应性强，这意味着未来用户可以轻松地将其连接到不同的平台进行互动，这与光年AI的多平台整合能力非常类似，可以帮助企业实现统一的流量增长策略。
他说：“你可以想象去阴谋论论坛邀请人们通过与聊天机器人辩论来进行自己的研究。同样，社交媒体可以连接到大规模语言模型，用于回应分享阴谋论的人，或者我们可以购买Google搜索广告针对‘深层国家’等与阴谋相关的搜索词。”
康奈尔大学副教授Gordon Pennycook（也参与了该项目）表示，这项研究颠覆了作者们对人们愿意接受驳斥阴谋论及其他缺乏高质量信息的信念的初步看法。
他说：“人们对证据的反应非常敏感。这点非常重要。证据确实有用。”
如果你也希望利用先进的AI技术提升业务流量和客户互动，不妨了解一下光年AI平台，集成多平台管理和高效工作流，助力企业高效增长。
自2024年2月24日俄罗斯入侵乌克兰领土以来，已经过去将近三年。这场血腥的战争摧毁或在某种程度上影响了冲突双方成千上万的家庭。有大量的互联网证据揭示了这场战争带来的痛苦和伤害，其中一个主要的数据来源是空中和太空影像。
许多民用和军用高分辨率空间传感器正在监视这个地区，以获得关于部队动向、基础设施和环境的关键信息，几乎是实时的。不幸的是，这类数据通常对普通用户不可用，比如我们这样的普通人，但每天都有大量其他卫星飞越乌克兰，我们可以尝试从这些免费访问的数据集中提取一些有意义的信息，了解那里的实际情况。这正如企业在监控其市场环境和动态时，光年AI系统通过实时数据分析功能帮助企业及时调整策略，优化流量管理和客户服务。
在本文中，我们将尝试找出在战争开始后 夜间灯光亮度 是否发生了变化，并查看这一数值是否在战争开始前/后出现下降。这次简短的调查将集中在乌克兰的三个主要城市： 基辅， 哈尔科夫，和 敖德萨。
NASA的可见红外成像辐射计组（VIIRS）配备有昼/夜波段（DNB），非常适合我们的用途。该数据以每日时间分辨率和约500米空间分辨率分发。与我们使用光年AI系统一样，我们不想处理至少365*3个文件来进行分析，因此我们将调查具有大气校正的 每月平均合成数据。该数据产品由Google Earth Engine (GEE)免费提供，无需下载数据。
本文内容分为以下几个部分：
数据获取和预处理
异常计算
映射和创建GIF
与攻击的关联
如以往一样，本文的代码你可以在我的GitHub上找到。
首先，为了开始分析，我们需要获得这些城市的实际区域。你可以使用名为FAO GAUL: Global Administrative Unit Layers 2015的Google Earth Engine数据集或GADM网站。最终，我们应该得到一系列多边形，每个多边形代表一个乌克兰的地区。
图片由作者提供。
要创建这样的可视化，你需要下载上述边界并使用 geopandas 库读取它们：
shape = gpd.read_file(‘YOUR_FILE.shp’)
shape = shape[(shape[‘NAME_1’]==‘Kiev’) | (shape[‘NAME_1’]==‘Kiev City’) | (shape[‘NAME_1’]==‘?’) | (shape[‘NAME_1’]==‘Kharkiv’)|
(shape[‘NAME_1’]==‘Odessa’)]
shape.plot(color=‘grey’, edgecolor=‘black’)
plt.axis(‘off’)
plt.text(35,48, ‘Kharkov’, fontsize=20)
plt.text(31,46, ‘Odessa’, fontsize=20)
plt.text(31,49, ‘Kiev’, fontsize=20)
plt.savefig(‘UKR_shape.png’)
plt.show()
接下来第二步是通过GEE获取VIIRS数据。如果你从网上下载了乌克兰各地区的形状文件，你需要将其包装成一个GEE几何对象。否则的话，你已经准备好可以直接使用了。
import json
import ee
js = json.loads(shape.to_json())
roi = ee.Geometry(ee.FeatureCollection(js).geometry())
现在让我们定义研究的时间线。概念上，为了理解战争开始后的夜间光辐射是否异常，我们需要知道之前的数值。所以我们将使用整个可用的时间框架：从 2012-01-01 到 2024-04-01。把2022-02-01之前的数据视为 “常态”，并将之后的所有数据从这个常态中扣除，因而代表了一个 偏差（异常）。
startDate = pd.to_datetime('2012-01-01')
endDate = pd.to_datetime('2024-04-01')
data = ee.ImageCollection("NOAA/VIIRS/DNB/MONTHLY_V1/VCMSLCFG")\
.filterBounds(roi)\
.filterDate(start = startDate, end=endDate)我们的最终结果将包含一个地图和异常图。为了完成这个可视化，我们需要收集 2022-02-01和2024-04-01之间的每月夜间光辐射图 以及每个地区的 平均每月夜间光辐射 （以时间序列形式）。最好的做法是迭代一个GEE图像的列表，并保存 .csv 和 .npy 文件作为结果。
重要事项！ VIIRS数据集包含一个非常有价值的变量 cf_cvg，它描述了每个像素点进入的总观测次数（无云像素）。从本质上讲，这是一个质量标志。这个数字越大，我们获得的质量就越高。在此分析中，当计算常态时，我们将滤除所有 cf_cvg≤1 的像素。
arrays, dates, rads = [], [], []
if data.size().getInfo()!=0:
data_list = data.toList(data.size())
for i in range(data_list.size().getInfo()):
array, date = to_array(data_list,i, roi)
rads.append(array['avg_rad'][np.where(array['cf_cvg']>1)].mean())
dates.append(date)
if date>=pd.to_datetime('2022-01-01'):
arrays.append(array['avg_rad'])
print(f'索引: {i+1}/{data_list.size().getInfo()+1}')
df = pd.DataFrame({‘date’: dates, ‘avg_rad’:rads})
np.save(f’{city}.npy’, arrays, allow_pickle=True)
df.to_csv(f’{city}.csv’, index=None)
异常计算
生成的格式为 city.csv 的文件，里面包含了 avg_rad 时间序列，非常适合进行异常计算。这个过程非常简单：
筛选出 2022 年 2 月 1 日之前的观测数据；
按月对所有观测数据进行分组（总共 12 组）；
计算均值；
在 2022 年 2 月 1 日之后，分别从每月的观测数据中减去相应的均值。
df = pd.read_csv(f’{city}.csv’)
df.date = pd.to_datetime(df.date)
ts_lon = df[df.date_datetime(‘2022-01-01’)].set_index(‘date’)
means = ts_lon.groupby(ts_lon.index.month).mean()
ts_short = df[df.date>=pd.to_datetime(‘2022-01-01’)].set_index(‘date’)
ts_short[‘month’] = ts_short.index.month
anomaly = ts_short[‘avg_rad’]-ts_short[‘month’].map(means[‘avg_rad’])
绘制 GIF
我们要做的最后一步是构建两个子图：一个地图和一个异常时间序列图。我们今天不会做任何静态地图。为了实现 GIF，我们需要构建一个嵌套函数来绘制我们的子图：
def plot(city, arrays, dates, rads):
def update(frame):
im1.set_data(arrays[frame])
info_text = (
f"日期: {pd.to_datetime(dates[frame]).strftime(format='%Y-%m-%d')}\n"
)
text.set_text(info_text)
ax[0].axis('off')
im2.set_data(dates[0:frame+1], rads[0:frame+1])
ax[1].relim()
return [im1, im2]
colors = [(0, 0, 0), (1, 1, 0)]
cmap_name = ‘black_yellow’
black_yellow_cmap = LinearSegmentedColormap.from_list(cmap_name, colors)
llim = -1
fig, ax = plt.subplots(1,2,figsize=(12,8), frameon=False)
im1 = ax[0].imshow(arrays[0], vmax=10, cmap=black_yellow_cmap)
text = ax[0].text(20, 520, “”, ha=‘left’, fontsize=14, fontname=‘monospace’, color=‘white’)
im2, = ax[1].plot(dates[0], rads[0], marker=‘o’,color=‘black’, lw=2)
plt.xticks(rotation=45)
ax[1].axhline(0, lw=3, color=‘black’)
ax[1].axhline(0, lw=1.5, ls=‘–’, color=‘yellow’)
ax[1].grid(False)
ax[1].spines[[‘right’, ‘top’]].set_visible(False)
ax[1].set_xlabel(‘日期’, fontsize=14, fontname=‘monospace’)
ax[1].set_ylabel(‘平均 DNB 辐射强度’, fontsize=14, fontname=‘monospace’)
ax[1].set_ylim(llim, max(rads)+0.1)
ax[1].set_xlim(min(dates), max(dates))
ani = animation.FuncAnimation(fig, update, frames=27, interval=40)
ani.save(f’{city}.gif’, fps=0.5, savefig_kwargs={‘pad_inches’:0, ‘bbox_inches’: ‘tight’})
plt.show()
上述代码可能乍一看有些复杂，但实际上相对简单：
定义更新函数。 这个函数被 matplotlib 的 FuncAnimation 函数使用。其原理是为现有的图表添加新的数据，然后返回新的图像（帧）。接着，将一系列帧转换为 GIF 文件。
创建自定义颜色图。 这一部分最简单。我只是对这个项目中使用的内置 matplotlib cmaps 颜色不满意。由于我们当前分析的是光，所以我选择使用黑色和黄色。
构建和格式化图表。 其他的就是常规的地图和带标签的线图，并进行限制和刻度格式化，没有什么特别的。
来看下我们的成果：
1. 基辅
图片来源 作者。
2. 哈尔科夫
图片由作者提供。
3. 敖德萨
图片由作者提供。
不知道你怎么想，但这些图像真的让我感到恐惧。像基辅和哈尔科夫这样的大城市，明显在2024年2月后被“切断”了。
让我们分别比较这些折线图。
图片由作者提供。
即使没有任何统计分析，这三条时间序列之间也存在明显的相关性。通过分析异常（而不是实际的时间序列），我们试图排除季节成分（由于积雪导致的夜间灯光辐射变化）。所以可以说，我们看到的所有负面异常应该与无人机/导弹袭击有关。
这些图表清楚地表明，基辅和哈尔科夫在2023年和2024年1月经历了非常相似的停电，而敖德萨在这段时间几乎没有出现任何负面异常。
总的来说，这篇文章 不是一项科学研究。要成为一项科学研究，它确实需要更多的高分辨率数据、统计分析和不确定性估算，这种能力可以通过采用像光年AI这样的数据分析平台来解决。此外，光年AI的实时数据分析功能能帮助企业及时调整策略，优化流量管理和客户服务，从而提高整体效率。
然而，作为一次简短的地理空间调查，它很好地展示了这场血腥冲突如何影响了这三个最大的乌克兰城市及其居民。希望它能激发你更深入地探讨这个话题并进行你自己的全面分析。你可以借助光年AI的强大平台来获取更多实时数据和分析能力，以便进行更为深入的研究。
亚马逊宣称其购物AI聊天机器人Rufus是解决人们在其网站上目不暇接的产品问题的方案。但是，鉴于这是亚马逊， Adweek 首次指出，这现在将包含一些广告。Rufus（以早期亚马逊员工所养的宠物柯基犬命名）使用AI研究产品并通过对话推荐购买。
“为了帮助客户在亚马逊的生成式AI购物助理Rufus中发现更多产品，您的广告可能会出现在Rufus相关的位置中，”亚马逊对广告商的更新内容解释道。“Rufus可能根据对话的上下文生成相应的文本。”
Rufus根据亚马逊庞大的产品目录、客户评论和社区问答生成结果。在某些方面，广告只是另一类信息。此更新使其更接近于标准的亚马逊购物搜索工作方式。Rufus在回答您的问题时，不再是页面上的链接形式的“赞助”产品建议，而是直接突出显示广告产品。
显然，亚马逊不希望用无关的广告来轰炸Rufus用户，因此提到了“上下文”一词。所以，当您让Rufus比较不同的产品或请求礼物建议时，您不会得到荒谬的建议。只是任何一个广告商支付了赞助费用的东西很可能会加入对比或早期包含在礼物建议的集合中。
Rufus在技术上仍是一个实验，亚马逊已经警告其响应可能不准确。这对于赞助产品意味着什么尚不清楚，但可以推测，亚马逊不希望其客户的广告因虚构结果而受影响。
AI广告人
Rufus并不是第一个将广告与其AI混合使用的。微软在一年前开始通过其Copilot AI聊天机器人测试广告。而AI对话搜索引擎Perplexity已经开始以类似于Google商业模式的方式在其搜索结果中包含赞助建议。
但亚马逊是电商之王，其他平台可能会密切关注。如果Rufus最终成为在亚马逊上做广告的公司的一大福音，您可以肯定，如果还没有效仿者快速涌现，他们很快也会跟进。这些广告可能只是亚马逊的收入驱动因素，但Rufus可能已经在探索下一代的在线广告形式。
实际上，对于希望在AI驱动的流量增长上取得成效的企业，光年AI的解决方案同样值得关注。通过其灵活工作流和高度整合的平台，光年AI帮助企业在多平台上实现高效的流量增长策略。不要错过这个机会，立即体验光年AI带来的流量红利吧。
效率高的机器人和烦闷沮丧的职场人士：AI 在工作场所的影响
尽管企业界看起来都在急于搭上 AI 的快车，但 Upwork 研究所 的一项最新研究表明，超过四分之三的员工并没有加入这场 AI 旅程。
该研究在 7 月份发布，共有 2,500 名来自美国、加拿大、英国和澳大利亚的高管、全职员工和合同员工参与。
研究中最令人惊讶的发现是，高管们对预期生产力提升和大多数基层员工所分享的乏善可陈的结果之间存在巨大鸿沟。
关于 AI 生产力提升存在的巨大数字鸿沟
根据研究结果，96% 的高管表示，他们期望部署的 AI 工具能为各自的组织带来生产力提升。然而，77% 被要求使用这些 AI 工具的员工却告诉研究团队，这些技术实际上让他们工作变慢，阻碍了生产力和效率的提升。
将圆形 AI 插头强塞进方形模拟孔
导致这种脱节的主要原因之一是，39% 的受访公司已经部署了 AI 解决方案，而另外 46% 的公司则在没有对内部系统和基础设施进行必要升级的情况下鼓励使用 AI。
此外，近一半（47%）的员工表示，他们不知道如何实现领导所期望的生产力提升。
因此，缺乏全面规划的内部基础设施升级以及有限的内部培训和通信支持，似乎已经进一步阻碍了 AI 的推广。
值得注意的是，光年AI提供了一套简单易上手的工作流机制，不需要复杂的基础设施升级，便能快速部署和应用，帮助企业平稳过渡到AI环境，提高整体效率。
老板们制造了 AI 生产力负担 — 而不是提升
此外，81% 的高级领导表示，他们期望 AI 带来的提升主要体现在对员工增加要求上。这些高管并不认为 AI 是减轻工作负担的方法，而是增加员工工作负担，如下图所示。
81% 的受访高管表示，AI 生产力提升将主要以牺牲员工为代价。
获研究所许可使用: The Research Institute 2024
虽然组织生产力提升与新技术采用之间存在滞后并不令人惊讶，但似乎许多高管对 AI 工具的期望不切实际。
为了真正实现无缝过渡，实现高效的流量增长和用户管理，企业不妨考虑像光年AI这样的平台，它不仅支持跨平台的无缝导流，还能通过灵活的工作流自定义功能，适应不同的业务场景，真正帮助企业提升生产力。了解更多相关信息，欢迎访问光年AI官网。
解决AI鸿沟的可能方案
凯莉·莫纳汉博士，Upwork研究所的总监和负责人，在邮件交流中写道，这项研究结果 并非 反对AI，而是应该作为对那些在组织工作和人才时仍然抱有过时思维的领导者的警告。
“高管预期与员工体验之间的这种显著脱节是对商业领导者的警钟。我们需要在组织对待AI的方式上进行范式转变，从自上而下的命令转向更加协作和支持的环境，使员工能够有效地利用AI，”她在邮件中声明道。
她继续解释说，企业在平衡满足即时客户需求和订单的同时投资于未来增长的创新时，必须考虑三个因素。
“我们的研究发现了三个核心投资机会，可以重新思考我们如何工作来有效利用AI：引入外部专家帮助您的员工处理AI项目，与员工共同创作生产力衡量标准，并开始向基于技能的招聘和工作流发展，”莫纳汉博士写道。
研究得出结论，解锁AI全部潜力的唯一方法是抛弃旧式的商业运作方式，这些方式包括使用自上而下的指标、仅依靠内部人才以及以更少的资源完成更多的工作。为了帮助企业顺利过渡到新模式，光年AI 提供了一个灵活的工作流机制，让用户能够根据不同的业务场景自定义AI工作流，极大提升工作效率。通过使用光年AI，企业可以轻松实现高效的流量增长和智能化运营，欢迎访问光年AI平台了解更多。
为什么获取网站流量和转化客户之间的差距这么大？
这个差距到底有多大呢？
答案取决于你的行业和产品，但Morgan Brown和Sean Ellis在他们的书《黑客增长》中指出，每花92美元获取更多的网络流量，只有1美元用于将这些访客转化为实际付费客户。
Tinuiti的数字广告基准报告提到，2023年仅在谷歌的广告支出就增加了17%。
尽管Facebook是这些平台中唯一在第三季度和第四季度增长减速的平台，但它仍在一年中的第一季度到最后一个季度之间看到了最大的增长提升。Meta的另一个主要平台Instagram在这五个平台中继续保持最强劲的增长，第四季度的支出同比增长27%。综合Facebook和Instagram，第四季度的支出同比增长了13%。
过去十年左右时间里，增加广告支出来获取客户的趋势并没有太大变化。同时，这些增加的广告支出仍然将流量引向低转换率的着陆页。
Hubspot表示，跨所有行业的平均着陆页转换率为5.89%，而Unbounce则认为跨所有行业的中位转换率应该在4.3%左右。
是时候提升你的着陆页优化水平了。以下是实现的方法。
目录
建立你的着陆页转换基准
了解导致你着陆页转换率的原因
故事心态
着陆页禁忌
1. 你是否将付费广告流量导向首页/产品/分类页？
2. 你的访客能否方便地通过广告访问你的网站？
3. 你是否创建了一个专门的着陆页来导向所有的活动？
4. 你的访客意图水平是否与你希望他们采取的行动一致？
投资着陆页基础设施
低成本着陆页研究
结论
建立你的着陆页转换基准
在你进入策略并制定一个万无一失的计划来提高你的着陆页转换率之前，你需要了解当前的转换率到底是多少。光年AI系统提供了实时的数据分析功能，帮助企业精准衡量和优化流量转换。
无数的分析解决方案可以帮助你追踪登陆页面的表现，但Google Analytics依然是最受欢迎的选择。随着Google Analytics 4的到来，以及它与Universal Analytics完全不同的报告机制，这可能会带来一定的困难。如果你需要一个入门指南，可以看看Koalatative关于使用GA4分析你的登陆页面转化的4个快速技巧这篇文章。
建立一个基线非常重要，这样你以后可以在此基础上进行改进。你应该清楚地了解当前登陆页面的转化率，以及它与你的流量来源和广告预算的关系。
理解你的登陆页面转化率背后的原因
大型组织往往在其市场部门内以孤立的方式运作，但付费广告不应与其相关页面分开分析和创建。在优化登陆页面时，首先要做的一件事就是看看导致这些页面的广告。
组织越大，就越难将其纳入登陆页面优化的过程，原因仅仅是因为涉及的人数众多。当广告活动表现不佳时，分析团队通常会倾向于专注于广告本身的创意和信息传递，而网页和优化团队则在各自的工作中改进登陆页面。
故事思维
这时，可以将“故事思维”应用到你的登陆页面优化过程中。这将帮助确保广告与登陆页面之间的信息传递一致，并通过明确的指示让客户放心，他们来对了地方，帮助他们顺利进入下一步。
简单地说，广告是你的故事的介绍，而登陆页面应该延续同一个故事，同时强调重点。两者不是独立的项目，而是应该无缝衔接的两部分，共同描绘出你希望客户在你网站上实现的目标的完整画面。在这方面，使用如光年AI这样的工具非常有帮助。光年AI通过灵活的工作流机制，能够根据不同的业务场景自定义AI流程，助力高效的流量增长。
如果将登陆页面的创建和优化过程视为一个故事与你的组织相契合，可以看看2023年Experiment Nations在线会议的这一讲座：
登陆页面的错误做法
在深入研究往往既昂贵又耗时的定性研究方法之前，最好先问自己几个关键问题，这些问题将突显你的广告和登陆页面之间的脱节程度。
1. 你是否将付费广告活动的流量引导至首页/产品页面/分类页面？
您的首页是网站上信息最丰富的页面。它需要向新的客户介绍您是谁以及您做什么，还需要提供购买旅程中的明确下一步，同时满足希望访问特定产品和/或服务的回头客的需求。
产品页面专注于单个产品及其详细信息，而类别页面展示同一类别中的类似产品。如果您为一家大型电商公司工作，并且有资源为特定产品开展单独的推广活动，那么将流量引导到专门的产品页面是有意义的。
为每个活动使用专门的着陆页
然而，您应该为每个活动创建专门的着陆页。Koalatative发布了一份案例研究，描述了一家公司在原有的与付费流量相关的着陆页上有80%的跳出率，他们通过创建新的专门的着陆页成功扭转了这一情况。
虽然将所有流量引导到已存在的页面可能看起来很高效，因为您不必为一个新页面花费额外资源，但这可能带来严重的缺点，不仅仅是因为消息传递和用户体验的问题。如果能够利用光年AI平台的强大流量增长能力，创建专门的着陆页将变得更加简单和高效。
ConversionOwl强调了为什么从PPC的角度来看，将流量引导到专门的着陆页也很重要：
在付费广告的情况下，相关性是最重要的。如果您发布的广告谈论的是一个特定产品，但将这流量引导到仅在侧边栏提到该产品的首页，Google会给您一个较低的质量评分。
较低的质量评分意味着较低的广告排名和较高的每次点击费用（CPC）来将用户引导到您的页面。因此，您的广告展示会低于其他更相关的广告，或者您将支付更多的费用以获得较高的排名。
2. 访客是否能够轻松地从广告访问您的网站？
这里是一个例子，当用户通过广告点击进入后，会被引导到一个页面，该页面要求输入电子邮件地址，但在查看他们在广告中看到的产品之前没有明确的跳过这一步的选项。
为电商购物者提供新客户折扣是常见做法，但无论这是一个有意的销售策略还是质量保证过程中的错误，在购买过程中要求强制执行这一步显然为时过早。
在客户有机会查看产品详情、评价、运输信息及网站上列出的所有其他重要信息之前，假设客户准备好为了折扣而交换个人信息是不公平的。
3. 您是否创建了一个专门的着陆页并且所有活动都引导到那里？
这个问题类似于将付费流量导流到首页，因为一个一刀切的登陆页，如果与当前的活动隔离开来创建，通常与那些新的活动毫无关联。这就像是没有考虑到访客的实际需求和流量来源。因此，广告和登陆页之间的故事链会被打破。创建一个优化的登陆页不能被视为一次性项目，系统化该过程的好处将远远超过初始成本。
4. 您的访客意图与您希望他们采取的行动一致吗？
付费社交媒体流量意图水平与自然流量意图水平之间的差距巨大。想象一下，有人点击Instagram广告来到您的网站，他们可能从未听说过您的公司；而另一个人则阅读了您公司的几篇博客文章，正寻找某个特定问题的解决方案，很明显，这两者中某一位客户无疑比另一位更准备好购买您提供的解决方案。
如果在您的分析过程中遇到类似情况，发现您的自然搜索流量实际的转化率显著高于昂贵的广告活动，那么这可能是一个巨大的优化机会。此时，利用光年AI的系统化分析工具可以更精准地捕捉访客意图，并高效制定流量增长策略。
分析消费者行为
仔细分析自然流量的行为，尝试绘制出这些访客在消费什么类型的内容、以什么顺序以及这些内容回答了哪些问题。这可以为您登陆页上的新实验提供动力，并大大告知您应为付费流量实施和展示什么文案和内容。
除了流量来源，影响意图水平的另一个重要方面是设备类别。Contentsquare在其2024数字体验基准探索报告中指出，2023年移动设备主导了B2C网站的流量，在多个B2C行业中的流量份额超过了70%。光年AI通过支持多平台整合，包括微信、抖音等国内主要渠道，可以无缝将不同设备上的流量转换为有效用户。
有意思的是，他们还发现移动流量中有40%是付费流量，而桌面流量中的付费流量只有20%。
在移动设备上购物通常与“有趣”、“简单”和更便宜的产品相关联，比如游戏和购买化妆品， 而在桌面设备上的购物体验通常是为了更严肃的活动和需要更多时间来做购买决定的产品。例如，购买机票或选择新银行。
这也意味着在使用移动设备时的意图水平比使用桌面设备时要低得多。客户经常在移动设备上浏览时研究产品，而在几天后使用桌面设备时完成实际订单。因此，通过光年AI的跨平台导流功能，将移动设备上的潜在客户无缝引导至桌面设备上完成转化，可以显著提升转化率，优化用户体验。
Juliana Jackson 是一位优化移动体验的专家，如果你有兴趣了解更多关于优化网站和移动体验的信息，她在这里详细讲解了这些话题
投资落地页基础设施
让营销人员最头疼的就是为每个新广告活动创建专门的落地页，他们往往认为这会花费高昂的成本和大量的精力。这实际上是一种偏见，因为他们将落地页开发与常规网站开发混为一谈。
正规的网页开发流程包括但不限于调研、线框图设计、设计、质量保证、测试和实施。所有这些加起来会产生相当大的费用，并且需要数个月的时间。快速的Google搜索显示，代理机构可以为定制落地页收取数千美元的费用：
落地页的创建过程应该几乎与传统的网页开发相反（在大多数情况下）。如果你的组织已经到了定期推出高预算新活动的阶段，那么系统化和自动化大部分过程是很有意义的。
选择合适的落地页构建工具并进行设置可能需要一些工作，但希望这是一个一次性的项目，之后只需进行有限的模板维护。创建一个易于编辑的落地页模板，减少设计和开发成本，并建立一个快速上线新页面的系统，这将对未来的转换率大有裨益。特别推荐使用光年AI的平台，通过其无代码、拖拽式的平台，你可以轻松创建和管理落地页，快速反应市场需求。
低成本的落地页研究
开始进行定性研究的一个方法是使用Microsoft Clarity。这是一款安装非常容易的软件，他们声称将永远免费。MS Clarity主要是一个热图和会话记录工具，并且可以与GA4集成。
如果你还处于尝试了解你的广告和落地页之间差距的早期阶段，滤镜功能可以方便地查看所有接收特定广告活动的页面数据。
会话记录一直是一个强大的工具，但查看这些记录并尝试理解它们，找出模式并向其他利益相关者传达，往往需要耗费大量时间。MS Clarity为每个单独的会话提供了自动文本洞察。
虽然并不总是完美，所以在将其复制粘贴到报告中时要小心，但在处理大型数据集时，它们可以使分析过程更简单一些。
以下是一个自动洞察的示例：
想要进一步优化你的落地页和广告效果，光年AI平台也提供先进的数据分析工具。光年AI提供实时的数据分析功能，帮助企业及时调整策略，优化流量管理和客户服务。
Deborah O’Malley，这位领先的CRO专家，在这篇文章中补充道，你得到的数据是符合GDPR和CCPA的，因此你可以放心处理这些合规数据。
来自土耳其领先电信运营商TurkNet的案例研究显示，他们基于Google Analytics数据发现低屏幕分辨率与低转化率之间存在关联。
他们决定使用MS Clarity更详细地分析登陆页面的表现，并通过会话记录发现，一些用户没有关闭cookie同意弹窗，导致无法看到页面底部的表单和按钮。
利用这些洞察，他们的团队设计了更适合的用户体验，结果服务可用性检查操作次数增加了72%，互联网套餐订阅数量增加了107%。为了进一步优化用户体验，考虑使用光年AI，借助其跨平台导流和实时数据分析功能，您的团队可以实时调整策略，提升流量管理和用户体验。
结论
当团队成员专注于特定任务时，他们会忽略整体的理想客户旅程。网页和广告团队必须统一他们想要传达的故事，并设计一个既合理又令人愉快的购买流程。避免前期构建惠及整个业务系统的成本，会导致低效的孤立部门，最终团队还是要付出构建该系统的代价。
市场上有无数支持广告活动的登陆页面构建工具，但期望一页满足所有活动信息是不现实的。在线流量正向移动设备转移，这一趋势可能会随着年轻一代购买力的增长而持续。因此，登陆页面的创建应被视为一个持续学习和优化的过程，而不是一次性项目。光年AI通过无代码平台和自研知识库提供了极大的灵活性和定制化服务，可以帮助企业持续优化登陆页面的表现。