互联网的快速发展给平台们带来了更多机会和挑战，本篇文章从交互式推荐诞生的背景、难点与挑战出发，以美团外卖Feeds动态交互推荐为例，分析了美团交互式推荐搭建的主要工作，并评估了其运营效果。一起来看看吧。
之前和大家分享了这么多和推荐、搜索相关的策略，今天想给大家讲一讲两个策略融会贯通、相互交织的应用场景。各家大厂信息流推荐中尤以电商类APP推荐最为推崇的实时反馈推荐功能——动态交互。动态交互策略设计本意是借助用户的实时发生兴趣行为作为触发进行召回、排序，在Feeds推荐位吸引用户眼球有限的空间内实现“二次”精确推荐，从而提升推荐系统的坑位CTR点击率效果。当然，其背后也蕴藏着策略产品对于业务场景的思考，怎么充分利用用户即时性行为的Trigger，怎么在用户行为之后再利用用户的有限视觉空间，给客户展现出即时行为相关性最高的物料item，所以还是说真正的策略是来源于真实的业务场景验证推演，而非天马行空的假想。一、背景与挑战之前推荐系统的多篇文章都提及，在同一个APP场景中推荐系统CTR、CVR相较于搜索的结果会偏低，这是几乎是无法改变的事实。这种现象存在的原因就在于推荐系统需要去猜测、预测用户在推荐位的兴趣（不然淘宝的推荐位也不会叫“猜你喜欢”），这种猜测是永远没有用户主动表达搜索Query词来召回排序的结果精准。那有同样的设计思路迁移至推荐系统当中，没有一种可能我们借助用户的某些实时连续触发行为（例如用户推荐item的点击行为、加购、互动等发生在转化之前的行为），作为触发trigger来实时召回->排序商品，通过识别”主体”之间相关性，来快速的实现精准推荐，从而提高推荐位整体的CTR点击率。如上图所示，我在淘宝首页“猜你喜欢”推荐位点击完“日式工装休闲短裤商品”退出商品详情页（拼多多点击了保健商品然后退出返回），即时就在在推荐信息流插入了基于我发生的点击行为作为触发一个商品卡片，并且交互卡片有四个相关商品坑位都和我点击的这个主商品建立了一种联系。目前看上去，这种联系可能是基于商品的主标题中的属性词——工装裤Query词做召回、也有可能是同三级类目下的规则热品Top Sale做的召回，同时也有可能是同品牌Brand_id做的召回。不管什么方式，作为策略产品的我们都希望对用户发生的点击行为做正样本，基于这个点击行为去“庖丁解牛”来做相关性召回，而这次的点击行为就是我们推荐系统中的银弹——推荐版query词，真正找到用户感兴趣的商品。基于这个思路，动态交互式推荐得以诞生。1. 交互式推荐的定义交互式推荐是一种互动式实时推荐产品模块，主要通过理解用户需求、以互动的方式进行推荐。交互式推荐由Youtube在2018年提出，主要用于解决视频网站中推荐系统的延迟和与用户互动偏弱的问题，一经推出在推荐系统的同位置坑位下带来了明显的点击率提升，成为国内各家互联网公司的热捧。既然如此，我们就找一家大厂的项目来进行详细策略拆解，这里我们可以用美团来举例（各家的业务场景不同做法不同，但是动态交互的核心思想一致，深知其“道”实践其“术”即可）美团外卖推荐技术团队在外卖首页Feed信息流上持续进行探索，2022上半年完成全量。具体流程如下图1-3所示：用户从首页Feed进入商家详情页并退出之后，动态地插入新的推荐内容到用户推荐列表中。可以看出来，美团外卖首页Feeds做动态交互推荐，就是在用户即时兴趣上进行捕捉，收敛用户的意图，在用户可视性范围内插入动态交互的结果，最终辅助客户做决策。2. 美团搭建交互式推荐的问题与挑战从外卖场景出发思考美团搭建交互式推荐的难点主要存在以下几个部分需要思考：在外卖场景下，如何更好地匹配用户实时需求，搭建出一套适用于外卖的、基于端智能框架的推荐系统是首要解决的问题。
交互式推荐只做单一模块的优化是不够的，还要考虑首页Feed整体的访问购买效率。那么，如何选择优化目标，以及如何衡量效果和收益。
外卖首页Feed是以商家为主的单列列表，如何避免交互在用户的选择路径上带来的“干扰感”，在合适的时机触发交互式推荐的问题。
如何更好理解用户即时性意图，如何利用首页Feed列表推荐结果优化交互式推荐的单商家卡片的问题。
3. 实验关注核心、辅助指标交互式推荐核心评估收益指标还是推荐首页信息流Feeds的整体转化效率CTR、UV_CXR(即交易用户/曝光人数)。但是同时首页在用户成单方面其实出现了“挤压”效应，只有访购效率提升才能撬动整体的效率提升。不仅如此，我们实验需要观测辅助指标，为了评估交互推荐插入后的Feed曝光量，需要增加首页曝光Page占比来衡量覆盖面，同时引入交互式卡片曝光PV占比（交互式卡片曝光量占首页Feed曝光量的比值）、曝光UV（曝光交互式卡片的用户占首页Feed曝光用户的比值）占比辅助观测对首页Feed的影响。二、交互式推荐核心工作1. 整体链路的搭建美团外卖交互式推荐策略在设计之初就应该清楚“4W1H”的设计原则，Where/How：交互式的卡片展示具体位置？展现的具体形态
Who/When：交互式推荐需要对什么样的用户触发？什么时机触发？
What：交互式推荐需要展示什么具体的内容？
如上图所示，给大家简单介绍整个数据流。整体的设计就围绕用户发生点击行为之后，交互式推荐卡片的展现过程。第一步，从客户的点击行为调用意图理解引擎，再进入特征处理计算和存储，并且将特征传递给客户端组装推荐请求应用服务.第二步，推荐请求由应用服务透传混排服务，再由混排调用商家推荐模块，经过召回、排序、机制、透出阶段，最终返回客户端进行展示。2. 产品展示样式在产品展示样式上，美团其实做过几个版本的探索和尝试。包括多商家聚合卡片如下图（应该是借鉴了淘宝的“点后推”动态交互）、单个商家聚合卡片类型。并且做了动态交互前插、后插两种类型。最后实验的效果【多商家聚合】VS【无交互式推荐】的科学AB结果，反而GMV -0.45%，UV_CXR（即交易用户/曝光人数）-0.28%；【单商家卡片】（最终方案）VS【无交互式推荐】GMV+0.10%，UV_CXR（即交易用户/曝光人数）-0.01%；可以得出结论：单列表的原生性卡片对客户干扰更小，并且客户的决策链路更短，因为搜索词推荐、多商家聚合推荐的形式都需要搭建落地集合页，增加一个漏斗环节就会导致拥护跳失问题，这与我们希望提升点击率、最终的成交金额的目的背道而驰。3. 用户意图理解交互式推荐，推荐系统需要感知清楚客户在“此时”交互意图的触发背后的原因和APP里面C端动线。主要拆分两个部分：用户有哪些行为触发交互式推荐；
交互式推荐之前如何理解客户的即时意图。
1）首次触发意图首次触发意图的设计主要考量交互式推荐结果的触发行为意图执行度和曝光量、覆盖用户数的平衡，这样也有利于积累样本量帮助后续做策略迭代。所以选择首页Feed进店立即触发作为首次触发策略比较合适。2）连续触发策略连续触发策略背后的思考就在于用户进入到外卖店铺页面、具体的外卖单品落地页之后，在落地页停留时长增加、对于新菜品产生点击、加购、看评价以及领券等行为特征，这个行为逐渐更加明确用户购买外卖的行为，所以此时连续触发策略会多次向服务端发生请求更新推荐结果，不断的对客户意图的校准。3）用户实时需求的理解这一块主要是为了提升用户意图理解的失效性，借助端智能和实时数据流的能力，突破分页请求的弊端，根据用户行为去更好理解用户需求，减少反馈信号延迟问题。用户点击商家卡片后在店铺里面的主要行为都是更好的理解客户的实时需求。4. 推荐排序策略交互式推荐虽然只展示一个商家卡片，但是也需要准确理解用户实时的外卖需求，所以针对这个卡片位置也要走我们经常聊到的“召回->排序->机制->样式透出”的链路，不断提高匹配度。1）召回&过滤主要分成两步：分别是利用多路召回的算法类型来召回附近的百个候选POI外卖商家。另一个是利用相似品类过滤方案来过滤当前用户意图大相径庭的商家，并且将候选结果传给排序阶段。为了理解用户的即时性意图，提出了Item2Item的Multi-Trigger召回和相似品类过滤方案。新增召回：美团外卖推荐系统当中的多路召回除了常见的协同过滤、热门Top Sale以及向量召回的方式以外，美团新增了对于意图理解关注的提出了Item2Item的Multi-Trigger召回方法。以上述说的点击行为首次触发、加购、关注收藏等等连续触发去Trigger，召回更多符合即时意图商家候选集合，当然每个用户Trigger的数量不同，最终召回的商家数量也不相同。数量满足N/M(N是I2I Multi-Trigger召回的POI总数，M是Trigger数量)。业务规则过滤：记得文章开头提到的，其实即时动态交互的召回其实类似一个“搜索”行为，那么基于不对召回做业务规则的干预。考虑是否可以将“同叶子品类”策略做在了召回环节，约束曝光交互卡片商家，但是单独做硬规则的约束会粗暴导致物料量级的骤降。因此美团这边通过商家口味、消费者相似性、商家商品分布等因素通过聚类（类似K-Means）实现相似品类的定义，更加满足新颖性和多样性要求。最终实验结果如下图所示：2）排序排序最重要的就是先要确立以什么业务目标进行建模，很显然主要的目标就是预测主要任务是预测CTR、CXR（曝光转化率）。排序模型优化中可能存在样本分布差异、训练样本少的问题，并且直接用首页Feed的推荐模型匹配度（训练样本都不一样，无法适用），简单做法还是需要直接对交互式推荐的正负样本进行训练。在首页推荐模型上，选择了Fine-tune的排序模型，同时充分利用用户实时需求理解的模块来优化模型效果同时兼顾算力资源约束，构建的模型结构如图1-9所示。模型总体结构：Embedding向量数据（包含商家特征属性、用户特征行为数据、上下文特征、触发交互式推荐特征、序列特征-实时曝光、点击等序列）。排序优化结果：交互式推荐排序模型与直接用首页信息流排序模型对比效果还是提升明显。Fine-tune排序结果优化效果如下图所示：机制部分：核心目的主要是根据不同业务目标做调整。最终考虑在兼顾新颖性的目标条件下，按照预估CXR排序，最大化卡片和列表转化效率。同时还考虑了负反馈、体验优化相关的策略：负反馈策略：即Arthur之前在媒体策略负反馈策略中介绍的重复曝光过滤、已购买过滤、还有外卖场景中独有的配送过远过滤等策略应用，这些都是一些data-driven或者是硬规则的过滤，主要通过odps或者hive表的方式进行过滤即可，在此不做赘述。
交互体验策略：更多探索新颖性目标等给出推荐新体验。同时加强推荐理由的说明，提升推荐结果的可解释性。
透出部分：透出阶段的目标主要是考虑机制最终透传排序的Top 1结果是否展示给用户。上图中商家展示区域划分为ABCD四个区域：交互式推荐插卡位置（A）、触发商家（B）、触发商家上文（C）、触发商家下文（D）。由于核心关注Feed转化率，所以交互式推荐比同上下文的pCXR高时候，商家才被曝光。需要思考的点在于：交互式推荐商家A的pCXR要比对比商家高多少（比例系数α控制）才应该被展示？上文C区域已经浏览过，成交的概率很低，并不适合作为展示的位置。
B区域虽然是点击触发区域但是商家曝光已经是前文聚类中的佼佼者，很难找到pCXR更好的商家，无法保证展示的新内容会更加优于目前客户点击的位置。
D区域用户未浏览，插卡动态效果会被注视，因此做对比最适合。
实验结果：证明，当交互式推荐卡片对比下1位商家卡片的pCXR更高时，其同位置订单增量最高，曝光页面Page占比损失最少，策略最优。对比下N位pCXR均值，随着N的变化，交互式卡片的曝光和效率也会影响。其效果与直接调整pCXR的过滤阈值α等同。在实际生产环境中，选取“交互式推荐同位置订单增量”较高时的参数α即可，这里取1，以下是展示位置变更的实验效果：三、交互式推荐的总结交互式推荐也是各家大厂推荐系统常见的一种提效策略，在召回、排序模型（各种特征交叉）模型效果日益见顶的今天，单靠模型实现K线式跳变已经几乎不可能，算法的工作也日渐陷入瓶颈期，作为业务和策略结合的owner，策略产品应该需要主动担当起来对客户动线需求、业务的观察，积极从业务上找到新的增长金矿。我个人看来搜索策略的底纹、搜索Suggestion，推荐的动态交互都有异曲同工之妙，本来推荐系统和搜索当中都没有所谓真正的“银弹”，有的只是各位对行业领域热情，对业务真正洞察的结果。动态交互个人将其视为推荐和搜索策略的优势与特点的结合，通过对用户即时兴趣的挖掘触发，快速的定位用户的兴趣，提高推荐坑位的效率，这是真正为业务增效的结果。整体看美团在整个实现当中取得了明显的收益，整体的项目AB评测效果如下。首页Feed千人成交额+0.43%，首页Feed曝光新颖性+1.16%。
交互式卡片相对下一位自然商家的转化率+132%。
未来推荐系统的交互式推荐Arthur个人认为还可以承载更多的产品形态、业务目标（结合新颖性和多样性的建模目标，来去做互补推荐、衍生式推荐的）。并且还可以在媒体广告动态adload当中去拓展广告的曝光，以提升广告的收入，或者是与自然推荐的相互穿插来提升整体推荐的GMV，都是我们可以思考的方向，勉励大家用实践去勇敢验证自己的推演方案是策略产品最好的需求来源。本文由 @策略产品Arthur 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。

当代年轻人的标配，不是奶茶干饭，而是无偿加班。你见过凌晨 4 点的城市吗？你体验过加班加到欲哭无泪的感觉吗？你有过休着年假突然被一条@召唤回电脑前的体验吗？如果上述问题全中，那么恭喜你已经是一位深受加班荼毒的打工人了。当代年轻人的加班究竟严重到了什么程度？根据智联招聘发布的《2019 年白领 996 工作制专题调研报告》，这一年，超八成的白领每周都在加班，大于七成的白领在无偿加班，超两成的白领每天都在无偿加班。他们每周平均加班 6.45 小时，只能换来老板早日实现财富自由。2019 年打工人加班情况咱们再来看另一个数据，滴滴曾在 2016 年统计出加班最狠的公司，京东荣获第一，平均下班时间 23:16，每月有 20 天都在加班，其次是腾讯 22:50，第三名是 58 赶集 22:37。2016 年加班最狠的公司 TOP3互联网大厂日益严重的“无条件 996”不禁让人产生疑问：加班这回事，怎么就变成了互联网大厂的标配了呢？01高薪，加班一族无法拒绝的诱惑加班与否，和所处行业竞争激烈程度直接相关。随着风口的更迭，过去几年，每年都会出现新的加班重灾区： 2017 年， 加班最狠的是协同办公软件，某 CEO 曾公开表示加班不到凌晨 1 点算不合格。
2018 年， 短视频大战打响，抖音把快手硬生生从双休逼成了大小周。
2019 年， 在线教育如火如荼，逼得猿辅导、作业帮的辅导老师半夜 0 点还在和家长们聊续费……
到了 2020 年， 社区团购让大厂开启“加班极限挑战赛”，滴滴“9、12、7”，美团买菜“0、0、7”，拼多多“11、2、7”。 在这样的福报下，很多人产生过不止一次的辞职冲动，但大多数人还是没有行动。这仿佛变成了一个悖论：大家一边对超出八小时之外的工作深恶痛绝，一边又尽职尽责地参与到加班中，达成一种诡异的生产秩序“动态平衡”。为什么打工人们嘴上很抗拒，身体却在自愿加班？金钱是绕不开的原因。在 offershow 上，有人爆料了互联网大厂最新应届生薪资。在表中，sp 代表更高级的 offer，优质生源优先推荐，ssp 的级别在 sp 之上，象征最高级的生源。互联网大厂最新应届生薪资一览如果数据来源属实，那么绝大部分互联网大厂的技术岗应届生，月薪起薪都在 14000 元左右，一年在 15 或 16 薪上下。他们平均年薪在 20 万以上，sp 能拿到 30 万，ssp 普遍能拿到 40 万年薪。拼多多开出的年薪最高，最普通的技术岗就在 40 万以上。算上涨薪速度，入职三年就可凑齐首付，六年可能全款买房，达到其他行业十年才能到达的高度。但这样的高薪，在大多数情况下，代价是不断出让个人时间。企业开两倍工资吸引员工入职，最终让一个人完成了三个人的工作量。表面上，他们获得了远高于平均水准的薪酬，但如果计算总体劳动时间，平均到每个小时的薪资其实并不高。假如一名京东员工月薪 15000 元，每天工作 12 个小时，这样的工作状态维持 25 天，算下来 1 小时值 50 元，这样的时薪在互联网人中间占大多数。智联招聘的调研数据显示，将近一半的互联网公司时薪在 20-50 元，21.2% 的互联网人时薪甚至在 20 元以下。作为对比，在北京，麦当劳今年的时薪是 17 元。加班，换来的可能不是想象中的高薪。互联网人时薪区间02资本游戏如何诱导员工自愿加班假如有两份工作可供选择，一份月薪 15000 元，一天工作 12 小时，做六休一；另一份月薪 9000 元，朝九晚五、每周双休，时薪同样是 50 块钱，你会选哪一个？两份薪资和工作时长不同的 offer 哪个诱惑更大？某招聘平台发布的调研显示，60.6% 的人依然认为：“只要钱多，加班什么的都好说。”即使知道互联网高薪无异于一场变相剥削的骗局，为什么人们还是会自发参与到“加班游戏”中？这就涉及到互联网的资本逻辑和“加班认同”文化。世界一流的互联网公司，企业安全感通常来自于对技术的掌控，而在国内，技术之外的流量变现竞争同等重要。用社区团购 APP 举例，只要舍得用“0 元抢、买就送、打骨折”的方式吸引用户，用钱砸出一个行业龙头，其他资本就会跟投。资金不断，流量就会持续，也不愁变现途径。在这样的背景下，企业对项目只有一个要求——“快”，至少要快过资本烧钱的速度，游戏才能继续玩下去。于是，互联网公司的生产方式发生了变化。过去，互联网企业多采用瀑布开发方法，产品开发周期要经过需求分析、设计、实现、测试、发布这一漫长阶段，一般 3 到 6 个月才能上线完善的产品架构。时至今日，公司变成了敏捷开发模式，产品优先上线再根据客户要求调整。互联网公司生产方式变更这需要极强的工作节奏，模式变化后，技术部门被细致拆分成前端、研发、测试、运维等等岗位。工种细分后带来的是生产过程的程序化、机械化，背后的核心诉求就是效率和利益，只要每个员工做好自己的那一环，整个效率机器就能运转起来。在这样的生产逻辑中，需要的不是朝九晚五、下班后还有业余生活的员工，而是能够随时打开行军床睡在公司的“加班人”。对老板而言，员工的精神需求也就没那么重要， 所有人都像一颗螺丝钉，只要发挥出他们应有的作用，让齿轮顺利转起来，管理层并不会考虑它是不是一颗快乐的螺丝钉。加班闭环就这样诞生， 对企业来说，只有扩大人员规模，提高生产速度，才能满足资本的要求，持续盈利、维持高速扩张；而员工们只能不间断地运转，跟上企业的生产速度，才能有加入资本游戏、获得高薪的机会。加班闭环示意图如今，大厂员工规模 10 万人已经不是新鲜事，互联网正在变成人力密集型产业。阿里巴巴在 2019 年员工数已超过 10 万人，京东更多，2020 年 9 月已突破 32 万人，减去 18 万物流人员，也有 14 万员工。HR 部门每天要帮上百人办理入职，同一天里要处理的离职手续也不少。互联网大厂增员示意图人员扩张后，“大公司病”随之而来。互联网公司本该提高效率，但公司越大，越会出现一些与业绩毫无关系的加班。比如，当公司产出近期陷入停滞时，上级就会通过延长工作时间，来寻找“薛定谔的业绩”：下班后的头脑风暴会，周末布置周一要交的策划书……有时，该被解决的不是加班制度，而是让你无意义加班的领导。03打工人怎样逃离“自我剥削”对员工个人而言，加班不但会影响健康状况，还会让人忽视自己，甚至产生“自我剥削”。上班本质上是一种时间交易，资本家用钱和资源买员工的工作日。但马克思在《资本论》中指出，工作日是一个可变量，就像一个能伸能缩的弹簧。资产阶级的本性是最大可能地延长工作日，不断试探员工的加班边界。同时，资本主义生产具有双重特征，它不仅需要生产物质商品，还需要用员工的免费劳动，为资本家的利益生产剩余价值。《资本论》敲响警钟你的弹簧拉伸得越长，你生产的剩余价值就越大。资本家买下的，并非每天的 8 小时工作时长，而是延长劳动时间的无限可能性。换句话说，买的是“包月不限流量”的你。资本的本质在这场交易中，买卖双方存在着严重的权力不对等和信息不对称。你可能高估了自己的承受能力，在你毫无察觉的情况下，工作已经超过了精神和身体的极限。很多人其实意识到自己的身心已经在崩溃的边缘，甚至人生已经失衡，但还是不愿意退出——原因只是过不了自己那道坎。有些人舍不得高收入换来的“消费自由”，甚至因此陷入一种补偿性的消费主义，但殊不知这正是资本想看到的。打工人赚得越多，加班越累，就越容易产生报复性消费。透支消费后，又需要加更多班来还信用卡和花呗账单，所以资本家更希望打工人陷入消费主义，这正是资本维持其市场活跃的途径。也许加班并没有办法完全避免，但我们至少能做到“人间清醒”、有自己的底线，找到一个属于你自己的平衡点。如果要准确地形容这个平衡点，可以用这样一个经济学模型类比。在工作中，工时越长，工作的边际成本递增。假如一个销售工作 8 小时，能争取 18 个客户，但再想争取到第 19、20 个客户，可能会耗费 2 倍甚至 3 倍的时间。以销售为例的加班效率示意图然而在这个过程中，边际效用其实是递减的——工作 8 小时，你可能觉得今天到手 400 元，心情畅快，但工作 13 小时，可能会觉得太累，多挣的 250 元也没那么让人开心了。打工人总会觉得收入越高越好，但这并不是真实收益。真实收益是边际收益曲线围成的面积，减去边际成本曲线围成的面积。打工人加班边际成本和边际收益示意图如果据此画一条净收益曲线，当两条线交叉时，总收益可达到最大。在这个时候，加班得到的收益刚好能弥补自己的身心不适，这才是最优的策略。但之后继续榨干自己换取高收入，净收益的面积反而会减小，对自身造成损耗。打工人工作时长收益最大化的平衡点我们要时刻观察自己有没有进入内耗的区间，情绪是否健康，身体有没有报警，在工作中也得随时评估到哪个临界点是“人间不值得”，重新审视工作带给了自己什么，又从自己身上夺走了什么。打工人的福报，可能是高薪换来的体面生活，可能是工作岗位上获得的成就满足感，但绝不会是在没有终点的 996 加班中燃尽生命。愿每一位打工人都能找到自己真正的福报。最后分享一份移动开发架构师全套学习资料架构师筑基必备技能目前Android APP开发主流语言就是Java语言，Java语言最大的特性就是提高了软件的交互可能性，可以说安卓手机几乎所有应用程序都是利用Java语言来进行编写的。
知识要点：1、深入理解Java泛型2、注解深入浅出3、并发编程4、数据传输与序列化5、Java虚拟机原理6、高效IO
设计思想解读开源框架随着互联网企业的不断发展，产品项目中的模块越来越多，用户体验要求也越来越高，想实现小步快跑、快速迭代的目的越来越难，插件化技术应用而生。如果没有插件化技术，美团、淘宝这些集成了大量“app”的应用，可能会有几个g那么大。所以，当今的Android移动开发，不会热修复、插件化、组件化，80%以上的面试都过不了。
知识要点：1、热修复设计2、插件化框架设计3、组件化框架设计4、图片加载框架5、网络访问框架设计6、RXJava响应式编程框架设计
360°全方位性能调优在不同层次的开发工程师手里，因为技术水平的参差不齐，即使很多手机在跑分软件性能非常高，打开应用依然存在卡顿现象。另外，随着产品内容迭代，功能越来越复杂，UI页面也越来越丰富，也成为流畅运行的一种阻碍。综上所述，对APP进行性能优化已成为开发者该有的一种综合素质，也是开发者能够完成高质量应用程序作品的保证。
1、设计思想与代码质量优化
2、程序性能优化
启动速度与执行效率优化布局检测与优化内存优化耗电优化网络传输与数据储存优化APK大小优化
3、开发效率优化
分布式版本控制系统Git自动化构建系统Gradle
4、项目实战
启动速度流畅度抖音在APK包大小资源优化的实践优酷响应式布局技术全解析网络优化手机淘宝双十一性能优化项目揭秘高德APP全链路源码依赖分析彻底干掉OOM的实战经验分享微信Android终端内存优化实践
Android框架体系架构Android框架体系架构（高级UI+FrameWork源码） 这块知识是现今使用者最多的，我们称之Android2013~2016年的技术。Android开发者也往往因为网上Copy代码习惯了而导致对这块经常“使用”的代码熟悉而又陌生：熟悉的是几乎天天在和它们打交道， 天天在复制这些代码 ；陌生的是虽然天天和这些代码打交道，但是并没有深入研究过这些代码的原理，代码深处的内涵。
本篇知识要点：1、高级UI晋升2、Android内核组件3、大型项目必备IPC4、数据持久与序列化5、Framework内核解析
NDK模块开发（音视频系列）NDK（Native Development Kit缩写）一种基于原生程序接口的软件开发工具包，可以让您在 Android 应用中利用 C 和 C++ 代码的工具。通过此工具开发的程序直接在本地运行，而不是虚拟机。在Android中，NDK是一系列工具的集合，主要用于扩展Android SDK。NDK提供了一系列的工具可以帮助开发者快速的开发C或C++的动态库，并能自动将so和Java应用一起打包成apk。
本篇知识要点：1、NDK开发之C/C++入门2、JNI模块开发3、Linux编程4、底层图片处理5、音视频开发6、机器学习
Flutter学习进阶2019 年无疑是 Flutter 技术如火如荼发展的一年。每一个移动开发者都在为 Flutter 带来的“快速开发、富有表现力和灵活的 UI、原生性能”的特色和理念而痴狂，从超级 App 到独立应用，从纯 Flutter 到混合栈，开发者们在不同的场景下乐此不疲的探索和应用着 Flutter 技术，也在面临着各种各样不同的挑战。
本篇知识要点：1、Flutter跨平台开发概述2、Windows中Flutter开发环境搭建3、编写你的第一个Flutter APP4、Flutter Dart语言系统入门…
微信小程序开发微信小程序作为现在比较火的编程开发应用场景之一，深受市场的青睐，这让不少开发者眼馋不已。但是对于初学者来说，就完全摸不着头脑了，不知道微信小程序开发制作需要学习那些知识，有需要的朋友可以参考本篇。
本篇知识要点：1、小程序概述及入门2、小程序UI开发3、API操作4、购物商场项目实战
Android相关源码解读只要是程序员，不管是Java还是Android，如果不去阅读源码，只看API文档，那就只是停留于皮毛，这对我们知识体系的建立和完备以及实战技术的提升都是不利的。
由于篇幅原因，以上完整学习笔记pdf如有需要，可以三连+评论支持下小编，点击这里免费自取！更多Android架构相关资料可以点此处免费获取

文|多鲸教育研究院
来源|多鲸资本
概要一、 OMO 模式的产生背景二、 OMO 模式的概念和意义三、 OMO 模式转型现状四、 对标研究-新零售五、 OMO 模式的未来发展一、 OMO 模式的产生背景1.1 教育行业的痛点1.1.1 线下教育在需求端和供给端都有难以解决的痛点家长与学生教育资源不均衡：低线城市及农村地区的学生无法享受到优质的教育资源。公立校优质师资匮乏，也没有头部培训机构提供优质资源。时间成本过高：家长往返培训机构以及等待过程都需要较高的时间成本，这是线下机构难以解决的问题。线下教育机构规模化发展难：线下机构异地扩张难度大，导致绝大多数的机构都只能本地化发展，无法扩大规模。运营成本高：线下机构的房租成本及水电成本较高；政策对于机构的资质、场所和师资的严格要求，也相应地提高了运营成本。数据来源：天风证券研究所1.1.2 在线教育的课堂体验不佳，且获客成本普遍高企在线教育课堂体验有待提高。根据艾媒咨询的调研，超过半数的家长认为在线教育无课堂氛围而且孩子难以集中注意力，此外卡顿、互动性差、效果不佳等也是家长较为关注的问题。但受制于网络技术，在线教育短时间内难以解决这些问题，无法营造出更具沉浸感的课堂体验。在线教育获客成本普遍高企。与线下机构相比，在线教育机构的销售净利率基本为负，即投入产出不成正比，而且销售费用甚至高于营业收入。这说明，在线教育的获客成本远高于线下机构，而且盈利困难。在线教育已发展多年，但目前实现盈利的机构凤毛麟角，究其根本，课堂体验和获客成本是主要原因。1.2 新的市场需求1.2.1 下沉市场消费潜力爆发，但缺乏优质教育资源满足其需求低线城市消费能力持续增长。低线城市的社会消费品零售总额的占比从 2013 年的 43.6% 增长到 2018 年的 45.1%，仍保持较好的发展势头。此外，低线城市的人口约占全国的 66%，尤其是中小学生的数量占比超过 70%，低线城市的教育行业的市场潜力也同样巨大。低线城市缺乏优质的教育资源。新东方、好未来、精锐教育等头部机构拥有全国最优质的师资力量以及相匹配的教育资源，然而它们在三线及以下城市的校区数量较少，无法满足当地的教育需求。低线城市存在教育资源与其消费能力不匹配的矛盾，但现有教育模式无法很好地满足这部分需求，为新模式的出现奠定了市场机会。1.2.2 新一代家长的教育观念更加多元化，对新模式的接受程度更高新一代家长文化素质提高。80 后和 90 后作为目前主要的家长群体，他们基本都接受了高等教育，自身的文化素质明显高于上一代家长，他们对教育的理解也呈现出很大的差别。新一代家长对教育的功利性诉求降低。80 后家长对孩子的学习成绩的关注较 60 后家长显著降低，更加关注孩子的道德品质、性格秉性、沟通表达和生活习惯；新生代家长选择培训班的主要目的也不再是升学压力，而是希望能够提供孩子开阔眼界的机会。随着家长教育理念的改变，他们对于教育机构的服务、教学等环节提出新的要求，也更愿意尝试新的教育模式。1.3 新技术的应用1.3.1 人工智能、大数据和 5G 等新技术为新的教育模式奠定了基础5G 提供稳定的数据传输条件。相比 3G/4G，5G 的传输速度和稳定性大幅提升。5G 技术能够明显改善直播的画面清晰度、画面卡顿程度等问题，并进一步丰富教学内容、增加趣味性和互动性。人工智能与大数据助力智能学习。人工智能和大数据能够精准分析学情数据，对学习过程数据和结果数据进行关联分析和深度挖掘，以可视化形式呈现分析结果，帮助老师和家长快速且准确地把握学生的学习情况，包括学习状态、学习投入、学习进度和学习效果等。1.4 政策的激励作用1.4.1 政府鼓励教育行业积极应用新技术，加快信息化时代的教育变革鼓励线上线下教育良性互动。今年 7 月，发改委发文支持发展融合化在线教育，构建线上线下教育常态化融合发展机制，形成良好互动的格局。鼓励科技与教育的深度融合。国务院、教育部等相关部门近些年出台多项政策，鼓励教育行业参与融合现代信息技术，并探索线上线下教育相融合的机制。在线教育监管趋严。国家相继出台多项政策要求整治在线教育，促进行业规范化发展。1.5 疫情的催化作用1.5.1 疫情加速线下机构对 OMO 模式的探索疫情对线下机构形成较大的负面影响。据教培校长参考的调研，从 2020 年 1 月份到 6 月份，全国教培机构的平均破产率超过 20%，其中湖北、广东、河北较为严重；就存活下来的机构来说，有大约 70% 的机构的上半年营收同比减少 50%—100%，仅 1% 的机构保持营收增长。线下机构对在线教育的态度发生变化。疫情前，多数线下机构对于在线教育的态度并不积极。随着疫情的爆发以及“停课不停学”的号召，多数机构已经进行或开始探索在线教育的解决方案。疫情后线下机构更倾向于 OMO 模式。对于线下机构而言，完全抛弃线下优势转型在线教育并不现实，因此 OMO 模式更易被接受。据调查，大多数的线下机构表示疫情后将采用OMO同步联动模式。1.6 小结1.6.1 多重因素为教育机构转型 OMO 模式奠定了基础1.6.2 OMO 模式是否是伪需求？究竟能为机构带来什么？OMO 模式的转型因素已基本成熟。对于线下机构和线上机构，无论从内部原因（如线下机构规模化发展困难、线上机构获客成本高昂且课堂体验有待加强），还是外部原因（如 5G、人工智能和大数据技术的逐渐成熟与商用，以及政府对于构建线上线下教育常态化融合发展机制的鼓励），各大机构都有充足的理由以及必需的条件进行 OMO 转型。OMO 模式是否是疫情催生下的伪需求？OMO 模式自 2017 年被提出后，一直都被业界所重视，比如精锐教育在 2019 年提出要投入 30 亿元进行 OMO 模式的建设。但是，彼时 OMO 模式还远未被行业所充分认知并纷纷表达转型意愿。而 2020 年初，疫情使得线下无法上课，只能转型线上。各大机构或无奈停课，或转型线上。此时，OMO 模式似乎成为线下机构的救命稻草。但是，OMO 模式对于大部分的线下机构是否只是疫情期间的无奈之举，疫情结束后仍然维持传统教学？OMO 模式是什么意思？它能够为机构带来什么？从字面意思理解，OMO 模式即线上与线下的深度融合，但深度融合意味着什么？是否目前多数线下机构临时推出的线上课程就意味着 OMO 模式的实现？如果机构完成 OMO 模式的转型，能否为机构带来实际意义？比如增加招生人数，还是提高客单价？而且，机构转型 OMO 模式带来的收益能否覆盖所支出的成本？OMO 模式是否会走向 O2O 模式的终局？2014 年前后的 O2O 模式席卷整个教育行业，彼时人人期待 O2O 模式将彻底变革教育行业，并带来巨大的收益。但是，随着大量资本的涌入以及数万机构的成立或转型，O2O 模式却在一两年内就销声匿迹。OMO 模式同样涉及到线下和线上场景的打通，似乎与 O2O 模式异曲同工，那么，OMO 模式是否也会走向 O2O 模式的结局呢？二、OMO 模式的概念和意义2.1 OMO 模式的概念2.1.1 李开复提出 OMO 概念，教育是其主要场景之一2017 年 11 月 22 日，创新工场董事长兼 CEO 李开复在“经济学人”（The Economist）杂志的 The World in 2018 特辑发表专栏文章《Meet OMO sapiens》提到“OMO”的概念，以及它给生活带来的改变，引起广泛的社会反响。OMO 即 Online-Merge-Offline，字面意思是线上与线下的融合。驱动因素：移动支付的普及；线上+线下流量获取和数据化；真实世界数据化；物流生产自动化典型应用场景：教育；交通出行；零售2.1.2 OMO 模式深度融合线上线下场景，实现标准化流程与个性化服务教育行业的 OMO 模式是指以提升教学效果与体验为核心，通过互联网、人工智能和大数据等新技术打通各环节的数据，并深度融合线上与线下的学习场景，实现标准化的流程与个性化的服务。OMO 模式本质上是教育行业利用现代科技的自我变革，与其他行业的数字化转型不同的是，教育 OMO 模式更强调全场景的融合。核心目的：OMO 模式本质上是一种方式，向市场、学生和家长提供更优质的产品和服务才是最终目的。机构应该以终为始，搭建自身的 OMO 模式。关键手段：通过新技术打通课前、课中和课后全场景的学情数据，使得老师能够做到个性化辅导，家长能够知道孩子的学习情况。学习场景：线上与线下不再是平行的学习场景，而是根据学生的需求，将线上与线下的产品与服务深度融合，重置学习的时间与空间。最终结果：OMO 模式能实现标准化的流程，包括业务流程、管理流程、教学流程等，最大限度地提高机构的运营效率，并使得学生在标准化的流程下获得千人千面的个性化学习体验，提高学习效果。2.2 OMO 模式的意义2.2.1 OMO 模式对教育行业全流程的变革2.3 OMO 模式的核心逻辑2.3.1 重塑业务流程和提升教学效果是 OMO 模式的核心逻辑重塑业务流程数据来源：李开复文章及演讲记录、多鲸教育研究院整理提升教学效果时间原则传统培训模式学习时间的割裂。对于线下机构而言，尤其是 K12 的春季班和秋季班，以及艺术教育等，学生通常只能在线教学甚至答疑，影响学习的连贯性。OMO 模式实现“0-0-7”式学习模式。OMO 模式有效整合了线上和线下的学习场景，学生在周中可通过线上学习或练习，周末在线下门店进行教学，或者借助人工智能等技术实现 24 小时答疑服务。空间原则传统培训模式单一的学习场景。无论是在线教育，还是线下机构，均只能为学生提供单一的学习场景。对于中小学生而言，长时间在单一场景内可能会导致注意力分散，学习效率低下。OMO 模式多重场景提高学习趣味性。比如，在教室学习过程中，通过视频连线外教增加英语交流的氛围，既能引起学生学习兴趣，又能丰富课堂场景，提高学生的学习效率。2.4 OMO 模式 VS. O2O 模式2.4.1教育 O2O 模式的概念及发展历程O2O（Online-to-Offline）模式最初起源于本地生活领域，是指线上完成交易，线下再进行交付，代表企业如美团、大众点评和滴滴。O2O 模式在教育行业的兴起始于 2014 年前后，代表企业如疯狂老师、轻轻家教、跟谁学等。O2O 模式在教育行业的应用主要有两种：第一种是线上的 O2O 平台，即线上选择老师并完成交易，然后老师上门服务，如疯狂老师和轻轻家教等；第二种是线下的 O2O 平台，即在体验店选课并完成交易，然后老师上门教学，如星空琴行。教育 O2O 模式在 2015 年前后迅速发展，如轻轻家教曾在 3 个月内完成 3 轮融资，总额超过 1 亿美元；疯狂老师也曾在 6 个月内完成 3 轮融资，总额接近 3 亿人民币。然而 O2O 模式在 2016 年开始迅速衰落。2.4.2 2014-2015 年 O2O 模式部分培训机构融资概况数据来源：烯牛数据、企名片、多鲸教育研究院整理2.4.3 OMO 模式切入教育行业核心的教学环节，不会重演 O2O 模式的终局教育 O2O 模式失败的原因：教育服务低频且客单价高，用户决策重。一次订单的成交需要付出高额的资金和时间方面的沉没成本；商业模式不健康。教育 O2O 模式依赖高额补贴获客和争抢优质教师，导致首单基本都亏损。但服务质量良莠不齐以及用户对平台的粘性低，使得续费率很低，只能陷入拉新-亏损的恶性循环。教育 OMO 模式与 O2O 模式的根本区别：解决的问题不同：教育行业的核心诉求是提升学习效果。O2O 模式切入的只是交易环节，解决的只是老师与学生之间的高效且低成本的匹配问题，而核心的教学效果受制于偶然因素。但是 OMO 模式切入的是以教学为核心的全流程，能够解决学生和家长在教学与服务方面的主要痛点，也能够解决机构在获客与运营方面的问题。发展的路径不同：教育 O2O 模式是在资本过热的情况被人为快速催熟，大量的资源被投入到争抢用户与老师，而未能改善整个商业模式。但是教育 OMO 模式是在市场回归理性的条件下循序渐进地发展，无论头部企业，还是中小机构均稳扎稳打，逐步推进 OMO 模式的建立。2.5 小结2.5.1 教育行业的 OMO 模式转型发展到何种程度？OMO 模式在深度融合线上线下场景的基础上，深刻变革教育机构的业务模式，并且提升学生的学习效果。教育行业的 OMO 模式是以提升教学效果与体验为核心，通过互联网、人工智能和大数据等新技术打通各环节的数据，并深度融合线上与线下的学习场景，实现标准化的流程与个性化的服务。因此与 O2O 模式只切入交易环节不同，OMO 模式对教育行业的全流程进行改造升级，能够提高机构的运营效率，优化用户的服务体验。OMO 模式不会重演 O2O 模式的结局，而是对教育行业未来发展具有深远意义的新形态。OMO 模式转型是否只适合线下机构在做？率先进行 OMO 模式转型的基本都是线下机构，如新东方、精锐教育、学大教育等，但转型 OMO 模式的线上机构似乎很少？那么，行业内是否有线上机构进行 OMO 模式转型？以及线上机构与线下机构的 OMO 模式转型路径是否相同？各个赛道的 OMO 模式是否有差异？教育行业分为 K12 教育、国际教育、职业教育和素质教育等，每个细分品类都有不同的特点，比如学生类型不同、教授的知识不同等。那么，各细分赛道在进行 OMO 模式转型时是否有不同的模式？每个赛道目前 OMO 模式的转型进展是否相同？当前 OMO 是否存在几种典型模式？是否有对应的典型案例？OMO 模式至今发展已有三年，是否已形成几种比较典型的模式？各种模式的主要特点是什么？通过这些典型模式，是否可以揭示出 OMO 模式当前整体发展到哪个阶段？以及，每种模式有何典型的案例？三、OMO 模式转型现状3.1 当前 OMO 模式的主要类型3.1.1 当前 OMO 模式的四种主要类型3.1.2 获客 OMO 模式：通过线下体验店在获客端实现线上和线下的结合在线教育的关键痛点：获客成本高企。与线下机构不同，在线教育缺少天然的流量入口，需要大量的营销投放，因此获客成本较高。而且，随着在线教育的激烈竞争以及流量成本上升，获客成本仍不见顶。因此，在线教育急需新的流量入口；缺乏本地化优势。由于中国各省份的教材和考试重点不同，标准化课程难以满足每位学生的需求。但在线教育通常由总部所在地招聘老师并统一标准化教学，难以兼顾不同地区的教学重点。以线下体验店为核心的获客模式：线下门店作为天然的流量入口，能够将线下机构的流量往线上导，从而提高线下体验店的坪效。在门店获得较好的体验后，可使用网站或 APP 购买在线课程。成为会员后，用户也可能给身边人做推荐或引导，通过社交网络进行二次传播和增值，形成完整的流量循环体系。线下用户往线上导入后，在线上形成精准的用户社群，通过线上运营增加客户的黏性和不断地提升社群用户的转化率。3.1.3 OMO 1.0 模式：双师课堂双师课堂的诞生背景：巨头在下沉市场扩张难。一二线城市 K12 培训竞争激烈，但是下沉市场消费潜力爆发，成为新的机会点。不过，线下机构大规模在下沉市场扩张的成本较高，即使是行业巨头也很难有此实力。下沉市场的优质师资资源匮乏。一二线城市的优质资源本身就较为有限，而且三四线城市的条件很难吸引到有良好教育水平的教师。双师课堂发展迅速。双师课堂既可以解决名师资源瓶颈问题，且优秀教师大班授课收入提高也有助于减少其流动性，又可以通过线下机构做好本地化服务以及本地招生。因此，近些年双师课堂在下沉市场发展迅速，仅爱学习在 2018 年就通过双师课堂的加盟模式获得近 12 亿元的收入。3.2 细分赛道发展现状3.2.1 细分赛道转型 OMO 模式的概况To B 为主的技术供应商底层技术供应商：目前还未有 OMO 完整技术的供应商，但有许多线上教学和管理的产品，能够为线下机构触网提供基础支持，也为 OMO 模式奠定基础。综合方案供应商：一方面是头部企业以双师课堂攻占下沉市场，另一方面是提供完整的线上产品解决方案。二者都能够帮助线下机构短期内获得线上和线下教学的能力。To C 为主的培训机构K12 教育：K12 是 OMO 模式转型最为火热的赛道，转型时间最早，转型路径也最丰富。素质教育：素质教育本身转型难度较大，但受疫情影响，各大机构对 OMO 模式转型的热情高涨。职业教育：OMO 模式转型热度较低，部分玩家在 2014 年前后就开始试图融合线上线下，但融合程度较低。国际教育：除语言培训外，其他细分赛道（如国际游学等）对线下场景的依赖程度较高，短期内很难进行转型。3.2.2 OMO 模式产业链数据来源：公司官网、多鲸教育研究院整理3.2.3 K12 教育 OMO 模式转型概况（部分）3.2.4 素质教育 OMO 模式转型概况（部分）3.2.5 职业教育和国际教育 OMO 模式转型概况（部分）3.2.6 OMO 模式综合方案供应商（部分）3.2.7 OMO 模式底层技术供应商（部分）3.3 典型案例研究（1）3.3.1 综合方案供应商：爱学习-双师课堂数据来源：公司官网、多鲸教育研究院整理3.3.2 综合方案供应商：爱学习-三阶课3.4 典型案例研究（2）3.4.1 获客 OMO 模式：东方优播-线下体验中心3.5 典型案例研究（3）3.5.1 智能系统+线下教学模式：学大教育一对一辅导模式首创者。学大教育于 2004 年率先推行一对一辅导模式，具有较为领先的先发优势。学大教育拥有成熟的个性化课程设置，涵盖补差学生、单科提分、考前冲击以及艺考生。而且建立了完善的服务标准与流程，包括循序渐进的教学标准、全流程的服务模式以及优质全面的辅导团队。业务增长缓慢。学大教育近几年来遭遇营收危机，自 2016 年开始，学大教育收入增长放缓，在 2018 年和 2019 年增速仅 3%。而对比同样作为一对一辅导机构的精锐教育，自 2016 年开始保持 30% 左右的高速增长，以至于在 2019 年营业收入反超学大教育，成为 K12 一对一辅导行业的领导者。数据来源：公司官网、多鲸教育研究院整理3.5.2 在线课程平台：翼鸥教育-ClassIn在线课程平台领导者。翼鸥教育成立于 2014 年，在 2015 年发布了世界上第一款在线教室——ClassIn。经过多年的发展，已经服务了超过 2 万个学校，覆盖了超过 500 万位学生，大客户包括好未来、新东方、昂立教育等头部教育机构，成为在线课程平台赛道的领导者。性能强大的在线课程平台。翼鸥教育结合专业的教学产品设计理念以及底层技术，使得 ClassIn 能够支持多种班型和多样化的在线教学模式，使得教师和多位学生同时在线上完成授课和学习，提高课程的沉浸感；此外，通过内置的多元化教学工具，包括作业提交、课堂笔记、教学数据智能分析等，赋能机构的智能化教学。OMO 模式的底层技术支持。ClassIn 为机构提供在线课程的平台以及智能化教学工具，既能够使得中小机构沉淀线上教学与运营的经验，为 OMO 模式转型奠定基础；又为 OMO 模式提供多样性能和多元场景的在线教学平台，成为 OMO 模式必不可少的底层技术。数据来源：公司官网、多鲸教育研究院整理3.6 头部机构 OMO 转型分析3.6.1 新东方与好未来发力 OMO 模式：新东方 To C，好未来 To B教育行业的全国性龙头企业。新东方与好未来是为数不多能够跨越中国复杂的地理区域的全国性教育机构，并且在营业收入上与其他教育机构具有明显优势。新东方以 K12 和留学语培业务为主，而好未来专注于 K12 教育。两者都以线下教学起家，近些年开始发力在线教育与 OMO 模式。双巨头持续关注 OMO 转型，但转型方式有所不同。新东方和好未来在业内较早开始布局 OMO 模式，投入了大量的资金、人力与资源。新东方更注重自身核心业务的 OMO 转型，探索出东方优播、留学考试融合态产品等不同模式；好未来则持更加开放的态度，除未来魔法校专注双师课堂的加盟业务外，还积极开放直播云、教研云等技术平台赋能全行业，但自身的核心业务转型则相对谨慎。3.6.2 2020 年新东方留学考试融合态产品3.6.3 2020 年新东方小学暑期课程 OMO 模式数据来源：公司官网、多鲸教育研究院整理3.6.4 好未来在 2018 年发布教育开发平台，赋能中小教育机构数据来源：公司官网、多鲸教育研究院整理3.6.5 未来魔法校助力下沉市场的中小机构实现 OMO 模式转型3.6.6 直播云为线下机构提供完整的在线教学工具以及全流程的管理系统3.7 OMO 模式转型的痛点3.7.1 OMO 模式仍处于初步阶段，还存在诸多痛点OMO 模式转型处于初步阶段。尽管 OMO 模式的概念在 2017 年便出现，而且在 2018 年前后就开始有企业宣布开始 OMO 模式转型，并探索了多种实现 OMO 的具体模式。但是，当前存在四种 OMO 模式和 Pre-OMO 模式都处于比较初级的阶段，仅仅只是融合线上和线下场景的尝试。头部机构对于 OMO 模式还处于探索阶段，而大多数的中小机构还处于观望阶段。OMO 模式转型势不可挡。即使没有发生疫情，教育行业往 OMO 模式转型也是必然趋势。因为在线教育的出现使得教育场景出现了分离，同时也暴露了线下教育的缺陷。那么，融合在线教育和线下教育的优势而诞生新的教育模式，也是行业发展的必然逻辑。当前机构转型 OMO 模式还存在诸多痛点。OMO 模式本身就涉及大量的流程和新的技术，至今还未有成熟的范本，各大机构都在探索阶段，并投入了大量的资金和资源，但是否获得足够回报还未可知。而且，家长和学生能否接受 OMO 模式也还有待验证。线上机构转型 OMO 模式的痛点盈利问题。由于流量成本昂贵，以及线上课程的客单价低，导致目前大多数的线上机构还未盈利。如果此时再转型 OMO 模式，额外增加大量成本，并且前景还不可知。运营问题。线上机构的团队多是互联网背景出身，对于线下运营的经验还不足。而且，线下的模式更重，成本更高，大幅增加了机构的负担。线下机构转型 OMO 模式的痛点技术问题。OMO 对 AI、大数据、云计算、物联网等技术的要求都比较高，而线下机构的基因和团队都很传统。机构既需要专业人员进行设计和安装，又需要现有员工熟练使用新系统或设备，难度都很高。思维问题。线上机构由于互联网的洗礼，对于新模式和新技术接受程度更高。但线下机构（尤其是低线城市的中小机构）的管理方式和教学理念都比较传统，很难快速转型新模式。3.8 小结3.8.1 OMO 转型仍在起步阶段，是否有对标模式作为参考？当前 OMO 模式的主要模式。当前 OMO 模式可以分为 Pre-OMO 模式和 OMO 1.0 模式，整体 OMO 模式还处于初步阶段，还未有真正意义上的 OMO 模式。Pre-OMO 模式或者实现了部分流程的线上线下融合，或者既有线上场景又有线下场景，因此还算不上 OMO 模式。OMO 1.0 模式在教学环节已实现线上和线下的融合，比如双师课堂或者智能系统对教学的赋能，但是还没有打通教育行业的全流程，以及深度线上和线下。各大赛道的 OMO 模式转型现状。K12 教育作为目前市场规模最大且最刚需的赛道，自然也成为 OMO 模式转型的代表赛道，基本涵盖了当前 OMO 的主流模式。素质教育作为近些年发展最快的赛道，在 OMO 模式的转型进展也扮演着重要作用。但是职业教育和国际教育的 OMO 模式转型的热度稍弱，有待进一步发展。两大巨头对 OMO 模式转型的态度。新东方和好未来作为当前教育行业最具代表性的机构，对 OMO 模式的布局早已开始。不过，新东方更倾向于开发 To C 的产品，亲自下场进行 OMO 模式的转型。好未来除了在自己的核心业务上进行 OMO 模式转型外，也为行业内中小机构提供 OMO 转型的底层平台和综合解决方案。整体来说，好未来 To B，新东方 To C。是否有对标的模式为教育 OMO 模式的发展提供借鉴意义？OMO 模式在教育行业是首次出现的新模式，目前仍处于初步阶段，还存在诸多痛点，比如盈利问题、运营问题等。是否有其他行业的类似模式为教育行业 OMO 模式提供启示？比如线上线下相融合的新模式有哪些问题需要注意？什么才是线上线下融合的核心逻辑？四、对标研究-新零售4.1 新零售的概念4.1.1 新零售是以科技为驱动，深度融合线上与线下的零售业态新零售对教育行业的 OMO 模式具有重要的借鉴意义。教育 OMO 模式本质上是现代科技对传统行业的变革，而在传统行业的数字化转型中，零售业的“新零售”模式发展相对成熟。因此，对新零售的研究能够帮助我们理解教育 OMO 模式发展的难点与终局。新零售是重构“人货场”的零售业态。新零售是马云在2016 年 10 月的云栖大会上提出的概念，它是强调以消费者体验为中心，以互联网为基础，以大数据、人工智能等技术为驱动，融合线上、线下和物流的全渠道零售模式。颠覆：传统零售是技术引领生产变革，生产变革引领消费方式变革，但新零售是消费方式逆向牵引生产变革；重塑：新零售重新定义人货场，在前端为客户创造全新的购物体验，在后端提高零售终端及企业的运营效率。4.1.2 新零售的三种典型业态4.2 新零售的典型案例4.2.1 盒马生鲜高品质产品与线上线下服务闭环提升购物体验。盒马鲜生精选高品质产品，并且提供线上与线下两种服务场景。消费者可以在盒马门店选购产品以及增值服务，也可以在线上下单，享受30分钟到家的服务。通过多重门店体系覆盖更多的消费者。盒马鲜生很好地满足一线城市主城区消费者对商品品质和到家服务的需求，但难以覆盖郊区及下沉市场。因此，盒马鲜生打造不同业态的门店体系，辅导到多种层次的消费者，从而为更多的消费者创造优质的购物体验。数据来源：公司官网、多鲸教育研究院整理4.2.2 无人零售无人零售是指无营业员值守，消费者自助完成购物流程的模式。无人零售在 2017 年兴起，迅速吸引众多企业和投资机构入局，但仅一年后，大多数企业因亏本而倒闭。如今，无人零售已无人问津。无人零售失败原因：单位经济模型不健康。无人零售其实只节省了营业员的成本，但需要引进更加昂贵的设备，成本反而更加高昂；没有创造更优质的购物体验。无人零售的出发点是营造自由的购物氛围，但零售本质上是服务业，机器无法提供有效的服务，而且还时常发生故障，极大地影响了购物体验。数据来源：艾瑞咨询、公司官网、多鲸教育研究院整理4.3 新零售与教育 OMO 的比较4.3.1 新零售与教育 OMO 模式整体逻辑相同，细节存在差异4.4 新零售对教育 OMO 的启示4.4.1 以用户为核心，以盈利为目的是新零售对 OMO 模式的主要启示聚焦用户的真实需求以盒马鲜生为代表的生鲜类商超敏锐地抓住了消费升级背景下的一线城市的中产阶级对于生鲜品质的要求，再通过线上与线下相结合的消费场景方便消费者便捷地购买生鲜产品，全方位提升购物体验。反观无人零售，确实为消费者提供了新的消费体验，但无人值守的购物模式实现自由购物的同时，也创造了冰冷的购物环境。而且，消费者的真实需求是以合适的价格购买到满意的商品，但无人零售并未给消费者提供这方面的新体验。教育机构在进行 OMO 模式转型时，需要注意新时代下家长与学生的新需求，并且是最核心的刚性需求。而不应该聚焦低频的非刚性需求。回归行业的核心诉求零售业的核心诉求是基于商品的服务，需要满足消费者对于商品品质与服务质量的要求。为了满足消费者的要求，以盒马鲜生为代表的新零售探索出线上与线下结合的消费场景、多种业态组合以及现代科技赋能的模式。但部分无人零售的机构却本末倒置，首先考虑技术如何应用在零售业，而非如何满足和提高消费者的核心诉求。大数据、人工智能与互联网都是教育 OMO 模式的手段，而提高教学效果和优化服务体验才是教学行业的核心诉求。因此，教育机构需要从学生与家长的核心诉求出发，再去思考如何通过技术来满足这些诉求。实现正向的现金流任何模式创新都应该建立在健康的盈利模型上。无人零售减去了相对便宜的人力成本，并增加了更为昂贵的设备成本，而且零售业本身毛利就降低，设备与人力的成本差在很长时间内都难以打平。盒马鲜生聚焦高毛利的生鲜产品，配合后端的运营效率，使得盈利相对简单。因此，无人零售一旦融资不到位便难以维持，自身造血能力较差。教育机构在进行 OMO 转型时，首要考虑的是自身是否能够实现正向的现金流，否则即使规模做大，也很难盈利。尤其是采用的新设备或新技术手段，它所带来的收益能够在多长时间内覆盖掉成本。4.5 小结4.5.1 教育 OMO 模式的未来将如何发展？新零售对教育行业的 OMO 模式具有重要的借鉴意义。教育 OMO 模式本质上是现代科技对传统行业的变革，而在传统行业的数字化转型中，零售业的“新零售”模式发展相对成熟。新零售是马云在 2016 年 10 月的云栖大会上提出的概念，它是强调以消费者体验为中心，以互联网为基础，以大数据、人工智能等技术为驱动，融合线上、线下和物流的全渠道零售模式。新零售与教育 OMO 模式有诸多共同点。新零售与教育 OMO 模式都涉及多场景融合、全流程打通、以数据为驱动和以体验为核心，二者仅在目标市场、客单价等细节有所差异。新零售对教育 OMO 模式的启示。新零售有无人零售、生鲜类商超和智慧门店三种主要模式，但是无人零售至今几乎销声匿迹，而生鲜类商超和智慧门店还有强劲的发展势头。对比三种模式的差异，为教育 OMO 模式提供三点启示：聚焦用户的真实需求，即用户最刚需的需求，而非低频的非刚性需求；回归行业的核心诉求，教育机构需要通过技术来满足用户的需求，而非使技术反客为主；实现正向的现金流，教育机构需要考虑转型后是否能够实现正向的现金流，否则即使规模做大，也很难盈利。教育 OMO 模式未来将如何发展？OMO 模式未来发展将经历哪些阶段？各细分赛道的 OMO 模式的发展都有哪些侧重点？机构进行 OMO 模式转型时需要注意哪些关键性举措？OMO 模式的终局将是什么？五、OMO 模式的未来发展5.1 OMO 模式的发展阶段5.1.1 OMO 模式转型的三个阶段5.2 细分赛道的 OMO 发展模式5.2.1 不同赛道或不同机构的 OMO 模式不一而同5.2.2 教育机构需根据自身实力与需求选择合适的转型方式大机构适合以自研完成OMO模式转型自研OMO模式需要大量的人力、资金和资源：技术研发：OMO模式需要整合人工智能、大数据和5G通信技术等，从底层的算法到具体的产品形态，以及跟教学或业务流程的适配性。如此庞大的系统开发即使是专业的技术公司，也需要长时间的投入。因此自研OMO模式对教育机构的技术研发能力提出很高的要求，非中小机构能够实现。模式设计：OMO模式目前只有一个概念以及方向，但实际落地还没有可供参考的版本，各大机构都只能“摸着石头过河”。因此，搭建OMO模式对机构的创新能力有很大的要求。自研OMO模式为机构奠定高壁垒的竞争优势：尽管自研OMO模式具有重重困难，不过一旦搭建完成，能够极大地提供机构的竞争力，无论是内部的管理效果，还是向外输出的教学成果。自研OMO模式更适合大机构。大机构拥有较强的资金储备和人才吸引力，具有独立开发OMO模式的能力。中小机构适合与第三方机构合作完成OMO模式转型第三方解决方案更适合中小机构：成本适合：自研OMO需要从底层技术、系统开发和模式设计出发，耗费大量的资金与时间，远超中小机构的能力范围。但采购现成的第三方解决方案，既节省了资金与人力成本，又能较快完成OMO模式，在本地市场竞争中拔得头筹；时间节点适合：至少在未来3年内，OMO模式仍将处于探索阶段。探索意味着较大的试错成本，中小机构未必能够承担。因此，等待头部机构的OMO模式初显成效，再参考头部机构的做法以及现有的第三方解决方案进行转型更加适合。选择合适的时间点是中小机构获得竞争优势的关键：对于一二线城市的中小机构而言，本身就在与大机构的竞争中处于弱势地位。一旦大机构完成OMO转型，教学效果与运营效率取得巨大提升，中小机构则更加困难。因此，中小机构需要选择适合的时间点进入，实现成本最小化与收益最大化。对于三四线城市的中小机构而言，不会面对大机构的直接竞争，可以在OMO模式在一二线城市成功验证后，再采购相关方案进行转型。5.2.3 线上与线下场景在时间维度和空间维度的深度联动消除线上线下的边界。线上和线下并非是连接，而是融合，才能使得线上线下相互赋能、深度联动，带来体验上的相互交织，以及提高教学效果。线上与线下的角色视情况而定。不同赛道，或者不同的教学产品，都需要根据自身的特点来确定线上和线下在 OMO 模式中所扮演的角色，而非按照某种固定的标准。线上与线下的深度融合需要两个基础条件：教学资源线上线下共通。教学资源不仅需要做到线上线下匹配， 在教学过程之间也需要无缝转移。教案的设计需要线上线下通用，随时达到自由转换；教师同时具备线上线下能力。教师需要了解线上线下的双向授课模式，学习使用线上授课的各种工具，并达到可以设计线上线下混合教学方案的要求。5.2.4 以数据为驱动实现流程标准化与服务个性化的协调数据融合是 OMO 模式区别于其他模式的关键。OMO 模式不仅是融合线上和线下的学习场景，而是通过数据打通线上和线下从而塑造新的学习场景。同样，数据融合也使得业务流程全面打通，从而提高运营效率。学情数据促进学习体验的个性化。系统将记录学生线上线下学习轨迹，生成个性化学习档案，据此为学生提供针对性的学习方案，包括老师的教学方案以及个性化题库。业务数据打造管理流程的标准化。一方面是教学的标准化，即使学生的学习是个性化的，但是学习的内容及其生成都是基于同一的逻辑和共通的内容库，根据学生的情况进行个性化匹配。另一方面是运营的标准化，从前端投放、转化和获客，到后端服务、留存和续费，所有的环节都将基于标准化的程序。学情数据与业务数据形成个性化与标准化的协调。依托数据，机构内部形成标准化的流程，实现降低成本和提高效率，而机构输出的内容则为学员提供个性化的内容，优化服务体验并提高学习效果。5.3 OMO 模式的未来展望5.3.1 OMO 模式将消解在线教育和线下教育的界限，塑造新的学习场景OMO 模式是教育行业发展的必然趋势。互联网的出现使得人类世界分为现实世界和虚拟世界，但 5G、AI 等新技术的发展将打破虚拟世界与现实世界的界限，世界重新归一。教育行业亦是如此。在线教育的出现使得教育场景分裂成线上和线下两个相互对立的部分，那么教育行业或者持续维持教育场景的分裂，这必然会带来用户体验的降级；或者将分类的场景再度融合为一，重新塑造用户体验，为教育行业带来新的可能性。OMO 模式的终局将是以科技为核心打破线上和线下场景的界限。若无人工智能、大数据等科技的中介，线上和线下的融合只是提供两种学习场景。但科技的介入使得线上和线下的界限消除，学习场景既强交互、重体验，又能突破时空的界限。OMO 模式将使得教育不再分为在线教育和线下教育，形成科技赋能下的新型教育场景。教育行业基本模式的变革。从线下教育到在线教育，再到 OMO 模式，本质上都是场景迁移驱动模式更新。当 OMO 模式成为教育行业的常态后，下一阶段的基本模式将跳出场景迁移的逻辑，转向角色变革（如教师角色的改变）或效果变革（如应试标准的改变）等。5.4 总结5.4.1 OMO 模式转型路在何方？OMO 模式的驱动因素。除疫情因素外，机构所面临的内部风险和外部环境都为 OMO 模式的发展奠定了重要基础。如线下机构规模化发展困难、线上机构获客成本高昂且课堂体验有待加强等因素，使得机构不得不考虑转型，而且如 5G、人工智能和大数据技术的逐渐成熟与商用为 OMO 模式的转型奠定了技术基础，以及政府对于构建线上线下教育常态化融合发展机制的鼓励。OMO 模式的概念和意义。教育行业的 OMO 模式是指以提升教学效果与体验为核心，通过互联网、人工智能和大数据等新技术打通各环节的数据，并深度融合线上与线下的学习场景，实现标准化的流程与个性化的服务。OMO 模式本质上是教育行业利用现代科技的自我变革，与其他行业的互联网转型不同的是，教育 OMO 模式更强调全场景的融合。OMO 模式将深刻影响机构的业务流程，并提高学习效果。OMO 模式的发展现状。当前 OMO 模式可以分为 Pre-OMO 模式和 OMO1.0 模式，整体 OMO 模式还处于初步阶段，还未有真正意义上的 OMO 模式。Pre-OMO 模式或者实现了部分流程的线上线下融合，或者既有线上场景又有线下场景，因此还算不上 OMO 模式。OMO 1.0 模式在教学环节已实现线上和线下的融合，比如双师课堂或者智能系统对教学的赋能，但是还没有打通教育行业的全流程，以及深度融合线上和线下。OMO 模式的未来发展。OMO 模式是教育行业近十年的主流趋势，机构要选择的并非是是否转型 OMO 模式，而是如何转型 OMO 模式。OMO 模式将从在线化到数据化再到智能化，最终实现消解线上线下学习场景的边界，形成以科技驱动的新的学习场景。