近日,国内知名的医学类综合教育机构、数据驱动的教育科技集团金英杰医学与诸葛智能再度签约,促进、拓宽、深化双方再次合作。
金英杰医学,成立于2006年,是国内知名的医学类综合教育机构,历经十余年的发展,已成为集线上、线下、图书为一体的综合性医学服务机构及国内知名的医学高端品牌,致力于建立完整的医学服务产业链。
金英杰坚持?“学员至上”的理念,始终把?“产品驱动、服务驱动、营销驱动、数据驱动”作为发展的宗旨。早在2019年,金英杰就选择了在教育行业经验丰富且行业解决方案成熟的诸葛智能合作,以数据为根基打通线上线下业务,实现更精细化运营。
如今诸葛公司已完成品牌的全面升级,升级为新一代敏捷开放的数据智能服务商“诸葛智能”,诸葛io作为旗下主要产品,7年来始终专注用户行为数据的采集与分析,通过数据科技与技术助力企业及组织实现数字化升级。
与金英杰既是业务合作关系,也是伙伴关系,基于对诸葛io产品的信任和支持,以及双方多年来良好的合作历程,希望通过此次签约,有力推动双方全方位、深层次合作,最终实现优势互补、互利共赢。
数据驱动产品不断迭代
教培行业,产品为王。产品展现的是背后研发的深度与实力。金英杰认为,产品是第一驱动力,所以一直把提供优质的产品作为发展的根本。
借助诸葛io的版本分析可以清楚的看到每个版本的日均新增、日均活跃和留存的用户数据情况,对比分析使用各版本在关键节点的转化效果,包括每个产品版本之间的用户迁移情况。通过这些数据的洞察和分析,可以帮助团队去了解哪个版本更加受欢迎,新的版本还需要如何去改进。同时结合粘性分析,可以查看产品功能对用户的吸引力如何。
数据实现隔空学员调研
从事医学服务的金英杰,始终把强化产品服务、开发服务体系作为保持核心竞争力的重要驱动。
如果产品经理不了解用户,那就无法做出用户喜爱的产品,金英学能够得到学员的喜爱离不开金英学产品团队对用户需求的把握和对用户详细的调研了解。在与诸葛io的沟通中,金英学希望可以通过诸葛io直观的去观察、研究用户的产品体验过程,从而分析影响用户关键转化的因素、分析用户退出路径。
(图:诸葛io demo数据)
通过诸葛io的用户分群功能,可以将同一时期的留存和流失用户分群。在事件分析中通过对比流失和留存用户的行为最大差异,识别影响用户留存的关键事件。接下来,再针对该事件将用户分群,对比不同用户群的留存差异,最终就可以找到影响留存的关键因素。
(图:诸葛io demo数据)
数据有效衡量实现精细化运营
金英杰拥有行业领先的云教育服务平台,包括PC端官网、移动端官网、APP、直播学院和金题库,借助诸葛io,通过领先的UTSE模型将数据的采集范围扩大到整个用户生命周期,清晰的识别出用户在多个设备上访问或同一个设备有多个用户使用的场景。以用户为核心,真实还原用户在每一个触点/设备的每次会话,记录每次微小事件的场景。
诸葛io的多种用户分析模型、海量自定义事件等功能,助力金英杰精细到以人为单位的粒度属性,对金英杰学员体验进行闭环式、串接式的数据分析、追踪,有效衡量教师授课行为和学员学习行为,呈现出?“到课率、完课率、做题正确率、等全流程数据,实现教学效果可视化,更好的为学员提供智能化、个性化的学习支持与教辅服务。
(图:诸葛io demo数据)
金英杰始终坚持?“学员至上”的理念,与诸葛智能秉持“以客户为中心”理念不谋而合,以此次签约为契机,借助诸葛io近些年在数据驱动、在线教育领域的不断深入探索,未来,希望与金英杰在产品驱动、营销驱动、数据驱动等领域在过往长期友好合作的基础上,抓住机遇,拥抱变化,携手共进。
好文章,需要你的鼓励
帕洛阿尔托创业公司Catio在VentureBeat Transform 2025大会上获得"最酷技术"奖。该公司成立于2023年,已筹集700万美元资金。Catio推出的AI技术架构副驾驶将架构重新定义为可编码、可内省和智能演进的活体系统。通过结合实时架构地图和多智能体AI组织,帮助工程团队从被动决策转向持续主动的架构优化,为CTO和架构师提供数据驱动的架构决策支持。
国立台湾大学等机构开发的MuseControlLite技术实现了音乐AI的重大突破。该系统仅用8500万参数就达到61.1%的旋律控制精度,比现有方法减少6.75倍参数量却性能更优。通过创新的位置编码和解耦交叉注意力机制,系统能同时处理文字、音乐属性和音频信号的多重控制,支持音乐生成、修复和风格迁移等功能,为音乐创作民主化开辟新道路。
谷歌在ISTE教育技术大会上发布超过30款AI教育工具,包括专为教育打造的Gemini应用、协作视频制作工具Google Vids扩展访问权限等。教师可利用AI技术进行头脑风暴、生成教案、个性化学习内容,还能创建定制版Gemini"助手"为学生提供额外支持。新工具还包括AI阅读伙伴、学习进度追踪、Chrome设备管理等功能,旨在通过"负责任的AI"推动个性化学习体验。
马里兰大学研究团队在70亿参数的OLMoE模型中首次发现了真实大型语言模型的"Grokking"现象,即AI在训练误差稳定后仍能实现智能突破。他们开发了基于混合专家模型思维路径分析的新方法,能够在无需外部测试的情况下准确预测AI的泛化能力,为AI开发和评估提供了革命性的实时监控工具。