
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
新加坡人工智能机构与阿里云发布全新大语言模型Qwen-Sea-Lion-v4,专门针对东南亚语言和文化特色进行优化。该模型结合阿里云Qwen3-32B基础模型和大量东南亚地区数据集,在东南亚语言模型评估榜单中位居开源模型首位。模型支持119种语言,能在32GB内存的消费级笔记本上运行,采用字节对编码技术更好处理非拉丁文字,并具备3.2万词元上下文长度,可执行文档级推理和摘要任务。
这项由CMU与亚马逊AGI联合完成的研究揭示了当前AI系统的重大缺陷:即使最先进的模型也不知道何时该说"我不知道"。研究团队开发的RefusalBench评估系统通过176种语言操作技巧动态生成测试案例,发现顶级AI在多文档任务中的拒绝准确率低于50%。这项研究不仅提供了标准化测试工具,更为构建诚实可靠的AI系统指明了方向。
AI智能体是下一代业务自动化工具,不仅能对话交流,还能执行复杂任务。与ChatGPT聊天机器人不同,它们可在最少人工干预下规划并完成工作。文章介绍了五个高影响力应用:自动化客户服务解决方案、销售CRM管理、合规自动化、招聘筛选与排程、市场情报报告。这些应用都具有重复性工作流程、依赖结构化数据、遵循可预测规则等特点,能够释放员工宝贵时间用于更有价值的工作。
这项由中国人民大学联合腾讯开发的LaSeR技术,发现了AI在生成答案最后一刻会无意中透露对答案质量的评估。通过观察这个"最后一词效应",研究人员开发出了一种让AI高效进行自我评估的方法,在几乎不增加计算成本的情况下,大幅提升了AI的自我验证能力,为构建更可信的AI系统开辟了新路径。