114网址导航你的浏览器禁用了JavaScript, 请开启后刷新浏览器获得更好的体验!
时长：6分钟发布日期： 16:14
Swift_EaseUI集成参考视频
你的问题可能已经有***
问题补充 (选填):
回复了问题 o 2 人关注 o 50 次浏览 o
o 来自相关话题
发起了问题 o 1 人关注 o 41 次浏览 o
o 来自相关话题
发表了文章 o 27 次浏览 o
o 来自相关话题
_OBJC_CLASS_$_CMMotionManager
解决方法：直接去Linked Frameworks and Libraries 导入 CoreMotion.framework文件即可：
（2）报错:ChatDemoHelper.m文件中 TTAlertNoTitle is invalid in C99
解决方法：直接在ChatDemoHelper.m文件中导入两个文件即可：
#include &sys/types.h&
#include &sys/sysctl.h&
真的是很蛋疼的两个报错。。。
_OBJC_CLASS_$_CMMotionManager
解决方法：直接去Linked Frameworks and Libraries 导入 CoreMotion.framework文件即可：
（2）报错:ChatDemoHelper.m文件中 TTAlertNoTitle is invalid in C99
解决方法：直接在ChatDemoHelper.m文件中导入两个文件即可：
#include &sys/types.h&
#include &sys/sysctl.h&
真的是很蛋疼的两个报错。。。
回复了问题 o 2 人关注 o 63 次浏览 o
o 来自相关话题
回复了问题 o 2 人关注 o 232 次浏览 o
o 来自相关话题
发表了文章 o 40 次浏览 o
o 来自相关话题
本系列文章希望通过Image Caption Generation，一个有意思的具体任务，来介绍深度学习的知识，涉及到很多深度学习流行的模型，如CNN，RNN/LSTM，Attention等。本文为第一篇。
作者李理，目前就职于环信，即时通讯云平台和全媒体智能***平台，在环信从事智能***和智能机器人相关工作，致力于用深度学习来提高智能机器人的性能。
0. 前面的话
建丁让我写一篇深度学习相关小文章，目标读者是国内的开发者。刚接到这个任务时我是颇为忐忑的，写文章要讲究厚积薄发，如果“水之积也不厚”，“则其负大舟也无力”。因为我自知水平很有限，又不是在学校和科研机构做研究，只不过因为工作和个人的兴趣，对深度学习有一点点粗浅的了解，所以担心写出来的东西不但于人无益，甚至还让人误入歧途。但后来又一想，如果把自己作为一个深度学习的学习者，和对它感兴趣的普通开发者分享一些学习的经历，包括学习过程中遇到的问题，可能也是有一些意义的。毕竟读论文或者听学术大牛的讲座只能看到“成功”的经验，而且大部分开发者相对来说没有太多的背景知识，而很多圈内的人都是假设读者拥有这些知识的。但是对于普通的开发者来说，很多基础知识比如线性代数和微积分在上完大学后估计就还给老师了，因此可能理解起来难度更大。而从另外一个角度来说，工程师（开发者）和科学家（科研工作者）关注的点也是不一样的。科学家更关注理论的东西，比如一个模型是怎么提出来的，为什么要这么设计模型，这样的模型怎么转化成一个优化问题。而工程师则更关注这个东西能够做什么，具体这个优化问题怎么求解更高效。学术界每年有大量的论文发表，大量的idea被提出，其中有好有坏，有的工作可能看起来理论很漂亮，但实际应用起来很难；有些工作可能不被太多人关注，但却是某些工业界非常需要的。
另外从人工智能的发展来说，我个人觉得在传统行业的普及也是非常重要的。现在很多人工智能创业公司，很多想用人工智能创造一个全新的产品，比如早期类似Siri的语音助手到现在火热的机器人。但我个人觉得目前的人工智能的水平还很难做出达到用户预期的产品，尤其是很多初创公司吹牛吹得有些过分，导致用户期望过高，而真正使用产品后则形成巨大的反差。我觉得目前阶段人工智能更大的用处是提升现有系统，用我自己的话来说就是目前的人工智能只是锦上添花而不是雪中送碳。也就是说光靠人工智能是不能吸引用户来购买你的产品的。
比如现在国外很火的Amazon的智能音箱产品Echo，如果我不想买一个音箱，估计你很难这样说服我购买Echo----我们的Echo有非常智能的语音交互功能，可以问天气，可以设置闹钟，可以Uber打车，可以控制家里的智能冰箱。但是如果我想购买一个音箱，现在面临两个选择：一个是传统的音箱，另一个是Echo。那么你对我说Echo有多么牛逼的智能可能会打动我，反正也差不了多少钱，能有这么多听起来很酷炫的功能也挺不错的。
由于Echo的成功，国内很多人也想“山寨”一个类似的产品，不过可能很多人忽略了美国和中国的一些细小差异，那就是音箱似乎不是大城市居民的必备品。就我个人的朋友圈来说，每个家庭肯定都有个电视，但是有音箱寥寥无几。为什么会这样呢，因为中国的大城市居民大都是住楼房，很多老破小隔音效果都很差，你整个音箱弄家里还没high两分钟，估计邻居就该敲门了。倒是耳机，?丝们挤公交地铁时的必备利器，也许会更好卖。
说了这么多，想表达的就是目前人工智能应该更多的提高现有产品。比如提到Google，大家可能会想到它收购的Deepmind的AlphaGo，但是我们可能没有意识到日常使用的很多产品中都使用了深度学习。比如搜索引擎的排序，邮件的智能回复生成，都大量使用了深度学习。而AlphaGo的作用则更多的是一种市场PR，一种宣传作用，让大家知道人工智能目前的一些进展，而现在AlphaGo团队则是想将其技术用到医疗行业帮助医生诊断疾病。
也就是说人工智能在未来也许就像计算机，互联网，云计算一样是一个非常基础的设施，在任何需要用机器来替代或者减少人力的场景都是有用武之地的。目前不论是国内还是国外，人工智能的人才都是非常稀缺的，而且都是集中在少数学校的实验室和大公司的研究院里。因此向普通开发者传播相关的知识就显得尤为重要。基于这样的考虑，虽然自己的能力不够，但还是愿意把自己学习的一些经验和问题向大家分享。
1. 为什么分享Image Caption Generation这个话题？
这篇小文章并没有限定什么范围，只要是深度学习相关的就行。这反倒让人烦恼，就和人生一样，选择太多了也是一种烦恼。因为最近工作有空之余正在学习斯坦福的课程CS231N，Convolutional Neural Networks for Visual Recognition。这个课程非常好，除了详尽的slides和notes，最值得一提的就是它的作业。每个作业包含完整的模型，比如CNN、LSTM，所有的模型的代码都只是用最简单的python代码实现，而不是用现成的库比如TensorFlow/Theano/Caffe。纸上得来终觉浅，绝知此事要躬行。很多理论，光听课看slides，似乎觉得自己懂了，其实还是一知半解，真正要掌握，就得自己动手，最好是全部自己实现。但是全部自己实现需要花的时间太多，而且从实际工作的角度来说，大部分开发者肯定都是用TensorFlow这样的工具。而这个课程的好处就是：把一些琐碎的与核心代码不相关的部分包括学习的框架都已经实现了，然后用IPython notebook把关键的代码的函数的输入和输出都描述的非常清楚，学习者只需要实现一个一个这样的函数就行了，而且每个函数都会有类似单元测试的检测代码正确性的数据，从而保证我们的每一步都是在朝着正确的方向前进。
因此这篇小文章打算讲一讲其中的Assignment3的Image Caption Generation部分。目的是想通过一个具体的任务来给大家介绍深度学习的一些知识，让大家对深度学习有一些概念和兴趣。选择Image Caption Generation的原因，一来这个任务挺有意思的；第二就是它涉及到很多深度学习流行的模型如CNN，RNN/LSTM，Attention。
首先来介绍一下什么叫做Image Caption Generation。
对于计算机视觉相关的任务，图片分类和定位大家可能比较熟悉。图片分类就是给定一张图片，让计算机告诉我们它是一只猫还是一只狗；而图片定位除了告诉我们这是一张狗的图片，还需要用用一个矩形框把狗的位置标识出来。当然还有要求更高的Image Segmentation，需要告诉我们哪一些像素属于狗，而另外一些属于背景。
图1就是这些任务的例子：
图1：常见机器视觉任务 图片来自 http://cs231n.stanford.edu/slides/winter1516_lecture8.pdf
而Image Caption Generation任务是给定一张图片，需要让计算机用一句话来描述这张图片。
如图2所示：
图2：Caption Generation任务示例 图片来自 http://mscoco.org/dataset/#captions-challenge2015
从实际的应用来说，这个任务也是很有用处的。比如一个手机拍完照片之后，我们可以用这个方法生成一句话来描述这个图片，方便分享和以后查找。
而从理论研究的角度来说，Caption Generation相对于之前的task来说需要更加深入“理解”图片中物体之间的关系，甚至包括一些抽象的概念。它把一幅信息量极大的图片压缩成短短一句话。
我是做自然语言处理(NLP)相关工作的，之前对计算机视觉有一些错误的看法。认为视觉信号是更底层和原始的信号，除了人类，动物也有很强的视觉能力，也能分辨不同物体。而语言是人类创造的符号系统，属于更高层的抽象，因而属于更高级的人工智能问题，似乎不少人会有类似的观点。
但是现在我有了一些不同的看法，人类的大脑并没有什么特殊之处。一个小孩在一岁之前一般不会说话，他认识世界的主要方式就是主要通过视觉系统来区分物体，也许和神经网络类似，通过复杂的神经元的连接来“理解”世界。这些不同层次的网络就是不同层次的特征，就像神经网络的“黑盒”，我们自己也很难用精确的语言描述我们大脑到底学习到了什么样的特征。而且很可能每个人学到的特征，尤其是底层的特征都是不相同的。
比如下图的一个汽车，最底层的特征可能是不同方向的线条，而中间层的特征可能是各种基本的形状，而更上层的特征就是车轮这样的更上层概念。
图片来自 http://cs231n.stanford.edu/sli ... 7.pdf
一个复杂的概念由一些简单的概念组合而成，而简单的概念可能由最基本的原子概念组合而成。语言就是对这些概念的描述，或者说就是一个标签，一种命名。但是语言有一个特点就是它是用来沟通和交流的，所以语言的使用者需要达成一定程度的共识。那怎么达成共识呢，比如我们在教小孩语言时是怎么与他达成共识的呢？比如一个桌子，我们通过手指这一个条狗狗，反复对小孩说“狗狗”这个词（其实是声音，为了简化，我们暂且当成文字），这样我们就和小孩达成了共识，“狗狗”就是指这样一个动物，然后又指着另外一条狗狗，也说“狗狗”，小孩就学到这一“类”物体都是狗狗。所以他需要调整他的神经元连接，使得那些符合某种特征的物体都被识别成狗狗。至于具体这个识别狗狗的神经网络的参数是什么样的，我们很难知道，也许刚开始他需要分类的物体很少，比如只有“爸爸”，“妈妈”和“狗狗”，那么它可能需要不是那么“本质”的特征来区分，比如他可能认为四条腿走的是“狗狗”，两条腿直立行走的就是“爸爸”和“妈妈”。当随着需要识别的类别的增多，比如有了“猫猫”，那他一上来可能认为也是“狗狗”，但父母告诉他分类错误，这不是“狗狗”而是“猫猫”。那么他可能需要别的特征来区分猫猫和狗狗，也许他学到的是：四条腿走并且嘴很长的是狗狗，而四条腿圆脸的是猫猫。
那为了能够区分猫猫和狗狗，小孩的中层的特征可能需要抽取类似“脸”的特征，或者说概念。我们也会告诉他这是狗狗的脸，这是猫猫的脸，这是爸爸的脸。这样他需要学习出脸的共性的特征。
从上面的过程我们可以发现，概念本身只是一种“特征”的指代，是我们的感觉系统（视觉）对一个物体的反应。而语言是一部分相似的生物对同一个/类物体达成共识的一种指代。但每个人的感觉系统和神经网络结构都是不一样的，所以也只能在非常粗糙的程度达成比较一致的共识，而在非常精细的概念层次是很难达成广泛共识的。因此我们会把周围的人打上各种标签，分成各种类别，由此各种概念也就产生----肤色，语言，宗教，性别，阶级。每个人也只能和同一个标签的人在某个方面达成共识，所以要找到一个完全“了解”自己的人是如此之难，而不同的物种的共识可能就更难了。所以就像《庄子?齐物论》里说的“毛嫱、丽姬，人之所美也；鱼见之深入，鸟见之高飞，麋鹿见之决骤。四者孰知天下之正色哉？自我观之，仁义之端，是非之涂，樊然?乱，吾恶能知其辩！”毛嫱、丽姬是我们人类眼中的美，但是在鱼和雁看来只是可怕的敌人。可笑的是自恋的人类却还要曲解庄子的愿意，认为它们是因为惊异于她们的美丽才沉鱼落雁闭月羞花的。不说动物，即使是人类而言，美也是很难达成共识的，那些黑人国家的美女，我们中国人是很少会认为她们是美女的。
因此从这个意义上来说，语言也许并没有我们想像中的那么高大上。 就目前人工智能或者深度学习的水平来说，也许研究小孩在建立复杂概念之前的行为更有用处。
本系列文章希望通过Image Caption Generation，一个有意思的具体任务，来介绍深度学习的知识，涉及到很多深度学习流行的模型，如CNN，RNN/LSTM，Attention等。本文为第一篇。
作者李理，目前就职于环信，即时通讯云平台和全媒体智能***平台，在环信从事智能***和智能机器人相关工作，致力于用深度学习来提高智能机器人的性能。
0. 前面的话
建丁让我写一篇深度学习相关小文章，目标读者是国内的开发者。刚接到这个任务时我是颇为忐忑的，写文章要讲究厚积薄发，如果“水之积也不厚”，“则其负大舟也无力”。因为我自知水平很有限，又不是在学校和科研机构做研究，只不过因为工作和个人的兴趣，对深度学习有一点点粗浅的了解，所以担心写出来的东西不但于人无益，甚至还让人误入歧途。但后来又一想，如果把自己作为一个深度学习的学习者，和对它感兴趣的普通开发者分享一些学习的经历，包括学习过程中遇到的问题，可能也是有一些意义的。毕竟读论文或者听学术大牛的讲座只能看到“成功”的经验，而且大部分开发者相对来说没有太多的背景知识，而很多圈内的人都是假设读者拥有这些知识的。但是对于普通的开发者来说，很多基础知识比如线性代数和微积分在上完大学后估计就还给老师了，因此可能理解起来难度更大。而从另外一个角度来说，工程师（开发者）和科学家（科研工作者）关注的点也是不一样的。科学家更关注理论的东西，比如一个模型是怎么提出来的，为什么要这么设计模型，这样的模型怎么转化成一个优化问题。而工程师则更关注这个东西能够做什么，具体这个优化问题怎么求解更高效。学术界每年有大量的论文发表，大量的idea被提出，其中有好有坏，有的工作可能看起来理论很漂亮，但实际应用起来很难；有些工作可能不被太多人关注，但却是某些工业界非常需要的。
另外从人工智能的发展来说，我个人觉得在传统行业的普及也是非常重要的。现在很多人工智能创业公司，很多想用人工智能创造一个全新的产品，比如早期类似Siri的语音助手到现在火热的机器人。但我个人觉得目前的人工智能的水平还很难做出达到用户预期的产品，尤其是很多初创公司吹牛吹得有些过分，导致用户期望过高，而真正使用产品后则形成巨大的反差。我觉得目前阶段人工智能更大的用处是提升现有系统，用我自己的话来说就是目前的人工智能只是锦上添花而不是雪中送碳。也就是说光靠人工智能是不能吸引用户来购买你的产品的。
比如现在国外很火的Amazon的智能音箱产品Echo，如果我不想买一个音箱，估计你很难这样说服我购买Echo----我们的Echo有非常智能的语音交互功能，可以问天气，可以设置闹钟，可以Uber打车，可以控制家里的智能冰箱。但是如果我想购买一个音箱，现在面临两个选择：一个是传统的音箱，另一个是Echo。那么你对我说Echo有多么牛逼的智能可能会打动我，反正也差不了多少钱，能有这么多听起来很酷炫的功能也挺不错的。
由于Echo的成功，国内很多人也想“山寨”一个类似的产品，不过可能很多人忽略了美国和中国的一些细小差异，那就是音箱似乎不是大城市居民的必备品。就我个人的朋友圈来说，每个家庭肯定都有个电视，但是有音箱寥寥无几。为什么会这样呢，因为中国的大城市居民大都是住楼房，很多老破小隔音效果都很差，你整个音箱弄家里还没high两分钟，估计邻居就该敲门了。倒是耳机，?丝们挤公交地铁时的必备利器，也许会更好卖。
说了这么多，想表达的就是目前人工智能应该更多的提高现有产品。比如提到Google，大家可能会想到它收购的Deepmind的AlphaGo，但是我们可能没有意识到日常使用的很多产品中都使用了深度学习。比如搜索引擎的排序，邮件的智能回复生成，都大量使用了深度学习。而AlphaGo的作用则更多的是一种市场PR，一种宣传作用，让大家知道人工智能目前的一些进展，而现在AlphaGo团队则是想将其技术用到医疗行业帮助医生诊断疾病。
也就是说人工智能在未来也许就像计算机，互联网，云计算一样是一个非常基础的设施，在任何需要用机器来替代或者减少人力的场景都是有用武之地的。目前不论是国内还是国外，人工智能的人才都是非常稀缺的，而且都是集中在少数学校的实验室和大公司的研究院里。因此向普通开发者传播相关的知识就显得尤为重要。基于这样的考虑，虽然自己的能力不够，但还是愿意把自己学习的一些经验和问题向大家分享。
1. 为什么分享Image Caption Generation这个话题？
这篇小文章并没有限定什么范围，只要是深度学习相关的就行。这反倒让人烦恼，就和人生一样，选择太多了也是一种烦恼。因为最近工作有空之余正在学习斯坦福的课程CS231N，Convolutional Neural Networks for Visual Recognition。这个课程非常好，除了详尽的slides和notes，最值得一提的就是它的作业。每个作业包含完整的模型，比如CNN、LSTM，所有的模型的代码都只是用最简单的python代码实现，而不是用现成的库比如TensorFlow/Theano/Caffe。纸上得来终觉浅，绝知此事要躬行。很多理论，光听课看slides，似乎觉得自己懂了，其实还是一知半解，真正要掌握，就得自己动手，最好是全部自己实现。但是全部自己实现需要花的时间太多，而且从实际工作的角度来说，大部分开发者肯定都是用TensorFlow这样的工具。而这个课程的好处就是：把一些琐碎的与核心代码不相关的部分包括学习的框架都已经实现了，然后用IPython notebook把关键的代码的函数的输入和输出都描述的非常清楚，学习者只需要实现一个一个这样的函数就行了，而且每个函数都会有类似单元测试的检测代码正确性的数据，从而保证我们的每一步都是在朝着正确的方向前进。
因此这篇小文章打算讲一讲其中的Assignment3的Image Caption Generation部分。目的是想通过一个具体的任务来给大家介绍深度学习的一些知识，让大家对深度学习有一些概念和兴趣。选择Image Caption Generation的原因，一来这个任务挺有意思的；第二就是它涉及到很多深度学习流行的模型如CNN，RNN/LSTM，Attention。
首先来介绍一下什么叫做Image Caption Generation。
对于计算机视觉相关的任务，图片分类和定位大家可能比较熟悉。图片分类就是给定一张图片，让计算机告诉我们它是一只猫还是一只狗；而图片定位除了告诉我们这是一张狗的图片，还需要用用一个矩形框把狗的位置标识出来。当然还有要求更高的Image Segmentation，需要告诉我们哪一些像素属于狗，而另外一些属于背景。
图1就是这些任务的例子：
图1：常见机器视觉任务 图片来自
而Image Caption Generation任务是给定一张图片，需要让计算机用一句话来描述这张图片。
如图2所示：
图2：Caption Generation任务示例 图片来自
从实际的应用来说，这个任务也是很有用处的。比如一个手机拍完照片之后，我们可以用这个方法生成一句话来描述这个图片，方便分享和以后查找。
而从理论研究的角度来说，Caption Generation相对于之前的task来说需要更加深入“理解”图片中物体之间的关系，甚至包括一些抽象的概念。它把一幅信息量极大的图片压缩成短短一句话。
我是做自然语言处理(NLP)相关工作的，之前对计算机视觉有一些错误的看法。认为视觉信号是更底层和原始的信号，除了人类，动物也有很强的视觉能力，也能分辨不同物体。而语言是人类创造的符号系统，属于更高层的抽象，因而属于更高级的人工智能问题，似乎不少人会有类似的观点。
但是现在我有了一些不同的看法，人类的大脑并没有什么特殊之处。一个小孩在一岁之前一般不会说话，他认识世界的主要方式就是主要通过视觉系统来区分物体，也许和神经网络类似，通过复杂的神经元的连接来“理解”世界。这些不同层次的网络就是不同层次的特征，就像神经网络的“黑盒”，我们自己也很难用精确的语言描述我们大脑到底学习到了什么样的特征。而且很可能每个人学到的特征，尤其是底层的特征都是不相同的。
比如下图的一个汽车，最底层的特征可能是不同方向的线条，而中间层的特征可能是各种基本的形状，而更上层的特征就是车轮这样的更上层概念。
一个复杂的概念由一些简单的概念组合而成，而简单的概念可能由最基本的原子概念组合而成。语言就是对这些概念的描述，或者说就是一个标签，一种命名。但是语言有一个特点就是它是用来沟通和交流的，所以语言的使用者需要达成一定程度的共识。那怎么达成共识呢，比如我们在教小孩语言时是怎么与他达成共识的呢？比如一个桌子，我们通过手指这一个条狗狗，反复对小孩说“狗狗”这个词（其实是声音，为了简化，我们暂且当成文字），这样我们就和小孩达成了共识，“狗狗”就是指这样一个动物，然后又指着另外一条狗狗，也说“狗狗”，小孩就学到这一“类”物体都是狗狗。所以他需要调整他的神经元连接，使得那些符合某种特征的物体都被识别成狗狗。至于具体这个识别狗狗的神经网络的参数是什么样的，我们很难知道，也许刚开始他需要分类的物体很少，比如只有“爸爸”，“妈妈”和“狗狗”，那么它可能需要不是那么“本质”的特征来区分，比如他可能认为四条腿走的是“狗狗”，两条腿直立行走的就是“爸爸”和“妈妈”。当随着需要识别的类别的增多，比如有了“猫猫”，那他一上来可能认为也是“狗狗”，但父母告诉他分类错误，这不是“狗狗”而是“猫猫”。那么他可能需要别的特征来区分猫猫和狗狗，也许他学到的是：四条腿走并且嘴很长的是狗狗，而四条腿圆脸的是猫猫。
那为了能够区分猫猫和狗狗，小孩的中层的特征可能需要抽取类似“脸”的特征，或者说概念。我们也会告诉他这是狗狗的脸，这是猫猫的脸，这是爸爸的脸。这样他需要学习出脸的共性的特征。
从上面的过程我们可以发现，概念本身只是一种“特征”的指代，是我们的感觉系统（视觉）对一个物体的反应。而语言是一部分相似的生物对同一个/类物体达成共识的一种指代。但每个人的感觉系统和神经网络结构都是不一样的，所以也只能在非常粗糙的程度达成比较一致的共识，而在非常精细的概念层次是很难达成广泛共识的。因此我们会把周围的人打上各种标签，分成各种类别，由此各种概念也就产生----肤色，语言，宗教，性别，阶级。每个人也只能和同一个标签的人在某个方面达成共识，所以要找到一个完全“了解”自己的人是如此之难，而不同的物种的共识可能就更难了。所以就像《庄子?齐物论》里说的“毛嫱、丽姬，人之所美也；鱼见之深入，鸟见之高飞，麋鹿见之决骤。四者孰知天下之正色哉？自我观之，仁义之端，是非之涂，樊然?乱，吾恶能知其辩！”毛嫱、丽姬是我们人类眼中的美，但是在鱼和雁看来只是可怕的敌人。可笑的是自恋的人类却还要曲解庄子的愿意，认为它们是因为惊异于她们的美丽才沉鱼落雁闭月羞花的。不说动物，即使是人类而言，美也是很难达成共识的，那些黑人国家的美女，我们中国人是很少会认为她们是美女的。
因此从这个意义上来说，语言也许并没有我们想像中的那么高大上。 就目前人工智能或者深度学习的水平来说，也许研究小孩在建立复杂概念之前的行为更有用处。
回复了问题 o 1 人关注 o 56 次浏览 o
o 来自相关话题
回复了问题 o 2 人关注 o 97 次浏览 o
o 来自相关话题
回复了问题 o 2 人关注 o 91 次浏览 o
o 来自相关话题
回复了问题 o 2 人关注 o 158 次浏览 o
o 来自相关话题
发表了文章 o 106 次浏览 o
o 来自相关话题
今天正好项目需要需要集成***系统，就把环信的集成了上去。这边文章写给小白的童鞋啦，大神勿喷。
首先在开始我的文章之前，我推荐大家把官方的文档好好阅读一下。
/cs/300visitoraccess/10nativeapp
首先，我假设童鞋们都阅读了官方给的文档，那就让我们开始愉快的集成***系统吧。
1.首先下载环信的商城DEMO
/easemob/helpdeskdemo-ios
下载之后运行发现=我拉个擦=运行不了0.0 相信了解git的同学都知道该怎么做。不了解的话听我慢慢说不要急。
首先环信的移动***是基于环信的IM完成的，相信看了上面文档的童鞋都能理解这一点，对于环信的IM有一些静态库.a文件都在环信的的童鞋的gitignore中过滤掉了。只要我们我们重新下载环信IM的库，将缺少的.a静态库文件加上去就可以运行了。
.gitignore 是git的过滤文件 可以过滤掉我们不想推送的git仓库的一个配置文件。 github上有一个规范/github/gitignore 可以在这个的基础之上来添加我们的需求。
2运行环信***demo
到这一步童鞋们应该都能运行了环信的demo了，按照上面的文档童鞋的IM账号也弄好了，首先让我们来体验一下吧。
新注册的环信的移动***都和 环信的商城demo 关联上了，我们打开管理员模式-》app-&看到一个体验关联
之后把我们下载的demo的
之后我们把IM服务号搞成后台给的号码，就可以愉快的和后台聊天的哇。
如果这一步没有问题，就说明我们后台的配置是没有问题的。这时候就就可以之正式该我们的代码了
3.添加APP关联
我们根据文档提示新加一个app关联，（修改默认的体验关联 是会失败的，一定要新建之后找到我们商城demo
把对应的这几个文件夹和文件拷贝过来，并在我们自己的项目里面集成IM的库。
首先打开appDelegate的类目文件
修改推送***的名称
之后打开localDefine
上面的的是appkey
下面的是关联的IM服务号
之后拷贝过来的Localizable.strings 文件需要添加中文对应
在这里添加就ok.
最后让我们来看看我们的成果。
有木有很兴奋！
=======后续会更新其他细节操作，让童鞋们少走一点弯路
今天正好项目需要需要集成***系统，就把环信的集成了上去。这边文章写给小白的童鞋啦，大神勿喷。
首先在开始我的文章之前，我推荐大家把官方的文档好好阅读一下。
首先，我假设童鞋们都阅读了官方给的文档，那就让我们开始愉快的集成***系统吧。
1.首先下载环信的商城DEMO
下载之后运行发现=我拉个擦=运行不了0.0 相信了解git的同学都知道该怎么做。不了解的话听我慢慢说不要急。
首先环信的移动***是基于环信的IM完成的，相信看了上面文档的童鞋都能理解这一点，对于环信的IM有一些静态库.a文件都在环信的的童鞋的gitignore中过滤掉了。只要我们我们重新下载环信IM的库，将缺少的.a静态库文件加上去就可以运行了。
.gitignore 是git的过滤文件 可以过滤掉我们不想推送的git仓库的一个配置文件。 github上有一个规范 可以在这个的基础之上来添加我们的需求。
2运行环信***demo
到这一步童鞋们应该都能运行了环信的demo了，按照上面的文档童鞋的IM账号也弄好了，首先让我们来体验一下吧。
新注册的环信的移动***都和 环信的商城demo 关联上了，我们打开管理员模式-》app-&看到一个体验关联
之后把我们下载的demo的
之后我们把IM服务号搞成后台给的号码，就可以愉快的和后台聊天的哇。
如果这一步没有问题，就说明我们后台的配置是没有问题的。这时候就就可以之正式该我们的代码了
3.添加APP关联
我们根据文档提示新加一个app关联，（修改默认的体验关联 是会失败的，一定要新建之后找到我们商城demo
把对应的这几个文件夹和文件拷贝过来，并在我们自己的项目里面集成IM的库。
首先打开appDelegate的类目文件
修改推送***的名称
之后打开localDefine
上面的的是appkey
下面的是关联的IM服务号
之后拷贝过来的Localizable.strings 文件需要添加中文对应
在这里添加就ok.
最后让我们来看看我们的成果。
有木有很兴奋！
=======后续会更新其他细节操作，让童鞋们少走一点弯路
发表了文章 o 64 次浏览 o
o 来自相关话题
我今天分享的主题是Beyond IM Cloud，会讲讲IM Cloud本身和未来的思考。
广义的云通讯涉及的三个领域
我们认为在云通讯领域基本上会涉及三个方面：
第一个是在电信领域
其中包括了短信、彩信、***：
短信、彩信分为C2C和B2C部分。C2C是指个人到个人的短信，B2C是企业到个人的短信。企业到个人的短信包括了短信验证码、短信通知等一些营销类的短信。 ***的C2C大家都知道，B2C包括语音验证、呼叫中心、***回拨、***会议以及语音通知。
第二个是互联网IP领域
环信所处的行业叫即时通讯云，云通讯和即时通讯云有一点差别，我们认为即时通讯云在大的云通讯范畴。在互联网IP领域又分为了单向的通讯和双向的通讯，单向的更多的是推送领域，双向是在即时通讯云领域。
第三个是跨电信与互联网领域
云通讯市场的现状
1、电信领域中C2C业务下滑，B2C业务暴涨
C2C个人到个人的短信、***业务在下滑，但是这两年发现B2C的业务，企业到个人的短信和***业务暴涨。我看到一个数据，每年中国短信的量是在七千个亿，之前企业占了很小一部分，到了2016年一半以上都是企业到个人的业务。
2、桌面时代的邮件验证在移动时代已不适应，短信验证、语音验证异军凸起
企业的付费比率在增长，在中国是个百亿级的市场。Twilio更是加速了市场的发展。
3、新兴市场：IP领域的即时通讯(IM)云
之前是没有云+即时通讯这个市场，环信2014年创造这个概念之后，随着两年的发展，基本上市场格局初定，但是市场的前景还需要去验证。现在市场当中的几个玩家，特别是中国的玩家跑在前面的都在跑马圈地，其实圈地之后的商业模式，各家都还在用不同的方式做一些探索，这些探索将会决定玩家的未来。
即时通讯的历史和即时通讯云的诞生
回顾一下即时通讯的历史，我个人之前做技术做了很多年，主要是在中间件领域，这个领域从IT技术的发生开始，到2000年之后越来越火爆，但基本上消息类的中间件技术经历了很多大的发展，也衍生出了很多类的消息中间件。这里列了一大堆，是分别在不同的历史时期产生的消息类中间件，解决跨进程之间的通讯。
把这类消息中间件搬到云上，进行集中式的开发、部署、运维就叫即时通讯云。即时通讯云诞生的背景是三个因素组成的：
第一个是云计算。可以集中开发、部署、运维，社会资源更加集约，让更多的人专注在自己业务上面，不用每家研究后台的消息怎么发。
第二个是移动互联网的推动。内在的原生动力是移动端产品生命周期更短，需要快速开发、上线、试错。
第三个是长连接。做技术的人都知道，特别是在移动互联网应用上面，好多资源获取都是以HTTP的方式，服务端被动的接受客户端的请求获取资源，往往服务端很难主动推送一些资源到客户端。长连接使得客户端既可以问服务端拉取资源，服务端也可以主动推送一些资源。
即时通讯云的现状
1、即时通讯云在国内的现状，基本上所有的厂商都是新兴厂商。国外出现的厂商并不多，比较纯的做即时通讯云的厂商像Layer。其实整个技术的发展国内是领先于国外的。
2、即时通讯云出现之后，使得即时通讯的服务可以云化、API化，用户已无需了解云端的消息服务实现细节。不用在自己的服务器上部署，而是云端集中部署、集中运维，租用模式开启。
即时通讯云的功能和技术挑战
即时通讯云所有的功能都是基于IP的，不是基于电信网络的。有一对一的消息（单聊），一对多消息（群聊、聊天室）。应用场景上其实不仅仅局限在社交应用上。在消息内容上，基本可以展现所有的形式，包括文字、图片、表情、语音、视频、位置、附件、支付、状态、指令等。
当即时通讯云碰上移动互联网的时候其实会涉及到一些技术上的挑战：
弱网络下的连接稳定性
网络是不稳定的，一会儿进电梯，一会儿上洗手间，一会儿又在不同的基站间切换，一会是3G、4G网络，一会又是WIFI。我看到一个数据，每天手机的互联网连接在700次左右。
流量敏感电量敏感性能敏感
现在几家厂商包括国外的，大家极力宣称的就是体现在刚才四点上的不同，于是造成了各家市场占有率的不一样。下图列了很多，这段文字是我直接拷贝了环信创始人刘俊彦的发言，研究列举了厂商技术的差别性，它实现的好坏直接取决于用户是否长期留存在你的服务器上。
基于即时通讯云，还有些额外的功能可以提供，比如说实时的音视频，包括一对一和一对多的，到最后衍生出多对多，再往下走发过来的消息还有一些过滤、路由、优先级、消息持久化存储这些东西。特别像消息过滤的反垃圾系统部分，比如你发QQ消息的时候，有些他认为是垃圾消息或者是黄赌毒的消息直接可以屏蔽掉，你感觉自己发出去了，其实并没有。
经过这两年对市场的培育，截止2016年上半年，环信即时通讯云共服务了8万多家APP客户，SDK覆盖手机终端5.64亿，平台上日均发送消息量5.57亿次。环信发展到现在是除了微信，QQ之外的第三大即时通讯平台。
未来，管道or平台？
各个即时通讯云厂商都公布了自己的数据，如果你汇总一下就知道市场的总量是多少。现在APP市场，基本上APP总量在100-200万之间，还有一些没有即时通讯的场景。市场还有些空间，但是大局初定。于是我们会思考一个问题，即时通讯云的未来是什么，是一个管道提供商还是平台提供商。就像运营商在互联网3G、4G时代一样，定位成了管道提供商。同样在即时通讯云这个范畴内我们未来是什么样的，各家都在不同的地方做一些探索。
对于环信或者其他厂商来说，通过不同的APP接入即时通讯云，会形成分布式的流量入口。一旦谈到入口的时候，其实就有很多想象的空间，当然各家并没有太多的突破。下面是我个人对未来的一个预测，当一个分布式的入口形成之后，我分成了七大类的入口，这里面每个领域都有后续的发展：
1、 沟通的入口
我最近看到Facebook把网页的聊天都集中在Facebook message上，背后打造了1万多个机器人。在未来的聊天当中你可能无法分辨和你聊天的是人还是狗，还是机器人，或者是一个影子人，就是另外一个你自己。同时这会连接更多的服务，如果你把模型抽象的话，你把所有的物体拟人化了之后，其实物体是可以开口说话的，你告诉冰箱赶紧把温度调低一点，然后温度降低了，其实你就是用自然语言的方式在和你的设备沟通。
2、技术的入口
这里指技术能力，比方在这个模型下面你可以接入更多的技术进来。例如图像的识别技术，怎么识别黄赌毒、政治，或者说情绪的识别。环信现在有了文字类的情绪识别，通过客户与商户之间的聊天实现客户满意度的反馈。技术入口还包含直播，甚至更多。
3、 流量的入口
即时通讯是一个双向的通讯，意味着我们可以以交互式的方式进行推介，它的商业价值在于广告的模式。这是一种新型的广告模式，打破了以前的广告联盟用banner或信息流做广告的方式，我们的广告是一种交互式的、及时反馈式的模式。
4、内容的入口
内容的入口包括表情，最近我们也和做表情的公司合作，他们通过即时通讯云分发，把各种各样的表情的IP分发。我们可以大胆想象除了表情，也可以成为游戏的分发入口。
5、 数据的入口
这里面每一个聊天的用户其实是关联到他的ID以及他聊天的内容，他的位置，一些其他的操作，其实这里面本身是大数据的系统。
6、支付的入口
环信在做一些尝试，比如说红包，其实是支付的入口，像微信一样，发红包帐户里面就有特别多的钱，这个钱就需要流转，流转就会延伸其他的功能，包括金融、电商方面的东西。
7、连接的入口
说到底即时通讯是连接的功能，我们是连接人与人，未来是连接一切，基本上都可以通过即时通讯云来完成。
我今天分享的主题是Beyond IM Cloud，会讲讲IM Cloud本身和未来的思考。
广义的云通讯涉及的三个领域
我们认为在云通讯领域基本上会涉及三个方面：
第一个是在电信领域
其中包括了短信、彩信、***：
短信、彩信分为C2C和B2C部分。C2C是指个人到个人的短信，B2C是企业到个人的短信。企业到个人的短信包括了短信验证码、短信通知等一些营销类的短信。 ***的C2C大家都知道，B2C包括语音验证、呼叫中心、***回拨、***会议以及语音通知。
第二个是互联网IP领域
环信所处的行业叫即时通讯云，云通讯和即时通讯云有一点差别，我们认为即时通讯云在大的云通讯范畴。在互联网IP领域又分为了单向的通讯和双向的通讯，单向的更多的是推送领域，双向是在即时通讯云领域。
第三个是跨电信与互联网领域
云通讯市场的现状
1、电信领域中C2C业务下滑，B2C业务暴涨
C2C个人到个人的短信、***业务在下滑，但是这两年发现B2C的业务，企业到个人的短信和***业务暴涨。我看到一个数据，每年中国短信的量是在七千个亿，之前企业占了很小一部分，到了2016年一半以上都是企业到个人的业务。
2、桌面时代的邮件验证在移动时代已不适应，短信验证、语音验证异军凸起
企业的付费比率在增长，在中国是个百亿级的市场。Twilio更是加速了市场的发展。
3、新兴市场：IP领域的即时通讯(IM)云
之前是没有云+即时通讯这个市场，环信2014年创造这个概念之后，随着两年的发展，基本上市场格局初定，但是市场的前景还需要去验证。现在市场当中的几个玩家，特别是中国的玩家跑在前面的都在跑马圈地，其实圈地之后的商业模式，各家都还在用不同的方式做一些探索，这些探索将会决定玩家的未来。
即时通讯的历史和即时通讯云的诞生
回顾一下即时通讯的历史，我个人之前做技术做了很多年，主要是在中间件领域，这个领域从IT技术的发生开始，到2000年之后越来越火爆，但基本上消息类的中间件技术经历了很多大的发展，也衍生出了很多类的消息中间件。这里列了一大堆，是分别在不同的历史时期产生的消息类中间件，解决跨进程之间的通讯。
把这类消息中间件搬到云上，进行集中式的开发、部署、运维就叫即时通讯云。即时通讯云诞生的背景是三个因素组成的：
第一个是云计算。可以集中开发、部署、运维，社会资源更加集约，让更多的人专注在自己业务上面，不用每家研究后台的消息怎么发。
第二个是移动互联网的推动。内在的原生动力是移动端产品生命周期更短，需要快速开发、上线、试错。
第三个是长连接。做技术的人都知道，特别是在移动互联网应用上面，好多资源获取都是以HTTP的方式，服务端被动的接受客户端的请求获取资源，往往服务端很难主动推送一些资源到客户端。长连接使得客户端既可以问服务端拉取资源，服务端也可以主动推送一些资源。
即时通讯云的现状
1、即时通讯云在国内的现状，基本上所有的厂商都是新兴厂商。国外出现的厂商并不多，比较纯的做即时通讯云的厂商像Layer。其实整个技术的发展国内是领先于国外的。
2、即时通讯云出现之后，使得即时通讯的服务可以云化、API化，用户已无需了解云端的消息服务实现细节。不用在自己的服务器上部署，而是云端集中部署、集中运维，租用模式开启。
即时通讯云的功能和技术挑战
即时通讯云所有的功能都是基于IP的，不是基于电信网络的。有一对一的消息（单聊），一对多消息（群聊、聊天室）。应用场景上其实不仅仅局限在社交应用上。在消息内容上，基本可以展现所有的形式，包括文字、图片、表情、语音、视频、位置、附件、支付、状态、指令等。
当即时通讯云碰上移动互联网的时候其实会涉及到一些技术上的挑战：
弱网络下的连接稳定性
网络是不稳定的，一会儿进电梯，一会儿上洗手间，一会儿又在不同的基站间切换，一会是3G、4G网络，一会又是WIFI。我看到一个数据，每天手机的互联网连接在700次左右。
流量敏感电量敏感性能敏感
现在几家厂商包括国外的，大家极力宣称的就是体现在刚才四点上的不同，于是造成了各家市场占有率的不一样。下图列了很多，这段文字是我直接拷贝了环信创始人刘俊彦的发言，研究列举了厂商技术的差别性，它实现的好坏直接取决于用户是否长期留存在你的服务器上。
基于即时通讯云，还有些额外的功能可以提供，比如说实时的音视频，包括一对一和一对多的，到最后衍生出多对多，再往下走发过来的消息还有一些过滤、路由、优先级、消息持久化存储这些东西。特别像消息过滤的反垃圾系统部分，比如你发QQ消息的时候，有些他认为是垃圾消息或者是黄赌毒的消息直接可以屏蔽掉，你感觉自己发出去了，其实并没有。
经过这两年对市场的培育，截止2016年上半年，环信即时通讯云共服务了8万多家APP客户，SDK覆盖手机终端5.64亿，平台上日均发送消息量5.57亿次。环信发展到现在是除了微信，QQ之外的第三大即时通讯平台。
未来，管道or平台？
各个即时通讯云厂商都公布了自己的数据，如果你汇总一下就知道市场的总量是多少。现在APP市场，基本上APP总量在100-200万之间，还有一些没有即时通讯的场景。市场还有些空间，但是大局初定。于是我们会思考一个问题，即时通讯云的未来是什么，是一个管道提供商还是平台提供商。就像运营商在互联网3G、4G时代一样，定位成了管道提供商。同样在即时通讯云这个范畴内我们未来是什么样的，各家都在不同的地方做一些探索。
对于环信或者其他厂商来说，通过不同的APP接入即时通讯云，会形成分布式的流量入口。一旦谈到入口的时候，其实就有很多想象的空间，当然各家并没有太多的突破。下面是我个人对未来的一个预测，当一个分布式的入口形成之后，我分成了七大类的入口，这里面每个领域都有后续的发展：
1、 沟通的入口
我最近看到Facebook把网页的聊天都集中在Facebook message上，背后打造了1万多个机器人。在未来的聊天当中你可能无法分辨和你聊天的是人还是狗，还是机器人，或者是一个影子人，就是另外一个你自己。同时这会连接更多的服务，如果你把模型抽象的话，你把所有的物体拟人化了之后，其实物体是可以开口说话的，你告诉冰箱赶紧把温度调低一点，然后温度降低了，其实你就是用自然语言的方式在和你的设备沟通。
2、技术的入口
这里指技术能力，比方在这个模型下面你可以接入更多的技术进来。例如图像的识别技术，怎么识别黄赌毒、政治，或者说情绪的识别。环信现在有了文字类的情绪识别，通过客户与商户之间的聊天实现客户满意度的反馈。技术入口还包含直播，甚至更多。
3、 流量的入口
即时通讯是一个双向的通讯，意味着我们可以以交互式的方式进行推介，它的商业价值在于广告的模式。这是一种新型的广告模式，打破了以前的广告联盟用banner或信息流做广告的方式，我们的广告是一种交互式的、及时反馈式的模式。
4、内容的入口
内容的入口包括表情，最近我们也和做表情的公司合作，他们通过即时通讯云分发，把各种各样的表情的IP分发。我们可以大胆想象除了表情，也可以成为游戏的分发入口。
5、 数据的入口
这里面每一个聊天的用户其实是关联到他的ID以及他聊天的内容，他的位置，一些其他的操作，其实这里面本身是大数据的系统。
6、支付的入口
环信在做一些尝试，比如说红包，其实是支付的入口，像微信一样，发红包帐户里面就有特别多的钱，这个钱就需要流转，流转就会延伸其他的功能，包括金融、电商方面的东西。
7、连接的入口
说到底即时通讯是连接的功能，我们是连接人与人，未来是连接一切，基本上都可以通过即时通讯云来完成。
回复了问题 o 2 人关注 o 113 次浏览 o
o 来自相关话题
发表了文章 o 112 次浏览 o
o 来自相关话题
6月底，美国云通讯平台提供商Twilio在纽约股票交易所上市，融资1.5亿美元，上市首日涨幅超过90%，市值至今已逼近30亿美元。Twilio的成功上市，也给国内的云通讯从业者打了一剂强心针。
所谓的云通讯服务包含了IM聊天、语音***、呼叫中心、在线***、短信验证、视频流传输等能力，为开发者和企业构建具有通讯能力的应用提供了极大的便利。
据相关数据，2015年国内云通讯市场的规模为4.53亿人民币，今年有望达到8.12亿，两年后达到24亿元，几乎以翻番的速度高速增长。企业级的云通讯服务，作为最通用、最活跃、最刚性的需求，极有可能成为中国企业服务的入口级应用。在这样一个充满想象空间的市场上，创业者和巨头都在涌入。
那么面对巨头，创业者该如何布局？在业务类型同质化的情况下，如何拓展服务，进一步提升盈利能力？未来，云通讯市场又将呈现哪些新的发展趋势？
本期沙龙，我们将邀请云通讯领域的创业者和投资人，一起来探讨这些话题。
时间：日（周六）下午14:00-17:30
地点：北京 车库咖啡
13:30-14:00 签到入场
14:00-14:30 活动介绍及开场
14:30-16:20 嘉宾主题分享
16:20-17:30 圆桌互动
报名地址：点击报名
6月底，美国云通讯平台提供商Twilio在纽约股票交易所上市，融资1.5亿美元，上市首日涨幅超过90%，市值至今已逼近30亿美元。Twilio的成功上市，也给国内的云通讯从业者打了一剂强心针。
所谓的云通讯服务包含了IM聊天、语音***、呼叫中心、在线***、短信验证、视频流传输等能力，为开发者和企业构建具有通讯能力的应用提供了极大的便利。
据相关数据，2015年国内云通讯市场的规模为4.53亿人民币，今年有望达到8.12亿，两年后达到24亿元，几乎以翻番的速度高速增长。企业级的云通讯服务，作为最通用、最活跃、最刚性的需求，极有可能成为中国企业服务的入口级应用。在这样一个充满想象空间的市场上，创业者和巨头都在涌入。
那么面对巨头，创业者该如何布局？在业务类型同质化的情况下，如何拓展服务，进一步提升盈利能力？未来，云通讯市场又将呈现哪些新的发展趋势？
本期沙龙，我们将邀请云通讯领域的创业者和投资人，一起来探讨这些话题。
时间：日（周六）下午14:00-17:30
地点：北京 车库咖啡
13:30-14:00 签到入场
14:00-14:30 活动介绍及开场
14:30-16:20 嘉宾主题分享
16:20-17:30 圆桌互动
报名地址：
发表了文章 o 144 次浏览 o
o 来自相关话题
各位用户好:
通过对拉取历史聊天记录的REST接口(调用形式为: /{org_name}/{app_name}/atmessages)的调用进行分析，目前99.5%以上的调用都是拉取的3天以内的历史记录。本着节约资源成本，为用户提供更有有效、稳定的服务的标准。现计划于8.24日将免费存储历史记录的时间期限从现有的14天变更为3天(购买了历史记录延长存储服务的用户不受影响)。
如您的业务中目前有拉取3天前历史记录的操作，请提前做好程序脚本的变更准备工作，如给您带来不便，深表歉意。
如您在使用中存在其他问题可以通过官网或者您的大客户经理向我们反馈。
各位用户好:
通过对拉取历史聊天记录的REST接口(调用形式为: /{org_name}/{app_name}/atmessages)的调用进行分析，目前99.5%以上的调用都是拉取的3天以内的历史记录。本着节约资源成本，为用户提供更有有效、稳定的服务的标准。现计划于8.24日将免费存储历史记录的时间期限从现有的14天变更为3天(购买了历史记录延长存储服务的用户不受影响)。
如您的业务中目前有拉取3天前历史记录的操作，请提前做好程序脚本的变更准备工作，如给您带来不便，深表歉意。
如您在使用中存在其他问题可以通过官网或者您的大客户经理向我们反馈。
回复了问题 o 2 人关注 o 106 次浏览 o
o 来自相关话题
回复了问题 o 3 人关注 o 88 次浏览 o
o 来自相关话题
回复了问题 o 2 人关注 o 118 次浏览 o
o 来自相关话题
回复了问题 o 23 人关注 o 1221 次浏览 o
o 来自相关话题
发表了文章 o 145 次浏览 o
o 来自相关话题
--国内首本全媒体***专著《全媒体客户中心管理》序言
引言：8月9日，国内首本&全媒体&***专著《全媒体客户中心管理》读书沙龙在北京成功举办，后续将覆盖全国十大主要城市。环信作为国内全媒体智能 SaaS***的倡领者一直致力于推动整个中国SaaS***行业的发展，给企业提供最具效率和最佳用户体验的***产品及服务。此次和***行业权威媒体《客户世界》以及行业专家一起联合推出《全媒体客户中心管理》一书，环信提供了在全媒体***领域包括产品技术和客户运营方面大量的最佳实践及成功案例。同时，环信参与了从前期图书主题的设定、相关最佳实践和成功案例的准备、中期文档图表的梳理、后期出版环节的编审和呈现，一直到各地读书沙龙的组织工作，目的也是推动整个SaaS***行业和企业用户少走弯路，加速企业用户的信息化和用户体验进程，让呼叫中心(客户中心)提速迈向智能化和数据化时代。以下内容是环信 CEO刘俊彦为《全媒体客户中心管理》所做序言。
国内首本全媒体***专著《全媒体客户中心管理》
序：2014年，李克强总理首次指出互联网是大众创业、万众创新的新工具。2015年十二届全国人大三次会议上，总理在政府工作报告中首次提出&互联网+&行动计划。&互联网+&是知识社会创新2.0推动下的互联网形态演进及其催生的经济社会发展新形态。&互联网+&不是简单的&互联网+各个传统行业&，而是利用信息通信技术以及互联网平台，让互联网与传统行业进行深度融合，创造新的发展生态。
&互联网+客户服务&正在充分发挥互联网在社会资源配置中的优化和集成作用，将互联网的创新成果深度融合于客户服务之中，提升整个客户服务行业的创新力和生产力，形成更广泛的、以互联网为基础设施和实现工具的***发展新形态。
客户服务正在被重塑，面对各大接入媒体、各个年龄段受众、各种连接移动设备， &互联网+呼叫中心&逐渐进化成为&客户中心&，而&互联网+客户中心&又蜕变成为&全媒体客户中心&。全媒体客户中心正是随着企业向互联网转型以及社会环境的改变应运而生的。
据研究报告显示，自2006年起，国内就已经有企业践行多媒体客户中心的探索，主要提供语音呼叫中心***和网页端***，探索前期发展缓慢。随着移动互联网的发展，社交媒体爆发以及专门为移动端提供SaaS***的厂商纷纷崛起，促进了全媒体***领域的高速发展。自2014年以来，中国SaaS***领域吸引了大量的投资者，投资总额超过5000万美元，同时BAT等互联网巨头也已经入场。经过十年发酵的沉淀，客户中心正从话音呼叫中心、网页端***向全媒体架构的统一***平台升级，经过2015年的启动期，2016年全媒体客户中心将进入高速发展期，预计2017年将达到680亿元市场规模。
经济与社会环境发展促进***需求升级，互联网+时代需要全媒体客户中心!
1、2015年9月，国务院常务会议决定设立总规模为600亿元的国家中小企业发展基金，政府对中小企业发展持鼓励态度。国家将&互联网+&提升为国家战略，传统企业加快互联网化进程，对全媒体客户中心需求激增。
2、从宏观经济层面看， 2015年全年国内生产总值676708亿元人民币，较上年增长6.9%。截止2015年底，中国互联网用户人数达6.88亿人，其中手机上网人数 6.20亿人，互联网普及率高达50.3%。企业级信息消费蕴含着新的系统机会，中国企业级服务市场已经打开。
3、中国基础移动网络速度提升，2015年我国4G用户总数达2.25亿，中国智能手机用户渗透率提升。网民的上网设备正在向手机等移动端设备集中，互联网对于整体社会的影响已进入到新的阶段。
4、我国消费结构升级，从实用型向品质型升级、从必需型向享受型升级、从物质型向服务型升级。消费者对服务态度、客户体验的要求越来越高，消费习惯开始逐渐转变，线上咨询购买、线上消费线下购买相结合，O2O等行业呈井喷发展，服务型消费已经逐渐成为主流，客户服务成为任何企业都不可或缺的&标配&。
关键词从&连接&变成&服务&，全媒体客户中心将扮演重要&连接&角色!
上一个互联网时代创造了BAT等互联网巨头，核心关键词是&连接&。百度连接人与数据、阿里巴巴连接人与商品、腾讯连接人与人，分别在万亿级的市场获得了巨大成功。随着&互联网+&国家战略的不断深入，国内以颠覆型&服务&商业模式驱动的O2O和互联网金融等行业风生水起，不断创造出诸如滴滴出行、蚂蚁金服等新互联网神话。
互联网产品从以往的专注做&加法&、唯KPI论转变为做&减法&、唯用户体验论，用户体验为王的设计理念已经深入人心。下一个互联网十年将以&人工智能+大数据+VR&为驱动，打造一个体验为王的服务型互联网世界。
著名经济学家凯恩斯曾说过：&消费是一切经济活动的唯一目的和对象。&因为人类存在消费需求，才会有生产和制造来满足这样的需求，也正是因为有了消费和生产制造，才需要服务去支持它们，使其更有效率，而全媒体客户中心将在服务领域扮演非常重要的&连接&角色。
全媒体客户中心的最佳实践
1、全媒体接入解决了***请求渠道杂、体验差等问题。包括来自***、网页端(H5)、APP、新媒体(微博、微信等)的***请求均能一键接入、一键回复、一键管理。
2、智能机器人解决了招聘难和效率低问题。***领域当前是一个典型的劳动密集型领域，面临着中国人口红利消失、招聘艰难且成本日益增加等很多问题，一些简单的、重复的问题由机器人解答，一些复杂的问题也可以改为在人机混合模式下由机器人提供备选***、由真人来选择***。智能机器人能够帮助解决60%- 80%的常见问题，智能机器人+人工协同的服务方式将极大地提高效率。
3、***从成本中心向营销中心和盈利中心转化。客户中心开始承担更多营销、销售的职责。过去是以***工单为主，沟通关系被动，职能隔离且偏售后，与销售、营销部门无协同关系。但未来***的业务链条将&并联&营销、销售和售后环节，是互联网时代企业与用户的&第一连接点&，承担客户关系维护、二次销售、营销等职能，成为盈利中心。
4、大数据驱动，精准客户画像，不止于报表。
全媒体客户中心不仅是一门技术同时更是一门艺术!
全媒体客户中心理论以&体验&为核心视角，恰到好处地描绘了未来客户服务全媒体接入、人工智能驱动、大数据升华，参与企业全要素、全流程运作的服务蓝图。全媒体客户中心的发展历程经过呼叫中心、联络中心、客户中心，作为一种体系，在互联网技术升级换代中不断注入新的内涵，从此不再简单，充满人文情怀，但仍然质朴，不忘初心。
一位资深从业者曾这样总结这个时代：&伴随着客户互动的革命，从呼叫中心演变到客户中心，作为不断扩展的客户交互平台概念，一直经历着深刻的变革。运营日益规模化、精准化、多通路化、智能化和普适化。作为集语音和非语音渠道为一体、人工与智能服务共协同、物理与数字的通路大融合，随着以客户理念，人文为中心时代的来临，客户服务中心正从企业价值链的一侧走向价值传递的中央，与惊艳的产品研发一起，发挥着客户体验创造的核心角色。&
本书通过理论与实践相结合，深入浅出地诠释了全媒体客户中心的建设与文化等核心内容，将能够很好地帮助企业管理者解决客户中心日常运营中碰到的问题，同时也将促进客户服务在企业运营中发挥更大价值。
全媒体客户中心不仅是一门技术，同时更是一门艺术!是为序。
环信即时通信云CEO
2016年6月于北京
--国内首本全媒体***专著《全媒体客户中心管理》序言
引言：8月9日，国内首本&全媒体&***专著《全媒体客户中心管理》读书沙龙在北京成功举办，后续将覆盖全国十大主要城市。环信作为国内全媒体智能 SaaS***的倡领者一直致力于推动整个中国SaaS***行业的发展，给企业提供最具效率和最佳用户体验的***产品及服务。此次和***行业权威媒体《客户世界》以及行业专家一起联合推出《全媒体客户中心管理》一书，环信提供了在全媒体***领域包括产品技术和客户运营方面大量的最佳实践及成功案例。同时，环信参与了从前期图书主题的设定、相关最佳实践和成功案例的准备、中期文档图表的梳理、后期出版环节的编审和呈现，一直到各地读书沙龙的组织工作，目的也是推动整个SaaS***行业和企业用户少走弯路，加速企业用户的信息化和用户体验进程，让呼叫中心(客户中心)提速迈向智能化和数据化时代。以下内容是环信 CEO刘俊彦为《全媒体客户中心管理》所做序言。
国内首本全媒体***专著《全媒体客户中心管理》
序：2014年，李克强总理首次指出互联网是大众创业、万众创新的新工具。2015年十二届全国人大三次会议上，总理在政府工作报告中首次提出&互联网+&行动计划。&互联网+&是知识社会创新2.0推动下的互联网形态演进及其催生的经济社会发展新形态。&互联网+&不是简单的&互联网+各个传统行业&，而是利用信息通信技术以及互联网平台，让互联网与传统行业进行深度融合，创造新的发展生态。
&互联网+客户服务&正在充分发挥互联网在社会资源配置中的优化和集成作用，将互联网的创新成果深度融合于客户服务之中，提升整个客户服务行业的创新力和生产力，形成更广泛的、以互联网为基础设施和实现工具的***发展新形态。
客户服务正在被重塑，面对各大接入媒体、各个年龄段受众、各种连接移动设备， &互联网+呼叫中心&逐渐进化成为&客户中心&，而&互联网+客户中心&又蜕变成为&全媒体客户中心&。全媒体客户中心正是随着企业向互联网转型以及社会环境的改变应运而生的。
据研究报告显示，自2006年起，国内就已经有企业践行多媒体客户中心的探索，主要提供语音呼叫中心***和网页端***，探索前期发展缓慢。随着移动互联网的发展，社交媒体爆发以及专门为移动端提供SaaS***的厂商纷纷崛起，促进了全媒体***领域的高速发展。自2014年以来，中国SaaS***领域吸引了大量的投资者，投资总额超过5000万美元，同时BAT等互联网巨头也已经入场。经过十年发酵的沉淀，客户中心正从话音呼叫中心、网页端***向全媒体架构的统一***平台升级，经过2015年的启动期，2016年全媒体客户中心将进入高速发展期，预计2017年将达到680亿元市场规模。
经济与社会环境发展促进***需求升级，互联网+时代需要全媒体客户中心!
1、2015年9月，国务院常务会议决定设立总规模为600亿元的国家中小企业发展基金，政府对中小企业发展持鼓励态度。国家将&互联网+&提升为国家战略，传统企业加快互联网化进程，对全媒体客户中心需求激增。
2、从宏观经济层面看， 2015年全年国内生产总值676708亿元人民币，较上年增长6.9%。截止2015年底，中国互联网用户人数达6.88亿人，其中手机上网人数 6.20亿人，互联网普及率高达50.3%。企业级信息消费蕴含着新的系统机会，中国企业级服务市场已经打开。
3、中国基础移动网络速度提升，2015年我国4G用户总数达2.25亿，中国智能手机用户渗透率提升。网民的上网设备正在向手机等移动端设备集中，互联网对于整体社会的影响已进入到新的阶段。
4、我国消费结构升级，从实用型向品质型升级、从必需型向享受型升级、从物质型向服务型升级。消费者对服务态度、客户体验的要求越来越高，消费习惯开始逐渐转变，线上咨询购买、线上消费线下购买相结合，O2O等行业呈井喷发展，服务型消费已经逐渐成为主流，客户服务成为任何企业都不可或缺的&标配&。
关键词从&连接&变成&服务&，全媒体客户中心将扮演重要&连接&角色!
上一个互联网时代创造了BAT等互联网巨头，核心关键词是&连接&。百度连接人与数据、阿里巴巴连接人与商品、腾讯连接人与人，分别在万亿级的市场获得了巨大成功。随着&互联网+&国家战略的不断深入，国内以颠覆型&服务&商业模式驱动的O2O和互联网金融等行业风生水起，不断创造出诸如滴滴出行、蚂蚁金服等新互联网神话。
互联网产品从以往的专注做&加法&、唯KPI论转变为做&减法&、唯用户体验论，用户体验为王的设计理念已经深入人心。下一个互联网十年将以&人工智能+大数据+VR&为驱动，打造一个体验为王的服务型互联网世界。
著名经济学家凯恩斯曾说过：&消费是一切经济活动的唯一目的和对象。&因为人类存在消费需求，才会有生产和制造来满足这样的需求，也正是因为有了消费和生产制造，才需要服务去支持它们，使其更有效率，而全媒体客户中心将在服务领域扮演非常重要的&连接&角色。
全媒体客户中心的最佳实践
1、全媒体接入解决了***请求渠道杂、体验差等问题。包括来自***、网页端(H5)、APP、新媒体(微博、微信等)的***请求均能一键接入、一键回复、一键管理。
2、智能机器人解决了招聘难和效率低问题。***领域当前是一个典型的劳动密集型领域，面临着中国人口红利消失、招聘艰难且成本日益增加等很多问题，一些简单的、重复的问题由机器人解答，一些复杂的问题也可以改为在人机混合模式下由机器人提供备选***、由真人来选择***。智能机器人能够帮助解决60%- 80%的常见问题，智能机器人+人工协同的服务方式将极大地提高效率。
3、***从成本中心向营销中心和盈利中心转化。客户中心开始承担更多营销、销售的职责。过去是以***工单为主，沟通关系被动，职能隔离且偏售后，与销售、营销部门无协同关系。但未来***的业务链条将&并联&营销、销售和售后环节，是互联网时代企业与用户的&第一连接点&，承担客户关系维护、二次销售、营销等职能，成为盈利中心。
4、大数据驱动，精准客户画像，不止于报表。
全媒体客户中心不仅是一门技术同时更是一门艺术!
全媒体客户中心理论以&体验&为核心视角，恰到好处地描绘了未来客户服务全媒体接入、人工智能驱动、大数据升华，参与企业全要素、全流程运作的服务蓝图。全媒体客户中心的发展历程经过呼叫中心、联络中心、客户中心，作为一种体系，在互联网技术升级换代中不断注入新的内涵，从此不再简单，充满人文情怀，但仍然质朴，不忘初心。
一位资深从业者曾这样总结这个时代：&伴随着客户互动的革命，从呼叫中心演变到客户中心，作为不断扩展的客户交互平台概念，一直经历着深刻的变革。运营日益规模化、精准化、多通路化、智能化和普适化。作为集语音和非语音渠道为一体、人工与智能服务共协同、物理与数字的通路大融合，随着以客户理念，人文为中心时代的来临，客户服务中心正从企业价值链的一侧走向价值传递的中央，与惊艳的产品研发一起，发挥着客户体验创造的核心角色。&
本书通过理论与实践相结合，深入浅出地诠释了全媒体客户中心的建设与文化等核心内容，将能够很好地帮助企业管理者解决客户中心日常运营中碰到的问题，同时也将促进客户服务在企业运营中发挥更大价值。
全媒体客户中心不仅是一门技术，同时更是一门艺术!是为序。
环信即时通信云CEO
2016年6月于北京
回复了问题 o 2 人关注 o 119 次浏览 o
o 来自相关话题
发表了文章 o 88 次浏览 o
o 来自相关话题
很多企业都对云计算服务青眼有加，因为它能在简化IT基础设施工作的同时降低开销。但也还有部分企业对拥抱云计算服务有所顾忌，在转向云计算之前先进行测试可以帮助企业树立起对云计算的信心。
一般来说在企业转向云计算的过程中有两个阶段需要进行测试：1、市场上有众多的云计算提供商，需要在其中选择一个合适的。2、提供商已经将产品或基础设施部署在了云端，需要确保其能够满足商业活动的需求。
订立一个衡量云计算服务的基准点可以减轻企业在以上的两个阶段的测试压力。下面我们就来给出一些订立测试基准点的建议。
1. 确定系统非功能性的需求
对于一个软件系统，除了功能性的要求，扩展性、可用性、延续性和安全性等非功能性的要求也对系统的成功与否起到至关重要的作用。在确定系统非功能性的需求时要找到可量化的指标以便进行比较。
2. 兼顾不同的非功能性需求
企业内部不同的部门对非功能性需求的重要性的认识肯定会有所不同，所以需要通过讨论寻找到各个部门之间的共识。
3. 注意法务风险
如果企业所处的是诸如医疗或金融这类较敏感的行业，要特别注意法务方面的问题，需要确保所使用的云计算产品符合所在国家地区的法律规范。
4. 注意重点客户群的地理位置
如果业务是在全球范围展开的，那么还需要注意不同地区延迟的不同。有人在美国和澳大利亚对亚马逊AWS云服务进行了测试。测试结果显示美国的两个数据中心只有4.02秒延迟而美国和澳大利亚之间的延迟则达到了28.446秒，所以如果服务部署在美国那么美国用户的体验必然优于澳大利亚用户。在测试性能时要考虑不同的地理位置之间的区别。
5. 进行弹性测试
所谓弹性指的是资源可以根据需求迅速增加或释放，这是云计算相比于普通数据中心的主要优势之一，对企业用户来说这还意味着另一项优势那就是按需付费。说起来好像很好听，但其实云计算服务提供商所使用的数据中心也是没有弹性的，所以在扩展的过程中可能会出现问题。比如在横向扩展的过程中人工部署的文件可能在新加入的虚拟机中就丢失了，进行弹性测试可以发现一些在扩展过程中可能出现的问题。
6. 性能测试
应用性能主要的衡量指标是响应时间。性能测试时需要注意主要客户群所处的位置、系统目标并发用户数以及目标每秒请求数。有了这些信息就可以定义性能测试的基准点并挑选合适的工具进行测试了。
7. 安全测试
虽然有云计算服务提供商担着，但如果发生了数据泄露的话到头来倒霉的还是企业自身，所以进行安全测试来探测潜在的系统漏洞、加密漏洞和其他安全隐患是绝对有必要的。
8. 服务可靠性测试
即便是云服务也可能会有短暂的故障。服务可靠性测试的过程其实就是在回答下面这两个问题：
某个模块出故障时应用将作何反应?
应用是否有故障弱化功能?
9. 灾难恢复与备份步骤测试
仅仅有灾难恢复与备份步骤的文档是不够的，一定要进行实际的测试以保证恢复点和恢复时间的要求。
现在各个云计算服务提供商都提供免费试用，所以在订阅云计算服务之前先体验一下再做决定也不迟。
10. 即时通讯云服务选择环信、即时通讯云服务选择环信、即时通讯云服务选择环信。最重要的事情说三遍!
环信即时通讯云是全球最大的即时通讯云PaaS平台。为开发者提供基于移动互联网的即时通讯能力，如单聊、群聊、发语音、发图片、发位置、实时音频、实时视频等，让开发者摆脱繁重的移动IM通讯底层开发，24小时即可让App拥有内置IM能力。截至2016年上半年，环信共服务了82149家App客户，SDK覆盖手机终端5.64亿，平台日发送消息5.57亿条。
很多企业都对云计算服务青眼有加，因为它能在简化IT基础设施工作的同时降低开销。但也还有部分企业对拥抱云计算服务有所顾忌，在转向云计算之前先进行测试可以帮助企业树立起对云计算的信心。
一般来说在企业转向云计算的过程中有两个阶段需要进行测试：1、市场上有众多的云计算提供商，需要在其中选择一个合适的。2、提供商已经将产品或基础设施部署在了云端，需要确保其能够满足商业活动的需求。
订立一个衡量云计算服务的基准点可以减轻企业在以上的两个阶段的测试压力。下面我们就来给出一些订立测试基准点的建议。
1. 确定系统非功能性的需求
对于一个软件系统，除了功能性的要求，扩展性、可用性、延续性和安全性等非功能性的要求也对系统的成功与否起到至关重要的作用。在确定系统非功能性的需求时要找到可量化的指标以便进行比较。
2. 兼顾不同的非功能性需求
企业内部不同的部门对非功能性需求的重要性的认识肯定会有所不同，所以需要通过讨论寻找到各个部门之间的共识。
3. 注意法务风险
如果企业所处的是诸如医疗或金融这类较敏感的行业，要特别注意法务方面的问题，需要确保所使用的云计算产品符合所在国家地区的法律规范。
4. 注意重点客户群的地理位置
如果业务是在全球范围展开的，那么还需要注意不同地区延迟的不同。有人在美国和澳大利亚对亚马逊AWS云服务进行了测试。测试结果显示美国的两个数据中心只有4.02秒延迟而美国和澳大利亚之间的延迟则达到了28.446秒，所以如果服务部署在美国那么美国用户的体验必然优于澳大利亚用户。在测试性能时要考虑不同的地理位置之间的区别。
5. 进行弹性测试
所谓弹性指的是资源可以根据需求迅速增加或释放，这是云计算相比于普通数据中心的主要优势之一，对企业用户来说这还意味着另一项优势那就是按需付费。说起来好像很好听，但其实云计算服务提供商所使用的数据中心也是没有弹性的，所以在扩展的过程中可能会出现问题。比如在横向扩展的过程中人工部署的文件可能在新加入的虚拟机中就丢失了，进行弹性测试可以发现一些在扩展过程中可能出现的问题。
6. 性能测试
应用性能主要的衡量指标是响应时间。性能测试时需要注意主要客户群所处的位置、系统目标并发用户数以及目标每秒请求数。有了这些信息就可以定义性能测试的基准点并挑选合适的工具进行测试了。
7. 安全测试
虽然有云计算服务提供商担着，但如果发生了数据泄露的话到头来倒霉的还是企业自身，所以进行安全测试来探测潜在的系统漏洞、加密漏洞和其他安全隐患是绝对有必要的。
8. 服务可靠性测试
即便是云服务也可能会有短暂的故障。服务可靠性测试的过程其实就是在回答下面这两个问题：
某个模块出故障时应用将作何反应?
应用是否有故障弱化功能?
9. 灾难恢复与备份步骤测试
仅仅有灾难恢复与备份步骤的文档是不够的，一定要进行实际的测试以保证恢复点和恢复时间的要求。
现在各个云计算服务提供商都提供免费试用，所以在订阅云计算服务之前先体验一下再做决定也不迟。
10. 即时通讯云服务选择环信、即时通讯云服务选择环信、即时通讯云服务选择环信。最重要的事情说三遍!
环信即时通讯云是全球最大的即时通讯云PaaS平台。为开发者提供基于移动互联网的即时通讯能力，如单聊、群聊、发语音、发图片、发位置、实时音频、实时视频等，让开发者摆脱繁重的移动IM通讯底层开发，24小时即可让App拥有内置IM能力。截至2016年上半年，环信共服务了82149家App客户，SDK覆盖手机终端5.64亿，平台日发送消息5.57亿条。
回复了问题 o 2 人关注 o 111 次浏览 o
o 来自相关话题
发表了文章 o 478 次浏览 o
o 来自相关话题
【新增】1.按对应渠道开启机器人
新增按对应渠道开启机器人的功能，让机器人***的服务更精准。
前往“管理员模式 & 智能机器人 & 机器人设置”页面，对渠道进行设置。
【新增】 2.工作量报表新增接起、呼入、回呼会话数
2.1 接起会话数
2.2 呼入、回呼会话数
【新增】3.工作量报表支持按会话类型筛选
工作量报表支持按会话类型筛选，可以根据全部、呼入、呼出会话进行报表查询。
【优化】4.工作量和排队统计报表重构
工作量报表的“24小时进线量（均值）”移入排队统计报表中，位于“24小时排队统计”之前，便于管理员了解会话量和消息量在24小时时段内的分布、以及同样时段内的排队情况，合理安排***人员。
【新增】5.工作量、工作质量、访客统计、排队统计报表支持“全部导出”
支持对工作量、工作质量、访客统计、排队统计报表的全部数据进行导出，便于数据整理和分析。
【新增】6.智能质检（旗舰版客户专享）
质量检查页面新增“智能质检”功能，开启该功能后，系统会自动检查访客和***的历史消息，如果发现异常，则在“智能质检”一列提示“有问题”，并在质检详情页提示问题原因。
有了智能质检的辅助，质检员可以扩大筛选范围，覆盖更多会话，提高质检效率，获得更准确的质检结果。
体验环信移动***/
查看历史版本请点击版本历史
环信移动***v4.12_产品更新说明/产品功能列表/产品使用指南
请点击下载↓↓↓
【新增】1.按对应渠道开启机器人
新增按对应渠道开启机器人的功能，让机器人***的服务更精准。
前往“管理员模式 & 智能机器人 & 机器人设置”页面，对渠道进行设置。
【新增】 2.工作量报表新增接起、呼入、回呼会话数
2.1 接起会话数
2.2 呼入、回呼会话数
【新增】3.工作量报表支持按会话类型筛选
工作量报表支持按会话类型筛选，可以根据全部、呼入、呼出会话进行报表查询。
【优化】4.工作量和排队统计报表重构
工作量报表的“24小时进线量（均值）”移入排队统计报表中，位于“24小时排队统计”之前，便于管理员了解会话量和消息量在24小时时段内的分布、以及同样时段内的排队情况，合理安排***人员。
【新增】5.工作量、工作质量、访客统计、排队统计报表支持“全部导出”
支持对工作量、工作质量、访客统计、排队统计报表的全部数据进行导出，便于数据整理和分析。
【新增】6.智能质检（旗舰版客户专享）
质量检查页面新增“智能质检”功能，开启该功能后，系统会自动检查访客和***的历史消息，如果发现异常，则在“智能质检”一列提示“有问题”，并在质检详情页提示问题原因。
有了智能质检的辅助，质检员可以扩大筛选范围，覆盖更多会话，提高质检效率，获得更准确的质检结果。
体验环信移动***
查看历史版本请点击
环信移动***v4.12_产品更新说明/产品功能列表/产品使用指南
请点击下载↓↓↓
发表了文章 o 159 次浏览 o
o 来自相关话题
四年磨一剑，试锋在里约！四年前辉煌依稀如昨，他们已在为新的荣誉而拼搏；成名已久的老将期待延续辉煌，初生牛犊的新秀同样雄心勃勃！这个夏天，谁将成就英雄传说？此刻，让我们为中国奥运健儿喝彩，点赞！加油！
四年磨一剑，试锋在里约！四年前辉煌依稀如昨，他们已在为新的荣誉而拼搏；成名已久的老将期待延续辉煌，初生牛犊的新秀同样雄心勃勃！这个夏天，谁将成就英雄传说？此刻，让我们为中国奥运健儿喝彩，点赞！加油！
一个开放、互助、协作、创意的社区
一个开放、互助、协作、创意的社区