應用商店的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

機器學習算法競賽實戰

為了解決應用商店的問題，作者王賀劉鵬錢乾 這樣論述：

本書是算法競賽領域一本系統介紹競賽的圖書，書中不僅包含競賽的基本理論知識，還結合多個方向和案例詳細闡述了競賽中的上分思路和技巧。   全書分為五部分：第一部分以算法競賽的通用流程為主，介紹競賽中各個部分的核心內容和具體工作；第二部分介紹了使用者畫像相關的問題；第三部分以時間序列預測問題為主，先講述這類問題的常見解題思路和技巧，然後分析天池平臺的全球城市計算AI 挑戰賽和Kaggle平臺的Corporación Favorita Grocery Sales Forecasting；第四部分主要介紹計算廣告的核心技術和業務，包括廣告召回、廣告排序和廣告競價，其中兩個實戰案例是2018騰訊廣告算法大

賽——相似人群拓展和Kaggle平臺的TalkingData AdTracking Fraud Detection Challenge；第五部分基於自然語言處理相關的內容進行講解，其中實戰案例是Kaggle 平臺上的經典競賽Quora Question Pairs。 本書適合從事機器學習、數據挖掘和人工智能相關算法崗位的人閱讀。 王賀（魚遇雨欲語與餘） 畢業于武漢大學電腦學院，碩士學位，研究方向為圖資料採擷，現任職於小米商業演算法部，從事應用商店廣告推薦的研究和開發。是2019年和2020年騰訊廣告演算法大賽的冠軍，從2018年至2020年多次參加國內外演算法競賽，共獲得五

次冠軍和五次亞軍。 劉鵬 2016年本科畢業于武漢大學數學基地班，保研至中國科學技術大學自動化系，碩士期間研究方向為複雜網路與機器學習，2018年起多次獲得機器學習相關競賽獎項，2019年至今就職于華為技術有限公司，任演算法工程師。 錢乾 本科就讀於美國佐治亞理工大學，研究方向包括機器學習、深度學習、自然語言處理等，現就職于數程科技，工作方向為物流領域的智慧演算法應用，任大資料技術負責人。 第 1 章　初見競賽 1 1．1　競賽平臺 2 1．1．1　Kaggle 2 1．1．2　天池 6 1．1．3　DF 7 1．1．4　DC 7 1．1．5　Kesci 7 1．1．6　

JDATA 8 1．1．7　企業網站 8 1．2　競賽流程 8 1．2．1　問題建模 8 1．2．2　資料探索 9 1．2．3　特徵工程 9 1．2．4　模型訓練 9 1．2．5　模型融合 10 1．3　競賽類型 10 1．3．1　資料類型 10 1．3．2　任務類型 11 1．3．3　應用場景 11 1．4　思考練習 11 第 2 章　問題建模 12 2．1　賽題理解 12 2．1．1　業務背景 12 2．1．2　資料理解　 14 2．1．3　評價指標 14 2．2　樣本選擇 20 2．2．1　主要原因 20 2．2．2　準確方法 22 2．2．3　應用場景 23 2．3　線下評估策略 2

4 2．3．1　強時序性問題 24 2．3．2　弱時序性問題 24 2．4　實戰案例 25 2．4．1　賽題理解 26 2．4．2　線下驗證 27 2．5　思考練習 28 第 3 章　資料探索 29 3．1　數據初探 29 3．1．1　分析思路 29 3．1．2　分析方法 30 3．1．3　明確目的 30 3．2　變數分析 32 3．2．1　單變數分析 33 3．2．2　多變數分析 37 3．3　模型分析 39 3．3．1　學習曲線 39 3．3．2　特徵重要性分析 40 3．3．3　誤差分析 41 3．4　思考練習 42 第 4 章　特徵工程 43 4．1　數據預處理 43 4．1．1　

缺失值處理 44 4．1．2　異常值處理 45 4．1．3　優化記憶體 46 4．2　特徵變換 47 4．2．1　連續變數無量綱化 47 4．2．2　連續變數資料變換 48 4．2．3　類別特徵轉換 50 4．2．4　不規則特徵變換 50 4．3　特徵提取 51 4．3．1　類別相關的統計特徵 51 4．3．2　數值相關的統計特徵 53 4．3．3　時間特徵 53 4．3．4　多值特徵 54 4．3．5　小結 55 4．4　特徵選擇 55 4．4．1　特徵關聯性分析 55 4．4．2　特徵重要性分析 57 4．4．3　封裝方法 57 4．4．4　小結 58 4．5　實戰案例 59 4．5．1　

數據預處理　 59 4．5．2　特徵提取 60 4．5．3　特徵選擇 61 4．6　練習 62 第 5 章　模型選擇 63 5．1　線性模型 63 5．1．1　Lasso 回歸 63 5．1．2　Ridge 回歸 64 5．2　樹模型 64 5．2．1　隨機森林 65 5．2．2　梯度提升樹 66 5．2．3　XGBoost 67 5．2．4　LightGBM 68 5．2．5　CatBoost 69 5．2．6　模型深入對比 70 5．3　神經網路 73 5．3．1　多層感知機 74 5．3．2　卷積神經網路 75 5．3．3　迴圈神經網路 77 5．4　實戰案例 79 5．5　練習 80

第 6 章　模型融合 81 6．1　構建多樣性 81 6．1．1　特徵多樣性 81 6．1．2　樣本多樣性 82 6．1．3　模型多樣性 82 6．2　訓練過程融合 83 6．2．1　Bagging 83 6．2．2　Boosting 83 6．3　訓練結果融合 84 6．3．1　加權法 84 6．3．2　Stacking 融合 86 6．3．3　Blending 融合 87 6．4　實戰案例 88 6．5　練習 90 第 7 章　用戶畫像 91 7．1　什麼是用戶畫像 92 7．2　標籤系統 92 7．2．1　標籤分類方式 92 7．2．2　多管道獲取標籤 93 7．2．3　標籤體系框

架 94 7．3　使用者畫像資料特徵 95 7．3．1　常見的資料形式 95 7．3．2　文本挖掘演算法 97 7．3．3　神奇的嵌入表示 98 7．3．4　相似度計算方法 101 7．4　用戶畫像的應用　 103 7．4．1　用戶分析　 103 7．4．2　精准行銷 104 7．4．3　風控領域 105 7．5　思考練習 106 第 8 章　實戰案例：Elo Merchant Category Recommendation（Kaggle） 107 8．1　賽題理解 107 8．1．1　賽題背景 107 8．1．2　賽題數據 108 8．1．3　賽題任務 108 8．1．4　評價指標 109

8．1．5　賽題FAQ 109 8．2　探索性分析 109 8．2．1　欄位類別含義 110 8．2．2　欄位取值狀況 111 8．2．3　資料分佈差異 112 8．2．4　表格關聯關係 115 8．2．5　數據預處理 115 8．3　特徵工程 116 8．3．1　通用特徵 116 8．3．2　業務特徵 117 8．3．3　文本特徵 118 8．3．4　特徵選擇 119 8．4　模型訓練 119 8．4．1　隨機森林 119 8．4．2　LightGBM 121 8．4．3　XGBoost 124 8．5　模型融合 127 8．5．1　加權融合 127 8．5．2　Stacking 融合 1

27 8．6　高效提分 128 8．6．1　特徵優化 128 8．6．2　融合技巧 130 8．7　賽題總結 134 8．7．1　更多方案 134 8．7．2　知識點梳理 135 8．7．3　延伸學習 135 第 9 章　時間序列分析 138 9．1　介紹時間序列分析 138 9．1．1　簡單定義 138 9．1．2　常見問題 139 9．1．3　交叉驗證 140 9．1．4　基本規則方法 141 9．2　時間序列模式 142 9．2．1　趨勢性 142 9．2．2　週期性 143 9．2．3　相關性 144 9．2．4　隨機性 144 9．3　特徵提取方式 144 9．3．1 歷史平移 1

45 9．3．2　窗口統計 145 9．3．3　序列熵特徵 145 9．3．4　其他特徵 146 9．4　模型的多樣性 146 9．4．1　傳統的時序模型 147 9．4．2　樹模型 147 9．4．3　深度學習模型 148 9．5　練習 150 第 10 章　實戰案例：全球城市計算AI挑戰賽 151 10．1　賽題理解 151 10．1．1　背景介紹 152 10．1．2　賽題數據 152 10．1．3　評價指標 153 10．1．4　賽題FAQ 153 10．1．5　baseline 方案 153 10．2　探索性資料分析 157 10．2．1　數據初探 157 10．2．2　模式分析

159 10．3　特徵工程 162 10．3．1　數據預處理 162 10．3．2　強相關性特徵 163 10．3．3　趨勢性特徵 165 10．3．4　網站相關特徵 165 10．3．5　特徵強化 166 10．4　模型選擇 166 10．4．1　LightGBM 模型 167 10．4．2　時序模型 168 10．5　強化學習 170 10．5．1　時序stacking 170 10．5．2　Top 方案解析 171 10．5．3　相關賽題推薦　 172 第 11 章　實戰案例-Corporación Favorita Grocery Sales Forecasting 174 11．1

　賽題理解 174 11．1．1　背景介紹 174 11．1．2　賽題數據 175 11．1．3　評價指標 175 11．1．4　賽題FAQ 176 11．1．5　baseline 方案 176 11．2　探索性資料分析 181 11．2．1 數據初探 181 11．2．2　單變數分析 184 11．2．3　多變數分析 188 11．3　特徵工程 190 11．3．1　歷史平移特徵 191 11．3．2　視窗統計特徵 192 11．3．3　構造細微性多樣性 193 11．3．4　高效特徵選擇 194 11．4　模型選擇 195 11．4．1　LightGBM 模型 196 11．4．2　LST

M 模型 196 11．4．3　Wavenet 模型 198 11．4．4　模型融合 199 11．5　賽題總結 200 11．5．1　更多方案 200 11．5．2　知識點梳理 201 11．5．2　延伸學習 202 第 12 章　計算廣告 204 12．1　什麼是計算廣告 204 12．1．1　主要問題 205 12．1．2　計算廣告系統架構 205 12．2　廣告類型 207 12．2．1　合約廣告 207 12．2．2　競價廣告 207 12．2．3　程式化交易廣告 208 12．3　廣告召回 208 12．3．1　廣告召回模組 208 12．3．2　DSSM 語義召回 210 12

．4　廣告排序 211 12．4．1　點擊率預估 211 12．4．2　特徵處理 212 12．4．3　常見模型 214 12．5　廣告競價 219 12．6　小結 221 12．7　思考練習 221 第 13 章　實戰案例：2018 騰訊廣告演算法大賽——相似人群拓展 222 13．1　賽題理解 222 13．1．1　賽題背景 223 13．1．2　賽題數據 224 13．1．3　賽題任務 226 13．1．4　評價指標 226 13．1．5　賽題FAQ 227 13．2　探索性資料分析 227 13．2．1　競賽的公開資料集 227 13．2．2　訓練集與測試集 227 13．2．3　廣

告屬性 229 13．2．4　使用者資訊 229 13．2．5　資料集特徵拼接 230 13．2．6　基本建模思路 232 13．3　特徵工程 232 13．3．1　經典特徵 232 13．3．2　業務特徵 234 13．3．3　文本特徵 235 13．3．4　特徵降維 237 13．3．5　特徵存儲 238 13．4　模型訓練 238 13．4．1　LightGBM 238 13．4．2　CatBoost　 238 13．4．3　XGBoost 239 13．5　模型融合 239 13．5．1　加權融合 239 13．5．2　Stacking 融合 239 13．6　賽題總結 240 13．

6．1　更多方案 240 13．6．2　知識點梳理 241 13．6．3　延伸學習 241 第 14 章　實戰案例-TalkingData AdTracking Fraud DetectionChallenge 243 14．1　賽題理解 243 14．1．1　背景介紹 243 14．1．2　賽題數據 244 14．1．3　評價指標 244 14．1．4　賽題FAQ 244 14．1．5　baseline 方案 245 14．2　探索性資料分析 247 14．2．1 數據初探 247 14．2．2　單變數分析 249 14．2．3　多變數分析 254 14．2．4　資料分佈 255 14．3

　特徵工程 256 14．3．1　統計特徵 256 14．3．2　時間差特徵 257 14．3．3　排序特徵 258 14．3．4　目標編碼特徵 258 14．4　模型選擇 259 14．4．1　LR 模型 259 14．4．2　CatBoost 模型 259 14．4．3　LightGBM 模型 260 14．4．4　DeepFM 模型 261 14．5　賽題總結 264 14．5．1　更多方案 264 14．5．2　知識點梳理 265 14．5．3　延伸學習 266 第 15 章　自然語言處理 268 15．1　自然語言處理的發展歷程 268 15．2　自然語言處理的常見場景 269 1

5．2．1　分類、回歸任務 269 15．2．2　資訊檢索、文本匹配等任務 269 15．2．3　序列對序列、序列標注 269 15．2．4　機器閱讀 270 15．3　自然語言處理的常見技術 270 15．3．1　基於詞袋模型、TF-IDF．的特徵提取 270 15．3．2　N-Gram 模型 271 15．3．3　詞嵌入模型 271 15．3．5　上下文相關預訓練模型 272 15．3．6　常用的深度學習模型結構 274 15．4　練習 276 第 16 章　實戰案例：Quora QuestionPairs 277 16．1　賽題理解 277 16．1．1　賽題背景 277 16．1．2

　賽題數據 278 16．1．3　賽題任務 278 16．1．4　評價指標 278 16．1．5　賽題FAQ 278 16．2　探索性資料分析 279 16．2．1　欄位類別含義 279 16．2．2　資料集基本量 279 16．2．3　文本的分佈 280 16．2．4　詞的數量與詞雲分析 282 16．2．5　基於傳統手段的文本資料預處理 284 16．2．6　基於深度學習模型的文本資料預處理 284 16．3　特徵工程 285 16．3．1　通用文本特徵 285 16．3．2　相似度特徵 287 16．3．3　詞向量的進一步應用——獨有詞匹配 290 16．3．4　詞向量的進一步應用——詞

與詞的兩兩匹配 290 16．3．5　其他相似度計算方式 291 16．4　機器學習模型和模型的訓練 291 16．4．1　TextCNN 模型 291 16．4．2　TextLSTM 模型 292 16．4．3　TextLSTM with Attention 模型 293 16．4．4　Self-Attention 層 295 16．4．5　Transformer 和BERT 類模型 296 16．4．6　基於 representation 和基於 interaction 的深度學習模型的差異 298 16．4．7　一種特殊的基於 interaction 的深度學習模型 303 16．4．8

　深度學習文本資料的翻譯增強 303 16．4．9　深度學習文本資料的預處理 304 16．4．10　BERT 模型的訓練 306 16．5　模型融合 310 16．6　賽題總結 310 16．6．1　更多方案 310 16．6．2　知識點梳理 310 16．6．3　延伸學習 311

應用商店進入發燒排行的影片

平台之競爭法議題－以應用程式商店為中心

為了解決應用商店的問題，作者陳子瑄 這樣論述：

隨著行動通訊及網際網路快速發展，應用程式的出現改變了人們的工作方式及其他社會和經濟現象。然而於現階段應用程式商店發展中，Apple及Google之應用程式商店規模逐漸壯大，以致有濫用主導地位之疑慮存在，衍伸出應用程式商店是否透過控制主導地位以獲得不合理之利益，並使應用程式市場向有利於其的方向傾斜，亦透過訂定審查指南等規則強迫應用程式開發商須繳交一定之交易費用，以及是否存有搭售等其他競爭法爭議。本論文從以上問題出發，聚焦於討論應用程式商店所衍生之不同競爭法問題，並回顧近年於美國及歐盟針對應用程式商店之值得參考之判決，藉由判決中法院之意見得出本文所彙整之競爭法問題於法院實務中仍難以構成，惟其競爭

法問題對於開發商、消費者而言仍皆造成傷害。因此本文提出數種應用程式商店平台、法院及監管機關未來可採取的做法，包括利用分離原則以使平台失去現有的優勢以制衡其發展；法院可透過個別化禁制令有效解決單一公司之壟斷行為而不致同時影響其他公司；監管機關可利用互操作性縮小大型企業之獨占地位以及與競爭對手之差距；亦可使用網路中立性將平台列為公共承運人，使其須負擔網路中立性之責任，由監管機關直接監督；也試圖重新規劃應用程式商店平台之商業模式。此外，本文嘗試融入行為經濟學角度，認為行為經濟學可透過其經驗論給予新的執法對策。亦分析各國目前針對應用程式商店所草擬新法案或是修正案，以了解目前各國對於應用程式商店競爭法議

題上的態度。最終對於未來企業如何因應及監管機關如何執法上提出建議。

方舟：數字經濟創新史

為了解決應用商店的問題，作者趙小兵 這樣論述：

移動互聯網是如何興起的，是誰開啟了這一切？ 為何諾基亞、摩托羅拉等通信巨頭轟然倒下？ 百年老店柯達怎麼也驟然消失在人們的視野中？ 在中國，為什麼*和騰訊脫穎而出，變得如此強大？ 為什麼今日頭條、美團、滴滴在一夜之間拔地而起，成為巨頭？ 5G已來，諸多行業巨變的臨界點事件正在聚集，新的創新在醞釀之中。這一次，時代創新的天平是否會偏向東方，偏向中國？ 這本書從投資的視角切入，追溯了全球數字經濟創新的源頭，分析了其中的重大創新成果。作者從自己十餘年的投資經驗入手，總結出一套數字經濟創新的規律和方法論，包括2個創新模型（風口創新模型、萬物創新模型）和7個創新定律（臨界點、十倍創新等），指導

當下投資人和創業者的創新方向。 這本書把承載創新的平臺比喻成方舟，作者認為，創新的方舟必須疊加在積聚百年的創新風口上，才能改變世界，帶來財富的指數級增長。上一代方舟是蘋果和穀歌聯手打造的“蘋安方舟”，我們都見證了它在移動互聯網的風口上乘風破浪，那麼，下一代方舟又在哪裡呢？   趙小兵 畢業于中國社會科學院研究生院，獲法學碩士學位。 先後擔任漢能投資集團董事總經理、達晨財智董事高級副總裁、高瓴資本集團董事總經理，在投資領域擁有十餘年的工作經驗。 作為中國早期的數字經濟研究者之一，他在1998年就撰寫了《中國電信Internet市場白皮書》，在2001年撰寫了《中國媒體

投資報告》，2004年出版專著《中國媒體投資：理論與案例》。 先後為美國微軟公司、美國道鐘斯集團、美國新聞集團、中國聯通公司等提供過諮詢服務。還曾在北京大學、清華大學、中國人民大學和上海交通大學等高校授課。目前擔任中國社會科學院研究生院兼職研究生導師。 自序  創新即財富 前言  百年風口——商業史上罕見的指數增長時代 第一章 創新工具箱 01 風口創新模型 風口創新是一個基礎設施級別的創新 風口創新會出現從0%到100%的大遷徙 風口創新會突然引爆一個指數級別的新增市場 風口創新有一個稍縱即逝的跟隨者效應 風口創新可能會導致上一代市場領先企業迅速崩潰 02 萬物創新模

型 橫空出世（“道生一”）：誕生 群雄逐鹿（“一生二”）：競爭 問鼎中原(“二生三”)：壟斷 生態搭建（“三生萬物”）：繁衍 03 創新定律類工具 互聯網 數位化率 臨界點 創新分級 摩爾定律魔咒 1-99法則 約伯斯產品創新法則 第二章 方舟前傳：個人電腦革命 04 計算行業的締造者：IBM 馬車製造商的預言 小沃森小試牛刀：踏入電子時代 小沃森的十倍創新：360系統 05  行業巨變的臨界點 半導體行業的技術突破：電晶體和積體電路的發明 摩爾定律：罕見的創新時鐘 微處理器的問世 個人電腦的最後一個重要發明：作業系統 牛郎星：世界上第一台個人電腦終於問世   06 微軟：史上第一個標準的售

賣者 蝸居池塘的鯊魚 生死選擇題 07 微軟的十倍創新：大殺器Windows 來自約伯斯的電話：第二次天降餡餅 魚肉和熊掌兼得的協議 蓋茨的十年賭注：終結所有競爭的研發 08 蘋果公司：個人電腦的開山者 謎團之一：為何看上去最不靠譜的蘋果成為個人電腦的締造者？ 謎團之二：蘋果為何陷入第二款產品魔咒？ 09 個人電腦的麥加 深藏閨中的璞玉：奧托 偉大創新之源：圖形化使用者介面 10 麥金塔 巔峰 穀底 火種 11 從摩爾定律魔咒看電腦行業的“瑜亮之爭” 創新大師無法解釋之惑 為何個人電腦硬體無贏家？ 天下唯一領悟摩爾定律魔咒之人：蓋茨 12 NeXT：約伯斯的管理課 “魚符”NeXT 約伯斯手中

的“魚符” 蘋果手中的“魚符” 13 皮克斯：約伯斯的內容課 一個衝動的交易 店大欺客 客大欺店 反客為主 第三章 方舟鑄成 14 拯救沉船 阿拉伯人和駱駝 學院派止損 約伯斯極端救援 15 追溯方舟影像 突破邊界 數位化率槍口下的音樂產業 立體入侵 16 3G港灣 百年電信業的破局者 電信業突發兩個行業巨變 全球重倉3G 17 “蘋安”方舟 觸屏交互：未來影像定格 iPhone:商業史上最強的十倍創新 安卓：商業史上最強的複製創新 蘋果和安卓合併成舟 第四章 被拋下方舟的巨頭 18 方舟主戰場的生死之戰 以卵擊石的開局 棄暗投明的中場 丟盔卸甲的終局 19 數位化率：摧毀了整個膠片行業

高山仰止的巔峰 生死臨界點 終局：百年老店驟死 第五章 船票爭奪戰 20 駛入中國的“蘋安”方舟 3G牌照：中國船票開售 風口創新模型和移動互聯網 得船票者得天下 21 頭等艙船票 千億美元之移動社交船票 千億美元之移動電商和移動支付船票 22 公務艙船票 數百億美元之移動資訊資訊船票 數百億美元之移動生活服務船票 數百億美元之本地出行船票 數百億美元之社交電商船票 超百億美元之移動娛樂船票 數百億美元之安卓手機船票 寫在最後的話：未來方舟影像 後記  搭建一套中國人的創新分析模型   百年風口——商業史上罕見的指數增長時代 一直以來，我都有一些疑惑：移動互聯網是如何

興起的？其源頭究竟在哪裡？是誰發動了這一切？為何諾基亞、摩托羅拉這些通信巨頭會突然倒下？如果說，諾基亞的倒下是因為智慧手機 iPhone的崛起，那麼，柯達和西爾斯這些和網路風馬牛不相及的百年老店，怎麼也驟然消失在我們的視野當中？用克裡斯坦森的顛覆性創新理論似乎也無法解釋清楚。為何阿裡巴巴和騰訊突然脫穎而出，變得如此強大和具有影響力？為何那些曾經的互聯網的象徵 — 門戶網站，突然變成了小公司，從美國的雅虎，到中國的新浪和搜狐，莫不如是？為何出現了今日頭條、美團和滴滴這樣的公司，它們仿佛在一夜之間拔地而起，成為巨人？還有更離譜的是，拼多多，這個成立僅僅幾年的公司竟可以在納斯達克上市，並獲得投資者的

熱烈追捧。公司市值從零到數百億美元，拼多多也許創造了一項財富增值的世界紀錄！ 為何這一切的奇跡發生在現在，就在我們的眼前？為何以往處於創新中心的電信運營商似乎走下神壇，失去了魅力？我們的生活方式也出現了巨變，以前聞所未聞的產品佔據了年輕人的生活：快手和抖音。從拉薩到上海灘，每天上億名年輕人沉迷在這些無窮無盡的短視頻裡，樂不可支、欲罷不能，這是為什麼？“雙十一”，這個被阿裡巴巴人為製造的節日，突然變成有史以來全球最大的萬眾購物狂歡，交易額屢創新高。在 2019 年的“雙十一”，阿裡雲支援的訂單創建峰值達 54.4 萬筆 / 秒。阿裡巴巴的 CEO張勇評論說：“這相當於消費者坐滿了 6 個鳥巢體

育場，在同一秒在網上下單。錢不能算錯，庫存不能算錯，這是‘雙十一’從 11 年前的一個網站活動到消費者節日的基礎，它甚至變成了全球商業的奧林匹克，變成社會現象，這背後是創新的力量。”在胡潤的財富排行榜上，一夜暴富的名單迅速變長，財富積累之多之快，上榜的創業者之年輕，如同變戲法一樣。此外，現金幾乎消失了，我們出門的時候，用微信和支付寶一掃，即可完成付款。 企業的崛起和衰落甚至消失，突然變得如此快速和不可思議。基業長青，百年老店，這些企業家以往篤信的理念，似乎在現實面前不堪一擊。難道，在商業層面，我們猝不及防地突然闖進了原子時代？在今天，一位“90 後”創辦的企業可能被寄予厚望，一下子就拿到數億

美元。同時，一些綿延百年的行業卻突然整體陷入困境，這些式微的行業無論聚集了多少教授、學者和獲獎者，往日獲得過多少榮光，都宛若沉船，被資本市場棄若敝屣。 這個時候，我就想起奧地利詩人里爾克所寫的《預感》一詩：“我認出風暴而激動如大海。我舒展開來又蜷縮回去，我掙脫自身，獨自置身於偉大的風暴中！”這就是對我們這個偉大時代入木三分的刻畫，無論人們是選擇迎接，還是躲避，創新風暴都在那裡。 那麼，這些創新風暴都已經過去了嗎，抑或會沉寂片刻，再度捲土重來？ 令人瞠目結舌的消費場景和生活方式就像空氣一樣籠罩著我們，我們似乎麻木地接受了這一切，所有種種不可思議的奇跡，又仿佛都是理所應當的一樣。關鍵是，我們

似乎已經飛快地熟悉和適應了這一切突變，就好像我們一開始就生活在這個不可思議的數字時代一樣。在我教會 80 多歲的老父親使用微信後，他就時常顫顫巍巍地在微信群裡分享他的見聞，甚至冷不丁地給我撥個微信電話。我常常捫心自問，我們還能離開這樣的生活嗎？ 在京城迷人秋日的一個早晨，我坐在書桌前，聆聽著鋼琴曲，品一口茶，開始重溫這一切疑惑，並試圖找到更好的答案。 有一陣子，我彷徨於浩如煙海的史料之中無法自拔，直到我重新回到原點，構建了一些創新工具。借用這些工具，這段人類最偉大的創新史的脈絡才逐漸清晰起來，各自都找到了答案。 當我們問，這次創新潮為何引發了商業史上罕見的指數級增長時，本書的“風口創新模

型”就可以做出解釋。“風口”一詞源自雷軍，但是我已經將其完善為一個創新理論模型（詳見本書第一章）。當我們問，我們為何如此快速地進入了數字時代時，本書的“萬物創新模型”也可以給出答案。這個模型來自老子的《道德經》，所謂的“三生萬物”，就是指搭建在數字方舟之上的開放生態。憑藉全球的數位軟體工匠，開放生態已繁衍出一個絢麗多彩的數字世界。 好了，我們這就揭開移動互聯網的謎底。 通信技術、計算技術和網路技術相互作用、蓄勢百年，終於形成一股創新颶風，席捲全球，在摧毀了諸多綿延百年的行業巨頭，攻破諸多堅不可摧的商業城池的同時，這股創新颶風快速催生了一個巨大無比的嶄新行業：移動互聯網！ 這個百年創新風口

已至，它是人類歷史上最宏大、最快速的一次創新盛宴，它將突破人類過往的哲學、數學、物理學乃至所有商業理論層面的眾多原則。比如，之前人們說羅馬不是一天建成的，但現在就有人在“一日”內建成了“羅馬”：成立不到 7 年的今日頭條母公司位元組跳動，上一輪融資的估值是 750 億美元！如果我們把位元組跳動看作一家數位媒體公司，那麼對比一下，媒體行業的標杆和鼻祖之一，創辦超過百年的《紐約時報》的市值卻不足 50 億美元！我們暫且不論《紐約時報》在歷史上曾經有過多麼顯赫的地位和榮光，即使在今天，《紐約時報》的各類高級人才也是車載斗量。而位元組跳動的創辦者張一鳴，只是一位畢業于南開大學的中國“80後”軟體工程師

。以他此前的簡歷，他可能都無法獲得《紐約時報》網站部門的職位。 然而，張一鳴只用了不到 7 年的時間，就創辦了一家相當於《紐約時報》財富價值 15 倍的媒體公司！如果這都不能稱作傳奇，我真不知道傳奇為何物了。我們應該進一步追問，這樣的商業傳奇在人類商業史上曾經出現過嗎？答案當然是沒有。糟糕的是，我們根本沒有找尋答案的時間，可能還把這樣的商業傳奇視為理所當然，這是非常危險的信號。 2019 年夏天，就在中美貿易摩擦激烈之時，美國以國家機器之力打壓華為，任正非卻以寬闊的胸襟讚歎一家美國公司，他說：“蘋果是這個世界上最偉大的公司，沒有蘋果就沒有移動互聯網。如果沒有蘋果來展現這個互聯網世界，我們也

無法領略這個世界的美。”華為作為世界頂級的電信設備公司，其實是數位世界諸多創新的源頭，任先生的見解正是打開創新領域諸多謎團的一把鑰匙。 的確，關於移動互聯網，如果只是言及一人之功，這個人就非約伯斯莫屬。當 3G（第三代移動通信技術）網路鋪設完畢時，通信終端還停留在2G（第二代移動通信技術）時代，諾基亞和摩托羅拉的生意正處在歷史的巔峰。與此同時，創新停滯了，在豪華的 3G 網路之上，只有日本的一些零星的微創新帶來的小打小鬧。整個地球的電信運營商凝視著 3G 巨大的沉沒成本，壓力巨大。這個時候，剛剛拿到 3G 牌照的中國聯通還找到我，試圖共同尋找一些破解 3G 難題的解決方案。 正當世界陷入沉

寂的時候，蘋果公司總部正在秘密打造一款智慧手機——iPhone。埋頭于產品創新的約伯斯並不知曉，其實，iPhone 正疊加在通信技術、計算技術和網路技術積聚百年的創新風口上。滔天洪水將至，這是數字洪水，它對一些人意味著災難，對另一些人則意味著傳奇。世界需要一艘偉大的數位方舟，來承載人類，將人類整體遷徙到數字世界。而iPhone，就是這艘數字之舟。 本書試圖追溯至數字世界的源頭，找到一塊塊最早的界碑，咀嚼那些淹沒於歷史洪流之中的偉大事件和人物。又或者，我們可以沿著約伯斯先生的足跡，去窺探歷史何以選擇此人鍛造數字方舟，他又是如何百煉成鋼，鑄就如此大業的。 如果談論 1976 年的約伯斯，我們會

說，他只是無數早期創業者中的一個，和其他創業者不同的是，他打算和斯蒂夫•沃茲尼亞克（簡稱“沃茲”）一起創辦一家叫蘋果的電腦公司。 如果談論 1981 年的約伯斯，我們會說，他是個人電腦的締造者之一，蘋果公司的 Apple Ⅱ（蘋果第二代個人電腦）是如此成功，主流媒體會眾口一詞地稱約伯斯是電腦天才。 如果談論 1985 年的約伯斯，主流媒體又會說，他是個被他雇來的約翰•斯卡利開除出蘋果公司的失敗者，他需要對蘋果的困境背負大部分責任。 如果談論 1990 年的約伯斯，我們會說，他再度創辦的 NeXT 電腦公司並不成功，他投資的皮克斯還不錯，但是，他只是其中的出資人和大股東而已。這個時候的約伯

斯還是那個萬眾矚目的創業家嗎？多數主流媒體會表示懷疑。 如果談論 1995 年的約伯斯，主流媒體會說，他看上去很難拯救瀕臨倒閉的蘋果公司。甚至就像邁克爾•戴爾所言，他還不如把公司關閉，把錢還給股東們算了。經歷了坐過山車般的創業之後，約伯斯也不能確定自己是否可以成功挽救蘋果，他一度不敢擔任蘋果公司的 CEO，而是以顧問的身份試探性地管理公司。 如果談論 2009 年的約伯斯，主流媒體會說，他是蘋果公司的救世主，他正在把蘋果公司帶至巔峰，關於他是天才的評價又捲土重來。 如果談論 2011 年的約伯斯，主流媒體會說，他是有史以來最偉大的發明家和創業家之一，他改變了很多行業，甚至，他真的改變了世

界。 如果今天談論約伯斯，我們會維持 2011 年的說法，人人都對他充滿了敬意，說他太了不起了，他的成就無人能望其項背。這個時候，我們似乎忘了，約伯斯曾經被他創辦的公司解雇，他陷入過長期的低迷，甚至對自己是否能夠拯救蘋果遲疑不決。我們對約伯斯曾經的低潮，選擇性地遺忘了，好像約伯斯從始至終都非常偉大，從未經歷過挫折。這個時候，約伯斯就被神化了。 事實上，約伯斯創業早期太過順利，事業在其身心尚未成熟時即達到巔峰。此後，因迷失方向而墜入事業低谷，他就一點一點地，從被人們遺忘的山谷深處向上攀爬，他在這種攀爬中得到了歷練和成長。幸運的是，他手中握有一塊讓他回歸蘋果的“魚符”——NeXT，這是蘋果之幸

事，也是約伯斯之幸事。當他重返蘋果時，公司已經瀕臨倒閉，奄奄一息。 約伯斯一生最輝煌的事業也正是從這一刻開始的。他輾轉騰挪，拯救蘋果於水火。在蘋果站穩之後，約伯斯才涉足自己最擅長的領域：產品創新。約伯斯為蘋果召集了各個領域的頂尖人才，他帶領這些一流高手絕地反擊，做出了革命性的“i 系列”產品，這些偉大的產品彼此勾連，相互成就，憑藉積聚百年的創新風口，真正地改變了世界，也將蘋果公司推向了全球之巔。因此，在我看來，約伯斯的故事是厚積薄發、十年磨一劍、畢其功於一役和英雄歸來的傳奇。過往，他曾經跌落深淵，後來他卻登上了比誰都更高的巔峰。 約伯斯重回巔峰，是基於他傾其一生的積累，以及與移動互聯網創新

風口的相互加持和成就。這就像移動互聯網在等待約伯斯的王者歸來，而約伯斯則歷經磨難，不辱使命，在恰當的時間祭出了石破天驚的十倍創新巨作：iPhone 和 iOS（蘋果作業系統）。 我們都屏住呼吸，等待這個時刻的到來。 約伯斯帶領團隊締造了數位方舟 iPhone，通過一部手機，把世界子民遷徙到美麗的數字世界之中。而谷歌富有遠見並且及時地複製了蘋果的創意，約伯斯固守一生的封閉系統恰好就為穀歌留下了這樣的空間。數字方舟是蘋果和安卓所建，可稱“蘋安方舟”。當它落成之際，有遠見的企業家立刻意識到創新颶風將至。“船票爭奪戰”是一場資源和賽道的博弈，其中的贏家，連同蘋果和安卓一起，進一步拓展了數位世界的疆

域。 I 的數位舟楫，而 iOS、安卓，連同應用商店就是方舟的船體。同時，它們向世界開放了軟體應用商店，召集全球數字工匠，相約打造一個萬花筒般的數字世界。中國數字工匠也聞風而動，在“船票爭奪戰”中雄冠全球。迅即，價值數萬億美元的新興產業隨之誕生，中國企業傲然躋身其中，整個世界的商業體系也為之重塑。此時，全球的子民蜂擁而至，遷徙到數字方舟之上，感受數字世界的美好，2008 年到 2018 年，“蘋安方舟”恰好運行十載。 過往，約伯斯常常把改變世界掛在嘴邊，這一次，改變世界的期許終於如願，他將把整個世界帶入移動數位時代！此時，我不禁想起孫中山先生的名句：“天下大勢，浩浩湯湯，順之者昌，逆之者亡

。”在這場史無前例的移動數字洪流席捲而來之時，眼見得，獲得船票者昌，未獲得船票者或式微或消亡。那登堂入室的昌者中，就有寂寂無名之輩；而那被無情掀翻的亡者中，抑或就有度過了世界大戰和經濟大蕭條，歷經百年風雨而不倒的行業巨頭。 待偉大舟楫建成後，約伯斯卻像是完成了上天託付的偉大使命，那麼早就撒手人寰。王興知曉美團緣何而起，緣何而大。在美團上市那天，他意味深長地說，感謝約伯斯，如果沒有約伯斯，沒有移動互聯網，今天所有的一切都不可能實現。讀到此，我報以笑意。馬化騰一直說要搞到船票，否則騰訊危矣，只是他並未言明，微信這張堪比天大的船票在手，舟楫安在呢？是了是了，我相信，在“小馬哥”心中，他早就看到了這

艘石破天驚的數字方舟了吧。 我認為，iPhone 可能是人類發明的最偉大的單一產品，我們如何讚美它都不為過，而且與此相關的成功的創新者，都以不可思議的火箭般的速度獲得了巨額財富。人類和一款創新產品的連接，從未如此密不可分。你聽，美國電動車及能源公司特斯拉的創始人埃隆•馬斯克就說：“現在我們已經和手機、電腦連在一起了，我們已經成為帶有機器特徵的人了，機器相當於你生命的延伸，你離開手機就好像少了一條手臂。”那是因為，超過半數的世界子民看到持一部智慧手機就能遷徙至數位方舟，搭乘這艘無遠弗屆的舟楫，數字世界如同一個絢麗多彩的萬花筒，令人目不暇接。正如任正非所言，我們得以“領略了這個世界之美”。 正

當沉浸於移動互聯網這首氣勢磅礴的世紀交響曲之時，我翻開《黃河之旅》這本書。一個美國人，從黃河入海口出發，一路追尋到黃河的源頭。這給我帶來巨大的啟示：如果我們將人類數字經濟也比作一條大河，這條河的源頭安在呢？我發現，移動互聯網創新史，其實是一條浩浩蕩蕩的數字河流，當接近入海口時，我們唯有逆流而上，才能追溯到這條數位大河的真正源頭。我相信，數位河流自電腦和電腦的普及開始，接著是 PC（個人電腦）互聯網，最後是移動互聯網。我發現，數字經濟的歷史，可以歸結為一條人工數位河流和一艘數位方舟的創新史。於是，本書就從數字河流的源頭 IBM（國際商業機器公司）和其研發的大型電腦寫起，一直寫到精彩紛呈的移動互聯

網船票爭奪戰。終局，數字河流積聚磅礴之力，托著承載了全體人類的數字方舟，奮力湧入煙波浩渺的大海，一切戛然而止！ 積聚百年的創新風口，因 3G 網路的鋪設而聚集起堰塞湖般的巨大勢能，十倍創新產品 iPhone 擊穿了堰塞湖的堅實外壁，軟體應用商店的千萬名開發者製造了海陸空的破壁工具，而安卓呢，它是一個神奇的加速器，與 iPhone 合併成舟。 這場創新風暴從 2007 年起，於 2020 年終。 當然，下一場創新風暴又開始蓄力，我分明聽到，十倍創新大作和新的方舟正在叮叮噹當地鑄造中，科技就是這樣反覆運算輪回。 生於此時，受惠於此，是何等幸福之事呢。  

以產業生命週期理論探討台灣遊戲產業發展之經營策略 -以W 公司為例

為了解決應用商店的問題，作者張協建 這樣論述：

隨著硬體科技與網路的普及，一般大眾對遊戲娛樂的需求提高，遊戲產業也在台灣快速崛起。台灣遊戲產業歷經了早期的單機遊戲、線上遊戲、網頁遊戲到近期的手機遊戲時代，然而每個階段都將面臨到不同的市場機會與課題。本研究透過產業生命週期理論對台灣遊戲產業中具代表性之W公司進行個案探討，釐清個案公司在遊戲產業中各個階段的發展脈絡，以及個案公司近期所遇到的危機與因應策略，並輔以五力分析、SWOT分析等理論觀點與實務現象之相互印證，提供個案公司未來可發展之方向，期望透過本研究結果，為台灣遊戲產業找到轉機，避免陷入被淘汰的命運。本研究採用質性研究中的個案研究法，透過深度訪談取得的初級資料，並與次級資料做相互驗證及

歸納，期盼從理論與實務的碰撞中擦出火花。本研究之研究結果發現，面對現今手遊市場激烈的競爭、遊戲供應商、應用商店通路商及玩家議價能力提高的情況下，個案公司透過多元化經營(包含推出自家遊戲平台、與其他遊戲公司策略結盟、美術代工)及遊戲代理的差異化策略，逐漸走出虧損的困境。而本研究也以5G遊戲趨勢提供給公司作為未來可發展之機會點。最後，本研究結果和研究建議也可供未來台灣遊戲產業之學術研究或實務場域作為參考。