微官网统计代码(微代码表怎么看)
随着AI在各领域爆火,身在设计行业的我们也不能停下脚步。下面是GPT-4在调研报告方向的实际应用和实操方法,非常细节和实用。绝对的干货,里面的快捷指令可以直接拿来就用。文末还给大家分享了让生产力加倍的 ChatGPT快捷指令集合网站,还有彩蛋!希望对大家有所帮助!
整个项目的背景是为了深入了解赶集直招主要用户群体的行为偏好和用户画像,我们采用了现有的行业报告和GPT-4结合的方式产出了本次需要了解的快递运输业、餐饮服务业、美容美发业求职用户的行为偏好和用户画像。
展开全文
以下是通过GPT-4产出的部分内容↓
那我们该怎么训练自己的模型,从而产出想要的调研内容呢?以下是训练GPT-4调研报告模型的方法。
一、建立语境
请根据以下提示撰写一份调研报告。你可以根据你的研究领域自由发挥,但请确保你的报告具有以下特征:
1. 具有明确的问题陈述和研究目的;2. 包含对现有文献和数据的全面分析和综述;3. 采用适当的方法和技术进行数据收集和分析;4. 提供准确的结论和建议,以回答研究问题并达到研究目的。如果你明确上述所表达的意思请回答:是的。我将给你一个主题,来明确我需要的调研报告的方向。
二、梳理结构
请帮我列举「报告主题XXX调研报告」的结构,以生成高质量且高可用性的调研报告(可以根据自己的需求更换适合自己的结构)
三、拆解环节
现在我们进行分析和拆解:「需要拆解的内容」,基于现有文献和数据进行全面分析和简要概括。(可横向/纵向拆解,颗粒度越细越准确)
四、提炼和摘取
简要概括上述内容,保留「需要内容」部分的指令,沉淀出最核心需要的内容
五、输出表格
将「XXX-xxxx」以表格方式呈现给我。
六、输出可视化图表
目前我在「mac端」使用pycharm写代码,请用Python语言将「XXX」以可视化图表的形式呈现给我,设置并使用系统自带中英文字体,保证代码正确显示无bug。
以下是手把手教学的实际案例↓
一、建立语境
Human:
请根据以下提示撰写一份调研报告。你可以根据你的研究领域自由发挥,但请确保你的报告具有以下特征:
1. 具有明确的问题陈述和研究目的;2. 包含对现有文献和数据的全面分析和综述;3. 采用适当的方法和技术进行数据收集和分析;4. 提供准确的结论和建议,以回答研究问题并达到研究目的。如果你明确上述所表达的意思请回答:是的。我将给你一个主题,来明确我需要的调研报告的方向。
GPT-4:
是的,我明白你的要求。请告诉我你需要调研报告的主题。
二、梳理结构
Human:
请帮我列举「关于蓝领招聘行业,求职用户主要人群的行为偏好和用户画像的调研报告」的结构,以生成高质量且高可用性的调研报告
GPT-4:
一、引言
背景和问题陈述: 介绍蓝领招聘行业的当前状况,并提出问题——我们需要了解求职用户的主要行为偏好和用户画像是什么?
研究目的:明确研究的主要目的,例如,了解用户画像和行为偏好以更好地服务这一群体,提升招聘效率,满足求职者需求等。
二、文献综述
现有研究:调查现有的研究文献,了解他们如何定义和研究蓝领招聘行业的求职者行为偏好和用户画像。
研究空白:识别当前研究中存在的问题或缺失,解释我们为什么需要进行这项新的研究。
三、方法
数据收集:详述数据收集的方法和来源,例如,调查问卷,访谈,或是行业数据库等。
数据分析:说明将如何进行数据的统计和分析,使用哪些工具和技术。
四、结果
求职用户主要人群的行为偏好:分析收集到的数据,揭示出蓝领招聘行业中求职者的主要行为偏好是什么。
用户画像:基于收集的数据,描绘出一份详细的用户画像。
五、讨论与建议
结论:综合以上数据和分析,提出一份明确的研究结论。
建议:基于研究结论,提供改进蓝领招聘行业,满足求职者需求的策略和建议。
六、结论
研究重点总结:再次强调本研究的主要发现和建议。
未来研究方向:对未来可能的研究方向提出建议。
三、拆解环节*N
Human:
现在我们进行分析和拆解:「快递运输行业求职者在找工作整个过程中的偏好特点」,基于现有文献和数据进行全面分析和简要概括。
GPT-4:
在找工作的过程中,快递运输行业的求职者可能会有以下的偏好特点:
信息来源:由于快递运输行业的求职者可能更依赖于快速且方便的信息获取方式,因此,他们可能更倾向于通过在线招聘平台、社交媒体、行业内部推荐等途径获取工作信息。
岗位选择:在选择岗位时,他们可能会更关注岗位的具体职责、工作时间、工作地点和薪资等信息。具有明确工作描述、合理工资待遇和适合的工作地点的岗位可能会更吸引他们。
申请方式:在申请工作时,他们可能更喜欢简洁、快速的申请流程。例如,通过在线平台直接提交简历和申请,或者通过电话或短信联系等。
面试过程:在面试过程中,他们可能更期望面试过程公正、公开、及时,并在短时间内得到反馈。
Human:
继续分析和拆解:「快递运输行业求职者在求职申请方式上的偏好特点」,基于现有文献和数据进行全面分析和简要概括。
GPT-4:
在求职申请方式上,快递运输行业的求职者可能有以下的偏好特点:
简易快速:由于工作性质和工作时间的特殊性,快递行业的求职者往往更倾向于简易快速的申请方式。例如,通过在线招聘平台提交简历、通过电子邮件或者短信发送简历等。
在线申请:现代的快递行业求职者通常更倾向于在线申请。他们可能会选择使用手机应用程序或网站进行求职,这种方式更为便捷,他们可以在任何地方、任何时间进行申请。
社交媒体:随着社交媒体的普及,一些求职者可能也通过微信、微博等社交平台寻找工作机会,尤其是那些更新信息较快的行业或职位。
内部推荐:在一些情况下,求职者可能会通过行业内部的网络和联系人获取工作信息和推荐,这也是他们寻找新工作的常见方式。
现场招聘会:尽管在线招聘逐渐成为主流,但一些快递运输行业的求职者可能仍然会参加现场的招聘会,特别是针对该行业或特定公司的招聘会。
四、提炼和摘取
通过以上操作重复拆解你所需要的内容,颗粒度自己把握。通过简要概括上述内容,保留「快递运输业、餐饮服务业、美容美发业求职偏好」部分的指令,沉淀出最核心需要的内容。
五、输出表格
再把内容整合在一起,反哺给GPT。通过横向对比共同点和差异点,简要概括,以表格的形式生成结论。
六、输出可视化图表
生成的代码可以直接复制到pycharm中运行,有bug可以换个问法多试几次。
Human:
目前我在「mac端」使用pycharm写代码,请用Python语言将「年龄分布:20-45岁,其中25-35岁占比较高(60~70%) 性别比例:男性约占80%,女性约占20%。教育背景:以初中、高中或中专学历为主,约占65%;大专或本科学历约占比35%。工作经验:快递运输业求职用户的工作经验可能从无经验到多年经验不等,其中1-5年经验占比较高,大概占到总人数的50-60%。」以可视化图表的形式呈现给我,设置并使用系统自带中英文字体,保证代码正确显示无bug。
GPT-4:
好的,您可以使用Python的数据可视化库matplotlib和字体管理库matplotlib.font_manager来实现这个需求。下面是示例代码:
在运行代码之前,需要确保matplotlib和相关依赖库已经安装。可以使用以下命令进行安装:
您需要将系统自带的中文字体和英文字体的路径分别传给“FontProperties”的“fname”参数。中文字体默认路径为/System/Library/Fonts/PingFang.ttc,英文字体默认路径为/Library/Fonts/Arial.ttf。如果您的系统字体存放路径不同,请修改“fname”参数的值。
此代码将会分别展示年龄分布、性别比例、教育背景和工作经验的可视化图表。由于每个图表的数据和展示方式不同,因此采用了不同的可视化方法。
当我写这篇文章的时候,我发现GPT-4已经支持使用插件和联网了,所以我简单的玩了一下。
不得不感叹,新的时代要来了。。。
一、使用插件的入口和方式
调用插件
开启联网和插件
下载插件
调用插件
二、插件的类型和选择
根据自己的需求,选择相对适合的三个插件(目前官方只可同时启动最多三个插件,进行数据调用)
我选择了三个比较适合调研的插件,稍微尝试了一下效果:
可以看到GPT-4直接调用了互联网的数据和资源,如果大家有兴趣,其实可以深度挖掘一下,个人感受是对我们的思路和现有工作方式的影响是开创性的。
三、未来发展和应用领域
在插件商店当中就可以看出很多应用的方向和领域
我们可能更关注的是设计领域未来的可能性,以下是联网的GPT-4给的回答:
用户体验设计:ChatGPT可以被用于生成用户体验设计反馈和建议。设计师可以向ChatGPT描述一个设计问题或目标,然后ChatGPT可以提供可能的解决方案或者提出新的设计思路。
交互式设计教程:ChatGPT可以生成交互设计的教程或者步骤,帮助学习者更好地理解和掌握设计原则和技术。
自动化设计反馈:ChatGPT可以被训练来评估设计作品,并提供有价值的反馈。例如,它可能能够评估一个网页或应用的用户界面,并提出改进建议。
虚拟设计助手:ChatGPT可以作为一个虚拟设计助手,帮助设计师通过语音或文字指令来创建和修改设计。例如,设计师可以告诉ChatGPT他们想要创建一个特定样式的按钮,然后ChatGPT就能生成相应的设计或代码。
设计规划和管理:ChatGPT可以帮助设计团队规划和管理他们的工作流程。例如,它可以帮助分配任务,跟踪进度,或者生成项目报告。
概念生成和发展:通过与ChatGPT进行对话,设计师可以探索新的设计概念和方向。ChatGPT可能能够提出新的设计想法或者提供不同的视角来看待设计问题。
四、好用的ChatGPT快捷指令
ChatGPT咒语库