對產品經理來說， 資料是幫他們做設計檢測的， 在檢驗結果的時候， 可以通過資料來驗證一下， 到底有沒有達成這樣一個目標。 那一起從文中看看如何將使用者行為資料， 合理地應用在產品反覆運算中。
對於產品經理來說， 資料的重要性無需多言， 用戶看到的可能更多的是產品的皮膚。 但是作為產品經理， 他需要瞭解整體的經絡組織和骨骼， 尤其是要知道資料作為血液如何在流通。
我們沉澱了一些產品設計過程中的經驗， 今天就和大家具體的分享一下。
先大致說一下我們部門， 我們部門是網易的文化擔當， 產品包括雲閱讀、網易漫畫、網易蝸牛閱讀和Lofter， 所以我們部門平時做的事情， 大多數都是幫使用者去發現內容。
在使用者尋找內容的過程中， 怎樣能讓使用者跟內容進行匹配， 這是我們一直在研究的事情。
接下來正式進入今天的分享，
第一個部分是資料來源。
我們現在用的比較多的是這幾個平臺：前三個是移動應用資料分析、有數和hubble data， 是我們公司自己做的產品， 第四、第五個是熱力圖和軌跡圖， 是我們自己基於業務特點做的一些自訂的設計。 最後一個部分是分析師， 有些產品涉及的邏輯比較多， 這個時候就要借助于資料分析師， 請他們幫我們提取一些資料。
接下來是我們產品反覆運算的邏輯， 整個框架是這樣的：
整個流程是一個閉環， 那麼在這個過程中資料起到一個什麼樣的作用？
對於用戶需求這一塊， 我們可以更充分地瞭解用戶的需求是什麼樣的， 如果有多個假設， 怎麼樣從資料上讓邏輯更加嚴謹？
對我們來說， 資料是幫我們做設計檢測的， 我們在檢驗結果的時候， 可以通過資料來驗證一下， 到底有沒有達成這樣一個目標。
下面就是一個具體的評估目標的框架， 我們的原則是：從需求中歸納事件，
因為用戶的需求轉化之後會歸納成一系列的事件， 這個事件又會對應相應的指標， 我們從建立分析框架的時候就會想我們的業務的需求， 或者目的是什麼？比如提升付費轉化率、提高用戶滿意度等等。
有了這些目的之後就要思考， 我們要用什麼事件去評估， 評估標準是什麼？ 評估的維度又是什麼？
資料分析覆蓋整個使用者生命週期， 包括拉新、促活、留存、轉化、變現和自傳播等常見的業務場景。 我們的案例分享也會從這幾方面來講。
1. 判斷管道價值
第一個是從拉新的維度來講：拉新這個部分， 首先要判斷管道的價值。
從內容角度來看：閱讀是更加碎片化的，和我們幾年前的管道完全不一樣，因為大家的注意力基本上集中在自媒體。同時，用戶的需求更功利了，用戶可能更在意的是如何快速看完一本書，或者如何快速看完一部電影，所以我們發現很多關於精讀、速讀的內容都非常受歡迎，包括影評也是這個道理。從傳播角度來看：由之前的傳統媒體轉到了自媒體，流量分發也受到很大的影響，現在主要是口碑傳播。從價值角度來看：我們傳統的邏輯是“從一個管道裡面買一個使用者需要多少錢”，而現在我們考慮的更多的是“每一個關鍵字的投入產出比”。我們會把不同管道的合作資料作為主要的衡量標準，考慮它的投入產出比，所以我們會考慮在管道合作時所產生的啟動率、次留，包括是3日和7日留存，以及後續的一個付費情況，都是我們每天會去檢測的事情。2. 順藤摸瓜第二個案例是從轉化的角度來講的：這個例子叫順藤摸瓜，它是我們在網易雲閱讀裡做的一個事情。
雲閱讀裡很多出版書的用戶會在他的書裡提到其它的書，這是一種很典型的場景。如果我們識別之後，發現這本書在我們平臺是有的，我們就會把它差異化顯示。
這種做法的意思就是說：使用者不需要再通過傳統的方式——複製書名，去搜索框搜索，再去找到這本書。使用者不需要依賴這樣的一個路徑，所以“順藤摸瓜”縮短了使用者找書的路徑。
這個部分優化之後，這塊的轉化率是非常高的。我們也知道，在使用者發現內容的過程中，縮短使用者觸達的路徑是一件很有價值的事情。
因此，除了書籍正文以外，我們在書籍的評論區或者在書籍的社區，都可以用這種方式推薦一些書，不管是別的用戶，還是我們小編推薦的，其實都是增加了內容的曝光。
因為如果你去看這本書，就說明你對這個作者本身是認同的，也會對他推薦的書籍更感興趣。後面甚至會衍生出UGC社區的內容，也會有一些商業化的嘗試。
比如：《我的24歲美女總裁》這本書，它是一本言情小說，文章中會有很多開車的場景。那麼雪佛蘭廣告商可能會找到我們，把這本書裡面的開車統一換成開雪佛蘭，剛才的資料給了我們這樣的一個可能性，這種廣告就是一種具體的應用方式。
3. 轉化率第三個案例還是關於轉化率。我們剛剛講過，除了協力廠商的資料，其實我們還有管理後臺。
管理後臺做的事情主要是兩塊：
第一個是點擊率；第二個是用戶行為軌跡。我們能夠細分跟蹤每一個用戶的軌跡，通過熱力圖的方式記錄，你可以知道使用者的點擊分佈是集中在哪裡的；你可以根據熱力圖去做一些決策。
比如：我們在詳情頁強行植入了一個廣告，但是轉化率只有0.02%，你會發現用戶根本是不買帳的。如果是按點擊率收費的話，那我們完全沒有必要做這件事情，你甚至可以把它砍掉，做一些更有助於用戶做決策的事情。
我們在知道大部分用戶的行為是集中在哪裡後，我們會持續做一些強化，或者是有意識地去做一些引導，看看用戶是不是接受這種引導。
4. 充值和付費轉化第四個還是轉化的案例，我們想提高存儲額度或者付費的額度，所以要提高它的充值和付費轉化率。
我們之前的版本是為了讓用戶買得更快，所以我們加了一些快速支付，這是大家常見的場景。比如說：這本書一共三塊錢，我們就設計一個快速支付，讓他一次性就買掉了，從理論上來說路徑非常短。
後來我們看到收入資料並沒有上升，我們就想怎麼樣才能優化？
所以這個時候就有兩個典型的問題：我們要不要去掉快速支付？要不要提高起充金額？
這個時候，我們本能的會想到，使用者看一本書需要三塊錢，但是充值只能充值六塊錢，這個時候付費用戶數量會減少，對吧？這個是我們需要考慮的。
另外一方面你會發現：讓用戶把錢充到APP裡，這個時候用戶可能望而卻步，付費轉化率會降低。所以我們就真的做了一個改版，並且拿幾個管道試了一下，我們最終的資料表明它的充值轉化率並沒有降低，而且充值人數反而變高了。
這個是為什麼呢？
但是如果你不去接觸資料的話，從本能角度思考，就會覺得去掉快速支付是一件很危險的事情，因為用戶感覺使用起來沒有那麼方便了。但實際上去掉之後你會發現用戶支付起來會更方便，因為錢是留在我們平臺的，不需要任何支付流程。
5. 提高用戶留存率第五個案例主要是關於提高用戶留存率。
提高留存這一塊，我們做了很多的嘗試。我們之前舉辦過一個隨機性質的紅包活動，比如說：有一百個人來抽獎，就相當於在資金池裡貢獻了一百分，過了零點，大家一起來開獎，但是他有一個延時的回饋效果，用戶不知道我今天拿到的是多少。
所以我們雖然覺得這種賭博的性質會引起用戶的興趣，但是延時的回饋效果其實是起不到很好的激勵的，於是我們就把它改成了一個即時回饋的紅包活動，並且把整個邏輯設計成：紅包會有一個基數，在這個基數的前提下，它的概率從1到6是不一樣的，紅包基數是3塊錢的話，就是3×1、3×2、3×3，一直到36塊錢這樣一個邏輯。
版本上線之後，我們發現它的資料是上升的，但是到後面突然下降了，下降的原因就是我們給紅包設置的有效期非常的短。
第一批的紅包已經過期了，用戶覺得紅包太短就會不買帳，這個時候我們做了兩個事情：
第一個是延長紅包的有效期；第二個是把簽到的基數又進行了相應的增加，然後用戶的接受度又慢慢地提升上去了。所以這就是監測資料對於當前產品的一個作用。除此之外，通過這種嘗試有助於控制運營成本。因為紅包是我們平臺發出去的，這部分成本都是我們負擔的，我們可以通過多輪嘗試來找到一個平衡點，給出什麼樣的金額用戶願意來玩，同時也在我們能夠為這個功能所付出的運營成本的範圍內。
流失其實是每個產品都會遇到的，但流失分為幾種。
比如：
首日流失：使用者來了就覺得不合適，可能是產品跟他不匹配；受挫流失：用戶覺得你的新手指引或者是操作上有些困難，所以流失了；自然流失：用戶因為一本書而來，看完後沒發現其他吸引他的書籍，就離開了。市場環境流失也是不可避免的，這有一個典型案例。比如：說微信，有了微信之後，其實大家對短信的使用就越來越少了。
我們為了提高用戶的留存率，其實會做一部分的召回。這個部分召回的邏輯是這樣的，我們會界定用戶做過哪些事情，把用戶進行細分，例如說：做過某件事情，對於我們而言，他就是我們的核心用戶。
我們針對有這部分行為的使用者做一個集合，然後給他們發紅包，進行召回，其實我們發現這一部分召回的效果挺好的。
6. 雙十一活動第六個案例是一個變現的案例——雙十一活動。
我們之前一直在做的雙十一活動——全場免費或者全場一折，有一次我們連做了11天全場一折的活動，但是後來我們做資料分析的時候發現一個問題，這次活動的銷售成績非常差。如果是從提升收入的角度辦這場活動，那麼整個資料對於消費的衝擊是很大的。
另外一個弊端就是來一月、二月消費資料也是在下降的，因為我們提前透支了用戶的需求，每個用戶每個月能看的書的量是固定的，在一折活動中大家都屯了很多書，所以後面的銷售資料就會受到相應的影響。
而且我們也會監測輿情，我們會發現用戶會有一個定向的思維，他會覺得雲閱讀什麼時候再打折我就等到打折那天再買書。
這邊我引用了《精益資料分析》裡的一句話：
“跟蹤一日、一周、一月內的流失率，因為用戶會以不同原因在不同時間段流失掉。第一天后便流失掉的用戶可能是嫌棄遊戲的教程太過糟糕，或是遊戲本身對他們沒有吸引力；一周後流失掉的用戶可能覺得你的遊戲不夠耐玩；而一個月後流失掉的用戶則可能是由於遊戲的更新規劃處理得不夠好，瞭解用戶何時流失有助於掌握用戶流失的原因以及阻止流失的方法。”
使用者什麼時候流失或者是資料什麼時候有波動，不僅僅是當前的問題，可能和前期所做的決策也會有相應的影響。
7. 資料趨勢分析第七個案例是資料趨勢的分析。
不同內容形態的產品給我們呈現的規則也是不一樣的，比如說：看這兩個資料包表，前面一個是以周為規律的波動，開學很高，週末也很高，後面一個的資料規律相對來說少一點，而且雙十一是一個低點。
這兩個數據，前面是漫畫的。因為漫畫的流覽量和本身更新的週期有關，漫畫最普遍的是週末更的，所以它的資料會非常明顯，到週末就很高。此外開學和週末資料最高，因為漫畫的用戶其實都是小孩子、都是學生，所以會出現這樣一種現象。
對於閱讀而言，這個資料更加印證了我們做雙十一活動其實是沒有什麼益處的，在我們閱讀書裡面的省的錢根本就不夠別人去淘寶店秒殺的，所以到了這一天，包括春節假期，我們的資料都會到一個交易低點。
在這裡，資料主要有兩個作用：資料監測和趨勢預測。當前的資料是否異常？為什什麼會這樣？要及時發現問題，定位問題。以及通過整個趨勢圖，預測接下來一段時間的指標趨勢，為後期的工作提供幫助。
8. 關注行業和自身資源最後一個案例關於行業和自身資源。
有段時間360網盤被關了，我們當時就緊急做了一件事情，宣傳了雲閱讀導入本地書的功能。綠色這條線是我們當時急劇上升的資料，後面為什麼沒有去做這件事情？
因為政治上不太正確，所以後面就沒有繼續做。說這個案例的意思就是說，如果行業有什麼變化，我們可以和自身業務進行一個結合，這是我們切入市場的一個點，就像蹭熱點一樣。
最後和大家分享一句話：“太陽底下無新鮮事”，這是聖經裡面的一句話。
積累和經驗對於每一個產品經理來說都是非常重要的，做過的專案，我們要做一些體驗記錄、分類以及歸納，你現在做閱讀產品，但是其實對於漫畫或者是其他內容，或者其他to C的任何一個產品，其實說到底都是相通的，做提煉歸納分類之後就會有相應的方法。
這個時候再加上整體思路指導的沉澱，就會變成相應的經驗，再加上相關的理論知識。對於產品經理來說，其實有一個閉環的主線，就是不斷的總結，再去嘗試，然後會有新的案例，然後再進行總結這樣一個發展過程。
今天的分享就到這裡，希望大家都能有自己的收穫，能夠把使用者行為資料合理地應用在產品反覆運算中，也希望大家能多總結多歸納，“太陽底下無新鮮事”，希望大家都能沉澱出自己的心得和體驗！
作者：顧紅清 | 網易文漫產品經理。碩士畢業于江南大學設計學院，先後就職于阿裡巴巴、網易，現負責網易雲閱讀各平臺產品設計。
本文由 @網易雲 | 雲信 原創發佈于人人都是產品經理。未經許可，禁止轉載
題圖由作者提供
首先要判斷管道的價值。 從內容角度來看：閱讀是更加碎片化的，和我們幾年前的管道完全不一樣，因為大家的注意力基本上集中在自媒體。同時，用戶的需求更功利了，用戶可能更在意的是如何快速看完一本書，或者如何快速看完一部電影，所以我們發現很多關於精讀、速讀的內容都非常受歡迎，包括影評也是這個道理。從傳播角度來看：由之前的傳統媒體轉到了自媒體，流量分發也受到很大的影響，現在主要是口碑傳播。從價值角度來看：我們傳統的邏輯是“從一個管道裡面買一個使用者需要多少錢”，而現在我們考慮的更多的是“每一個關鍵字的投入產出比”。我們會把不同管道的合作資料作為主要的衡量標準，考慮它的投入產出比，所以我們會考慮在管道合作時所產生的啟動率、次留，包括是3日和7日留存，以及後續的一個付費情況，都是我們每天會去檢測的事情。2. 順藤摸瓜第二個案例是從轉化的角度來講的：這個例子叫順藤摸瓜，它是我們在網易雲閱讀裡做的一個事情。
雲閱讀裡很多出版書的用戶會在他的書裡提到其它的書，這是一種很典型的場景。如果我們識別之後，發現這本書在我們平臺是有的，我們就會把它差異化顯示。
這種做法的意思就是說：使用者不需要再通過傳統的方式——複製書名，去搜索框搜索，再去找到這本書。使用者不需要依賴這樣的一個路徑，所以“順藤摸瓜”縮短了使用者找書的路徑。
這個部分優化之後，這塊的轉化率是非常高的。我們也知道，在使用者發現內容的過程中，縮短使用者觸達的路徑是一件很有價值的事情。
因此，除了書籍正文以外，我們在書籍的評論區或者在書籍的社區，都可以用這種方式推薦一些書，不管是別的用戶，還是我們小編推薦的，其實都是增加了內容的曝光。
因為如果你去看這本書，就說明你對這個作者本身是認同的，也會對他推薦的書籍更感興趣。後面甚至會衍生出UGC社區的內容，也會有一些商業化的嘗試。
比如：《我的24歲美女總裁》這本書，它是一本言情小說，文章中會有很多開車的場景。那麼雪佛蘭廣告商可能會找到我們，把這本書裡面的開車統一換成開雪佛蘭，剛才的資料給了我們這樣的一個可能性，這種廣告就是一種具體的應用方式。
3. 轉化率第三個案例還是關於轉化率。我們剛剛講過，除了協力廠商的資料，其實我們還有管理後臺。
管理後臺做的事情主要是兩塊：
第一個是點擊率；第二個是用戶行為軌跡。我們能夠細分跟蹤每一個用戶的軌跡，通過熱力圖的方式記錄，你可以知道使用者的點擊分佈是集中在哪裡的；你可以根據熱力圖去做一些決策。
比如：我們在詳情頁強行植入了一個廣告，但是轉化率只有0.02%，你會發現用戶根本是不買帳的。如果是按點擊率收費的話，那我們完全沒有必要做這件事情，你甚至可以把它砍掉，做一些更有助於用戶做決策的事情。
我們在知道大部分用戶的行為是集中在哪裡後，我們會持續做一些強化，或者是有意識地去做一些引導，看看用戶是不是接受這種引導。
4. 充值和付費轉化第四個還是轉化的案例，我們想提高存儲額度或者付費的額度，所以要提高它的充值和付費轉化率。
我們之前的版本是為了讓用戶買得更快，所以我們加了一些快速支付，這是大家常見的場景。比如說：這本書一共三塊錢，我們就設計一個快速支付，讓他一次性就買掉了，從理論上來說路徑非常短。
後來我們看到收入資料並沒有上升，我們就想怎麼樣才能優化？
所以這個時候就有兩個典型的問題：我們要不要去掉快速支付？要不要提高起充金額？
這個時候，我們本能的會想到，使用者看一本書需要三塊錢，但是充值只能充值六塊錢，這個時候付費用戶數量會減少，對吧？這個是我們需要考慮的。
另外一方面你會發現：讓用戶把錢充到APP裡，這個時候用戶可能望而卻步，付費轉化率會降低。所以我們就真的做了一個改版，並且拿幾個管道試了一下，我們最終的資料表明它的充值轉化率並沒有降低，而且充值人數反而變高了。
這個是為什麼呢？
但是如果你不去接觸資料的話，從本能角度思考，就會覺得去掉快速支付是一件很危險的事情，因為用戶感覺使用起來沒有那麼方便了。但實際上去掉之後你會發現用戶支付起來會更方便，因為錢是留在我們平臺的，不需要任何支付流程。
5. 提高用戶留存率第五個案例主要是關於提高用戶留存率。
提高留存這一塊，我們做了很多的嘗試。我們之前舉辦過一個隨機性質的紅包活動，比如說：有一百個人來抽獎，就相當於在資金池裡貢獻了一百分，過了零點，大家一起來開獎，但是他有一個延時的回饋效果，用戶不知道我今天拿到的是多少。
所以我們雖然覺得這種賭博的性質會引起用戶的興趣，但是延時的回饋效果其實是起不到很好的激勵的，於是我們就把它改成了一個即時回饋的紅包活動，並且把整個邏輯設計成：紅包會有一個基數，在這個基數的前提下，它的概率從1到6是不一樣的，紅包基數是3塊錢的話，就是3×1、3×2、3×3，一直到36塊錢這樣一個邏輯。
版本上線之後，我們發現它的資料是上升的，但是到後面突然下降了，下降的原因就是我們給紅包設置的有效期非常的短。
第一批的紅包已經過期了，用戶覺得紅包太短就會不買帳，這個時候我們做了兩個事情：
第一個是延長紅包的有效期；第二個是把簽到的基數又進行了相應的增加，然後用戶的接受度又慢慢地提升上去了。所以這就是監測資料對於當前產品的一個作用。除此之外，通過這種嘗試有助於控制運營成本。因為紅包是我們平臺發出去的，這部分成本都是我們負擔的，我們可以通過多輪嘗試來找到一個平衡點，給出什麼樣的金額用戶願意來玩，同時也在我們能夠為這個功能所付出的運營成本的範圍內。
流失其實是每個產品都會遇到的，但流失分為幾種。
比如：
首日流失：使用者來了就覺得不合適，可能是產品跟他不匹配；受挫流失：用戶覺得你的新手指引或者是操作上有些困難，所以流失了；自然流失：用戶因為一本書而來，看完後沒發現其他吸引他的書籍，就離開了。市場環境流失也是不可避免的，這有一個典型案例。比如：說微信，有了微信之後，其實大家對短信的使用就越來越少了。
我們為了提高用戶的留存率，其實會做一部分的召回。這個部分召回的邏輯是這樣的，我們會界定用戶做過哪些事情，把用戶進行細分，例如說：做過某件事情，對於我們而言，他就是我們的核心用戶。
我們針對有這部分行為的使用者做一個集合，然後給他們發紅包，進行召回，其實我們發現這一部分召回的效果挺好的。
6. 雙十一活動第六個案例是一個變現的案例——雙十一活動。
我們之前一直在做的雙十一活動——全場免費或者全場一折，有一次我們連做了11天全場一折的活動，但是後來我們做資料分析的時候發現一個問題，這次活動的銷售成績非常差。如果是從提升收入的角度辦這場活動，那麼整個資料對於消費的衝擊是很大的。
另外一個弊端就是來一月、二月消費資料也是在下降的，因為我們提前透支了用戶的需求，每個用戶每個月能看的書的量是固定的，在一折活動中大家都屯了很多書，所以後面的銷售資料就會受到相應的影響。
而且我們也會監測輿情，我們會發現用戶會有一個定向的思維，他會覺得雲閱讀什麼時候再打折我就等到打折那天再買書。
這邊我引用了《精益資料分析》裡的一句話：
“跟蹤一日、一周、一月內的流失率，因為用戶會以不同原因在不同時間段流失掉。第一天后便流失掉的用戶可能是嫌棄遊戲的教程太過糟糕，或是遊戲本身對他們沒有吸引力；一周後流失掉的用戶可能覺得你的遊戲不夠耐玩；而一個月後流失掉的用戶則可能是由於遊戲的更新規劃處理得不夠好，瞭解用戶何時流失有助於掌握用戶流失的原因以及阻止流失的方法。”
使用者什麼時候流失或者是資料什麼時候有波動，不僅僅是當前的問題，可能和前期所做的決策也會有相應的影響。
7. 資料趨勢分析第七個案例是資料趨勢的分析。
不同內容形態的產品給我們呈現的規則也是不一樣的，比如說：看這兩個資料包表，前面一個是以周為規律的波動，開學很高，週末也很高，後面一個的資料規律相對來說少一點，而且雙十一是一個低點。
這兩個數據，前面是漫畫的。因為漫畫的流覽量和本身更新的週期有關，漫畫最普遍的是週末更的，所以它的資料會非常明顯，到週末就很高。此外開學和週末資料最高，因為漫畫的用戶其實都是小孩子、都是學生，所以會出現這樣一種現象。
對於閱讀而言，這個資料更加印證了我們做雙十一活動其實是沒有什麼益處的，在我們閱讀書裡面的省的錢根本就不夠別人去淘寶店秒殺的，所以到了這一天，包括春節假期，我們的資料都會到一個交易低點。
在這裡，資料主要有兩個作用：資料監測和趨勢預測。當前的資料是否異常？為什什麼會這樣？要及時發現問題，定位問題。以及通過整個趨勢圖，預測接下來一段時間的指標趨勢，為後期的工作提供幫助。
8. 關注行業和自身資源最後一個案例關於行業和自身資源。
有段時間360網盤被關了，我們當時就緊急做了一件事情，宣傳了雲閱讀導入本地書的功能。綠色這條線是我們當時急劇上升的資料，後面為什麼沒有去做這件事情？
因為政治上不太正確，所以後面就沒有繼續做。說這個案例的意思就是說，如果行業有什麼變化，我們可以和自身業務進行一個結合，這是我們切入市場的一個點，就像蹭熱點一樣。
最後和大家分享一句話：“太陽底下無新鮮事”，這是聖經裡面的一句話。
積累和經驗對於每一個產品經理來說都是非常重要的，做過的專案，我們要做一些體驗記錄、分類以及歸納，你現在做閱讀產品，但是其實對於漫畫或者是其他內容，或者其他to C的任何一個產品，其實說到底都是相通的，做提煉歸納分類之後就會有相應的方法。
這個時候再加上整體思路指導的沉澱，就會變成相應的經驗，再加上相關的理論知識。對於產品經理來說，其實有一個閉環的主線，就是不斷的總結，再去嘗試，然後會有新的案例，然後再進行總結這樣一個發展過程。
今天的分享就到這裡，希望大家都能有自己的收穫，能夠把使用者行為資料合理地應用在產品反覆運算中，也希望大家能多總結多歸納，“太陽底下無新鮮事”，希望大家都能沉澱出自己的心得和體驗！
作者：顧紅清 | 網易文漫產品經理。碩士畢業于江南大學設計學院，先後就職于阿裡巴巴、網易，現負責網易雲閱讀各平臺產品設計。
本文由 @網易雲 | 雲信 原創發佈于人人都是產品經理。未經許可，禁止轉載
題圖由作者提供