积累了8000万用户，这个「图片社交平台」最终还是“颠覆”了自己

正文

请到「今天看啥」查看全文

in 的版本和理念更新，也由此而生。

存量挖掘：技术驱动下的 LBS+兴趣

in 的优势在之一于数据，那么把这些数据的价值挖掘出来，以产品的形态呈现给每一个用户，乃是当务之急，而 LBS+ 兴趣，成为 in 最终的解决方案。

简单来说，每在 in 拍摄一张照片，就会有拍照地点留存下来，而用户一般也会习惯性为所照图像加上标签或动态，前者是 LBS，后者就是兴趣。

在 in 最近推出的新版客户端中，这两个功能被放大成更具体的入口。

世界各地的照片以瀑布流的形式直接呈现在发现页的“世界”栏目中，如果你对某个地点感兴趣，直接戳进去，就能浏览所有曾经在此地使用 in 拍摄、分享的照片；而在被动发现之外，你还可以通过搜索地点的方式，寻找到你感兴趣的图片内容。

in 新版本中，基于地址的被动推荐和主动搜索形态

基于兴趣标签组成的话题页则被集合在“热玩”栏目中，用户同样可以以被动推荐或者主动搜索的形式进入感兴趣的话题详情页，浏览话题历史图片。

in 的话题呈现页和具体的话题详情

LBS+兴趣 ，并不是一个新鲜的词，制衡各家平台的关键环节一在于数据，二在于技术。in 已经有了海量的数据，走出下一步的关键是技术。

据创始人黑羽介绍，in 的研发团队中大概只有20%到30%的人负责传统 App 的设计、搭建，剩下的人才集中于图像识别等当下火热的人工智能领域。

in 在新版客户端中，采用了自己的 geekeye 语意化识别系统，用户拍摄一张图片，这套系统就会自动识别场景，根据图片内容推荐相应的贴纸组合，之后也会自动将其归类到相应的话题页内，目前， in 已经支持识别 3000 个子类场景。

当然，挖掘出长尾内容之后，如何让优质内容排列在前，也是一大难题，而 in 给出的解决方案还是技术——argus算法，简单来说，这是一个好图发现系统，在优质图片的匹配比较下，这套系统会在图片的视觉层面上去判断一张图片的美学质量和成像质量，然后决定他在相应地点或话题页下的排序问题。

据 in 创始人黑羽介绍，基于以上逻辑的新版 in ，在三个月周期、五万用户的内测数据上表现喜人，活跃度比之前提高了一倍还多。

获新利器： AR 相机 、短视频及直播

LBS +兴趣 是 in 盘活存量市场的举措，但对拉新的促进作用不是那么明显；对于图片美化市场来说，最有拉新效果的功能革新一般出现在工具端，这是 in 又一个可以发挥的优势。

请到「今天看啥」查看全文