微价值:专访个人开发者800万用户之《系统清道夫》

2024-03-05 22:18

本文主要是介绍微价值:专访个人开发者800万用户之《系统清道夫》,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

[导语]系统清道夫的作者小E是我敬佩的个人开发者,“系统清道夫”是在2010年11月13日推出V1.0,到现在已经更新了200多个版本,并且他只有这一款软件上线,可见作者的坚持。我和小E认识是因为他觉得国内的小说阅读器都很糟糕,自己想搞一个,我当时劝他不要做。就目前来说,个人开发者搞阅读器确实困难重重,能把一个app做到极致,坚持到底就好了。

微价值:

简单介绍下自己的产品?现在大概用户多少?

清道夫小E:

系统清道夫把自己定位于安卓系统上最好用的辅助工具,核心功能是系统软件卸载,扩展功能是垃圾清理。

目前累计800万用户。

微价值:

800万用户对个人作品很强大了,为什么选择这个领域?

清道夫小E:

这个问题对我而言,应该是“为什么选择做这个app”。因为跟其它开发者不太一样,我不是奔着移动互联网掘金,然后选了这个领域,我敲下第一行代码的原因比较简单,就是市面上所有的卸载软件都不好用,我要自己写个最出色的。


微价值:

出发点很简单,没啥功利心,赞一个!期间是否想过放弃,是什么让你坚持下来?

清道夫小E:

到目前为止,我还没有发现其它app在核心方面比系统清道夫更易用,因此还会继续维护下去。期间有几个事情让我特别寒心,打了退堂鼓。

一是,国内热心人太少,我留了很多信息,期望有外语人才帮助校正多国语言翻译,但是至今鲜有中国人提供此类帮助,德、法、波兰、俄、葡萄牙等语言都是我和这些国家的热心用户进行沟通翻译出来的;

二是国内用户不愿意向开发者提供帮助,目前清道夫能够对主流手机的内置app达到很高的识别率,庞大的资料库是我自己购买测试机完成采集的。

虽然有过放弃的念头,但是我做的每一个资料,都能够帮助成千上万的安卓用户,这样的成就感值得坚持。

微价值:

嗯,环境不一样,国内的人很少学会感恩。这个产品是怎么推广的?

清道夫小E:

目前是0推广吧,完全靠口碑。以前还经常提示用户给个评价啥的,后来想想没有必要,是好是坏留给用户去评论。把自己的分内之事做好,总会有人看到的。


微价值:

对,开发者首先要认真做好产品。盈利方面如何?未来打算怎么发展?

清道夫小E:

盈利不是问题,温饱小康还是足够的。

下一步打算抓两个重点:丰富各种型号手机内置app的精确鉴定资料;扩展垃圾清理功能。


微价值:

着力点还是软件的核心功能和拓展功能。对目前突然流行起来的游戏比如<<FlapyBirds>>、《2048》、《别踩白块》大红大紫,自己是否也想投身休闲游戏?

清道夫小E:

游戏不是我的菜。

做好游戏需要几个要素:游戏算法 + 图像处理技术 + 美工音效等等。这些都不是我的强项,也不是我的兴趣所在,所以不想强迫自己去搞。


微价值:

嗯,还是兴趣决定,做起来比较快乐。对目前国内的个人开发者兄弟,想说点啥?

清道夫小E:

很多开发者整天琢磨“什么广告平台收入高”,“点击率又降了”,请把心思用在自己的产品上,思考如何为用户带来价值,而不是如何杀鸡取卵。这个道理跟大学生找工作是一样的,没有能力又不能给老板挣钱的大学生,凭啥要求月薪过万五险一金包吃包住?类似的,不能给用户创造价值的app,凭啥让用户给你收入?


微价值:

对,还是那句话“创造多大的价值,就得多大的回报。”对微价值,想说点啥?

清道夫小E:

坚持是一种品质。


微价值:

感谢小E的采访!感谢!


采访的内容比较短,具体的产品是什么样子,我上传一个截图给大家。



这个软件主要是功能强大,界面ui倒是其次了。系统清道夫的作者小E居然通过0推广,软件能达到进千万的下载量,我想跟这个作品的进入时间和作者的认真、坚持是有关系的。好产品一般都能形成口碑,然后带动下载量,最大的问题是个人开发者比较容易墙头草,看到什么火就copy什么,最后却徒劳无功。


坚持做一件作品,真的很难,太难了!但小E做到了。


微信公众账号:vjiazhi,关注个人开发者盈利。

尊重原创,转载请保留微信公众账号。




这篇关于微价值:专访个人开发者800万用户之《系统清道夫》的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/777981

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟&nbsp;开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚&nbsp;第一站:海量资源,应有尽有 走进“智听

【区块链 + 人才服务】可信教育区块链治理系统 | FISCO BCOS应用案例

伴随着区块链技术的不断完善,其在教育信息化中的应用也在持续发展。利用区块链数据共识、不可篡改的特性, 将与教育相关的数据要素在区块链上进行存证确权,在确保数据可信的前提下,促进教育的公平、透明、开放,为教育教学质量提升赋能,实现教育数据的安全共享、高等教育体系的智慧治理。 可信教育区块链治理系统的顶层治理架构由教育部、高校、企业、学生等多方角色共同参与建设、维护,支撑教育资源共享、教学质量评估、

软考系统规划与管理师考试证书含金量高吗?

2024年软考系统规划与管理师考试报名时间节点: 报名时间:2024年上半年软考将于3月中旬陆续开始报名 考试时间:上半年5月25日到28日,下半年11月9日到12日 分数线:所有科目成绩均须达到45分以上(包括45分)方可通过考试 成绩查询:可在“中国计算机技术职业资格网”上查询软考成绩 出成绩时间:预计在11月左右 证书领取时间:一般在考试成绩公布后3~4个月,各地领取时间有所不同

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

计算机毕业设计 大学志愿填报系统 Java+SpringBoot+Vue 前后端分离 文档报告 代码讲解 安装调试

🍊作者:计算机编程-吉哥 🍊简介:专业从事JavaWeb程序开发,微信小程序开发,定制化项目、 源码、代码讲解、文档撰写、ppt制作。做自己喜欢的事,生活就是快乐的。 🍊心愿:点赞 👍 收藏 ⭐评论 📝 🍅 文末获取源码联系 👇🏻 精彩专栏推荐订阅 👇🏻 不然下次找不到哟~Java毕业设计项目~热门选题推荐《1000套》 目录 1.技术选型 2.开发工具 3.功能

基于 YOLOv5 的积水检测系统:打造高效智能的智慧城市应用

在城市发展中,积水问题日益严重,特别是在大雨过后,积水往往会影响交通甚至威胁人们的安全。通过现代计算机视觉技术,我们能够智能化地检测和识别积水区域,减少潜在危险。本文将介绍如何使用 YOLOv5 和 PyQt5 搭建一个积水检测系统,结合深度学习和直观的图形界面,为用户提供高效的解决方案。 源码地址: PyQt5+YoloV5 实现积水检测系统 预览: 项目背景