篇文章讲到了关于亚马逊Listing的优化问题，在文章中有关于产品详情页中，图片、标题、ST关键词、五行特性的四点讲述。做好一个详情页是运营最首要的工作，接下来将会接着从另外几点出发，了解一个产品的详情如何做好，怎样去优化，做好精准运营，提高产品销量。

五：关于产品描述

产品描述的优化包括两方面：内容和形式。

为了让产品描述在形式上展现完美，卖家一定要用好两个HTML标签符号，它们分别是：换行符号和加粗符号，请对两个符号做示例。

换行符号<br>；

加粗符号<b></b>；

在形式上，产品描述最好由四部分构成：

第一部分：情怀部分，讲述品牌故事，制造品质背景等；

第二部分：产品描述，简要讲述消费者关心的核心产品参数；

第三部分：品质保证和售后服务，卖家可以在该部分强调自己的产品品质保证，比如提供一年质保，随时提供即时的问题解答等；

第四部分：包装信息，任何的产品都要写明包装信息，如果是套装，可以写清套装细节，如果有赠品，也要将赠品内容独立罗列；

每一部分的第一段要总括，要用粗体，段落之间和部分之间要空出一行，以保证形式上的美观。

对于暂时没有产品描述框架格式的同学，可以参考Anker的产品描述，养成空闲时间多浏览Anker产品详情的习惯。

六：关于产品Review

产品Review和销量之间的算法评估公式：1：100，一个产品Review大概相当于100个销量；

主动获取Review的思路：如果想主动增评，建议不要激进，过犹不及，一般来说，能够按照自己的实际销量，保持在3%左右的比例就是不错的结果，既确保在竞争中占有优势，又避免增评比例过高影响到账号安全；遭遇差评时，卖家可以快速的补充3个左右的产品Review来稀释差评带来的影响。

主动获取Review的渠道：

1) 产品包装中放置售后服务卡，引导客户留评；

2) 联系高星的Feedback用户，引导其留评；

3) 创建自己的Facebook账号，通过和Facebook好友互动，引导其为自己的产品做测评；

4) 通过在美华人微信群找人测评；

遭遇差评时的应对方式：

1) 尝试找到留评人，道歉并引导其修改或移除差评；

2) 通过从Review中找漏洞，向平台申诉，争取亚马逊客服可以帮忙移除差评；

3) 收到差评时，快速补充3个左右的好评来稀释差评带来的影响。

详参>>有关亚马逊review的所有黑科技&白帽玩法，你知道几个？

七：关于Q&A

在产品打造初期，卖家可以通过找人提问的方式，主动添加3-5个Q&A。

在Q&A中，问题不要太简单，所有的提问和解答要围绕两方面进行：

1) 体现卖家的产品专业度，解答不方便在产品描述中讲述的产品内容；

2) 体现客服热情度，在问答中展现卖家的服务态度和服务水平。

查 发自 凹非寺

量子位 报道 | 公众号 QbitAI

以快速简洁闻名Julia，本身就是为计算科学的需要而生。用它来学习微积分再合适不过了，而且Julia的语法更贴近实际的数学表达式，对没学过编程语音的初学者非常友好。

最近，来自纽约斯塔顿岛学院的数学系教授John Verzani编写了一份微积分与Julia的教程，里面常见的微积分概念和图像演示都有，比课本更生动直观，每个章节后还附习题供读者巩固知识。

虽然很多学校在使用Mathematica、Maple等数学软件在进行教学，但是Julia的优势是完全开源和免费。

准备工作

在使用教程之前，我们先给Julia安装Plots包，这是用来绘制函数图像的扩展包。此外还要安装SymPy科学计算库等其他软件包。

using Pkg
Pkg.add("Plots")
Pkg.add("SymPy")
Pkg.add("Roots")
Pkg.add("ForwardDiff")
Pkg.add("ImplicitEquations")
using Plots
plot(sin, 0, 2pi)

安装完以上的扩展包，就可以绘制函数图像了。我们简单绘制0到2π范围的正弦函数图像：

using Plots
plot(sin, 0, 2pi)

Julia支持输入特殊数学符号，具体的方法是斜杠\后紧跟符号的LaTeX名称，然后按下Tab键，就能输出特殊字符。比如：

θ = 45; v₀ = 200

输入θ的方法是\theta[tab]，输入v₀的方法是v\_0[tab]。

导数

完成了Julia部分的基本教学后，下面就是微积分的基本概念了。

先回顾一下导数的定义，从函数图像上来看，导数就是函数割线斜率的极限，当割线上两点合并成一点时，它就变为切线。

其实就是求下面的极限：

Julia集成了求极限的功能，对于正弦函数sin(x)而言，求它的导数就是[sin(x+h)-sin(x)]/h在h趋于0时的极限

using SymPy
limit((sin(x+h) - sin(x))/ h, h, 0)

通过以上方法求得sin(x)在x=0处的导数为1，绘制成函数图像就是：

f(x) = sin(x)
c = 0
tl(x) = f(c) + 1 * (x - c)
plot(f, -pi/2, pi/2)
plot!(tl)

导数的应用

1、牛顿法

通过切线逐步逼近，求方程的近似解。

2、洛必达法则求极限

写成Julia语言：

using SymPy
a,x = symbols("a, x", positive=true, real=true)
f(x) = sqrt(2a^3*x - x^4) - a * (a^2*x)^(1//3)
g(x) = a - (a*x^3)^(1//4)

上面的表达式过于复杂，是0/0的未定式，对分子f(x)和分母g(x)分别分别求导：

fp, gp = subs(diff(f(x),x), x=>a), subs(diff(g(x),x), x=>a)

得到结果

(-4*a/3, -3/4)

所以极限值为16a/9。

积分

定积分就是求函数曲线下包围面积：

上图展示了求定积分的方法：把函数下方图形分割成若干个长条，随着长条越分越细，这些长条的面积之和就越来越接近曲线下包围的面积。

为了求函数f(x)=x²在[0,1]区间里的定积分的近似值，我们把整个区域划分成50000份：

a, b = 0, 1
f(x) = x^2
n = 50_000
xs = a:(b-a)/n:b
deltas = diff(xs) 
cs = xs[1:end-1] 
sum(f(cs[i]) * deltas[i] for i in 1:length(deltas))

最后求得结果为：

0.3333233333999998

显然用这种方法求定积分太过复杂，这就需要引入不定积分的概念。不定积分是已知导数f’(x)求原函数f(x)。

定积分与不定积分由牛顿-莱布尼兹公式联系起来：

积分的应用

学会了积分以后，教程里给出了它的几个实际应用案例：

1、求曲线长度

求解f(x)=x²在[0,1]这段区间里的弧长，实际上求积分。

先求不定积分：

using SymPy
@vars x
F = integrate(sqrt(1 + (2x)^2), x)

F(1)-F(0)就是所求弧长：

2、求体积

求体积的方法是把物体“切”成一圈圈的米其林，每一圈的体积加起来就是总体积。

将直线x/r+y/h=1绕着y轴旋转一周，得到一个底面直径为r，高度为h的圆锥体。

using SymPy
@vars r h x y
R = r*(1 - y/h)
integrate(pi*R^2, (y, 0, h))

最后求得体积：

教程中还有很多其他基本概念，由于篇幅较长，我们就不一一介绍了，感兴趣的朋友可以去博客中进一步学习。

原文地址：

https://calculuswithjulia.github.io/

— 完 —

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态