1 / 16
文档名称:

1000-2011腾讯校园之星互联网应用开发大赛WebQQ赛题.ppt

格式:ppt   页数:16页
下载后只包含 1 个 PPT 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

1000-2011腾讯校园之星互联网应用开发大赛WebQQ赛题.ppt

上传人:小玉儿 2012/1/31 文件大小:0 KB

下载得到文件列表

1000-2011腾讯校园之星互联网应用开发大赛WebQQ赛题.ppt

文档介绍

文档介绍:2011腾讯校园之星互联网应用开发大赛 WebQQ赛题
QQ点·评
WebQQ
目录
团队成员介绍
作品概述
作品创新性详述
作品技术实现原理
市场与竞争环境分析(选填)
运营规划(选填)
团队成员介绍
姓名:李潜
性别:男
学校:西安电子科技大学
学历:硕士
专业:计算机软件与理论
Tel:**********
在团队中的角色:队长
姓名:胡永芳
性别:女
学校:昆明理工大学
学历:硕士
专业:计算机软件与理论
Tel:**********
在团队中的角色:策划
姓名:夏翼
性别:男
学校:西安电子科技大学
学历:硕士
专业:计算机软件与理论
Tel:**********
在团队中的角色:成员
作品概述
创作起因:
,对于口碑网和大众点评网一定不会陌生,但是网站的点评流程有些繁琐,并且只局限于实体店,没有充分发挥地图的作用。
,但是仅用文本信息无法直观地描述景点的具体位置。
(如赶集网)的交易信息大多使用文本来描述所在地信息,不够直观,也不方便用户推算距离。
为了更好地解决以上存在的问题,我们设计出了“QQ点·评”的雏形。
系统功能:
本系统把QQMap和SNS结合起来,从功能来看像是SNS、口碑网、赶集网和团购网的集成。
首先,作为一个SNS,“QQ点·评”拥有SNS的基本功能,并且可以结合地图发表言论。
其次,作为一个生活服务网站,本系统的点评功能主要分为五大模块:抛砖引玉、前车之鉴、毛遂自荐、持家有道、成群集党和逸闻琐事。
顾名思义,“抛砖引玉”模块是让用户将自己觉得不错的信息和大家分享;“前车之鉴”模块是让用户把觉得失望的信息提供给大家借鉴;“毛遂自荐”模块是商户推销自己的平台;“持家有道”模块是一个二手货交易市场;“成群集党”模块则是团购模块;“逸闻琐事”模块是一个供用户对地图上的每个坐标都可以发表评论的“茶馆”,可以结合地图发布任何信息,如组织活动或求租等。
目前“QQ点·评”的信息分类包括美食、服饰、娱乐、美容、健身、酒店、便民、旅游、城市和其他等十大类,涵盖了衣食住行的方方面面。
只要是地图上可以标注的地方,都可以使用“QQ点·评”进行点评,实现真正的“点,评”。
作品概述
作品概述
作品的设计目标
设计一个实用性强、时效性强的基于地图的生活服务社区,用户可以
对地图上的所有信息进行点评,做到“点哪评哪”,不只是局限于实体
店,只有你想不到的,没有你评不到的。
系统截图:
作品创新性详述
同口碑网相比:
口碑网的推荐流程: “QQ点·评”的推荐流程:
填写点评信息
找到商户
添加商户
输入商户地址信息
在地图上标注
结束
等待审核
点评成功
填写点评信息
在地图上标注
点评成功
结束
作品创新性详述
口碑网的点评流程可以防止同一家商户出现几个主题,但是对于新登记商户,需要等待几个工作日的审核,这就让用户和地图之间隔了一层管理员,并且把用户局限在了实体店这个范围,没有充分发挥地图的作用。
“QQ点·评”的点评流程相对于口碑网,拉近了用户和地图之间的距离。它非常适合点评无法详细描述地址的地方,例如景区。口碑网的地图只是一个辅助工具,而“QQ点·评”的所有点评都是围绕地图的,充分挖掘了地图的作用,真正做到了“点,评”。
另外,我们把审核的权利交给了用户,用户可以“举报”和“修正地图位置”,经过管理员核实后会给予积分奖励(积分的作用后面会介绍),并对提供虚假信息的用户予以惩罚。
“QQ点·评”将差评信息从点评信息里分离了出来,专门设置了一个“前车之鉴”模块,这样更方便用户来发泄不满,也更方便其他用户引以为戒,同时还对差评商户起到了警示作用。为了防止有些人故意诋毁,其他用户可以“支持”和“反对”。
作品创新性详述
同赶集网相比:
赶集网的交易信息的所在地信息是文本信息,如下图:
采用以上方式表述地址,会使用户无法准确地判断对交易所在地和
自己所在地的距离。
“QQ点·评”允许卖家把交易所在地在地图上标注出来,这样更方便
买家选择信息。同时,“QQ点·评”还允许用户对卖家进行评分。
作品创新性详述
“QQ点·评”特有:
1. 更加公正的评分系统: “QQ点·评”的评分系统借鉴了著名影评网
站IMDB的电影评分算法,评分结果是根据贝叶斯统计算法得出的加权分
,公式如下: weighted rank (WR) = (v ÷ (v+m)) × R + (m ÷ (v+m)) × C
其中: R 是用普通的方法计算出的该信息的平均分; v 投票人数,需要注意的是,只有经常投票者才会被计算在内;