试图在两个方向上扩展这个。很难将想法放入框中,但这种感觉就是线缆连接。
near
near8月2日 05:32
这张图表的原始技术版本。值得思考。
我在措辞这个食品创意时遇到了困难,但大致意思是,事实证明,你可以将消费者饮食偏好的大数据机器学习建模与赌博的所有心理原始因素结合得非常好,尤其是在最后一公里配送变得更便宜、更快(例如无人机)之后。
我在措辞食物创意时遇到了麻烦,但大意是,事实证明,你可以将消费者饮食偏好的大数据机器学习建模与赌博的所有心理原始因素结合得非常好,尤其是在最后一公里的配送变得更便宜、更快(例如无人机)之后。 你还想做的另一件事是*不均匀*分配美味度。你不希望每个多力多滋都同样美味。有些应该有双倍的风味,但以随机的比例,然后还要对每袋进行随机化(你会想要有一种更好地跟踪消费的方法,这样你最终可以做得比随机更好,当然,我认为我们接近能够以+EV的方式做到这一点,但我怀疑这会花很长时间(目前的塑料薯片袋出奇便宜,便宜到在美国甚至打不开,这显然不是一个错误,因为如果袋子打不开,它会鼓励你吃得比平时多得多)。 接下来的计划是,你需要一个完整的研发部门,深入了解肠道微生物组,了解最常见的物种所需的营养素和多酚等,因此你的目标将是一个每用户的机器学习模型,知道这些并知道如何在任何给定时刻最好地满足最强需求的用户。 然后,基本上你有一个上述的元模型,它在不同类型的满足之间交替,类似于间隔重复的方式,如果你正确处理所有这些变量,你可能会在相当一部分人群中诱发暴食症。 当然,GLP-1的问题出现了,而上瘾的食品行业目前在阻止它们方面做得很差,应该做得更好,如果他们是,呃,~完美理性的资本优化行为者~,但是。
我用了很多意志力来抵制在图表中添加这样一个明显的成人内容列。
166.71K