篇文章講到了關于亞馬遜Listing的優化問題，在文章中有關于產品詳情頁中，圖片、標題、ST關鍵詞、五行特性的四點講述。做好一個詳情頁是運營最首要的工作，接下來將會接著從另外幾點出發，了解一個產品的詳情如何做好，怎樣去優化，做好精準運營，提高產品銷量。

五：關于產品描述

產品描述的優化包括兩方面：內容和形式。

為了讓產品描述在形式上展現完美，賣家一定要用好兩個HTML標簽符號，它們分別是：換行符號和加粗符號，請對兩個符號做示例。

換行符號<br>；

加粗符號<b></b>；

在形式上，產品描述最好由四部分構成：

第一部分：情懷部分，講述品牌故事，制造品質背景等；

第二部分：產品描述，簡要講述消費者關心的核心產品參數；

第三部分：品質保證和售后服務，賣家可以在該部分強調自己的產品品質保證，比如提供一年質保，隨時提供即時的問題解答等；

第四部分：包裝信息，任何的產品都要寫明包裝信息，如果是套裝，可以寫清套裝細節，如果有贈品，也要將贈品內容獨立羅列；

每一部分的第一段要總括，要用粗體，段落之間和部分之間要空出一行，以保證形式上的美觀。

對于暫時沒有產品描述框架格式的同學，可以參考Anker的產品描述，養成空閑時間多瀏覽Anker產品詳情的習慣。

六：關于產品Review

產品Review和銷量之間的算法評估公式：1：100，一個產品Review大概相當于100個銷量；

主動獲取Review的思路：如果想主動增評，建議不要激進，過猶不及，一般來說，能夠按照自己的實際銷量，保持在3%左右的比例就是不錯的結果，既確保在競爭中占有優勢，又避免增評比例過高影響到賬號安全；遭遇差評時，賣家可以快速的補充3個左右的產品Review來稀釋差評帶來的影響。

主動獲取Review的渠道：

1) 產品包裝中放置售后服務卡，引導客戶留評；

2) 聯系高星的Feedback用戶，引導其留評；

3) 創建自己的Facebook賬號，通過和Facebook好友互動，引導其為自己的產品做測評；

4) 通過在美華人微信群找人測評；

遭遇差評時的應對方式：

1) 嘗試找到留評人，道歉并引導其修改或移除差評；

2) 通過從Review中找漏洞，向平臺申訴，爭取亞馬遜客服可以幫忙移除差評；

3) 收到差評時，快速補充3個左右的好評來稀釋差評帶來的影響。

詳參>>有關亞馬遜review的所有黑科技&白帽玩法，你知道幾個？

七：關于Q&A

在產品打造初期，賣家可以通過找人提問的方式，主動添加3-5個Q&A。

在Q&A中，問題不要太簡單，所有的提問和解答要圍繞兩方面進行：

1) 體現賣家的產品專業度，解答不方便在產品描述中講述的產品內容；

2) 體現客服熱情度，在問答中展現賣家的服務態度和服務水平。

查 發自 凹非寺

量子位 報道 | 公眾號 QbitAI

以快速簡潔聞名Julia，本身就是為計算科學的需要而生。用它來學習微積分再合適不過了，而且Julia的語法更貼近實際的數學表達式，對沒學過編程語音的初學者非常友好。

最近，來自紐約斯塔頓島學院的數學系教授John Verzani編寫了一份微積分與Julia的教程，里面常見的微積分概念和圖像演示都有，比課本更生動直觀，每個章節后還附習題供讀者鞏固知識。

雖然很多學校在使用Mathematica、Maple等數學軟件在進行教學，但是Julia的優勢是完全開源和免費。

準備工作

在使用教程之前，我們先給Julia安裝Plots包，這是用來繪制函數圖像的擴展包。此外還要安裝SymPy科學計算庫等其他軟件包。

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

安裝完以上的擴展包，就可以繪制函數圖像了。我們簡單繪制0到2π范圍的正弦函數圖像：

using Plots
plot(sin, 0, 2pi)

Julia支持輸入特殊數學符號，具體的方法是斜杠\后緊跟符號的LaTeX名稱，然后按下Tab鍵，就能輸出特殊字符。比如：

θ = 45; v? = 200

輸入θ的方法是\theta[tab]，輸入v?的方法是v\_0[tab]。

導數

完成了Julia部分的基本教學后，下面就是微積分的基本概念了。

先回顧一下導數的定義，從函數圖像上來看，導數就是函數割線斜率的極限，當割線上兩點合并成一點時，它就變為切線。

其實就是求下面的極限：

Julia集成了求極限的功能，對于正弦函數sin(x)而言，求它的導數就是[sin(x+h)-sin(x)]/h在h趨于0時的極限

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

通過以上方法求得sin(x)在x=0處的導數為1，繪制成函數圖像就是：

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

導數的應用

1、牛頓法

通過切線逐步逼近，求方程的近似解。

2、洛必達法則求極限

寫成Julia語言：

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)

上面的表達式過于復雜，是0/0的未定式，對分子f(x)和分母g(x)分別分別求導：

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

得到結果

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

所以極限值為16a/9。

積分

定積分就是求函數曲線下包圍面積：

上圖展示了求定積分的方法：把函數下方圖形分割成若干個長條，隨著長條越分越細，這些長條的面積之和就越來越接近曲線下包圍的面積。

為了求函數f(x)=x²在[0,1]區間里的定積分的近似值，我們把整個區域劃分成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))

最后求得結果為：

0.3333233333999998

顯然用這種方法求定積分太過復雜，這就需要引入不定積分的概念。不定積分是已知導數f’(x)求原函數f(x)。

定積分與不定積分由牛頓-萊布尼茲公式聯系起來：

積分的應用

學會了積分以后，教程里給出了它的幾個實際應用案例：

1、求曲線長度

求解f(x)=x²在[0,1]這段區間里的弧長，實際上求積分。

先求不定積分：

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

F(1)-F(0)就是所求弧長：

2、求體積

求體積的方法是把物體“切”成一圈圈的米其林，每一圈的體積加起來就是總體積。

將直線x/r+y/h=1繞著y軸旋轉一周，得到一個底面直徑為r，高度為h的圓錐體。

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

最后求得體積：

教程中還有很多其他基本概念，由于篇幅較長，我們就不一一介紹了，感興趣的朋友可以去博客中進一步學習。

原文地址：

https://calculuswithjulia.github.io/

— 完 —

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復“招聘”兩個字。

量子位 QbitAI · 頭條號簽約作者

?'?' ? 追蹤AI技術和產品新動態