Pour ajouter un point de données, en tant qu’opérateur, à la question dont vous discutiez tous les deux : au moins dans le périmètre de notre leaderboard, aucune conclusion ne s’impose encore dans un sens ou dans l’autre. Après avoir fait le bilan de deux mois, aucun des 10 bots IA n’a obtenu des résultats statistiquement distinguables de la chance, et les seuls dont l’intervalle de confiance à 95 % est passé au-dessus de 0 sont quatre baselines qui prédisent systématiquement une « hausse ». Les participants humains sont encore trop peu nombreux pour qu’on puisse même passer à l’étape de la comparaison.
J’ai justement publié aujourd’hui un billet de bilan qui commence en citant la question soulevée dans le premier commentaire. Je le partage ici, cela pourrait vous intéresser : https://ldbd.app/ko/blog/prediction-log-03-two-month-review
Qu’il s’agisse de bots ou d’humains, nous allons continuer à accumuler les données, avec pour objectif de vérifier les affirmations par un track record plutôt que de s’en tenir aux déclarations.
Actuellement, l’écran n’affiche que l’URL de lobby d’exemple https://lobby.example.com, et je n’ai pas trouvé d’adresse de serveur public par défaut ni de méthode pour vérifier le serveur.
Oh, merci pour cet avis détaillé !!!
Quoi qu’il en soit, j’ai l’impression que rien ne vaut le fait d’y consacrer du temps et d’aller sur le terrain, haha
Moi aussi, en faisant tourner un produit au tout début, j’ai essayé pas mal de choses — communautés, cold outreach, lancement — et la plus grande leçon que j’en ai tirée, c’est que le feedback ne vient pas de l’exposition, mais des intérêts en jeu.
Les gens qui viennent juste jeter un œil laissent rarement un feedback. Les retours vraiment utiles venaient de personnes qui avaient « mis quelque chose sur la table » : par exemple celles qui étaient allées jusqu’à l’inscription, qui avaient réellement utilisé un coupon, ou qui s’étaient retrouvées bloquées quelque part pendant l’utilisation. Du coup, plutôt que d’essayer d’augmenter le taux de commentaires des simples visiteurs, il était beaucoup plus efficace d’abaisser le seuil de la première utilisation réelle et de leur parler précisément au moment où ça coince.
Au début, le 1:1 était de loin plus efficace que les dispositifs publics (upvotes ou commentaires). En contactant directement les quelques personnes qui avaient vraiment essayé le produit, et en leur posant une question ciblée, facile à répondre, du type « juste ce point », le taux de réponse était bien supérieur à celui obtenu en attendant des commentaires publics. Les demandes vagues du genre « laissez-nous votre feedback » étaient presque toujours ignorées.
Entre curation et communauté, quand le produit et le nombre d’utilisateurs sont encore limités, les mécanismes communautaires (boucles d’upvote) n’ont pas de masse critique et donnent plutôt une impression de vide. À ce stade, j’ai trouvé plus pertinent de miser sur une curation comme un Dev Log rédigé par l’équipe, après avoir elle-même testé le produit : ça construit la confiance et reste maîtrisable. La couche communautaire ne commence vraiment à produire de la valeur qu’une fois qu’une certaine densité est atteinte.
Je me suis dit que je pouvais encore le changer maintenant, mais je pense que d’autres arriveront sans doute avec la même idée que vous deux, donc je vais le laisser comme ça !! haha
J’ai bien ajouté en bas un bouton « Il semble que ce soit en rupture de stock », mais je n’avais pas pensé au cas où la réduction serait terminée. Comme vous l’avez dit, le crawling ne semble pas possible, donc pour les produits disponibles selon le principe du premier arrivé, premier servi, j’ai ajouté une page de vérification séparée qui permet d’aller chaque jour directement sur la page du produit pour contrôler manuellement !!
En revanche, il y a un petit point un peu dommage.
Il y a une interface de filtres par catégorie au-dessus de la barre de navigation en bas, avec des options comme « Toutes », « Beauté », « Alimentation », etc., mais j’ai l’impression que cet état n’est géré que côté client, donc quand on rafraîchit le navigateur, l’état du filtre est réinitialisé.
Ce serait bien que l’état du filtre soit conservé après rechargement en utilisant l’URL !
D’un point de vue développement, il faudrait crawler les produits pour voir si les prix ont changé, mais le crawling de produits est fortement bloqué par Naver, Coupang et autres, donc si vous n’êtes pas développeur, ça risque d’être difficile.
Le plus simple serait peut-être de créer un bouton de signalement et de supprimer l’offre si au moins 3 personnes la marquent comme expirée, non ?
J’ai un seul moniteur, un seul clavier et une seule souris, mais trois appareils à connecter. J’utilise donc un Raspberry Pi avec un dongle branché dessus, et j’ai ajouté un ESP32 aux autres appareils pour passer par le WiFi. J’ai pas mal galéré pour faire en sorte que le moniteur bascule en même temps que les entrées clavier/souris ; si j’avais connu cet outil plus tôt, ça aurait peut-être été plus simple. Merci pour ce bon article.
Je viens de vérifier : le serveur était tombé, il avait donc disparu du répertoire des serveurs publics. J’ai redémarré le serveur.
Ah, merci d’abord. Il n’apparaît pas comme un serveur public ?
Pour ajouter un point de données, en tant qu’opérateur, à la question dont vous discutiez tous les deux : au moins dans le périmètre de notre leaderboard, aucune conclusion ne s’impose encore dans un sens ou dans l’autre. Après avoir fait le bilan de deux mois, aucun des 10 bots IA n’a obtenu des résultats statistiquement distinguables de la chance, et les seuls dont l’intervalle de confiance à 95 % est passé au-dessus de 0 sont quatre baselines qui prédisent systématiquement une « hausse ». Les participants humains sont encore trop peu nombreux pour qu’on puisse même passer à l’étape de la comparaison.
J’ai justement publié aujourd’hui un billet de bilan qui commence en citant la question soulevée dans le premier commentaire. Je le partage ici, cela pourrait vous intéresser : https://ldbd.app/ko/blog/prediction-log-03-two-month-review
Qu’il s’agisse de bots ou d’humains, nous allons continuer à accumuler les données, avec pour objectif de vérifier les affirmations par un track record plutôt que de s’en tenir aux déclarations.
Il semble que tous les cas d’usage de langchain et langgraph puissent être remplacés par l’AI SDK.
Actuellement, l’écran n’affiche que l’URL de lobby d’exemple https://lobby.example.com, et je n’ai pas trouvé d’adresse de serveur public par défaut ni de méthode pour vérifier le serveur.
Serait-il possible de savoir comment l’utiliser ?
Pardon, la Terre.
Oh, merci pour cet avis détaillé !!!
Quoi qu’il en soit, j’ai l’impression que rien ne vaut le fait d’y consacrer du temps et d’aller sur le terrain, haha
Moi aussi, en faisant tourner un produit au tout début, j’ai essayé pas mal de choses — communautés, cold outreach, lancement — et la plus grande leçon que j’en ai tirée, c’est que le feedback ne vient pas de l’exposition, mais des intérêts en jeu.
Les gens qui viennent juste jeter un œil laissent rarement un feedback. Les retours vraiment utiles venaient de personnes qui avaient « mis quelque chose sur la table » : par exemple celles qui étaient allées jusqu’à l’inscription, qui avaient réellement utilisé un coupon, ou qui s’étaient retrouvées bloquées quelque part pendant l’utilisation. Du coup, plutôt que d’essayer d’augmenter le taux de commentaires des simples visiteurs, il était beaucoup plus efficace d’abaisser le seuil de la première utilisation réelle et de leur parler précisément au moment où ça coince.
Au début, le 1:1 était de loin plus efficace que les dispositifs publics (upvotes ou commentaires). En contactant directement les quelques personnes qui avaient vraiment essayé le produit, et en leur posant une question ciblée, facile à répondre, du type « juste ce point », le taux de réponse était bien supérieur à celui obtenu en attendant des commentaires publics. Les demandes vagues du genre « laissez-nous votre feedback » étaient presque toujours ignorées.
Entre curation et communauté, quand le produit et le nombre d’utilisateurs sont encore limités, les mécanismes communautaires (boucles d’upvote) n’ont pas de masse critique et donnent plutôt une impression de vide. À ce stade, j’ai trouvé plus pertinent de miser sur une curation comme un Dev Log rédigé par l’équipe, après avoir elle-même testé le produit : ça construit la confiance et reste maîtrisable. La couche communautaire ne commence vraiment à produire de la valeur qu’une fois qu’une certaine densité est atteinte.
J’ai appliqué toutes vos remarques~~ Merci !
Je me suis dit que je pouvais encore le changer maintenant, mais je pense que d’autres arriveront sans doute avec la même idée que vous deux, donc je vais le laisser comme ça !! haha
Justement, je faisais défiler pour poster ce commentaire, haha.
J’ai bien ajouté en bas un bouton « Il semble que ce soit en rupture de stock », mais je n’avais pas pensé au cas où la réduction serait terminée. Comme vous l’avez dit, le crawling ne semble pas possible, donc pour les produits disponibles selon le principe du premier arrivé, premier servi, j’ai ajouté une page de vérification séparée qui permet d’aller chaque jour directement sur la page du produit pour contrôler manuellement !!
Merci pour cette très bonne suggestion à laquelle je n’avais pas pensé !! Je vais l’appliquer tout de suite~
Il en va de même pour les filtres comme le taux de réduction ou le classement par popularité !
C’est vraiment super ! Merci !
En revanche, il y a un petit point un peu dommage.
Il y a une interface de filtres par catégorie au-dessus de la barre de navigation en bas, avec des options comme « Toutes », « Beauté », « Alimentation », etc., mais j’ai l’impression que cet état n’est géré que côté client, donc quand on rafraîchit le navigateur, l’état du filtre est réinitialisé.
Ce serait bien que l’état du filtre soit conservé après rechargement en utilisant l’URL !
D’un point de vue développement, il faudrait crawler les produits pour voir si les prix ont changé, mais le crawling de produits est fortement bloqué par Naver, Coupang et autres, donc si vous n’êtes pas développeur, ça risque d’être difficile.
Le plus simple serait peut-être de créer un bouton de signalement et de supprimer l’offre si au moins 3 personnes la marquent comme expirée, non ?
N’ouvrez pas ce lien dans un lieu public !
Bonjour,
J’ai essayé une approche basée sur des modèles pour générer des fichiers Excel.
https://github.com/jogakdal/data-processors-with-excel
Merci d’y jeter un œil.
L’incendie du centre de données du gouvernement coréen a aussi été mentionné sur Hacker News, haha
J’ai un seul moniteur, un seul clavier et une seule souris, mais trois appareils à connecter. J’utilise donc un Raspberry Pi avec un dongle branché dessus, et j’ai ajouté un ESP32 aux autres appareils pour passer par le WiFi. J’ai pas mal galéré pour faire en sorte que le moniteur bascule en même temps que les entrées clavier/souris ; si j’avais connu cet outil plus tôt, ça aurait peut-être été plus simple. Merci pour ce bon article.