哈基米队——用户使用调查报告
| 这个作业属于哪个课程 | 2501_CS_SE_FZU |
|---|---|
| 这个作业要求在哪里 | 团队作业—Beta冲刺 |
| 团队名称 | 哈基米队 |
| 这个作业的目标 | 调查校园二手交易平台使用现状、用户需求及存在问题,为平台优化提供依据 |
| 其他参考文献 | 《构建之法》、《数据库设计说明书》、《概要设计说明书》 |
目录
- 1 项目概述
- 1.1 项目名称
- 1.2 项目简介
- 2 调查说明
- 2.1 调查目的
- 2.2 调查对象
- 2.3 调查方法
- 3 问卷情况
- 4 数据分析
- 4.1 数据统计
- 4.2 数据分析
- 5 总结
1 项目概述
1.1 项目名称
校园易换(校园二手交易平台)
1.2 项目简介
校园二手交易平台是专为高校学生打造的闲置物品交易服务平台,聚焦校园场景下的二手商品流通需求,提供物品发布、浏览比价、校内自提等核心服务,旨在为学生创造安全、便捷、高效的二手交易环境,促进资源循环利用。
2 调查说明
2.1 调查目的
本次调查旨在全面了解校园二手交易平台的用户使用习惯、功能使用体验、核心需求及现存问题,重点收集用户对 AI 描述功能、交易信任机制、平台优化方向的反馈,为平台后续功能迭代、服务升级提供数据支撑,提升用户粘性与平台竞争力。
2.2 调查对象
调查面向本校使用校园二手交易平台的学生用户,覆盖不同年级、专业群体,聚焦有二手物品交易需求或平台使用经历的核心用户,确保调研结果能反映真实用户诉求。
2.3 调查方法
通过问卷星设计并发放线上调研问卷,结合定量统计与定性分析方法开展研究。问卷内容涵盖用户使用行为、功能评价、问题反馈、优化建议等维度,所有数据仅用于平台优化研究,严格保护用户个人信息。
3 问卷情况




4 数据分析
4.1 数据统计











4.2 数据分析
调查结果显示,校园二手交易平台的核心用户以 18-24 岁学生为主,用户使用平台的核心目的集中在浏览比价(59.09%)和购买二手商品(40.91%),每月使用频率以 1-3 次为主(54.55%),整体使用场景偏向高频刚需。交易品类方面,数码产品(45.45%)、教材 / 教辅书(40.91%)、衣物鞋包(40.91%)是最受欢迎的三大类,反映校园场景下的核心交易需求。
在功能使用方面,AI 描述功能已有 72.72% 的用户尝试使用,但深度使用率较低,核心问题集中在生成速度慢(72.73%)、报错率高(54.55%)及内容精准度不足,用户对 AI 功能的核心需求聚焦于品牌型号识别、图片合规检测等实用功能。平台整体最突出的优化需求是功能完整性(86.36%),用户普遍反映缺少收藏、下架等基础功能,商品发布后无法修改的问题也被重点提及。
信任机制方面,45.45% 的用户对交易欺诈 “有些担心”,平台提供交易担保(36.36%)被认为是最有效的信任提升措施,而近半数用户(45.45%)不愿公开学院或年级信息,需在信息透明与隐私保护间寻求平衡。平台核心优势集中在 “校内自提无需物流”(72.73%),这也是区别于主流二手平台的关键竞争力。
用户推荐意愿偏向积极(59.09%“一定会 / 可能会” 推荐),但 40.91% 的用户持观望态度,对未来功能的需求以交易评价系统(63.64%)、校内自提点地图(54.55%)最为迫切,反映出用户对交易闭环完善和使用便捷性提升的核心诉求。
5 总结
总体来看,校园二手交易平台凭借 “校内自提”“学生群体可信” 的核心优势,已基本满足学生二手交易的基础需求,整体口碑偏向积极。但平台在功能完整性、AI 功能稳定性、交易信任机制等方面仍存在明显短板,内容丰富度与功能细节优化不足直接影响用户留存与推荐意愿。
下一步,我们将力求进一步强化平台的校园场景适配优势,解决核心痛点问题,提升用户满意度与推荐意愿,打造更贴合学生需求的二手交易生态。
相关推荐
MATLABSimulink模拟及会议论文,关于具备自动温度控制和能耗分析的智能太阳能热水系统。.zip
1.版本:matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
完美复现基于自适应虚拟谐波阬的光储VSG并网电流谐波抑制模型(Simulink仿真实现)
内容概要:本文围绕基于自适应虚拟谐波阬的光储VSG并网电流谐波抑制模型展开研究,提出了一种结合虚拟同步发电机(VSG)控制与自适应虚拟谐波阬技术的谐波治理方案,旨在有效应对光伏发电与储能系统并网过程中产生的特定次谐波问题。通过在Simulink中构建完整的系统仿真模型,详细实现了VSG的惯量阻尼控制、功率环调控以及自适应谐波阬的频率识别与阻抗重塑机制,能够动态跟踪并抑制并网电流中的谐波成分,从而提升电能质量和系统并网稳定性。文章深入剖析了控制器结构设计、关键参数整定方法及谐波抑制效果的仿真验证过程,充分验证了该方法在复杂工况下的有效性、鲁棒性与工程应用潜力。; 适合人群:具备电力电子、新能源并网、电力系统分析等相关专业知识背景的科研人员与工程技术人员,尤其适用于熟悉Simulink仿真环境、掌握基本控制理论与信号处理技术的研究生、高校教师及企业研发人员。; 使用场景及目标:①应用于光伏-储能联合系统的并网逆变器控制设计;②用于提升VSG并网系统的电能质量与抗扰动能力;③为高比例新能源接入场景下的谐波分析与主动抑制策略提供仿真验证平台与技术支撑;④辅助开展新型电力系统中电能质量治理相关的教学与科研工作。; 阅读建议:建议读者结合提供的Simulink模型文件进行同步仿真操作,重点理解VSG控制架构与自适应虚拟谐波阬模块的耦合关系,关注谐波检测、频率自适应调整与复矢量控制的实现细节,并可通过改变负载条件或电网阻抗参数进行多工况测试,以深入掌握系统的动态响应特性与控制性能边界。
机械三维3D设计图-食品皮带机输送除尘消毒设备.zip
机械三维3D设计图-食品皮带机输送除尘消毒设备.zip
机械三维3D设计图-膜厚测定自动搬送设备.zip
机械三维3D设计图-膜厚测定自动搬送设备.zip
负荷预测基于LSTM-Attention、蜣螂优化DBO-LSTM-Attention的负荷预测研究(Python代码实现)
内容概要:本文围绕基于LSTM-Attention与蜣螂优化算法(DBO)改进的LSTM-Attention模型在电力负荷预测中的应用展开研究,采用Python代码实现。研究结合长短期记忆网络(LSTM)对时间序列长期依赖关系的建模能力与注意力机制(Attention)对关键时间步特征的加权聚焦能力,构建基础预测模型,并引入新型群智能优化算法——蜣螂优化算法(DBO),用于自动寻优模型超参数,有效提升模型收敛速度与预测精度。文中详述了模型架构设计、优化流程集成及实验验证过程,通过对比实验证明该混合模型在负荷预测任务中相较传统方法具有更强的非线性拟合能力和更高的预测准确性。; 适合人群:具备一定Python编程基础和机器学习背景,从事电力系统分析、能源管理或相关领域研究的科研人员及工程技术人员。; 使用场景及目标:①应用于短期或中期电力负荷预测任务,提高电网调度的科学性与经济性;②为深度学习与智能优化算法在能源领域的融合应用提供实践案例,促进模型性能优化与实际部署。; 阅读建议:建议读者结合提供的Python代码,深入理解LSTM-Attention模型的构建细节与DBO优化流程,建议在实际数据集上复现实验,进一步掌握参数调优技巧与模型评估方法。


