成功的K12在线教育产品是面向刚需的

成功的K12在线教育产品应当是面向刚性需求的，为啥呢？

以高考为指挥棒的教育体制决定了素质教育仅是一句空话，向考试看齐、向分数看齐是很可笑、可气的现状，这仅凭一己之力是难以改变的，必须接受现实。

K12巨大的市场规模是建立在刚需之上的，如升学、考试、补习、作业等，只要能提高学生在当前教育体制中的表现（分数），家长就对价格不很敏感并且有动力参与。相比而言兴趣类、素质类占比不大，对于学生和家长也不重要，甚至越临近高考越边缘化。

刚需有两个方向：一个是帮助学生更好地学习、更有效地吸收理解知识、又快又准的做题、更准确地报志愿等；另一个是帮学生提高效率、减少负担、更轻松愉快地学习。

不要和用户的“懒惰”作对 符合人性吧！

贪婪、懒惰、嫉妒、虚荣、好色、从众、自卑，大家都知道用户这七宗罪。为什么文章一开始列出的互联网题库产品都半死不活呢？主要因为他们和用户的“懒惰”作对。

有一种健身房模式，先预付全款，之后每健身一次就返还一部分，如果完成全部健身计划就全都退还给健身者。这种模式为什么没做起来呢？因为大多数人懒得健身嘛，返款诱惑的“贪”干不过“懒”。而真正想锻炼的人也不在乎健身房返款这种模式。而团购的崛起正是利用了“贪”。

可见产品必须符合人性，不然活跃度、留存率会很低。

目标用户群体是海量的 不少于三四千万

既能满足刚需、又符合用户人性的产品有机会成为入口级产品，具有如下特点：海量用户、高粘性/高使用频率、有内在价值、使用便捷UE好等等。

对于近2亿中小学生的总群体，新产品的目标用户群体规模应不少于三四千万级别，每周使用频次应不低于10-15次，应能切实帮学生解决具体问题。

byebye被山寨的可能性，就得设高门槛

几个人干几个月开发出个APP，短平快，但太容易被山寨。有持久力的产品，要么有别人难以企及的技术或资源，如INTEL这种芯片厂商，要么有极高的网络外部性，如QQ。

告诉你一个新思路——APP“扫题”

基于对现状的分析和新产品的要求，笔者认为新产品应定位于帮学生作题减负，即通过APP调用手机摄像头扫描题干，上传到云端进行OCR识别后搜索匹配的答案和解题思路，反馈给用户。

·杀手锏：不会、拿不准的题目，扫一扫就找到答案，精品题还有解题思路。

·底线：国内一二三线城市主要中学学生，对常用的任一本教科书、练习册、历年考卷中的任一题目扫描，匹配率不低于50%。

·谁来学：以中学生为主，以非毕业班为主，成绩排名处于前20%的非重点用户。以学生为唯一用户群，不考虑学校、教师、家长的需求。

·教什么：先从数学切入，之后扩展到物理、化学，然后是语文、英语，副科不理。

·多少钱：每科5-10元包月，一份便当钱，学生自己也掏得起不用求家长。

·怎么买：除了网银、支付宝外，还应有更屌丝的方式，比如Q币、手机充值卡等。这是为了便于学生直接充值，不依赖家长控制的网银。

基本流程：

以数学题为例，对题目的结构化处理类似如下方式：

某人投资81万元购买一生产线,第一年维修费为1万元,以后每年增加2万元，把该生产线出租后，每年收入租金30万元。

·若扣除投资和各种维修费，则此人从第几年开始获取纯利润？

·此人决定在年平均利润最大时，以46万元出售该生产线，则需经过几年，此时此人获利多少？

题型判断：问答题

关键词：投资、生产线、维修费、租金、利润、年平均利润

名词型变量：某人

数值型变量：81、1、2、30、46

有1000名学生考试，考80到100的学生的频率为0.39，现在采用分段抽样的方法抽100名学生。甲同学的分数为95问他被抽到的概率。

题型判断：问答题

·关键词：学生、频率、分段抽样、概率

·名词型变量：甲同学

·数值型变量：1000、80、100、0.39、100、95

·题型判断：填空题

·关键词：平方根

·名词型变量：

·数值型变量：

上述处理是依据预设逻辑和算法实现的。

对于题目，数据库应至少包含如下信息（Tag）：

编号、上传者、上传时间、历次编辑信息、状态、地区、学科、年级、章节、对应的知识点、来源、题目主干、题目问题、题目类型、题目相关图片、题目答案、解题思路、关键词、名词型变量、数值型变量、相关公式/函数式、位置信息、被搜索频率、相关题目、用户反馈信息、都在哪里出现过、难度……其中一些信息可逐步添加。

为减少条目，可以做些合并优化，比如同样是李白《静夜思》题目主干，会有很多个、很多类型的问题，如能整合，数据库应可减肥、搜索效率应会提高。

那些需要我们攻关的技术关键点

·题目扫描：类似微信扫一扫的功能。现在手机配备的摄像头像素越来越高，诺基亚已推出了4100万像素的手机。高像素摄像头手机的逐步普及有利于提高扫描的质量。此外随着流量资费的逐步下调、未来4G网络带宽大幅提升、WIFI网络的普及，能有效降低流量成本、提高传输速度。

·OCR：这方面有难点，主要是有各种理科的符号、公式、算式、函数。此外图形、图案只能识别为图片。

·结构化处理：需要根据各科知识点梳理本学科各种题目的结构、特点，加以提炼，形成一套处理逻辑：判断题型的方法、哪些词是关键词、什么样的数据是名词型变量、数值型变量等等。

·海量数据搜索：和搜索引擎类似，不赘述。

·模糊匹配的先后推荐逻辑：包括各种权重设计，如关键词、常规数据、变量数据、图形匹配度、位置相近度等。

·高并发、分布式系统架构：这个得用Hadoop吧。

K12低标准化如何攻克？

海量的题目内容是关键核心，为了达到至少50%的匹配度，粗略估计仅初中数学一科应需要1-2亿道题的题库，初中5门主科题库规模5-10亿道。如果算上高中，总规模会超过20亿道。每道题都要有答案，教科书、主要参考书、主要习题集、历年考试真题涉及的题目基本要有解题思路过程。

各地一纲多本问题比较严重，教学大纲和考试重点各有不同，所以需要海量的题库。对题目的结构化处理能力如能提高，可以适当降低题库数量规模的要求。

题目来源：各省市各区县各学校的历年试卷，这基本是无版权的；教科书、参考书、习题集等等，版权问题？向某雷学习吧，这不应是问题。

电子化方法：有些题本身有电子版；纸质版的就要扫描识别，结构化处理然后入库。其中扫描识别环节工作量极大是劳动密集型工作，有种富士康的赶脚，可考虑外包到越南这种地方。我真没开玩笑…这是一项高成本、周期长的工程项目。此外，每年都要把当年新题更新入库，这部分增量应该相对不大了，现在都是抄来抄去的。

答案/解题思路：通常教科书、习题集这些纸质书中题目都有答案，部分试卷也能找到答案。对于没有答案或很难找到答案的，也得用富士康方式，找一大群相关大学生兼职做。

团队能力需要覆盖：搜索引擎、Hadoop、学科专家、OCR、资深工程项目管理（海量题库）等。

如果做中学各门主科一共20亿道题的规模，粗略估计投入在7-12亿人民币这一规模（仅为系统开发和内容开发成本，未考虑硬件和网络成本），有一定伸缩性。

为控制风险，产品完全可以分学科分阶段做，第一阶段线上初中数学（前期技术和内容开发投入粗略估计6-8千万，不含硬件），被市场验证后再上高中数学，乃至其他各科。

如果产品技术过关，内容丰富，势必能满足刚需、符合人性、入口级的要求，全国近1亿中学生均为潜在用户。

假如是收费产品、500万学生使用、平均每科包年30元一共5科，则一年收入7.5亿元。和投入比较，预计不到两年回本。这主要取决于产品本身，做得好回本就快。

假如是免费产品，则拥有智能机的学生基本都会成为用户，不准确估计有3000万人以上，且工具类产品使用频次较高，ip、DAU指标势必不低，通过增值服务变现无难度。比如针对弱项提供收费视频课程、引导到线下合作辅导机构、名校名师高价在线讲座、甚至未来可以提供升学方案报告，想象空间比收费产品大。