[I.2] 个人作业：软件案例分析

前言

项目	内容
这个作业属于哪个课程	北航《软件工程》
这个作业的要求在哪里	[I.2] 个人作业：软件案例分析
我在这个课程的目标是	完成一个团队开发项目并在实践中学习软件开发理论
这个作业在哪个具体方面帮助我实现目标	学习一个市面上的成功软件中的设计智慧

软件工程实践：网易云音乐调研与分析报告

第一部分 调研与评测

1. 软件评测

1.1 软件使用

• 体验环境：移动端
• 软件版本：网易云音乐 v9.4.70

首页，与系统推荐

专辑、收藏夹

播放页面

收藏夹查看

收藏夹排序

查看用户听歌排行（最近一周、所有时间）

听歌识曲、哼唱识曲

1.2 软件分析

• 解决需求情况：基本解决了用户寻找高品质音乐、情感共鸣（乐评）以及小众音乐发现的需求。但在多端同步和本地文件索引上仍有优化空间。
• 优缺点分析：
  • 优点：
    • 推荐算法：在同类产品中，其对用户喜好的捕捉十分精准。
    • 界面设计：坚持黑胶唱片播放界面，审美高度契合音乐，且具有品牌辨识度。
    • 社交属性：乐评区易引发用户共鸣，提高用户粘性。
  • 缺点：
    • 功能过杂：集成了部分非核心功能，占用储存空间，且无法关闭。
    • 信息错误：部分音乐人说明资料缺乏或存在错误。

1.3 改进意见

建议用户推荐可以扩大推荐范围，并引用评论区乐评作为推荐理由，这样能增加用户的点击意愿。
部分外文歌曲的翻译文本由用户无偿上传，其翻译质量缺乏核对。有些曲子则缺乏翻译，有待改进。

1.4. 评测结论

最终评价：e) 非常推荐

评分

软件定量评测表

评分标准：满分 10 分；良好 6 分；及格 4 分；聊胜于无 1 分；很差 -3 分。

维度	类别	描述	评分
功能	核心功能	功能丰富、设计舒适、质量高	10
功能	细节	收藏夹进行歌曲排序的逻辑很便利	8
功能	用户体验	打开软件有广告，听VIP弹出广告，看了能免费听30分钟，总体还可以	6
功能	辅助功能	皮肤比较丰富	8
功能	差异化功能	没有很独特的功能，胜在功能的齐全和交互设计的优异吧	5
功能	软件的效能	整体要占2GB多，歌曲缓存空间大小可自己调整，不调的话会很大	7
体验	软件的适应性	操作舒适，没网也能听常听并缓存的歌	10
体验	成长性	主要是推歌和推荐搜索有成长性，会记忆用户的喜好	8
体验	用户有控制权	可调整，设置项完善	8
自选	收录曲目数量及普通用户可听数量	收录歌曲较为丰富，普通用户可免费听部分歌曲，看广告收听部分VIP歌曲	8
总分	-	-	78 / 100

---

---

第二部分 分析

1. 工作量估计

如果由 6 名具有专业支持的大学毕业生开发：

• 核心功能复刻：预计需要 12 - 16 个月。
• 理由：
  • 后端架构：支撑复杂的版权加密逻辑。
  • 算法迭代：推荐引擎需要海量用户数据进行模型打磨。
  • 全平台兼容：适配各种系统具有一定难度。

2. 软件质量分析

• 市场地位：同类产品中排名第一梯队（Top 2），与 QQ 音乐形成双雄格局。
• 软件工程改进建议：建议团队对客户端功能及实现方式进行研究分析，提高响应速度，减小核心包体积。

---

第三部分 建议和规划

1. 市场现状

• 市场概况：中国数字音乐市场规模超百亿，网易云拥有约 2 亿活跃用户。
• 竞争产品：QQ 音乐（版权优势）、Spotify（全球化算法）、Apple Music（生态集成）。
• 定位：主打“温情社区”与“独立音乐人扶持”，优势在 UGC（用户生成内容），劣势在独家头部版权。

2. 产品规划：设计新功能“音色分析实验室”

• NABCD 分析：
  • N (Need)：用户希望了解歌曲使用的乐器、调性及制作背后的技术细节。
  • A (Approach)：利用 AI 音源分离技术，在播放页提供“一键拆解”功能，展示当前段落的乐器构成和频谱图。
  • B (Benefit)：提升软件的专业教育属性，吸引音乐制作人和发烧友。
  • C (Competitors)：目前市面软件大多只提供简单均衡器，缺乏深度解析功能。
  • D (Delivery)：通过“黑胶 VIP”特权形式发布，并邀请知名B站音乐区 Up 主进行推广。

3. 16 周项目详细规划（6 人团队）

• 团队配置：PM (1), UI (1), 后端开发 (1), 前端/移动端开发 (2), 测试 (1)。

周次	阶段	核心任务
W1-W2	启动期	需求评审，NABCD 细化，完成 UI 原型稿
W3-W4	架构期	设计 AI 分离算法接口，搭建后端数据库及 Redis 缓存层
W5-W8	开发一期	实现基础音频流解析，完成“实验室”基础 UI 框架
W9-W12	开发二期	集成 AI 分析模型，完成前端可视化工作
W13-W14	测试期	灰度测试，修复 Bug，针对不同分辨率设备进行适配
W15-W16	发布期	撰写发布文档，上线应用商店，进行数据复盘