1.电影院的列表排序：收藏的影院  距离你当前位置近的影院

问题：只能修改城市，不能修改城市中的具体位置，只能定位到当前所在的位置，猫眼是根据你当前的位置导出周围的影院列表，【但现在存在一个场景，用户和朋友去聚会，他们此刻在学校，他们准备去朝阳大悦城去玩，想着玩完后去看个电影，想提前预约一下电影票，但此时因为无法定位到别的位置，所以他们无法找到朝阳大悦城的周围影院的列表】。

提议：是否应该可以选择城市中的位置，然后显示该位置周边的影院。（我想是不是因为技术问题，缺乏地图方面的技术，所以才没有开发此项技术）

2.在加载页面架构的期间，用一张图充当加载页，这样一有了一个广告页，二是用户缩短了用户的等待的时间（用户不会觉得看加载页内容的这一段时间是无聊的等待，当然，如果用户经常看到相同的页面，他们可能会觉得等待时间比较长）

3.城市定位的分类：定位、最近、热门、全部。这样划分比较好，大部分用户基本上只会用到定位的和最近，至于热门的，因为热门城市互联网叫发达，同事，猫眼的地推团队在热门城市做的叫好。

问题：影院类不同于酒店和饭店类的，大部分人们使用一个城市的频率较高，并不会频繁的切换城市，所以，我想，切换城市是否是常用的操作，需要把它放到那么重要的地方吗？而所在城市内的变动应该是更频繁的

提议：为什么不做类似外卖的定位呢，让用户可以在同一城市进行位置的定位，我这个定位不是所在位置，是精确位置的切换，实际这和我第一个问题类似。

4.影片详情内容丰富，包括评分、预告片、剧照、相关信息、剧情、详实的演员表、用户短评、评论社区。可以说是做到了详细，满足了大部分的需求，同时让不熟悉影片的人能更了解该电影，又为随机找电影的人提供的一个参考。对很大一部分用户来说影院实际上还是一个社交的场景，他们并不是为了看电影而去看电影的，详细的影片介绍更容易让他们冲动去观影。

需要重点说一下评论的排序规则：

由上面三个电影的热门评论数据，在结合最新评论(只有评论，无赞，无回复）我大体可以这样猜测一下，评论时间、最新回复时间、点赞数、回复数都有一定的权重。同时有一个限制，若，最新的评论没有点赞和回复则不会列为热门评论，但如果有评论或回复的话，则权重立马会升高，我想这样做是为了避免马太效应吧。相对来说最新回复时间的权重会比点赞和评论的权重要大。点赞数和评论数的权重对比没法得到，我想评论应该比点赞要高。

所以，权重比：（最新评论+有赞和回复）>最新评论时间>最新回复时间>(点赞数和评论数）

花絮照是不错，毕竟里面都是影方精心挑选的，有助于让用户更进一步了解电影，但剧照呢？是否适合放出一部分精彩剧照？

预告片不错，但我想是不是应该让用户点击图片的时候就直接播放预告片（wifi的情况下），而不是让用户选择，当用户关闭的时候再显示预告片的列表。当用户不是wifi的情况下，点击图片用户进入预告片列表。

提议：我为每个电影设定几个标签，可以由用户来，也可以由运营来，这样运营成本不高，但可能达到的效果极好，这回让未接触该影片的潜在用户一下子就了解该影片的类型。比如某个电影设定为情侣看，怀念青春等的，用户可能会为某个标签而去观影，就比如校园爱情，用户可能就是奔着这几个字去看，而不论这片子好不好，而且这个标签可以放在剧情介绍前面，用户可以通过标签大致了解这个电影是不是自己想要的了。

问题：演职表重不重要？为什么要花那么大的篇幅还放置演职表，有多少用户会为了某个演员去看这部电影？这个需要考察一下，但我想并不是每一个电影的演职表都这么重要，比如全是新人的电影，很多用户对这些演员都不认识，他们可能根本不会去了解这些。也许可以试着把演职表方的深一点。但这些都是个人的猜测，实际上可以对用户做一个测评，看用户是否比较看重演职表。如果不看重的话，可以试着放深，同时为热门的演员做一个标签。

5.目前的社区标签，点开直接是热门帖子，我想可能是因为目前社区这块用户量还不够大，让用户第一眼看到分区的话，会让用户感觉空的感觉，没什么人气，就像在50平米的房间里挤30个人，和在100平米的房间里挤30个人，你一定会觉得50平米的那个房子人更多。我看到左上角是可以看到分类区的，不过分类里面的帖子已经很多了，说明这样做的目的不是为了权宜之计，那为了什么？

5.选座是一个不错的功能，你不光可以看到当前的就坐情况，而且还可以慢慢的选择你自己喜欢的位置，完全不用像以前排着长队，被售票员催促的选座。不过上方的标识的可选和情侣座可能让人感到迷惑，反正我的第一感觉就是，情侣座那块貌似不能选，可后来试了一下发现还是可以选择的，不过这个问题倒是小问题，毕竟这种困惑只是针对新用户，老用户当然没有问题。

6.当你选的不是当日的影票时，会弹出确认框，防止用户出错，这样的方式，确实足够贴心

我想猫眼绝对不是只是拿这个做一个影票团购的，猫眼可以通过此建立一个自己的数据库。一个库有着各个电影的相关信息，除了基本信息还有评分、评论、讨论区。另一个库是用户的性格分析，通过统计用户在一定时间内观看的电影的类型，看电影的次数，对电影评论的情况，基本可以建立该用户的消费水平，喜好类型，甚至到后期可为某些用户定期推荐适合他的电影，而不是现在这样的统一推送。同时根据他的一段时间内的消费电影的次数，可以为其推荐观影套餐，更有力的抓住用户。