与其跟在巨头的后面靠复制抄袭,不如我们站的比巨头再远一点。点名时间,犹如思考与个性的交织存在,至少在国内众筹发展史上,点名时间有着不可忽视的功劳。
点名时间是首个将回报式众筹引入中国的网站。三年间,点名时间无数次的在网站上、媒体上、各种线下活动上布道着众筹的概念。同样三年的时间,也让从定位于中国Kickstarter起步的点名时间逐步成为中国最大众筹平台。
而就在今年5月,点名时间却突然宣布放弃众筹平台的定位,转型为电商化的智能硬件限时抢购平台。沉寂3个月后,在近日举办的点名时间媒体沟通会上,点名时间CEO张佑终于讲出了心声。
抛弃光环,需要的是勇气与恰逢时机的决策。点名时间此番惊人之举,让人不得不思考这样一个问题:国内第一众筹,缘何告别众筹?
在谈到这个问题的时候,点名时间创始人张佑认为根源在于,国内项目和用户都和国外有很大区别,“前三年的众筹经验告诉我,Kickstarter的模式并不适合中国”。与 Kickstater 的创业者不同,国内的很多创业者完全不会包装自己。即便是有了点名时间这样的众筹平台,他们也无法很好的加以利用。
放弃众筹的另一个缘由来自于国内用户的心态。“Kickstarer上聚集着一群理想主义者,他们对改变社会有伟大憧憬,在购买时感性因素超越了理性”,他们愿意等待新品漫长的发货时间。但国内用户非常理性,如果支持的产品不能很快拿到手,不少用户就会对这个项目产生怀疑,并且此后也不愿意再支持别的众筹项目。
张佑坦言,众筹这一概念在媒体和行业中的滥用让众筹在国内变质。随着点名时间知名度的扩大,良莠不齐种类繁多的项目登录平台让点名时间失去了原本的焦点。
就在点名时间思考转型的同时,各大互联网企业也纷纷开始试水众筹平台。京东、淘宝等大型 B2C 平台都推出了众筹频道,利用自己的流量优势开始做众筹平台尝试。这些互联网公司都有庞大的流量来支撑众筹平台,相比之下点名时间就显得比较小众。
坦诚的说,面对众筹所产生的种种问题,张佑也一直在思考点名时间未来的发展方向。此次点名时间转型为做智能新品限时预售平台,正是张佑闭关深思熟虑后的决策。
张佑解释,“智能新品限时预购”包含两种含义:第一是做智能硬件首发模式;第二是做智能硬件的预售电商,用限时预购这种模式面向智能硬件厂家和用户。
从智能硬件厂家方面来看,点名时间向其推荐首发的模式,集合国内外线上线下累计1000多家渠道和点名时间的500万用户,做为期30天的采购预定。
从用户层面来看,彻底抛弃“众筹平台”概念,在预售期间让渠道商家获得3到5折的市场进货价,让早期用户用5到7折抢先体验并进行口碑扩散。
在变身为智能硬件的首发平台后,张佑表示点名时间将专注两件事,一是专注于智能硬件领域;二是只做首发,不做销售。即帮创业团队做好第一次公众亮相、品牌包装和宣传,并与渠道销售资源对接,帮助创业团队维系粉丝用户,而其中定位糖与小K智能插座在时下最为火热。
张佑还透露,在转型做硬件首发平台以后,项目的购买人数、营收、项目数都有数倍增长:平均筹款金额由之前的13460元增长到82092元;平均参与人数由80人增长到357人;总额超过10万元的项目由原来的14个增长到现在的111个。
在众筹网站面临洗牌,延长众筹期限,网站将众筹风险转嫁到创业团队等诸多乱象中,点名时间彻底告别众筹。点名时间转型为智能新品限时预售的平台,就是要把消费者、用户的体验提升。
“因为对消费者和用户来讲,把钱拿出来放在身上之后,事实上你有的时候没办法掌控。这是整个供应链和整个服务体系没有跟着互联网模式提升起来的原因。与其我们用回报这种以物易物的方式,不如转变为预售模式;与其跟在巨头的后面靠复制抄袭,不如我们站的比巨头在远一点。”
好文章,需要你的鼓励
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。
谷歌DeepMind团队开发的GraphCast是一个革命性的AI天气预测模型,能够在不到一分钟内完成10天全球天气预报,准确性超越传统方法90%的指标。该模型采用图神经网络技术,通过学习40年历史数据掌握天气变化规律,在极端天气预测方面表现卓越,能耗仅为传统方法的千分之一,为气象学领域带来了效率和精度的双重突破。