
几乎所有公司都有微信群,但大多用于沟通,在企业级移动应用“纷享销客”看来,微信相对私人化,如果在微信群里谈工作、布置工作、查询工作有诸多不便。于是,继7月份获得千万美元B轮融资后,纷享销客在11月初迅速上线3年来变动最大的一次改版,欲借新版本4.0打造“微信式”移动办公管理平台。
做“微信式”办公
互联网产品竞争激烈,尤其是面对普通用户的C端产品鏖战已久,面对企业级用户的SaaS产品也在逐渐升温。有着6亿用户的微信在10月初推出企业号,用个人用户最为熟悉的即时沟通的方式完成企业级沟通。
在这样的行业趋势下,纷享销客率先试水,4.0版改变了原来基于微博的沟通方式,变成了全“微信式”体验。在用户首先看到的“企信”界面中,将工作提醒模块整合其中,用户打开平台就能看到与自己关联度最大的工作提醒,提高响应速度。
纷享销客“企信”界面
在BYOD工作场景中,用户经常需要发送文档、审批、日志等工作内容,纷享销客解决了这一问题。比如,我在旅行的途中,同事打电话让我传送一个财务文档,我就可以打开手机使用纷享销客先发送审批给直属领导申请是否可以传送,领导闪回之后我给同事传送文档,然后@通知我的同事查收,这样典型的工作流程在分享的平台上就能实现。
并且新版本在通讯的底层架构上做了很大升级,在电梯、地铁等弱网环境下也能稳定使用。
同样,在办公场景中时经常要组织部门或者公司的会议,在纷享销的平台上能够发起 “百人大会”群聊和@某人的功能,并且能在群对话中发起“企信通知”,并实时查看已读状态及确认回执,这样在通知发出之后,有哪位同事没有响应就能够做到一目了然,方便用户掌控通知效果。
无限可能的构架模块
据了解,在纷享销客版本4.0中,工作、CRM等功能模块重新做了优化整合,尤其是添加了应用模块,以实现完全可扩展的程序架构,承载更多功能应用。
这就能为不同行业的企业创造条件。比如,在12月份版本中,就会有适合快消行业的报数的应用。之后,纷享销客会开放更多API接口让企业应用接入。
纷享销客CEO罗旭指出,这样的布局,以实现“工具+平台+生态”的发展模式,同时也是纷享销客的战略意图。
纷享销客CEO罗旭
纷享销客总裁杨斌介绍,与之前版本相比,新版的优势在于,用户可完全利用碎片时间办公。
纷享销客总裁杨斌
“大家都在讲我们办公的产品充分利用大家的碎片时间,我们中国的这些商务人群更多的碎片时间是在地铁和公交,以及卫生间和坐电梯这些环境里面。我们现在的体验可以做到在这种碎片时间里面,微信能用,纷享就能有用,但是我们以前的产品和同行的产品在这种情况下不能顺畅地接收信息和产品使用,现在包括在火车上能够做到纷享销客顺畅使用,纷享销客在网络环境下的表现是一致的。”杨斌说道。
诚如杨斌所言,这方面与微信不同,纷享销客做了一些企业个性化的改造,比如企信通知。杨斌指出,现在有很多的企业用户在拿微信群进行办公,他在一个群里面不是聊天而是发一些通知性的信息,弊端在于但是他不知道这些人阅读的情况,不知道他到底看没看。这一块我们做的企业通知可以做到有多少人看到,有多少人没有阅读,有多少人确认,做了一些办公性的改造。“这个也是针对微信做了一些企业级的改造,按部门可以进行选择员工、快速建群组,这些都会做提升。”
上线3年以来,纷享销客目前已积累60000家企业用户。纷享销客方面透露,今年年底将进行C轮融资。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。