越来越多的超市、便利店正在接入支付宝钱包支付。4月28日消息,商超巨头华润万家、家乐福已经与支付宝钱包达成合作。华润万家旗下的商超品牌将全线接入支付宝钱包支付,首批江苏、江西、浙江三地的1000多家超市、便利店已经完成接入。而家乐福北京、上海、杭州的所有门店也已支持支付宝钱包付款。
商超巨头纷纷接入支付宝钱包
华润万家是中国最大的零售连锁企业集团之一,旗下囊括了华润万家、华润苏果、欢乐颂、Ole’、blt等多个著名商超品牌,超市业务连续多年位居中国连锁超市第一。2014年,华润万家全国自营门店实现销售1040亿元,自营门店总数达到4127家。截至目前,华润万家已进入全国31个省、自治区、直辖市和特别行政区,门店覆盖全国264个城市。
华润万家与支付宝钱包合作后,全国范围内的华润旗下商超品牌年内将全线接入支付宝钱包支付。这也将是商超行业在移动支付方面最大的一次动作。
据悉,华润万家旗下首批江苏、江西、浙江三地的1000多家超市、便利店已经完成支付宝钱包的接入。用户在上述门店购物结账时,收银条码枪扫一下支付宝付款码,用户就完成了付款,整个过程只需3秒钟。和现金支付相比,支付宝钱包付款无需找零、没有假币,更加简单方便。
除了方便外,华润万家本次接入支付宝钱包还推出了针对支付宝用户的专属优惠。据介绍,今天开始,南京、江西、浙江三地的1000多家门店将上线长达一个月的9折活动。用户首次用支付宝钱包付款可想9折优惠,5元封顶。每个用户有一次9折机会,支付成功后可参与抽奖,最高可获得100元的购物红包。以南京为例,苏果是华润万家在南京的代表品牌,也是南京本地最大的连锁超市品牌。目前,苏果在南京的600多家便利店及超市都已经支持支付宝支付。
另一商超巨头家乐福也与支付宝钱包达成了合作。目前,家乐福北京、上海、杭州的所有门店也已支持支付宝钱包付款。5月1日开始,上述三地的家乐福门店将上线长达一个月的折扣优惠:每周五、周六、周日使用支付宝付款满50元立减5元。而周一至周四,家乐福用支付宝钱包付款可参与抽奖,最高可获得100元购物红包。
传统零售拥抱移动支付
作为商超行业的排头兵,华润万家在经营理念上一直敢为人先,旗下品牌在移动创新、O2O运营上都有可圈可点之举。以苏果为例,苏果去年通过官方App与实体店进行互动开展O2O运营,取得了良好效果。而本次接入支付宝钱包,将彻底弥补实体店在移动支付上的短板,提升实体店购物体验。
华润万家方面负责人也表示,华润万家与支付宝钱包的合作,将有效迎合年轻消费者基于手机移动支付的新需求,打通线下实体移动支付闭环,巩固门店客群定位,促进门店客流及销售的提升。
众所周知,移动支付因为方便和省心,正在成为主流的消费支付方式。支付宝钱包是国内市场份额第一的移动支付平台,活跃用户超2.7亿,越来越多的用户在线下购物选择用支付宝钱包支付。近两年,商超行业开始了全面拥抱移动支付的趋势,包括全家、物美、喜士多、世纪联华、好德等商超、便利店品牌纷纷接入支付宝钱包。这样的趋势同样出现在餐饮行业和其他消费领域。
有业内人士认为,借着移动互联网的大潮,移动支付未来一两年将快速风靡线下消费市场,因此商家纷纷选择与支付宝钱包合作,为企业的服务升级和O2O转型做热身。因为除了提供移动支付能力外,支付宝的大数据能力和O2O解决方案,还能够帮助商家实现更科学的数据化运营和客户管理,降低运营成本提升运营效率。例如,支付宝提供了大数据分析,商家可以按照不同人群的行为偏好、消费偏好、生活半径、信用等级等情况,再来制定商业决策。例如,华润万家、家乐福可以根据用户地域分布的情况,来决定新的门店选址。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。