



为适应全球市场扩张需要,美国移动出行服务商Uber在调整服务策略。日前,Uber在印度宣布,将首次支持现金支付车费,未来可能会拓展到其他国家。
据悉,人口大国印度是Uber十分看重的市场,尽管Uber目前已经是全球移动出行服务的老大,但在印度却明显落后,这主要是相比Uber的本土竞争对手Ola而言的,它已经掌控了八成的市场份额。不过目前,Uber已进入了印度、中国在内的全球300多座城市。
分析师指出,Uber在印度之所以明显落后,是因为其产品和服务不能够适应印度消费者的特点,其中之一就是现金支付。据路透社报道,5月11日,印度宣布将会在南部城市海德拉巴德(也是科技业中心城市)进行消费者现金支付的第一次试验,未来可能会拓宽至全球市场。
Uber在海德拉巴德的总经理Siddharth-Shanker表示,消费习惯决定着现金支付在印度消费者当中仍然扮演重要角色,因此Uber必须调整适应。此前,Uber只接受信用卡、银行卡或是其他电子支付手段。而印度在信用卡和银行卡方面发展落后。有着13亿人口的印度,信用卡发行量只有2000万张。尽管印度政府一直致力于普及信用卡,但众多印度消费者仍习惯现金支付和消费。目前,Ola和其他移动打车工具均支持现金支付车费。美国电子商务巨头亚马逊,为了适应印度市场,亚马逊提供了货到付现金选项。
另外,发现除了普通出租车外,印度人还对一种随处可见的三轮摩托出租车表示欢迎,因此15年4月份,为进一步扩大用户规模,Uber也开始学习其竞争对手,在手机叫车服务中接纳这种三轮出租车。此外,针对之前在印度首都新德里发生司机强暴女乘客的事件,Uber很快推出了多种保障乘客安全的举措,如用户可在手机软件中一键报警,或向好友报告自己的位置。据悉,尽管在少数城市遭遇阻力,但Uber在印度仍在快速扩张市场,而印度政府交通部门对Uber仍有支持态度。
 0赞
 0赞好文章,需要你的鼓励
 推荐文章
 推荐文章
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。