
尽管实现了高速增长,并且在零售格局的转变过程中扮演了重要角色,但电子商务在整个零售行业中的占比仅为5%左右。绝大多数的购物行为之所以依然在线下进行,主要原因在于一些线下体验无法完全转移到线上——尤其是需要通过人际互动开展的服务。
O2O(线上到线下)是一种将线下商业机会与互联网结合起来的电子商务模式。O2O电子商务平台在线上吸引客户,但实际的消费体验却是通过线下完成的。一家优秀的O2O公司不会仅仅盯住交易环节,而是会着眼于整个流程的数字化——从客户在线上发现和研究商品开始,这些企业就会介入其中。而在用户购买产品、完成交易时,这一流程也会继续下去,之后回到线上分享体验。
网络零售行业最近几年已经法发生了转变,不再单纯着眼于渠道,而是努力提供全方位的体验,将易用性和价值结合起来。随着移动上网设备的普及,这一领域有望改变线下和线上的购物体验,因而蕴含着巨大机会。现在,约有半数智能手机用户会在购买商品之前使用这种设备进行研究——要不了多久,当20亿出生于移动时代的“Z一代”儿童长大成人,用自己的收入参与到电子商务中之后,这一机会还将进一步增长。
放眼东方
从B2C电子商务领域来看,中国目前的数字零售额位居全球首位,而且保持着每年25%的增长速度。这一增长目前来自电子等传统领域,但得益于移动应用的普及和物流服务的改善,这项业务正在不断开疆拓土,帮助电子商务公司接触小城市中的新客户。
杂货是其中增长最快的领域之一,目前的渗透率仅为3%。虽然在图书和消费电子领域,价格仍然是消费者的主要考虑因素,但在服装和化妆品市场,品质和正品保证却对企业发展更有帮助。
我最近去了一趟中国,有幸接触到许多正在从事O2O业务的创业公司。下面是一些我认为有可能在未来一两年家喻户晓的企业。
美菜是一家为中小餐馆提供生鲜配送的移动电商平台。餐馆经营者可以在晚上10点之前使用手机在该网站上订购席新鲜食材,而美菜则会在第二天早晨6点之前配送订单。除了降低成本外,该公司还能在食品从田间地头到餐桌的整个过程中,提供更好的供应链管理,以及更加严格的食品安全控制措施。美菜已经拥有3万多家客户,过去3个月的配送订单达到90万份,平均节约36%的采购成本。
说完了生鲜,再来说说宠物,狗大夫是一家很有趣的O2O公司。这家公司创办于2014年2月,可以为狗主人提供全面的渠道,帮助他们获取与宠物狗有关的健康信息和服务。该公司的注册用户达到70万,可以通过微信公众号、微博帐号或专门的应用与6000家宠物医院建立联系。
时尚行业是目前中国增速最快的电子商务领域之一,O2O迟早也会接管这一领域。Yeeda希望为各大品牌商店和购物中心提供新的互动方式,在消费者需要的时候通过移动设备提供个性化的时尚建议。
行业大佬
虽然O2O模式出现已经有一段时间,并在Groupon、Airbnb和Uber等公司的推动下普及开来,但O2O模式却在中国实现了迅猛发展。去年,中国规模最大的3家公司——腾讯、百度和万达————联合创办了一家O2O电子商务公司,估值接近10亿美元。今年早些时候,窝窝团成为首家IPO(首次公开招股)的中国O2O企业。
我们预计,随着O2O模式在中国迅猛发展,预计将有越来越多的O2O公司着眼于高品质的服务(包括以改善物流和售后服务为目标的企业),并努力优化店内用户体验。这也将反过来催生大量的相关创业公司,从而充分利用消费者对这类模式的兴趣。
与中国的其他科技趋势类似,O2O也有望实现迅猛发展。这必将成为一波值得期待的浪潮。
注:本文作者为美国科技博客Venturebeat
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。