CNET科技资讯网 5月23日 北京消息: 天天“网红”新闻不绝于耳,你知道网红们创造的产业有多大么?
5月23日,第一财经商业数据中心发布《2016中国电商红人大数据报告》,预计2016年红人产业产值预估接近580亿人民币,远超2015年中国电影440亿的票房金额。
一财这份报告是在综合参考了国家官方统计、阿里集团大数据、新浪微博、优酷土豆、第三方权威机构等多方数据分析形成的,报告同时显示,23岁到28岁的“职场新人类”是网红经济最主要的消费人群,占到消费总人数的49%。
报告中还发布了电商红人商业价值指数榜,综合衡量了网红的粉丝质量、变现能力以及未来成长性之后,最终Only Anna、张大奕、LinForeverGirl 成为了排行榜的TOP3,Tikilee、Alu、小宜,雪梨和美美de夏夏紧随其后。
此前,阿里巴巴集团CEO张勇曾表示,网红经济是新经济中诞生的一个全新经济角色,展现了互联网在供需两端形成的裂变效应,这个角色在制造商、设计者、销售者、消费者和服务者之间产生了全新的连接,展现了互联网全面融合新经济时带来的无穷活力。
《2016中国电商红人大数据报告》(以下简称《报告》)显示,2016年红人产业产值(包括红人相关的商品销售额,营销收入以及生态其他环节收入),预估接近580亿元人民币,将超过2015年中国电影总票房,也相当于国内最大连锁百货百联集团2015年全年销售额。基于该预测,报告给出了“红人比电影明星更值钱”的断言。
不过,要想成为万众瞩目的网红并不简单,一财报告分析称,网红必须有敏锐审美,具备判断某个行业的能力只是基础,还要有超强的个人魅力,再加上社交、生活圈层意见领袖身份,与团队调度、场景氛围的影响能力等综合素质。
而与自媒体红人的广告盈利相比,电子商务依然是目前红人产业中最主要的商业方式。
《报告》显示,目前23岁到28岁的“职场新人类”是网红店铺最主要的消费人群,占到消费总人数的49%, 此外95后、00后约占消费群总人数的17%。
地域分配上,上海、北京、杭州成为了对网红“最买账”的前三城市,而二线城市的粉丝们买下了网红店铺里一半的商品,像四川、湖北等内陆省份,对于网红的追捧全国也是名列前茅。
同时,女性在网红店铺消费者群体中占到九成,这与网红店铺目前大多集中在服装、美妆等行业有关。而伴随着网红店铺向食品、运动户外、电脑外设等行业的扩张,未来男性消费市场也大有可为。
《报告》同时指出,红人经济正在向女装以外的生活类目迅速拓展,如2015年,酒类、厨房电器、自行车骑行装备这三个类目的规模就增长了几十甚至上百倍。
而对于新进入电商领域的红人,一财《报告》给出的建议是:女装类目因市场容量大,仍存在商机;此外母婴和电脑外设市场也较为合适,因其市场竞争较小且容量大;而零食品类和健身服装虽然市场容量大,但会面临更激烈的竞争;另外,“还有一些竞争小但容量有限的市场并不适合进入”。
虽然获得了井喷式发展,但电商网红的发展远没有到成熟期,一财《报告》认为:如品牌形象依赖红人个人形象、红人可复制性强、供应链管理弱、流量成本越来越高这样的问题,已经渐渐开始影响整个行业的发展。
而红人品牌化与运营专业化将成为竞争制胜的关键所在。如在红人商业价值排行榜中排名第一的OnlyAnna,就是一家转型自品牌成功的店铺。店铺商品由工作室独立打版制作,面料由ANNA本人采购,成衣制作有专属的制衣厂,在近半年内店铺销量已接近18万单。
近期,网红与淘宝服务商之间的强强联手,也得到了资本市场的认可,如为网红打造个人品牌并通过淘宝进行销售的杭州缇苏,2016年5月4日就获得了光线传媒3000万元的A轮融资。
此前4月21日,借助微博和优酷成为网红的papi酱,最终在阿里平台上以2200万元成交价完成了“互联网广告第一拍”,也更显示了“内容+电商”的阿里新生态赋予网红的商业价值。
淘宝时尚生活负责人靳科表示,“红人是成长于淘宝创新土壤中,最具代表性的一个群体,而淘宝平台的年轻化趋势给红人店铺带来了更多的目标消费者,未来淘宝将充分利用个性化大数据、粉丝工具、视频、社区等方式助推红人经济的发展。”
一财《报告》指出:阿里内容生态体系已经形成了一条网红从成长到成熟直到最终商业化的完整链路。网红们可以通过优酷、微博、微淘、iFashion等平台与粉丝互动,在阿里百川边看边买技术的支持下,在淘宝直播和优酷直播等新平台实现无缝购买的商业变现。
而据淘宝方面透露,未来平台将会从品牌保护、粉丝管理、产品支持及流量补充等多方面对于电商网红进行全面支持。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。