CNET科技资讯网 5月10日 北京消息:《今日美国》曾这样描述美国人一天的生活:早晨,叫醒美国人起床的闹钟有1/3印着“中国制造”;紧接着洗手间里的塑胶遮帘、体重秤、卷发器以及吹风机大多产自中国;出门上班穿的衣服有17%是“中国制造”;办公室桌子上摆放的木制书框、各类小文具同样是来自中国;晚上睡觉前,需要关闭的台灯或吊灯大约一半是“中国制造”。
作为制造大国的中国如何升级为品牌大国,扩大自主品牌的知名度和影响力?答案是依托互联网和新零售。
5月9日,天猫联合阿里研究院发布《国货突围报告》,就2016年双11期间国货品牌线上表现进行复盘。数据显示,去年双11期间,国货在线上销售额占比63%,共计902个中国品牌跻身各品类前100名,占上榜品牌总数的64%。报告同时为国货品牌的转型升级支招,新零售成品牌破局标配。
天猫引领消费升级大潮
表现亮眼的品牌无一不紧随消费升级这一大潮,借助天猫实现品牌升级和新技术引领。
以扫地机器人为例,国产扫地机器人品牌科沃斯早期发展并不顺利,接入天猫大数据之后,科沃斯针对中国市场研发了多款扫地机器人,在激烈的竞争中逐渐占据国内市场的主导地位。2016“双11”当天,科沃斯线上销售额突破4.11亿元,登上全网生活电器销售榜第一名。
再以近日发布的中国版“无印良品”——“全棉时代”母公司招股书为例,招股书显示,2016年全棉时代各渠道销售中,以天猫为代表的电商渠道销售占比超过六成。
跟全棉时代、科沃斯等品牌一样,与天猫用户一起成长,完成业绩、品牌双增长的国货品牌比比皆是。其中,家具、服装、建筑装潢、大家电、食品等五个消费大类的国货品牌在业内领跑,晒出大众、高端市场双优成绩单。
尽管增速飞快,但报告同时指出,我国国货品牌在高端市场表现仍不及整体市场。在各消费大类商品价格综合排名前20名的品牌中,国货销售金额占比仅为37%,与国际品牌在高端市场的表现仍有差距。
国货品牌借新零售转型成契机
国货品牌在大众市场可谓稳扎稳打,通过拥抱新零售,一系列原本面临老化的国货品牌通过互联网转型升级已势不可挡。
近年来,国货老字号百雀羚将品牌重新定位为“天然草本”,与IP、娱乐业进行跨界联合,并通过天猫打造年轻、时尚的品牌新形象,据悉,天猫双11”当天,有125万消费者购买百雀羚,成为天猫美妆类销售冠军。百雀羚的一系列转型也让“国际美妆界诺贝尔”——国际化妆品化学家联合会(IFSCC)向其伸出橄榄枝。
2015年,上海家化首次尝试全渠道,开展了以“上海家化喊你回家”为主题的“万店同庆”O2O,以子母品牌联动的形式与消费者进行全品牌全渠道互动,2016年,上海家化又成为天猫双11独家冠名商,以全网2亿的零售额创下销售纪录。
而“国民家电”美的则通过与阿里巴巴全方位合作,推动品牌在C2B定制、大数据、物联网等领域创新突破。2014年美的就与阿里合作尝试C2B反向定制产品,去年9月,更是基于YunOS系统开发打造美的智能冰箱。根据去年底美的发布的电商年度成绩单,美的全年在天猫单渠道销售突破百亿,创造了家电行业史上一个重要里程碑。
借势阿里巴巴海量的年轻用户推动新零售,天猫已成为助推国货品牌转型升级的快车道。在中国品牌日来临之际,阿里研究院为国货品牌转型升级支招:引领消费方向;占领中高端空白市场;借助新渠道新技术建立品牌认知;关注原创和个性化市场。这四点将成为品牌突围的重要方向,而贯穿其中的新零售这一关键词,也将成为中国品牌创新的根本所在。
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。