科技行者 6月10日 北京消息: 6月9日,随着全国高考落下帷幕,“后高考经济”迅速升温,数百万准大学生正通过网购的方式,为丰富多彩的毕业季做好充足准备。
拼多多数据显示,6月8日晚间开始,平台涌入大量新用户;6月9日当天,平台日活用户数较上月同期增长超过1500万,较6月7日上涨接近800万。
海量用户带动多类目销量实现快速增长,除3C数码等毕业季必备类目外,体育运动、美妆个护、休闲零食,以及虚拟充值(视频会员、话费)等类目均实现环比大幅增长。
6月9日当天,在平台618“百亿现金补贴”的带动下,包括耐克、阿迪达斯等品牌在内的运动专场,销量同比增长超过350%,日环比增长接近52%;美妆个护类目整体同比增长超过260%,飞利浦电动牙刷、ReFa瘦脸仪成为明星产品。
“00后学子作为互联网原住民,有着独立的购物习惯与喜好,相较其他年龄段,他们有更强烈的互动需求,参与各类活动和分享的比例更高。”拼多多大数据研究中心首席分析师王涛表示:“为充分满足该群体的需求,拼多多正上线更多创新应用,致力于为消费者创造更多惊喜。”
据介绍,目前,拼多多‘红包机’活动已经全面上线,平台将通过该活动发放30亿元红包,最高额度达618元。“我们希望更多类似的应用,为年轻人带来‘组团过关升级’的乐趣,创造最极致性价比的购物体验。”王涛表示。
相关数据显示,2019年全国高考报名人数达1031万,创下2010年以来历史新高。随着人生大考落下帷幕,00后和60后、70后父母一道加入了网购军团。
人民日报新媒体中心发布的《中国青年发展报告》调研显示,以拼多多为代表的“拼团购”方式,成青年购物方式首选。报告认为,当代青年人“更希望通过精打细算购买到高性价比的商品”,拼团购领域的代表性平台拼多多,就是通过这种方式,满足了青年人的这种购买意愿,并对他们的消费习惯产生了深刻的影响。
对此,拼多多方面表示,年轻一代具备很强的知识接收和信息获取能力,更倾向高效、平价的购物方式,对于社交的需求也远高于其他群体。
▲极光大数据相关报告显示,截至2018年底,拼多多平台16-25岁用户占比达40.6%
拼多多数据显示,3C数码产品依旧是毕业季的首选礼品,与此前“出成绩后换新机”不同的是,或是出于“百亿现金补贴”的拉动,今年父母为子女购买手机的时间大幅提前。
6月9日,平台3C数码产品销量继续保持稳定增长,包括MacBook、iPad在内的笔记本电脑/平板电脑类产品较上月同期增长超过60%。手机方面,新款iPhone继续领跑,单日销量超过20000台,华为系列手机紧随其后,在一众国产手机中大放异彩。
除手机电脑外,智能穿戴设备也成为“毕业礼”热门选择。拼多多数据显示,平台博世(BOSE)QC35 2代降噪耳机、华为Watch GT等商品销量均大幅增长,其中补贴价仅1480元国行博世(BOSE)降噪耳机,品牌零售方已经连续补货6次。
据悉,此次618,拼多多联合品牌商投入了100亿资金,对全网最热的10000款商品进行销售补贴,打造这些商品的全渠道历史最低价。同时,拼多多将联合中国人保财险(PICC)推出“假一赔十”的定制化正品险,目前已进入公测阶段。
拼多多数据显示,“后高考经济”的趋势愈发多样性。平台运动/户外装备、健身器材的同比销量增长350%,膨化食品和视频会员的同比增长亦达到290%和270%,在一定程度上表明不同的年轻群体,对于假期有着截然不同的规划。
另一方面,颜值经济在“后高考经济”中大行其道。拼多多数据显示,9日,以洁面仪、瘦脸棒、脱毛仪、电动牙刷为代表的个护小家电商品销量较前一日大涨45%,美白、瘦脸和脱毛成年轻消费者的普遍需求。
除个护小家电外,平台美妆、防晒等产品也均大幅上涨。其中,男性用户占据整体销量的40%,且平均客单价明显高于女性用户。
拼多多相关负责人表示:“平台数据显示,在包括个护小家电、美妆产品在内的颜值产品类目中,男性用户的整体消费已经超过女性用户。这其中有赠礼也有自用,在年轻一代中,男性用户自购美妆产品的比例越来越高。”
据悉,针对开学季的需求,拼多多方面正依据消费大数据对补贴产品进行实时补充。包括大牌家纺四件套等与宿舍生活相关的产品,已经进入新一轮补贴序列,并开设平价大牌专场。
王涛表示:“618期间,拼多多将持续推出更多平价专场和低价抢购活动,希望进一步加强对年轻用户群体的粘性,并为4.43亿消费者创造极致购物体验。”
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。