
6月8日晚7点,搜狐公司董事局主席兼CEO、搜狐视频CEO张朝阳在搜狐视频APP关注流中开启个人直播带货首秀。
此次直播带货以《Charles的好物分享》为主题,模式与众不同,此次张朝阳带货的物品,都是他生活中长期使用过,觉得不错的好物,并采取真正的限量发售。跟单纯卖货兜售不同,主要通过带货直播的形式展现个人生活方式,“聊聊生活,分享常用的好物,珍惜信得过的人,只带信得过的货”。
张朝阳强调这次直播带货要“抛砖引玉”,未来会拉动更多名人来搜狐视频入局直播,跟搜狐的优势基因相结合,打造独具特色的价值平台。
本次直播带货首秀也吸引了很多品牌商家的参与,如作为《Charles的好物分享》首席合作伙伴的京东,以及作为福利伙伴的阿道夫、万得妙、小码王、马爹利,还包括奥迪等头部品牌。
直播开场,张朝阳就在搜狐媒体大厦18层的办公室前门口等候网友,随后通过健康食谱大公开、办公好物、闲暇时光等多个场景,在自己的真实办公空间内如办公室、茶水间、阳光房,进行转场,让直播观众弹幕直呼有真实带入感。
此次虽是带货首秀,但张朝阳表现十分自如,他已经坚持多年进行英语新闻等各种直播,可算上是“资深主播”。“好可爱”、“自带音效”,张朝阳自带网感的主播方式,引发现场大型“圈粉”。
他围绕自己真实的办公生活场景,一边聊生活,介绍自身生活方式,一边带货,推荐了长时间使用“自己鉴定”过的ERGO CHEF My Juicer S 榨汁机、奔腾加湿器、德龙咖啡机、星巴克咖啡豆等物品,并在购物车中发售,很多产品争取到了全网深度低价,由于采取真正限量,引起了网友激烈秒杀。
更令网友直呼过瘾的是,张朝阳在直播中设置大量福利环节。比如提供了“清空你的京东1万元购物车”锦鲤大奖。还有作为福利伙伴的阿道夫、万得妙、小码王、马爹利等现场抽奖派发给网友。
大量头部品牌受到张朝阳直播带货的吸引,比如奥迪出现在张朝阳一个多小时直播的最后。他走到楼下,发动一辆e-tron电动车直接开回家。
张朝阳表示很看好直播带货的形式,直播带货不是一个风口,而是长期的趋势。而直播未来进化的平台化方向,一直在搜狐战略的规划之中。
在营销路径上,直播带货靠的是口碑,通过互联网时代带来的新机会,大量的货通过有影响力人,通过信誉传递实现分享。对于这种“人货场”新的结合方式,张朝阳认为,使好的产品能够被喜欢的人用,是新的营销方向,是一个很好的态势。
“直播这件事一定要特别真实,带的货肯定是我看好的东西,一目了然。”而内容呈现也是,“更多的是对自身生活方式的介绍。” 张朝阳表示自己的带货方式跟其他网红主播和纷纷入局的大佬都有差别,这次带货是 “先开个头,希望更多的名人和专家入驻搜狐视频更多直播,更多‘营业’。”
这番表态的背后是搜狐视频正将直播平台推向更广阔的大众领域,和更宽阔的价值空间。比如此前的疫情期间,搜狐视频邀请大量医生和专家“开播”并不断向情感心理、母婴亲子、文化教育、汽车、美妆、房地产、健康、美食等等领域拓宽,主打搜狐视频价值直播,这也是未来继续打造价值平台的方向。直播不仅要止步于带货,更是要带知识,带价值,带平台。
此次搜狐视频平台直播带货,可以看出,搜狐拥有的多个优势得以发挥新的效能,搜索引擎、信息流分发、搜索分发、社交分发都在螺旋式上升,搜狐在这几个领域都在积极探索、稳步前进。
搜狐正在不断走向盈利的当下,做出更大的动作。事实上,张朝阳此次直播带货更像是搜狐平台的自然延伸。搜狐正在媒体+平台的基础上,进行新的内容的汇聚、产生和分发。
正如用户喜欢直播带货这种生活方式新选择和传统的秀场打赏模式不同,从原始的“颜值打赏”,到“主播带货”,再到“知识价值”,一个不断深化的平台进化路径不断成形。
据了解,张朝阳直播带货首秀之后,搜狐视频计划引入更多领域知识群体,让大批知识达人和大V入驻并开播以及带货,持续聚焦在高价值信息提供,深入推进价值平台;还可以让用户在社交信息流中,分享和制造感兴趣的内容,并通过算法和人工智能技术,结合5G新技术,推动搜狐在内容和平台方面不断进化,满足用户和客户的需求。
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。