除收發(fā)郵件外,有一半的郵箱用戶喜歡在網(wǎng)上購物、支付和理財,他們討厭被微信里的營銷內(nèi)容刷屏,但是卻喜歡通過電子郵件來看看有哪些商品在打折——這些有趣的結論來自網(wǎng)易公司近日發(fā)布的《2014網(wǎng)易個人電子郵箱用戶行為研究報告》。
網(wǎng)易郵箱負責人表示,這份報告是網(wǎng)易郵箱的工作人員通過大量的后臺數(shù)據(jù)分析、在線問卷調研和行業(yè)公開信息等方法展開研究和數(shù)據(jù)分析的,發(fā)布了多項詳實數(shù)據(jù),覆蓋面廣。據(jù)悉,經(jīng)過17年的運營,截至2014年第三季度,網(wǎng)易郵箱總用戶數(shù)已經(jīng)超過7.1億,研究網(wǎng)易個人電子郵箱用戶,對于理解和把握中國網(wǎng)民使用個人電子郵箱的行為特征具有重要的意義。
半數(shù)用戶習慣網(wǎng)絡購物
除了收發(fā)郵件,網(wǎng)易郵箱用戶平時上網(wǎng)都在干些什么?此次數(shù)據(jù)調查給出了答案。調研數(shù)據(jù)顯示, 7成(71.2%)用戶經(jīng)常上網(wǎng)收發(fā)電子郵件,6成(60.9%)的用戶經(jīng)常上網(wǎng)瀏覽新聞資訊或社會熱點,經(jīng)常在線聊天或發(fā)布與查看朋友圈動態(tài)的用戶有近6成(59.4%),四成以上(42.1%)用戶經(jīng)常在線收聽或下載音樂。由此可見,網(wǎng)易郵箱用戶使用互聯(lián)網(wǎng),主要以辦公學習、溝通聯(lián)絡、視聽娛樂為主。
值得注意的是,隨著網(wǎng)絡購物的普及以及移動互聯(lián)網(wǎng)對生活方方面面的滲透,以及各大電商高密度地推出線上促銷活動,網(wǎng)絡支付已經(jīng)成為必不可少的一部分。其中,49.4%的用戶經(jīng)常使用網(wǎng)上銀行在線支付或投資理財、46.9%的用戶經(jīng)常逛購物或團購網(wǎng)站、42.1%的用戶經(jīng)常使用網(wǎng)絡相關的生活服務。
郵件營銷比微信更易接受
相較于被網(wǎng)民頻頻吐槽的微信過于頻密的營銷推送,用戶更能接受郵件營銷(48.6%),而能接受易信/微信營銷的人則只有22.1%。業(yè)內(nèi)人士分析稱,微信的社交范圍主要是一些相對關系較為親密的朋友,大多數(shù)微信用戶希望通過微信這樣的即時通訊軟件及時快速與朋友分享生活,溝通情感,而過密的推送式營銷會嚴重影響到用戶的通訊質量。在這一點上,郵件營銷無論在節(jié)奏把握還是對象選擇上顯然更具優(yōu)勢。
今年,用戶對營銷類郵件的打開率從去年的20.5%增長到了29.2%。有業(yè)內(nèi)人士分析稱,打開率的提高或得益于郵箱大師等移動端郵箱App使用率的提高,用戶可以隨時隨地查收郵件,不再受到時空的局限。
數(shù)據(jù)還顯示,用戶接收過的營銷郵件類型中最多的是優(yōu)惠促銷(62.0%),但接受程度均值不及3分(表示中立)。影響用戶打開一封營銷郵件的主要因素是對自己有用的郵件(57.5%),用戶最能接受的發(fā)送頻率是每周1次(32.4%)。
網(wǎng)易郵件事業(yè)部總經(jīng)理柳曉剛表示,作為中文郵箱第一品牌,網(wǎng)易郵箱一直以為中國網(wǎng)民提供最優(yōu)質的電子郵件服務為己任,始終把用戶使用體驗放在首位,不管是在pc端還是移動端都力求為用戶提供更大便捷,本報告旨在為市場提供更加詳細的參考資料,以推動中國電子郵件行業(yè)的良性發(fā)展。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。