2月25日消息,滴滴和快的今日對外發(fā)布聲明,兩家公司合并后仍將以最大限度提升用戶出行體驗為業(yè)務方向之一,在相當長的時間內(nèi),針對乘客的紅包補貼和司機的獎勵將繼續(xù)發(fā)放,同時將致力于探索其他對用戶有利有益的方式,進一步加強優(yōu)化自身服務和體驗體系。
情人節(jié)當天,中國移動出行領域領先的兩家企業(yè)快的和滴滴宣布合并,引發(fā)業(yè)界熱議。但合并后兩家是否會取消原有的紅包補貼政策也引發(fā)了各界關注,很多用戶表達了共同的疑問:合并后用戶補貼還有嗎,打車會更難還是更容易?
而此次官方的公開表態(tài)無疑讓這些用戶吃了一顆定心丸,同時也消除了外界關于打車補貼的種種不實傳言。
紅包補貼是快的和滴滴在市場早期發(fā)展階段摸索出的有效的營銷方式,其在打車軟件發(fā)展初期發(fā)揮了巨大效能,讓更多人愿意嘗試手機叫車服務,推動了移動出行行業(yè)快速發(fā)展。其形式也從初期的給乘客送券、給司機發(fā)補貼發(fā)展到后期積分獎勵、主動幫打不到車的乘客“加小費”等,方式更多樣,提升用戶體驗的目的性也更強。而這種營銷方式的有效性已被證明,未來還將扮演其應有的角色。
曾有聲音認為,合并后的新公司會取消補貼,進而侵犯消費者利益。這一說法遭到著名經(jīng)濟學家胡釋之的駁斥,他認為,企業(yè)采取怎樣的紅包補貼政策是企業(yè)的權利,紅包是一種禮物,“誰認為企業(yè)不再送禮就是損害了消費者的權益算是一種欲加之罪”。
在滴滴快的宣布合并之后,新公司總裁柳青即指出,互聯(lián)網(wǎng)出行市場的空間和想象力依然巨大,市場依然處于高速成長期。兩家公司合并后,仍需要發(fā)放大量補貼扶植市場。
滴滴快的官方表示,補貼營銷是移動互聯(lián)網(wǎng)時代培育市場的通行做法之一,雙方在這方面做得十分成功。2014年上半年爆發(fā)的打車軟件補貼大戰(zhàn),讓各自用較小的紅包補貼成本獲得了高速成長和發(fā)展遠景,這種作法直接而有效。
業(yè)內(nèi)人士認為,兩家公司在市場上發(fā)展兩年多來,集聚起了數(shù)量龐大的新老用戶。新用戶有待培育,老用戶需要增強粘性,強化使用習慣。因此,繼續(xù)發(fā)放紅包有助于保持用戶群體的維系和拓展。
事實上,在兩家公司宣布合并之后,針對消費者發(fā)放的補貼并未停止。春節(jié)期間,雙方都加大了對于消費者的補貼力度,派發(fā)了大量紅包。快的與和支付寶、新浪微博以及線下超市、院線等合作聯(lián)合發(fā)放數(shù)億個打車紅包,滴滴也為用戶免費送出數(shù)千萬份春節(jié)回家大禮包,還和北京電視臺合作舉辦了晚會搖一搖搶紅包活動。據(jù)悉,雙方為此投入的資金均超過數(shù)億元。這些都成為合并之后繼續(xù)發(fā)放紅包補貼的有力佐證,同時也從側(cè)面表明,未來打車紅包發(fā)放渠道、發(fā)放形式將更加多層次和多元化。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術,通過交錯式推理生成、解耦橋接機制和漸進式訓練,能夠?qū)碗s指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學聯(lián)合研發(fā)的VideoJAM技術,通過讓AI同時學習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應用奠定了重要基礎。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓練數(shù)據(jù)集和MM-AlignBench評測基準,通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經(jīng)網(wǎng)絡技術,通過學習40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學領域帶來了效率和精度的雙重突破。