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(wù)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(wù)和體驗體系。
情人節(jié)當天,中國移動出行領(lǐng)域領(lǐng)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(guān)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(guān)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(wù),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(yīng)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(xué)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(quán)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(quán)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(xí)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??斓呐c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
新加坡國立大學(xué)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(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)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(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)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(zhì)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(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)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(xùn)練效率,已在多個任務(wù)上驗證有效性。