社交和互動是移動互聯(lián)網(wǎng)生態(tài)中不可或缺的基因。這也是為什么許多原本注重單一功能的移動應(yīng)用,都在盡可能的加入社交元素或增值服務(wù),并希望實現(xiàn)基于核心功能的獨立的用戶生態(tài)。本周,剛剛完成了一次重大更新的網(wǎng)易新聞客戶端,就通過打造了一個包含核心的新聞內(nèi)容、增值服務(wù)、用戶成長體系和社交元素在內(nèi)的閉環(huán)生態(tài),進一步強化了建立在新聞客戶端基礎(chǔ)上的用戶生態(tài)圈。
與內(nèi)容同等重要的精細運營戰(zhàn)略
這次iOS平臺上的網(wǎng)易新聞客戶端5.0更新,最直觀的改變是采用更趨扁平化的功能分布??蛻舳说娜抗δ芎蛢?nèi)容,都被整合到“新聞、閱讀、視聽、發(fā)現(xiàn)、我”五個首屏的同級標(biāo)簽中。其中“閱讀”和“視聽”包含了網(wǎng)易新聞客戶端最具標(biāo)志性的原創(chuàng)內(nèi)容和視聽新聞——它們從二級選項移動到首屏,與“新聞”并列,是基于滿足多元化、多情境閱讀的需要。與此同時,以周邊和增值服務(wù)為主題的“發(fā)現(xiàn)”和用戶體系的“我”也成為一級選項,則可以看出網(wǎng)易在原本的用戶精細運營基礎(chǔ)上,將以用戶為主體的生態(tài)上升到與內(nèi)容同等重要的地位。
這是否可以看作是網(wǎng)易新聞客戶端在策略上的微調(diào)?如果說以往新聞客戶端的核心是內(nèi)容提供,這次網(wǎng)易的改變,則可以看作是內(nèi)容與用戶體系的“兩條腿走路”。據(jù)觀察,目前同類產(chǎn)品中,尚沒有人將用戶運營上升到與內(nèi)容制造同等重要的位置?;蛟S這也預(yù)示著新聞客戶端單純拼內(nèi)容的時代已經(jīng)過去,用戶生態(tài)將成為新聞客戶端競爭的新戰(zhàn)場。
升級版的用戶生態(tài)圈
在此前的網(wǎng)易新聞客戶端上,已經(jīng)初步建立起用戶生態(tài)圈。在4.0版本中,就已經(jīng)有了基于金幣和任務(wù)的用戶成長體系,用于用戶消費的金幣商城,還有可以與新聞內(nèi)容銜接的周邊或增值服務(wù)。相對于傳統(tǒng)新聞客戶端中內(nèi)容與用戶之間的雙向線性流動,網(wǎng)易新聞客戶端已經(jīng)建立起了內(nèi)容、服務(wù)、用戶的閉環(huán)生態(tài)系統(tǒng)。
當(dāng)然,成熟的生態(tài)系統(tǒng)中,需要豐富的產(chǎn)品和服務(wù),以吸引用戶的參與。5.0版網(wǎng)易新聞客端的“發(fā)現(xiàn)”版塊就是對原有周邊和增值服務(wù)的一次完善與升級。用戶會發(fā)現(xiàn),大量的線上、線下服務(wù)需求在這里都可以得到滿足。
在線上部分,金幣商城升級為有態(tài)度俱樂部,打造新聞客戶端的自由購物平臺。還有應(yīng)用和游戲的分發(fā)中心,以及口碑良好的網(wǎng)易彩票平臺。同時,還包括了網(wǎng)易的線上公益平臺。線下服務(wù)部分,“身邊服務(wù)”版塊將與用戶息息相關(guān)的服務(wù)進行整合,如:“美食”、“電影”、“旅游”、“求職”。這些線上線下的增值服務(wù),還能與新聞和閱讀的內(nèi)容掛鉤,用戶看到與服務(wù)有關(guān)的內(nèi)容后,可以直接在新聞客戶端內(nèi)找到入口。
在升級生態(tài)圈中的服務(wù)同時,網(wǎng)易也在加強個人的社會屬性。5.0版本網(wǎng)易新聞客戶端中單獨推出的“我”版塊,正是為了強化用戶的在這個生態(tài)系統(tǒng)中的自我意識。通過跟貼等級、金幣積分體系、任務(wù)設(shè)置等,構(gòu)成生態(tài)圈中的社會層級,并強化用戶對新聞客戶端的影響力,提升用戶自身存在感。
從5.0版本的這些變化和升級中可以看出,打造新聞客戶端生態(tài),進行用戶的精細化運營已經(jīng)成為網(wǎng)易的下一個攻堅目標(biāo)。當(dāng)然,在形成活躍的生態(tài)之后,如何將其轉(zhuǎn)化為商業(yè)收益,仍是需要網(wǎng)易思考的問題。但無論結(jié)果如何,新聞客戶端從資訊提供者到O2O商業(yè)模式整合者的角色轉(zhuǎn)化都是大潮流下的細分趨勢,從這一點來說,網(wǎng)易新聞客戶端目前選擇的道路是正確的。
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(fù)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(shù),通過交錯式推理生成、解耦橋接機制和漸進式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)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(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運動信息,顯著解決了當(dāng)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(shù)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(yīng)用奠定了重要基礎(chǔ)。
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(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),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(shù)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(shù)路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)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(xué)領(lǐng)域帶來了效率和精度的雙重突破。