Apple Watch正式發(fā)售首周,發(fā)貨數(shù)量僅為預(yù)定量的22%(該數(shù)據(jù)來源于第三方市場研究公司:Slice Intelligence)。與這一偏低數(shù)值相比,另一個(gè)數(shù)據(jù)卻要高出許多:半數(shù)以上的預(yù)購者選擇了黑色運(yùn)動(dòng)表帶款。
那么問題來了:大家對(duì)于Apple Watch表款樣式的選擇為何如此保守?
Apple Watch一直在走偏時(shí)尚路線。除了按壓式觸摸和心率監(jiān)測等功能亮點(diǎn),多款樣式、多種顏色的表帶也是蘋果公司吸引更多人群購買Apple Watch的重要手段。但智能手表與手機(jī)等數(shù)碼設(shè)備的不同之處在于,挑選時(shí)需要被佩戴才能看出是否合適。而Apple Watch的線下體驗(yàn)顯然不盡如人意。
截至本月,全國能夠提供Apple Watch試戴的Apple Store零售店僅有19家,分布在11座主要城市。顧客進(jìn)店試戴前要在線預(yù)約,預(yù)約成功后也僅能在15分鐘內(nèi)試戴兩款手表,再挑一款就要去重新預(yù)約排隊(duì)。而據(jù)手表零售行業(yè)的經(jīng)驗(yàn),顧客在購買手表之前,平均需要40到60分鐘的試戴過程。
蘋果公司還提供了在Apple Store app中的試戴,但僅支持等比顯示表盤大小,無法查看上手試戴效果。此種情況下,多數(shù)顧客只能趨向于更保守的選擇。不試,怎么買表?
但第三方公司不會(huì)錯(cuò)過這個(gè)寶貴的機(jī)會(huì)。國外一家叫做Sketchfab up的網(wǎng)站就能夠提供在線試戴Apple Watch的功能。用戶需要端坐在電腦屏幕前,抬手比對(duì),查看試戴效果。
相比Sketchfab up,國內(nèi)一款叫做“大腕選表”的手機(jī)應(yīng)用功能性更強(qiáng)。只要拍下手腕的圖片,就可以調(diào)整屏幕上Apple Watch的方向和大小,進(jìn)行試戴體驗(yàn),而且支持拍照并分享到微博和微信朋友圈。
這款應(yīng)用的開發(fā)者天時(shí)匯(Ttime.com),擁有在手表電商領(lǐng)域的多年運(yùn)營經(jīng)驗(yàn),更加了解顧客在購買手表時(shí)的直觀需求。“大腕選表”目前能試戴38款A(yù)pple Watch,下一步將提供更多熱門腕表的試戴體驗(yàn)。
如同Apple Watch所遇到的,手表在線銷售的最大阻礙就是難以為用戶提供滿意的試戴體驗(yàn)。解決了試戴這個(gè)痛點(diǎn),也就打通了手表線上銷售的關(guān)鍵環(huán)節(jié)。顧客看到了試戴效果,才能決定是否購買。
天時(shí)匯(Ttime.com)從構(gòu)建虛擬的試戴場景出發(fā),開發(fā)出“大腕選表”,目前在蘋果應(yīng)用市場可下載,稍后還將推出安卓版本。據(jù)天時(shí)匯相關(guān)負(fù)責(zé)人介紹,除了試戴功能,“大腕選表”今后還將完善社區(qū),增加智能選表和線下店鋪消費(fèi)引導(dǎo)等功能模塊,為用戶提供選表、試戴、交流、購買的完整購表體驗(yàn)。
如今,各類電商平臺(tái)已經(jīng)成為零售業(yè)的支柱力量。但手表等輕奢侈品的線上銷售一直存在著各種阻礙,如果“大腕選表”的經(jīng)驗(yàn)在今后能得到推廣,“先試后買”的銷售模式必將為手表行業(yè)開拓出更為廣闊的一片天地。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)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(jì)大學(xué)團(tuán)隊(duì)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(jī)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(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)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(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。