阿里巴巴集團與螞蟻金融服務(wù)集團昨日宣布合資60億元成立本地生活服務(wù)平臺公司“口碑”的消息像是一顆深水炸彈,轟然攪局O2O這團原本就不平靜的湖水。這意味著,此前只是通過入股美團進入O2O的阿里巴巴,現(xiàn)在要親自參合進來。
阿里巴巴對O2O的重視不是偶然,今年以來百度和騰訊也在這一領(lǐng)域發(fā)力,尤其是百度正在餐飲O2O領(lǐng)域沖鋒陷陣。
除了餐飲O2O外,還有出行O2O、上門O2O等名目繁多的種類,如今O2O進入混戰(zhàn)時代,誰才能笑到最后?首先,起碼要是真正的O2O企業(yè),才有這個機會。
什么是真正的O2O?
這一領(lǐng)域的企業(yè)都在打O2O的概念,不過未必所有的企業(yè)都能理解這一概念的本質(zhì)。
O2O服務(wù)根植于人的多元化需求,人們本地化的消費驅(qū)動,以及與互聯(lián)網(wǎng)之間的融合,恰好可使傳統(tǒng)消費場景被重置,于是線上與線下結(jié)合的服務(wù)模式出現(xiàn)。
但這并不意味著有了線上入口,圈些線下用戶就是O2O了,O2O不是簡單的線上+線下,而應(yīng)該是打造一個線上線下的生態(tài)體系。
功夫熊CEO王潤在接受采訪時稱:“如果今天的O2O行業(yè)做一個所謂平臺對接口,蹦出來一個模式讓用戶覺得更加方便,同時能滿足商家的利益,那么產(chǎn)生的增量和當(dāng)年電商的增量是一樣的。”所以,這樣的模式只是電商,不是O2O。
亞馬遜AWS產(chǎn)品拓展經(jīng)理莊富任則表示,“真正的O2O并不只是表層的概念問題,而是是否能有一個相對完整的生態(tài),真正為顧客和廠商帶來價值。”
完整的O2O生態(tài),不是簡單的類似家政O2O這種去中介的模式,而是一個多方共贏的體系,這個體系可以容納的產(chǎn)業(yè)鏈可能超出了想象。比如,一年前恐怕很難想到Uber送鮮花,滴滴送大蝦吧?大膽想象一下,未來快遞行業(yè)的傳統(tǒng)模式或許也將被顛覆。
O2O的兩大痛點
笑到最后的一定是解決了O2O痛點的企業(yè)。這一領(lǐng)域有兩大痛點,一個是服務(wù)品質(zhì),一個是線下的打通。
58同城副總裁郭義認(rèn)為,在中國O2O領(lǐng)域的最大痛點不在于技術(shù),反而“最缺的是良心和品質(zhì)。”
美業(yè)O2O專家雕爺說:“O2O在中國很火,最直接的原因是‘中國傳統(tǒng)服務(wù)業(yè)太差’,所以今天互聯(lián)網(wǎng)才有更多機會來重新顛覆傳統(tǒng)它。”
雕爺和郭義其實說的都是服務(wù)品質(zhì),所以O(shè)2O如果能解決這個問題,自然會得到用戶的認(rèn)可,用戶的評價標(biāo)準(zhǔn)基本上可以總結(jié)為:價廉物美服務(wù)好。
愛大廚CEO薛皎談到這方面的體會時對上述觀點表示認(rèn)同,他說:“O2O真正的核心還是在線下,通過從設(shè)計產(chǎn)品到定價以及售后等,它是一系列的資源整合,這類似于一個一體化的簡單生態(tài)鏈,但無論從線上還是到線下,中間的每個環(huán)節(jié),尤其是細(xì)節(jié),都需要不斷地從用戶角度考慮,真正的將用戶體驗做到極致。”
O2O的另一大痛點,是很多互聯(lián)網(wǎng)企業(yè)不懂線下。
大眾點評聯(lián)合創(chuàng)始人兼董事龍偉表示,O2O里面最重要的能力,或者說指標(biāo)還是線下。“很多O2O從業(yè)者包括自己,例如大眾點評在做餐飲O2O的過程中發(fā)現(xiàn),怎么做APP,怎么做網(wǎng)站,怎么獲得流量這些都是專家了,但是在線下領(lǐng)域,互聯(lián)網(wǎng)企業(yè)真不是很懂。”
”因為線下會遇到很多意想不到的問題,所以困難還很多。我們做大眾點評,怎么到線下找餐館談,怎么讓他們接受,怎么去敲門,從服務(wù)員找到店長,從店長找到餐館老板,怎么說服他們跟我們合作,這些都是挺難的事情。”龍偉說。
“因此怎么通過層層的管理機制,將線下的團隊管理好,這是O2O領(lǐng)域挺困難的事情,也是非常重要的一個能力。”
結(jié)束
危險總是在無人擦覺的時候慢慢靠近,解決了行業(yè)痛點的O2O企業(yè),有了這樣的危機感,離勝利也就不遠(yuǎn)了。
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。