阿里巴巴集團(tuán)與螞蟻金融服務(wù)集團(tuán)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(tuán)原本就不平靜的湖水。這意味著,此前只是通過入股美團(tuán)進(jìn)入O2O的阿里巴巴,現(xiàn)在要親自參合進(jìn)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(jìn)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(jī)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(fèi)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(fèi)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(diǎn)
笑到最后的一定是解決了O2O痛點(diǎn)的企業(yè)。這一領(lǐng)域有兩大痛點(diǎn),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(diǎn)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(jī)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(diǎn)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(diǎn),是很多互聯(lián)網(wǎng)企業(yè)不懂線下。
大眾點(diǎn)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(diǎn)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(diǎn)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(jī)制,將線下的團(tuán)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(diǎn)的O2O企業(yè),有了這樣的危機(jī)感,離勝利也就不遠(yuǎn)了。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)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(jì)大學(xué)團(tuán)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(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(jī)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(tuán)隊通過對比實驗發(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"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)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(qiáng)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(jī)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。