今日,大眾點評與百盛商業(yè)集團(下稱“百盛”)在上海正式宣布達成戰(zhàn)略合作。未來,大眾點評將為百盛遍布中國34個城市的60家分店全面提供O2O解決方案,加速百盛從線下實體商業(yè)向O2O的商業(yè)模式轉(zhuǎn)型。同時,此次合作還將為大眾點評超過2億的月活躍用戶提供更加豐富的應(yīng)用場景。
在以“互聯(lián)網(wǎng)+”為核心的新一輪產(chǎn)業(yè)變革的背景下,中國的實體零售業(yè)正揭開新一輪商業(yè)模式轉(zhuǎn)換的浪潮,進入O2O時代。在移動化、社交化和大數(shù)據(jù)等新技術(shù)的影響下,商業(yè)地產(chǎn)需要真正以顧客為中心,洞察顧客需求,并提供線上線下融合的定制化的服務(wù)。
大眾點評CEO張濤在發(fā)言中表示:“大眾點評是國內(nèi)領(lǐng)先的本地生活信息及交易平臺,而百盛是目前中國最大的時尚百貨集團之一,此次戰(zhàn)略合作,是雙方發(fā)揮線上、線下優(yōu)勢,對面向未來的購物中心O2O模式的一次全新探索。”
百盛商業(yè)集團CEO張瑞雄在發(fā)言中表示:“百盛即將要打造的,是中國領(lǐng)先的時尚生活概念零售集團!此次與大眾點評的戰(zhàn)略合作,是互聯(lián)網(wǎng)與傳統(tǒng)零售巨頭的優(yōu)勢結(jié)合。它可以為百盛帶來一年內(nèi)至少50%的會員增長;也是百盛運用其豐富的跨國集團資源,推動大眾點評積極拓展其國內(nèi)和國外的市場戰(zhàn)略。同時,百盛的線下購物場景結(jié)合大眾點評的線上互動平臺,能夠為消費者提供更加多樣化、全方位的購物互動體驗。”
據(jù)悉,大眾點評將為百盛提供包括移動官網(wǎng)、情景感知、O2O引流、團購、預(yù)約排隊、線上支付、會員回饋體系和大數(shù)據(jù)等諸多行業(yè)創(chuàng)新產(chǎn)品在內(nèi)的一整套O2O解決方案,引導(dǎo)大眾點評用戶從以吃喝玩樂為主的消費場景延展到購物等更加多元化的場景,為商場的線下消費進行從店外到店內(nèi)的多層次引流,并提供更加契合互聯(lián)網(wǎng)時代的極致線下消費體驗,借此提升百盛向線上線下融合的“深度聯(lián)營、內(nèi)容為王”戰(zhàn)略快速轉(zhuǎn)型。
大眾點評全新開發(fā)的情景感知功能,首次在與百盛的合作中上線使用。情景感知可以精準(zhǔn)定位進入百盛商圈的用戶,并在打開大眾點評App時,首頁自動出現(xiàn)百盛購物中心的入口。這一功能將幫助商場將線下的人流數(shù)字化,更好地追蹤顧客的行動軌跡和購物偏好,為精準(zhǔn)營銷和優(yōu)化運營提供支撐。
大眾點評垂直業(yè)務(wù)副總裁婁曉博介紹:“根據(jù)大眾點評的數(shù)據(jù)分析,在同一個商圈進行餐飲消費的用戶中,有56%會進行購物消費,用戶的重合度非常高。大眾點評從去年開通購物頻道,為用戶提供更加豐富的體驗場景。”大眾點評購物頻道目前已經(jīng)覆蓋全國174個城市,收錄的商場數(shù)量達2759個,覆蓋近40萬商戶。即將到來的7月份,上海淮海百盛旗艦店將會作為雙方合作的首個試點,進行情境感知的打造,消費者到店后打開大眾點評手機客戶端,就會收到精準(zhǔn)的百盛門店信息推送。
在未來,移動、位置和社交等新技術(shù)將推動越來越多的實體商業(yè)向O2O轉(zhuǎn)型,在“互聯(lián)網(wǎng)+”時代,大眾點評將圍繞引流和增強用戶線下消費體驗與實體商業(yè)進行更多合作創(chuàng)新,促進線上線下商業(yè)融合發(fā)展。
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(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。