CNET科技資訊網(wǎng) 5月10日 北京消息:《今日美國》曾這樣描述美國人一天的生活:早晨,叫醒美國人起床的鬧鐘有1/3印著“中國制造”;緊接著洗手間里的塑膠遮簾、體重秤、卷發(fā)器以及吹風(fēng)機大多產(chǎn)自中國;出門上班穿的衣服有17%是“中國制造”;辦公室桌子上擺放的木制書框、各類小文具同樣是來自中國;晚上睡覺前,需要關(guān)閉的臺燈或吊燈大約一半是“中國制造”。
作為制造大國的中國如何升級為品牌大國,擴大自主品牌的知名度和影響力?答案是依托互聯(lián)網(wǎng)和新零售。
5月9日,天貓聯(lián)合阿里研究院發(fā)布《國貨突圍報告》,就2016年雙11期間國貨品牌線上表現(xiàn)進行復(fù)盤。數(shù)據(jù)顯示,去年雙11期間,國貨在線上銷售額占比63%,共計902個中國品牌躋身各品類前100名,占上榜品牌總數(shù)的64%。報告同時為國貨品牌的轉(zhuǎn)型升級支招,新零售成品牌破局標配。
天貓引領(lǐng)消費升級大潮
表現(xiàn)亮眼的品牌無一不緊隨消費升級這一大潮,借助天貓實現(xiàn)品牌升級和新技術(shù)引領(lǐng)。
以掃地機器人為例,國產(chǎn)掃地機器人品牌科沃斯早期發(fā)展并不順利,接入天貓大數(shù)據(jù)之后,科沃斯針對中國市場研發(fā)了多款掃地機器人,在激烈的競爭中逐漸占據(jù)國內(nèi)市場的主導(dǎo)地位。2016“雙11”當天,科沃斯線上銷售額突破4.11億元,登上全網(wǎng)生活電器銷售榜第一名。
再以近日發(fā)布的中國版“無印良品”——“全棉時代”母公司招股書為例,招股書顯示,2016年全棉時代各渠道銷售中,以天貓為代表的電商渠道銷售占比超過六成。
跟全棉時代、科沃斯等品牌一樣,與天貓用戶一起成長,完成業(yè)績、品牌雙增長的國貨品牌比比皆是。其中,家具、服裝、建筑裝潢、大家電、食品等五個消費大類的國貨品牌在業(yè)內(nèi)領(lǐng)跑,曬出大眾、高端市場雙優(yōu)成績單。
盡管增速飛快,但報告同時指出,我國國貨品牌在高端市場表現(xiàn)仍不及整體市場。在各消費大類商品價格綜合排名前20名的品牌中,國貨銷售金額占比僅為37%,與國際品牌在高端市場的表現(xiàn)仍有差距。
國貨品牌借新零售轉(zhuǎn)型成契機
國貨品牌在大眾市場可謂穩(wěn)扎穩(wěn)打,通過擁抱新零售,一系列原本面臨老化的國貨品牌通過互聯(lián)網(wǎng)轉(zhuǎn)型升級已勢不可擋。
近年來,國貨老字號百雀羚將品牌重新定位為“天然草本”,與IP、娛樂業(yè)進行跨界聯(lián)合,并通過天貓打造年輕、時尚的品牌新形象,據(jù)悉,天貓雙11”當天,有125萬消費者購買百雀羚,成為天貓美妝類銷售冠軍。百雀羚的一系列轉(zhuǎn)型也讓“國際美妝界諾貝爾”——國際化妝品化學(xué)家聯(lián)合會(IFSCC)向其伸出橄欖枝。
2015年,上海家化首次嘗試全渠道,開展了以“上海家化喊你回家”為主題的“萬店同慶”O2O,以子母品牌聯(lián)動的形式與消費者進行全品牌全渠道互動,2016年,上海家化又成為天貓雙11獨家冠名商,以全網(wǎng)2億的零售額創(chuàng)下銷售紀錄。
而“國民家電”美的則通過與阿里巴巴全方位合作,推動品牌在C2B定制、大數(shù)據(jù)、物聯(lián)網(wǎng)等領(lǐng)域創(chuàng)新突破。2014年美的就與阿里合作嘗試C2B反向定制產(chǎn)品,去年9月,更是基于YunOS系統(tǒng)開發(fā)打造美的智能冰箱。根據(jù)去年底美的發(fā)布的電商年度成績單,美的全年在天貓單渠道銷售突破百億,創(chuàng)造了家電行業(yè)史上一個重要里程碑。
借勢阿里巴巴海量的年輕用戶推動新零售,天貓已成為助推國貨品牌轉(zhuǎn)型升級的快車道。在中國品牌日來臨之際,阿里研究院為國貨品牌轉(zhuǎn)型升級支招:引領(lǐng)消費方向;占領(lǐng)中高端空白市場;借助新渠道新技術(shù)建立品牌認知;關(guān)注原創(chuàng)和個性化市場。這四點將成為品牌突圍的重要方向,而貫穿其中的新零售這一關(guān)鍵詞,也將成為中國品牌創(chuàng)新的根本所在。
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。