如果不是一個(gè)叫辛巴的帶貨主播賣了幾乎不含燕窩的燕窩,王海的名字已經(jīng)有段時(shí)間沒有出現(xiàn)在公眾視野當(dāng)中了。
王海是中國第一代打假人,但是歷經(jīng)多年長盛不衰,很多在風(fēng)口浪尖的產(chǎn)品,或者銷售渠道,都曾被王海盯上過,比如曾經(jīng)霸占機(jī)場航站樓零售C位紅極一時(shí)的爆款“極草”冬蟲夏草。
現(xiàn)在辛巴被王海拆了臺(tái),也算側(cè)面證明了帶貨主播產(chǎn)業(yè)的江湖地位。
屋漏偏遭連夜雨,與王海打假一起出現(xiàn)的,則是國家層面的針對(duì)帶貨主播的監(jiān)管文件。
帶貨主播為什么這么火?又為什么隱約家道中落?這就有很多可說了。
「帶貨主播」是這兩年的新名詞,但太陽底下沒有新鮮事,究其本質(zhì),它也是歷史事物的變體。
愛聽相聲的朋友可能知道一個(gè)傳統(tǒng)段子叫《賣布頭》,寫的是民國京津兩地的各種吆喝叫賣,比如糖葫蘆布面等。
這段子年頭可久,有人考證其緣起甚至可追溯到清代。
很多藝術(shù)家都說這段相聲,有侯寶林與郭啟儒、戴少甫與于俊波、郭榮啟與張振圻、常寶霆與白全福、王世臣與趙玉貴、馬志明與黃族民,在現(xiàn)代網(wǎng)絡(luò)爆火的“郭德綱與于謙”也在其中。
而帶貨主播,本質(zhì)上看,不就是吆喝么。
只不過《賣布頭》的民國商販賣布面時(shí)吆喝的是:
白布——“這塊本色(shai)白,氣死頭場雪,還不讓二場霜,氣死了頭號(hào)的洋白面啊。”
黑布——“氣死張飛,還不讓李逵,氣死了唐朝的黑敬德(dei)呀”。
賣口紅的主播吆喝的是:
“Oh my god”、“我的媽呀!”、“顏色也太好看了吧!”、“買它買它買它!”等。
比起來,民國商販的臺(tái)詞比現(xiàn)在網(wǎng)絡(luò)帶貨主播的感嘆句,可能還高級(jí)一點(diǎn)。
當(dāng)然,兩者差別是有的,商販吆喝的范圍最多是一條街,而帶貨主播吆喝的范圍是一張大得多的網(wǎng)。差別也就僅限于此了。
帶貨主播的實(shí)質(zhì)不新鮮,它的火爆也不是產(chǎn)業(yè)獨(dú)有現(xiàn)象。
首先,帶貨主播的低價(jià)標(biāo)簽,本來就是零售業(yè)的演進(jìn)方向。
奇客故事在《拼多多不需要李佳琦》中分析過,零售業(yè)無論形式怎么演變,核心永遠(yuǎn)只有一條,就是更低的價(jià)格。
回顧零售歷史,從街邊商販,到零售百貨,再到大型超市,接下來是亞馬遜、eBay、淘寶、拼多多等購物網(wǎng)站,這些渠道分別出現(xiàn)時(shí),宣傳口號(hào)是相同的一條——這里買東西比以前那些地方更便宜。
甚至,阿里巴巴為了讓網(wǎng)絡(luò)購物更低價(jià)深入人心,當(dāng)年還模仿國外的“黑色星期五”生造出一個(gè)購物節(jié)出來。
不過帶貨主播和以上零售渠道是略有區(qū)別,因?yàn)檫@一群體并非獨(dú)立渠道,而是附著于既有電商平臺(tái)的角色,薇婭和李佳琦都是淘寶平臺(tái)的“首席吆喝官”。
而為什么電商平臺(tái),出現(xiàn)了帶貨主播這樣的“渠道上的渠道”,就要涉及到電商平臺(tái)面對(duì)的新問題了。
電商購物網(wǎng)站這一代零售渠道還沒有到退出歷史舞臺(tái)的時(shí)候,顯然遇到了瓶頸,即低價(jià)標(biāo)簽不清晰。
與傳統(tǒng)渠道不同,電商平臺(tái)規(guī)模太過巨大。對(duì)消費(fèi)者而言,網(wǎng)絡(luò)購物遠(yuǎn)不如實(shí)體購物那樣簡單明確。
在「沃爾瑪家樂福時(shí)代」,任何一個(gè)超市的價(jià)格都是類似的,商品都是雷同的,消費(fèi)者進(jìn)店后的購物選擇時(shí)間、比價(jià)成本很低。
而「電商時(shí)代」則不同,在一個(gè)生產(chǎn)力已經(jīng)遠(yuǎn)超購買力的世界,商家和商品同時(shí)出現(xiàn)供給過剩,造成的結(jié)果是,消費(fèi)者很難快速選擇出合適且低價(jià)的商品。
于是,在浩瀚的電商購物海洋中,帶貨主播同時(shí)扮演了指路明燈的角色,同時(shí)解決這兩個(gè)難題:不好選,不好買。
他們只需吆喝這樣兩句話:第一句,他們告訴消費(fèi)者,買這東西是對(duì)的(天哪,顏色也太好看了吧?。?,降低消費(fèi)者的選擇成本;第二句,再告訴消費(fèi)者,在我這里下單買是最便宜的(買它!3、2、1,賣光。),減少消費(fèi)者的比價(jià)成本。
可能有人會(huì)想,為什么偌大的一個(gè)互聯(lián)網(wǎng),上億的用戶,就相信這么幾個(gè)帶貨主播們——個(gè)人的眼光和信譽(yù)。
這就更不奇怪了。
從2008年金融危機(jī)之后,隨著經(jīng)濟(jì)的不景氣,和機(jī)構(gòu)治理的實(shí)效,人們不愿意再相信背后可能某種不可知利益訴求的“組織”,轉(zhuǎn)而開始相信有名有姓,看起來更公益的個(gè)體。
如果說經(jīng)濟(jì)主要由信息體系、金融體系、流通體系,以及政府監(jiān)管體系組成,那么這種從組織信任到個(gè)體信任的轉(zhuǎn)變,則覆蓋了經(jīng)濟(jì)社會(huì)所有領(lǐng)域。
在信息領(lǐng)域,個(gè)人IP化媒體出現(xiàn)了,在國外是Instgram、Twitter上的紅人,在國內(nèi)是一個(gè)個(gè)IP化公號(hào)、抖音號(hào)和流量網(wǎng)劇,前有某某小鮮肉,后有某某思維、某某讀書會(huì)。
在金融領(lǐng)域,中本聰創(chuàng)造了比特幣之后,一個(gè)個(gè)由“大V”背書的數(shù)字貨幣也隨之出現(xiàn)了。
在國家政府層面,2016年,大洋彼岸的人,既不信任共和黨,也不信任民主黨,最后選出了只代表自己的特朗普。
因此,在電商流通領(lǐng)域,誕生出了一個(gè)小時(shí)就可以賣出千百萬商品的帶貨主播,自然也就不需要奇怪了。
但可惜的是,十余年過去了,這些被信任的超級(jí)個(gè)體,并未展現(xiàn)出超越機(jī)構(gòu)組織的境界,正在接連辜負(fù)信任他們的粉絲。
在信息體系的付費(fèi)學(xué)習(xí)領(lǐng)域,人們開始懷疑那些知識(shí)課程更像是在販賣焦慮。
在金融領(lǐng)域,關(guān)門跑路的數(shù)字貨幣“大V”已經(jīng)串成了糖葫蘆。
在國家政府層面,宣揚(yáng)“或許可以喝消毒水預(yù)防新冠”的特朗普,由于應(yīng)對(duì)疫情失敗等原因,甚至失去了鐵桿票倉的州的選票。
當(dāng)然更不用說我們的帶貨主播,信誓旦旦賣了一大坨沒有任何燕窩的燕窩。
這樣比起來,似乎主播的破壞性,已經(jīng)還算是好的了。畢竟他們賣的有些低價(jià)商品也是真的,而燕窩的營養(yǎng)價(jià)值本來也不比雞蛋強(qiáng),拿糖水當(dāng)燕窩湯簡直“不能算造假”。
這些“超級(jí)個(gè)體”接二連三遭遇信任危機(jī),其實(shí)不能怪這些有名有姓的“牛人”,而只能怪大眾的盲信。
《烏合之眾》說:人一到群體中,智商就嚴(yán)重降低,為了獲得認(rèn)同,個(gè)體愿意拋棄是非,用智商去換取那份讓人備感安全的歸屬感。
在這樣一個(gè)充滿不確定性的時(shí)代,不安全感飆升的時(shí)代,越是智者,越是不會(huì)輕下斷言,但是“烏合群體”卻一定要找一個(gè)心靈上的靠山。
于是,不受組織控制,敢于講大話的超級(jí)個(gè)體,就成了驚慌群體的救世主。
可《國際歌》早就告訴過我們,哪有什么救世主,更沒有什么神仙皇帝。
我本是來賺錢的,你卻把我當(dāng)上帝(家人),這誤會(huì)也太大了。
于是,救世主變成天啟騎士舉起鐮刀,粉絲們用愛發(fā)電成了韭菜,自然順理成章了。
一個(gè)人真敢打,一群人真愿挨,憑本事“圈錢”能怪誰?
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。