關(guān)于互聯(lián)網(wǎng)平臺問題的熱搜已經(jīng)持續(xù)有一段時間,本周明星則非「美團(tuán)」莫屬。
一位剛注冊了VIP會員的美團(tuán)用戶發(fā)現(xiàn),自己成了VIP之后,不但沒有享受到什么福利,反而運費啥的都漲價了,VIP的待遇還不如小白。
當(dāng)然,后來美團(tuán)說,這不是我們在套路用戶,而是用戶的手機(jī)緩存定位問題。
但無論美團(tuán)說什么,相信都不會改變業(yè)界已經(jīng)建立的認(rèn)知,那就是——互聯(lián)網(wǎng)平臺確實很會殺熟。
這其實倒讓我想到「傳統(tǒng)商業(yè)」和「互聯(lián)網(wǎng)商業(yè)」的本質(zhì)問題。
在傳統(tǒng)商業(yè)中,消費者的名字叫顧客。對于顧客,傳統(tǒng)商業(yè)最喜歡講的只有兩句話,叫“顧客就是上帝”,或者“顧客永遠(yuǎn)是對的”。
互聯(lián)網(wǎng)平臺沒有顧客這個說法,只有用戶。但是對于用戶,互聯(lián)網(wǎng)平臺一般不講“是上帝”或“永遠(yuǎn)是對的”那一套。它們最喜歡說的話叫“用戶增長”,或者“用戶留存”,再或者“用戶拉新”。
當(dāng)然,我做這個對比,不是說傳統(tǒng)商業(yè)哪哪都好。否則,中關(guān)村電腦賣場也不會那么快倒閉了,線下宰客也不見得比線上少。
不過其中區(qū)別在于,線下宰客的店,往往都是小店,或者黑店,秉承的規(guī)則是宰到誰算誰,你很少聽說哪個線下大店以宰客著稱。
但與互聯(lián)網(wǎng)平臺對比就不同了,小店不具備長期宰客的資格,往往是大平臺才經(jīng)常搞出這種殺熟的新聞出來。
這說到底就是「傳統(tǒng)商業(yè)」和「互聯(lián)網(wǎng)商業(yè)」的業(yè)務(wù)區(qū)別了。
傳統(tǒng)商業(yè)講究做社區(qū)熟客生意,回頭客越多,營銷成本越低。生意做得久了,商家和社區(qū)居民還能做出感情來。
同時,在沒有資本介入的時期,傳統(tǒng)商業(yè)的擴(kuò)張欲望較低,你家樓下的小賣部,如果能持續(xù)開上五年,你會發(fā)現(xiàn)它的規(guī)模會一直這么“小賣部”。
即使是沃爾瑪和家樂福商超時期,它們的擴(kuò)張往往是地域間的橫向擴(kuò)張,而不是垂直一體化擴(kuò)張,一個超市的營業(yè)面積不會總變化。
但是互聯(lián)網(wǎng)平臺講究的是持續(xù)擴(kuò)張,停止增長是絕對不可能的。它同意,背后的資本也不同意。
所以互聯(lián)網(wǎng)平臺雖然怕用戶流失,但是最避諱的就是一直做熟客生意,沒有用戶能拉新了還了得,用戶增長停止就意味著死亡的開始。
對于資本主導(dǎo)的互聯(lián)網(wǎng)來說,現(xiàn)在的問題就在于,當(dāng)互聯(lián)網(wǎng)已經(jīng)成為主流商業(yè)入口之后,當(dāng)十億國民都成了網(wǎng)民之后,地主家也沒有新流量了。而沒有新的流量,就意味著增長的停止。
對平臺來說,選擇就很簡單了。一方面沒有用戶可以拉新,一方面增長的資本壓力不停,那剩下的唯一方法就是對老用戶下手了——讓熟客花更多的錢就是大數(shù)據(jù)殺熟的理論基礎(chǔ)。
本質(zhì)上,美團(tuán)殺熟,和“視頻網(wǎng)站充了VIP還要再充值才能解鎖提前看三集”是一個道理,都是資本壓力的體現(xiàn)。
平臺殺熟不講武德,因為它們遵循的是資本擴(kuò)張之道。
傳統(tǒng)商業(yè)“顧客是上帝”那一套“舊商道”,伴隨傳統(tǒng)商業(yè)的死亡,過時了。而互聯(lián)網(wǎng)統(tǒng)一認(rèn)可的“新商道”,目前還沒看到。
作者 | 高飛
編輯 | 晚晚
配圖 | www_slon_pics
來源 | 奇客故事(cybergushi)
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(jī)制和漸進(jìn)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(tuán)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。