ZDNet至顶网软件频道消息:笔者上周参加2014易观数字营销大会,印象最深的是海尔家电产业集团数据运营总经理孙鲲鹏说:“海尔30年熟悉的是工人、销售、渠道等,但互联网时代来临我们最需要熟悉的是用户。那在用户精准营销方面,我们认为’无交互不海尔、无数据不营销’,要通过与用户交互创新和用户行为数据挖掘为用户找产品,而不是为产品找用户。”
虽然海尔身为传统企业,但凭借转型和全新营销战略,站在了互联网化的风口浪尖上。
再见传统硬广开启互联网思维
今年一月初,海尔集团战略调整宣布停止在杂志投放硬广。当时的海尔内部年会上,张瑞敏宣称,在未来的海尔,无用户全流程最佳体验的产品都不应生产;无价值交互平台的交易都不应存在。
“2000年,海尔已经强烈地感受到,互联网已经开始改变我们的生活,我们也开始意识到熟悉用户在互联网时代的行为和需求的必要性。”孙鲲鹏在易观大会上表示,“我们在2012年的时候启动了网络化战略,按需设计、按需制造、按需配送,这是我们在网络化时代最大的思考。”
传统观念中的制造型企业,先设计再开发,先生产再销售、配送。但海尔想做的是一件颠覆整个流程的事情:先销售产品,再设计、生产。“甚至不仅仅是逆流程,”孙鲲鹏介绍说,“生产的时候可能就是销售,在销售的时候可能就是生产,在服务的时候就是设计。”
这也是孙鲲鹏所说的“无交互不海尔”,通过全流程的用户交互,也可以向部分用户进行自我营销,形成一定的口碑宣传效应,同时了解用户内心想要什么样的产品。了解用户的刚需,这也是制造业乃至所有企业需要做到的,毕竟“知己知彼方能百战百胜”。
玩转大数据 目标用户精准营销
对于大数据的挖掘,海尔认为“海尔能为用户贴上标签,比如说你是白领,你爱好美食,那你身上就会有这方面的数据标签。”
海尔是怎么做到这样的数据挖掘,并确定用户标签的呢?
孙鲲鹏介绍了一个很高大上的概念,就是SCRM,既社会化客户关系管理。说起来高大上,其实也不难理解。海尔目前线下实名用户达1.4亿,线上匿名用户2.3亿。SCRM数据按照搜集的数据,给用户贴上数据标签,可以形成最基本的10种用户模型。比如科技爱好者模型、环保主义者,基于购买可能性的模型,海尔可以找到那些马上有需求的人,进行精准营销,不会再有广告不知投给谁的困惑。
有了户模型和庞大的数据库,接下来就是给用户带去精准营销,海尔采用的准营销手段主要包括RTB(实时竞价,精准投放)和CT(协同定向营销)。以协同定向营销为例,陈先生购买海尔某一款空调后注册成为会员,系统把陈先生个人资料加密后输出至新浪进行匹配。找到其ID后,新浪再输出陈先生的兴趣标签至SCRM,制成某款空调目标用户数据模型。并利用整个模型在新浪平台找到更多像陈先生一样的目标用户,并进行交互。
以上两种精确营销方式的局部尝试,让海尔尝到了甜头。一般家电营销费的ROI(投资回报率)能达到1:100就实属不易,而试点期间精准营销ROI超过了1:2000,给海尔品牌带来的产出是1:2178。
海尔的分享,给我很多惊喜的同时也让我看到传统企业在数字化营销方面的成功尝试。海尔公然不在杂志上投放硬广不仅仅是一次颠覆,也是互联网化转型决心的体现。
互联网时代,取代硬广的是,靠挖掘用户交互背后大数据的精准营销,找到用户群。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。