ZDNet至顶网软件频道消息:在移动互联网的大力冲击下,企业的互联网化迫在眉睫。然而,对于互联网所带来的商业变革,很多企业还很盲从,想要转型也不知道如何下手。可以说,企业营销模式变革的整个局面还处于一片混乱,企业正处于集体焦虑期。
7月22日,“学术派”北京大学和“实战派”用友联合发布《新互联经济时代企业营销模式变革研究白皮书》,该白皮书通过调研详细描述了在新互联经济时代传统企业的困惑,梳理整合了新互联经济时代特征以及新型消费群的特点,结合营销变革的生动实践,为传统企业提出了一条新互联经济时代营销变革路径。
北京大学光华管理学院赵占波博士介绍4D新营销模型
此次研究,提出了以用户需求为核心(Demand),并包含动态多点沟通(Dynamic)、价值传递(Deliver)、数据决策(Data)的4D新营销模型。北京大学光华管理学院赵占波博士强调,4D理论并不是对传统4P、4C、4R营销理论的否定,而是基于传统企业在新互联经济背景下遇到的迫切需求和巨大挑战,对传统经典营销模型的重新思考与调整。
4D新营销模型:
Demand,聚焦用户需求是指利用网络环境收集和整理消费者信息,了解、预测和创造消费者需求。其特征是以“我了解消费者”为核心竞争力,企业需要真正地了解客户,并以此修正自己传达的信息、提供的产品,以及与客户接触的渠道。
Dynamic,动态多点沟通是指随着新技术的兴起,尤其是社交网络的出现,企业与消费者的对话已经不再是企业与消费者之间的一对一、点对点的沟通机制,而是演变成多对多、立体化的动态沟通机制。
Deliver,价值传递是说,企业进行顾客营销选择时,优先考虑将产品的各项价值传递给客户,而不是考虑企业企业自身生长、销售方面的方便。
Data,企业可以利用用户数据实现精准定位,实现个性化营销。数据是企业营销的基础,它们来自不同的平台,通过对数据的进一步分析和挖掘,企业可以找到这些数据相对应的人群,再根据这些群体进行个性化对比,以此展开个性化营销,最终,实现一对一推荐效果。
用友公司执行总裁章培林
用友公司执行总裁章培林认为,在新互联经济时代,企业只有更快地完善企业信息化建设,特别是针对营销领域的信息化建设,才能完成初步蜕变,进而在信息系统的助力下进行业务和品牌的经营,开展新的创新业务。
产业互联重新定义了游戏规则,在新的竞争中,用友软件为企业提供咨询服务、技术方案、营销平台服务,以及运营服务。用友希望更多的参与到企业前期的规划和咨询中去,帮助传统企业屡顺营销方面的思路和方法。
据章培林介绍,伴随着企业互联网转型的发展,用友也将推行一系列举措:一是要依托用友26年积累下来的服务优势更好地为客户服务;二是将通过自身营销模式的变革,更好地服务广大企业客户;三是将构建新的互联网产业生态链,与更多第三方深入合作,为企业互联网化提供更全面的服务内容。
用友公司助理总裁杜宇指出,互联网给企业带来的不单单是营销的变革,而是整个能力掌控的变革。用友公司把整个新互联经济时代的企业营销体系分为了五个部分:全媒体营销、全渠道销售、全客户经营、全产业协同和全数据驱动。
全媒体营销的核心是企业通过集约化平台有效地整合媒体资源从而获得自身的营销核心价值。而客户作为直戳变革的核心,同时成为了企业研发、互动可持续经营的资源。要满足客户的需求,就必须通过整个产业链的协同来达成。
杜宇表示,用友公司会继续坚持自己的使命,用信息技术推动商业以及社会的进步。在未来,相信用友公司会成为企业创新道路上的服务者,也会是创变道路上的同行者。
好文章,需要你的鼓励
Meta宣布为Facebook Dating推出AI聊天机器人助手,帮助用户找到更匹配的对象。该AI可根据用户需求推荐特定类型的匹配者,并协助优化个人资料。同时推出Meet Cute功能,每周提供算法选择的"惊喜匹配"。尽管18-29岁用户匹配数同比增长10%,但相比Tinder的5000万日活用户仍有差距。AI功能已成为约会应用标配,Match Group等竞争对手也在大力投资AI技术。
字节跳动团队提出RewardDance框架,首次系统性解决视觉生成中的奖励模型扩展问题。该框架通过将奖励预测转为生成式任务,并将模型规模扩展至260亿参数,同时集成任务指令、参考样例和推理能力,有效解决了"奖励作弊"问题。实验显示,在文本生成图像任务中质量提升10.7分,视频生成性能改善49%,达到行业领先水平,为AI视觉创作提供了更强大可靠的技术基础。
Neo4j认为已找到让生成式AI访问图数据库记录的方法。图数据库专注于数据点之间的关系建模和查询,在欺诈检测、推荐引擎等场景中表现出色。2024年4月,ISO批准了图查询语言GQL标准,Neo4j的Cypher查询语言完全符合该标准。现代工具提供拖拽式工作流程,GenAI可作为自然语言接口,将用户请求转换为Cypher查询。
ByteDance团队开发的Mini-o3系统通过深度多轮推理突破了传统AI视觉理解的局限。该系统能像人类侦探般进行几十轮的视觉探索,在困难的视觉搜索任务上准确率达48%,相比现有模型提升显著。核心创新包括挑战性的Visual Probe数据集、多样化推理策略训练和突破性的过轮掩码技术,实现了测试时思考轮数的自然扩展。