ZD至顶网软件频道消息:传统企业为什么要互联网化?对这一问题的不同思考,反应了传统企业互联网化的不同诉求。通常,通过互联网化,企业能够掌握、感知、获取终端的消费者,围绕自己的消费者,提供设计、服务、产品,实现社会化商业,为企业发展打开一个新天地。
9月10日,中国企业互联网商业创新大会暨用友优普首届用户年会,浙江海贝服饰有限公司分享了如何实现从粉丝到客户,最后成为持续的全渠道会员管理的经典案例,也是用友优普社会化会员服务的经典实践。
海贝服饰CIO盛利强在用友优普首届用户年会分享经验
海贝服饰有限公司立志于服务天下女性。2014年,公司成立了HAPPY+事业部和服务于HAPPY+的幸福敲门培训公司。2015年,公司转型成立了海贝网络科技集团,由一家服饰公司转型成一家平台型公司。
HAPPY+的消费群体定位在25-45周岁心理年龄段的时尚女性,针对这一客户群体,用优质的产品和服务来吸引和留住消费者,转化为粉丝。HAPPY+ CIO盛利强介绍:“当初定义HAPPY+的时候,我们就把自己定义成线上线下同步,绝不允许有先后之分。粉丝永远是我们的重点,我们先找粉丝,再决定用什么商品,我们根据粉丝的画像来决定到哪里采买商品。”
盛利强介绍,在运营海贝品牌的十几年当中,采用的模式是总部品牌与外部经销商和经销商开门店的模式。在发展HAPPY+时,公司希望完成线上线下的营销的闭环,将所有线上线下会员同步起来。初时,HAPPY+遇到的主要问题是:第一,线上线下交易数据同步比较困难;第二,线上线下会员数据同步比较困难;第三在进行品牌活动时,公司想要了解会员信息、会员数据,想知道会员喜欢哪些衣服,喜欢哪些风格的产品,但是传统的模式并不能有效地获得这些数据,而是散落在线下的各个环节。
因此,作为一家既有实体零售业也有电商平台的企业,HAPPY+面对众多线上线下的客户、会员、粉丝,如何有效的运营,用快速专业化的服务,提升用户活跃度,让粉丝/会员向客户转化变得至关重要。
用友优普利用U易联和U商城以及U8+ O2O解决方案,为浙江海贝服饰有限公司HAPPY+搭建了微信营销平台和应用。通过社群营销平台,不仅节省了大笔经费,有利于企业运营调整,而且还实现了与消费者的紧密联合,从而形成业务O2O闭环。HAPPY+在微信营销平台和应用建立的一年内应赢得50万的消费者,堪称业界一个标杆。
一起看看海贝与用友优普是如何做到这些的?
实现线上线下会员融合,将所有线上线下会员资料同步起来。盛利强说,基于以上痛点,HAPPY+在成立时最大诉求就是实现线上线下会员甚至是第三方电商消费者信息的统一管理,线上会员看到的会员积分、资料和线下的一模一样,会员同步融合。
线上建立多个社区,聚集相同特征和需求的用户。例如通过分享设计师发布的相关品牌话题,支持会员自己秀、相互吐槽、时尚话题讨论等,构建女人交互的空间。同时让爱好相同的消费者建立交流空间,分享买手经验,从而聚集相同特征和需求的用户,实现精准营销。目前HAPPY+提供包括会员计划、附近门店、在线客服、H+小鲜货、办会员/查积分等服务内容。让用户不管有什么需求,首先就想到HAPPY+,马上点开它。
线下建立实体活动区,凝聚用户。海贝会在一些大型的商场里面建立面积达到500平面以上的活动区域,里面放一些桌子、椅子,做一个咖啡巴,再把衣服、饰品、绿值、书籍等嵌在里面,营造出一种宽松、轻松的环境,凝聚线下的会员,并与线上的会员紧紧结合在一起。同时提供个性化服务留住粉丝,实现向用户的转变。
基于统一的会员管理平台,打通线上的支付、线下交易通路。在订单分配问题,即线上下单归谁?粉丝归谁?谁来发货?谁来处理这个订单?还有结算的问题,卖方、获权方和平台方、货物归属方,还有代理商,很多角色,非常复杂。HAPPY+使用用友优普U8+O2O信息化方案,实现了线上线下同步,OMS订单处理平台、智能分单、财务对账,在企业ERP管理平台采购、生产销售、财务对接,还有数据分析等等。HAPPY+所有交易,所有收货确认,OMS订单中心能智能分单,门店配送到客户。
在社会化商业化时代,企业的消费者可能在线上,也可能在线下,也可能在第三方的电商平台,怎么实现全渠道会员管理,实现从粉丝到客户,形成会员,最后成为持续的消费者呢?用友优普U8+O2O信息化方案以及U易联和U商城是一套不错的组合拳。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。