不同的市场,需要用不同的打法。在B端成为红海的情况下,销售易将触角伸向了C端市场,这行得通吗?
近日,销售易完成了7000万美元的新一轮融资,这笔资金将主要用于加大公司在消费领域的布局,帮助汽车、金融、零售等B2C行业直连消费者。
而实现这样的战略布局需要产品的支撑,于是销售易发布了基于企业微信构建的两款垂直SCRM产品:智慧门店数字化平台——易店、“营销服”一体化SCRM平台——易客,以及企业级电商平台——电商云。
对于销售易而言,此举标志着其将自己的B端业务边界延展到C端市场。对于这样的变化,作为销售易的掌门人,销售易创始人兼CEO史彦泽认为,2020年中国企业服务的元年真正开启,而这源自需求侧的变化。
众所周知,销售易一直深耕CRM市场,销售易始终围绕“连接”不断创新与突破,坚持用移动、社交、大数据、AI等新型互联网技术与CRM深度融合。
在史彦泽看来,CRM厂商向规模化成长,需要跨越三座大山:中小企业转向中大市场,单一产品转向多产品、一体化,通用转向垂直。
基于这样的思考,销售易不断丰富CRM的内涵,打造了端到端、一体化的双中台型CRM,以及PaaS平台,支撑从通用CRM向垂直类行业CRM扩展。
经过这些年的发展,销售易已先后收获了沈鼓集团、联想、上海电气、海康威视、施耐德电气等多行业500强企业客户,并帮助诸多跨国或出海企业完成CRM系统从国外品牌到销售易的国产化切换,且目前仍然是连续五年唯一入选Gartner SFA全球魔力象限的中国CRM企业。
史彦泽说,销售易在B端市场积累了丰富的产品、技术与服务经验,可以迁移到B2C消费行业领域。
例如此次推出的易店、易客两款面向垂直领域的企微SCRM产品,都基于销售易PaaS平台搭建,具备业务组建灵活配置和定制的能力,能够满足不同行业、企业间的个性化需求。
直连消费者(D2C)的新时代
后疫情时代,大量线上消费的创新模式,如直播带货、社区团购、在线问诊、生鲜电商、无接触配送等等。
史彦泽表示,消费者的在线化,为数字消费新体系创建了基础,“以客户为中心”的时代已经来临。
不过虽然消费领域的企业已经“觉醒”,但是对于数字服务提供商而言,他们的能力与客户需求之间存在差距。
为此,销售易推出易店、易客产品,助力消费行业直连消费者,实现精细化、智能化的私域流量闭环运营,拉动销量增长。
易店面向零售、母婴、生鲜、文创等低客单价消费连锁门店企业,让每一家连锁门店快速、低成本地实现“像星巴克一样的数字化经营效果”。
易客面向高价值消费品行业,帮助客单价较高、消费决策较长的消费类行业如汽车、银行、保险、教育、家居家装等企业,构建覆盖消费者从销售到服务全生命周期的一体化私域运营解决方案。
史彦泽说,销售易希望帮助企业通过私域流量的搭建与运营,更好地直连消费者、精细化服务客户,实现从“以产品为中心”向“以客户为中心”的数字化转型,通过业务模式变革驱动发展。
据悉,销售易已经在为良品铺子、洽洽食品、唱吧、九号公司、建发汽车等多个消费领域头部企业提供数字化服务。
结语
正如文章开头所言,B端市场与C段市场是两种不同的市场。虽然销售易在B端取得了不错的成绩,积累了丰富的市场经验。
但是面对C端市场,原有的产品体系和市场玩法是否能够变化来匹配新的市场,这是销售易接下来要进行验证的。
其实从史彦泽的思考中,我们看到销售易对此有着清晰的认识。不过市场是残酷的,跨越产品和市场的鸿沟才能赢得市场。
在当下,对于各个行业我们都需要用数字化的手段重新做一遍。这或许是C端市场常做常新的时代背景,技术的更新和需求的捕捉是新市场开拓的关键。
所以笔者乐见销售易的新战略举措,也期待其后续的表现。所谓时势造英雄,只有勇于迈出步伐的人,才能看到远方的风景。
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。