随着增量市场逐渐收窄,越来越多的行业进入到存量市场竞争阶段。在这个过程中,企业普遍面临客户增长的放缓以及业务需求的日渐多样化。而随着疫情和经济转型等问题的叠加,更为企业带来了更严峻的挑战。在当前背景下,企业如果想赢得先机,掌握主动,势必要升级旧有的运营思路,引入新的工具。
4月26日,全球最具影响力的独立研究咨询公司之一Forrester受火山引擎委托调查并撰写的《火山引擎 A/B 测试总体经济影响白皮书》(以下简称《白皮书》)正式发布,通过对三家企业的采访,深度了解分析复杂竞争环境下企业面对的挑战。《白皮书》中,Forrester调研了多家使用火山引擎A/B测试的企业,发现这些企业的广告营收和会员运营收益均有明显提升。综合财务分析来看,企业使用A/B测试的ROI(投资回报率)达到126%。
《白皮书》发现,随着愈发激烈的竞争,企业当前面临的挑战主要有以下四点:
首先是决策方式粗放低效。某受访企业CTO表示,一般来说,产品的迭代更新或运营优化策略,需要通过几轮内部头脑风暴和方案评审,主要依靠经验判断,反复试错,不但效率低、成本高,并且目前除此之外,还缺乏科学有效方法来进一步提升决策效率。
其次是广告营收增长乏力。在经历了前期的高速发展后,用户的增长进入平稳发展期,同业竞争进一步加剧,企业往往会采取较为保守的广告业务策略,未大规模增加广告的展现,企业营收持续面临压力。
第三是会员营收难以持续增长。目前,会员运营已经成为很多企业的核心业务模式,基于会员收费模式,可以为用户提供更加优质、更加个性化的服务是保障企业持续成长的关键。然而,受访企业此前仅依靠传统的用户行为分析,缺乏有效方法对多种影响用户行为因素的探究,无法找到提升用户转化的关键驱动因素。
最后是运营成本高、效率低。在产品迭代、发布上线以及数据分析方面,缺乏有效工具提升效率,帮助企业进一步降低运营成本。
Forrester在研究中发现,受访组织普遍表示,需要提供解决方案的技术供应商具有成熟且经过广泛验证的 A/B 测试产品;具备丰富的 A/B 测试方法论和实践经验,可以帮助企业降低应用 A/B 测试的门槛;能够提供在不同场景下的实验设计、执行以及数据分析等功能,以及多场景下积累的分流模型、分析模型等,帮助企业应对复杂的业务需求;并且能够提供完善的服务以及技术支持和相关服务;而且其提供的解决方案,应易于与企业现有以及未来新增的包括数据埋点、报表分析等在内的系统进行集成。
《白皮书》以数据形式,详细列举了某受访APP企业在使用火山引擎A/B测试产品前后的运营效果对比,为全面展现使用火山引擎 A/B 测试产品的影响,Forrester还特别综合考量了受访企业的规模、所处行业、使用规模及场景等关键因素,将其使用体验整合为一个虚拟的复合式组织进行量化呈现。
《白皮书》指出,使用火山引擎A/B产品前,该APP注册用户超过 8000 万,月活用户数超过 900 万。主要营收来自于广告业务、付费会员服务。经历了前几年的用户高速增长,已经进入稳定增长期,用户增长以及营收逐渐面临瓶颈,迫切希望通过有效手段提升营收和降低运营效率。为了更加有效率地提升用户洞察、运营策略的持续优化,XYZ 公司决定在内部引入 A/B测试方法来提升决策的科学性、探索广告及会员营收增长的机会以及提升整体运营效率。
在使用火山引擎A/B产品后,该公司的整体运营效率得到明显提升。其中每年广告利润增加值在经风险调整后,第一年约为36万元,第二年就达到了接近90万元,第三年更是一举超过了150万元。同时,日活用户数也逐年递增,从第一年的30万,增加到第三年的70余万。《白皮书》指出,A/B 测试对该公司利润增加的贡献度,每年都保持在60%左右,效果是十分明显的。
Forrester在《白皮书》的引言中表示,随着经济增长的放缓、人口红利逐渐消退,各行各业面临着不断增长的产业升级压力。金融、互联网、零售等行业发展更是逐渐进入瓶颈期,迫切需要由过去的粗放式运营模式转变到以专注客户体验、不断提升运营效率为核心的精细化运营模式。在这种情况下,A/B测试产品作为实用的运营工具,正在给以上行业企业的运营带来一场新的变革,助力这些企业提升运营效率,利于其更长远的发展。(作者:赵远)
好文章,需要你的鼓励
浙江大学和吉利汽车研究院联合团队提出的FreeTimeGS是一种创新的动态3D场景重建方法。不同于传统方法,它允许高斯基元在任意时空位置自由出现,并赋予每个基元运动功能,使其能够随时间移动到相邻区域。研究通过4D正则化策略解决了高不透明度基元阻碍优化的问题。在多个数据集测试中,该方法在渲染质量和速度上均大幅超越现有技术,特别是在处理复杂动态场景时,使用单个RTX 4090 GPU能以467 FPS的速度实现1080p实时渲染,为电影制作、游戏和虚拟现实等应用提供了新可能。
这篇研究介绍了"对角线批处理"技术,该技术解决了循环记忆Transformer模型在处理长文本时的并行计算瓶颈。通过重新编排计算顺序,研究团队实现了在不破坏依赖关系的情况下进行并行计算,使LLaMA-1B模型处理长文本的速度提升3.3倍,同时内存使用减少167.1倍。这种纯运行时优化不需要重新训练模型,为实际应用中的长文本处理提供了高效解决方案。
BEVCALIB是一种利用鸟瞰图表示实现激光雷达与相机校准的创新方法,由南加州大学和加州大学河滨分校的研究团队开发。该方法将不同传感器数据转换到共享的BEV空间,并通过几何引导的特征选择实现高精度校准。在KITTI和NuScenes等数据集上,BEVCALIB比现有最佳方法平均提高了47-82%的性能,为自动驾驶和机器人系统提供了可靠的传感器融合基础。
博尔扎诺自由大学研究团队开发的PATS技术通过保留完整运动片段代替随机抽取视频帧,显著提升了AI评估体育技能的能力。该方法在EgoExo4D基准测试中表现出色,攀岩评估准确率提高26.22%,音乐提高2.39%,篮球提高1.13%。PATS能根据不同运动类型自动调整采样策略,为体育训练和人才发展提供了更准确的自动评估技术。