“他经济”凶猛势头下,品牌如何攻城掠地?

本文来源丨公关之家,作者丨青峰

在“她经济”主导时代消费多年后,“他经济”终于崛起,呈现出迅猛的势头,并腾升为消费市场新的蓝海。

男性经济下的品牌策略

近日,球鞋交易平台“毒”近期完成新一轮融资,投资方为DST(Digital Sky Technologies)。这个出身于虎扑社区的APP,最初只提供鉴定服务和用户交流功能,2016 年 11月上线购买功能。2018 年获得来自高榕资本、红杉资本中国、普思资本的数千万美元融资后,脱离虎扑独立运营。

“毒”的主要商业模式是 C2B2C,作为中间鉴定方和平台方将买卖双方对接,通过抽取卖方成交价的 7.5%-9.5% 作为佣金,以及收取买家的鉴定费(5元/件)盈利。

目前,“毒”App 估值已达十亿美元。七麦数据显示,仅一年时间,“毒”App 的iOS平台下载量就突破了 2800w。

今年年初,知乎上线了“CHAO” App,该产品被外界描述为“男版小红书”。与“毒”App 类似的是,“CHAO”也具备“球鞋”交流功能,不过,这只是其中一部分。正如知乎像一个“大杂烩”,“CHAO”的内容也是比较杂,没有特定专注的品类。目前 App 内针对男性感兴趣的内容主要分为精选、穿搭、球鞋、玩乐、日常、科技、视频 7 个类目,展现形式为图片 + 文字。

看到“他经济”的玩家越来越多,转转也不甘寂寞,于5 月 7 日在 App Store 上线球鞋鉴定交易平台“切克”,以此为标志,转转开始涉足球鞋、潮流服饰等潮品鉴定交易领域。

除了这些新入局的玩家外,还有“识货”、“nice”等,在针对不同的垂直类目,开展线上的男性经济业务,发展的好坏暂且不论,但“他经济”确实正在成长为一个新风口。

而在这之前,男性市场可不是这样,一直处于被低估、被忽略的状态,有个“消费市场的价值排序”的段子足以说明,消费市场的价值从高到低依次是“少女>儿童>少妇>老人>狗>男人”,这当中,男性消费市场价值垫底,甚至连汪星人都不如。

“他经济”崛起:源自于男性的消费升级

男性消费不再处于消费链底端,越来越多的迹象表明,“他经济”正在崛起。QuestMobile数据显示,我国男性移动互联网民月活数量已经达到5.9亿。这群男性网民经济实力的提升、自我价值的重塑以及消费理念的升级转变,正在逐渐推动“他经济”成为新风口。

大概男性消费者过去只消费刚需品,购买力不够旺盛,但随着时代的前行,他们对非刚需品也产生了一定的消费需求,因而驱动了男性消费的整体增长。

男人们愈发意识到,他们的外在形象、服装穿搭与审美品味已经成为职场、事业、生活中的加分项,因而渐渐开始通过购买护肤品、高档服饰、时尚腕表等方式来展现自己的消费能力与个人魅力,来达成心理满足和他人认可。这种意识润物细无声地促进了男性消费市场的繁荣。

而且“他”的线上消费能力和消费意愿一点都不比“她”弱,其中,中上消费能力(高于200元)的男性甚至略高于女性。根据《中国奢侈品网络消费白皮书》中的有关信息,网络奢侈品消费中,女性占比略高于男性,但男性的客单价比女性高6%,且奢侈品消费频次3次及以上的男性比例也比女性高。

虽然男性多是理性消费,不如女性那样容易消费冲动,但他们更加注重消费品质,对于品牌的忠诚度也较高。此外,伴随着收入的提升,消费能力的增长,男性群体更加看重“大牌”,他们可能并不在意商品本身的价值,但更关心品牌溢价。为了追求生活品质,他们可以更从容自如地花钱享受更高端的体验和经历,由此催生“他经济”的活跃。

所以,在“他经济”浪潮下,男性消费能够深挖的商机并不少。

比如16岁~25岁年龄段的男性消费支出主要在体育、游戏、服饰等领域;26岁~36岁年龄段的男性主要消费领域开始向3C电子产品、汽车、旅游、保健等倾斜;37岁~50岁年龄段的男性消费主要为手表、奢侈品、汽车、旅游等;而51岁以上的男性则更注重于个人健康的消费支出。

他经济下,品牌的“机遇”与“挑战”

“他经济”下,入局早的玩家,比如“毒”已经成为了一家独大的局面,充分享受到了人口红利,但也因品质审核不严谨时常陷入负面危机,而入局迟的玩家还有大把,各个品牌已经将目光转移到这个新兴群体上,对这个领域的“机遇”与“挑战”也要不断认识和总结。

一方面,“他经济”的崛起是男性群体本身消费意识的觉醒以及对于自我要求的提高,也是部分品牌在宣传营销中推波助澜的结果,他们渴望发掘出男性群体的消费潜力。在女性消费市场竞争愈演愈烈,已被精耕细作,近乎白热化的情形下,男性消费市场不啻于是一座正待挖掘的金山。未来,谁能够“号令”这一市场,就能把握更多的主动权和优势。

另一方面,随着更多的品牌入局这一新兴市场,都渴望利益关怀,其竞争与挑战也会随着市场饱和逐渐加剧,面临的困局或许也会越来越多。品牌如何迎合男性需求,如何深入他们的内心,如何与他们绑定在一起,都是品牌在后期运营所必须深究的。

毕竟,潮流、跨界也好,联名、限量款也好,总有被玩腻的时候,消费者也总有审美疲劳的时候,如何推陈出新,如何持续占领男性消费者的心智,才是重点和痛点。

但无论如何,对于众品牌而言,目前阶段的“他经济”还很年轻,有活力,有潜力,前景广阔,品牌如何布局,或许已经有了相应的营销策略,但是对于男性消费者而言,品牌的产品至始至终还是第一要素,产品好才能够最终留住他们的心。

面临风口,品牌策略如何调整?

一般我们都会认为,女性思维具有多重发散和感性冲动的特质,而男性思维则偏逻辑和理性,相比女性来说更加冷静和专注——也正因为如此,男人的钱远不如女人的钱好赚。但现在,时代变了。

当新的消费力量逐渐崛起,紧盯着市场风向的品牌方也都寻味而来,不少品牌都开始千方百计地探索:如何才能在“他经济”热潮里分得一杯羹?

1、划分消费者不止于性别

无论性别,品牌营销最重要的是搞清楚产品品类所对应目标群体的消费思维和习惯,因为不同群体,大家在不同品类上的消费需求、心态和行为都有很大区别。“他经济”是一个新命题,而营销场上永恒的命题是——如何洞察消费者,或许这才是我们应该着眼的点。

简单地根据性别来划分消费者是及其不准确的,因为在不同的品类中,不同性别的消费者会有不同的消费习惯和心理,但很多时候面对具体某个品类,区分消费者的男女还远远不够。所以,除了根据性别划分消费者,根据兴趣圈层来划分人群更加科学。

传统市场营销中所谓的市场细分方法,实际上都是基于人口统计学数据的升华。但如果按照兴趣圈层来划分的话,消费者会跟感兴趣的产品品类产生高关联,然后在同一个兴趣圈层中产生更多的口碑互动,大多数情况下会实现自传播的营销效果。

2、因地制宜,深耕细分领域

面对他经济群体的复杂性,各路品牌不妨“因地制宜”,加以把握,针对不同年龄段与不同类别的男性消费群体,采取差别对待的策略。

比如,在巩固电子、手表、IT、汽车、白酒等传统男性消费领域的同时,留意他们不断扩张的消费领域边界,包括传媒行业(VR、电影、游戏等)、体育行业(电竞赛事、健身、篮球等)、服装行业(潮牌服饰、限量联名等)、医药生物行业(男性保健、男性健康、医美)等等,不断丰富产品门类,提升商品质量,从而获得丰厚的报酬。

基于男性所具备的重效率、重品质等属性,寻求更多的可开发领域。很多新的方向,都在等着被发现,然后基于这些细分领域,去深度运营,形成专业化、规模化的体量,用户也就被集聚起来,流量转化也就是水到渠成的事。

3、深度圈层男性族群

相较前几代人对颜值刻意回避甚至羞于启齿,生活在颜值经济大潮中的年轻男性推崇更加光鲜的外表。这批群体在“他经济中”最具代表性,极具消费活力,也代表了男性群体“高忠诚度”的消费特征。

而若想要吸引这些年轻男性,需要有更加多样化的方式和多样化的接触点。

年轻男性的喜好和价值观直接影响了品牌对于营销战略的选择,比如通过跨越二次元、游戏、体育、文艺等多个圈层的营销策略,可以将看似零散的传播方式和接触点组成不同亚文化圈泛90后人群的生活场景,从而提升品牌认知和联想。

除此之外,品牌年轻化的背后并非是与年轻族群的喜好强行捆绑嫁接,而是走进他们的圈子洞察其文化、精神等多层面的需求,并将品牌内涵与需求有机结合,在传递鲜明的生活态度的同时,实现品牌年轻化的软着陆,从而培养品牌的高忠诚度粉丝。这一点可复制于其他男性群体的品牌策略中,深入不同群体,打造圈粉式营销,可以形成不易流失、消费决策坚决的“死忠粉”。

未来,以性别进行绝对商业划分的观念或将会被打破,男性品牌忠诚度远高于女性,谁能提前在男性主题消费的领域占好位,谁就能够在未来得到更多的忠实流量。当“买买买”不再是女性用户的专属时,抢占好“他经济”的制高点,或许“败家爷们儿”也能造就新的品牌传奇!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
好的,我理解了你的要求。以下是我编写的代码: ``` // Animal类 public abstract class Animal { protected String name; protected int age; public Animal(String name, int age) { this.name = name; this.age = age; } public abstract void info(); public abstract void speak(); } // Dog类 public class Dog extends Animal { private int violence; public Dog(String name, int age, int violence) { super(name, age); this.violence = violence; } @Override public void info() { System.out.println("该狗的名字是" + name + ",年龄是" + age + "岁,凶猛程度是" + violence + "度"); } @Override public void speak() { System.out.println("旺旺"); } } // Cat类 public class Cat extends Animal { private int mousingAbility; public Cat(String name, int age, int mousingAbility) { super(name, age); this.mousingAbility = mousingAbility; } @Override public void info() { System.out.println("该猫的名字是" + name + ",年龄是" + age + "岁,捕鼠能力是" + mousingAbility + "分"); } @Override public void speak() { System.out.println("喵喵"); } } // Factory类 public class Factory { public Animal getAnimalByType(int type, String name, int age, int ownAttribute) { if (type == 1) { return new Dog(name, age, ownAttribute); } else if (type == 2) { return new Cat(name, age, ownAttribute); } else { return null; } } } ``` 这个工厂类可以根据传入的类型参数,动态创建出对应的子类对象。你只需要调用`getAnimalByType`方法,传入相应的参数即可。 例如,如果要创建一个名为"Mike"、年龄为2岁、凶猛程度为78度的Dog对象,可以这样调用: ``` Factory factory = new Factory(); Animal animal = factory.getAnimalByType(1, "Mike", 2, 78); animal.info(); // 该狗的名字是Mike,年龄是2岁,凶猛程度是78度 animal.speak(); // 旺旺 ``` 同样地,如果要创建一个名为"Kitty"、年龄为4岁、捕鼠能力为88分的Cat对象,可以这样调用: ``` Factory factory = new Factory(); Animal animal = factory.getAnimalByType(2, "Kitty", 4, 88); animal.info(); // 该猫的名字是Kitty,年龄是4岁,捕鼠能力是88分 animal.speak(); // 喵喵 ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值