吴晓波:预见2021(跨年演讲 —— 05 品类流行替代品牌)

33 篇文章 1 订阅
15 篇文章 1 订阅

面向2021年,我们仍然要以一颗勇敢的心,使出全部的力量往前冲,不要回头,如此一来,我们将看到原本看不到的东西。

05

品类流行替代品牌

attachments-2020-12-FlqlcAEg5fed48cb987fc.png

今天在中国所有做消费品品牌的企业家都非常焦虑,因为你不知道今天的80后、90后或已经走进会场的00后喜欢什么商品。

在一个过剩的时代,消费者需求是非常难以被定义和难以琢磨的行为,他们自己也不知道,我已经有18件衬衫了,你怎么把第19件卖给我呢?我已经吃过全世界最好的冰淇淋了,那下一个冰淇淋的味道应该是什么呢?我也不知道。

今天在消费品市场看到的这些变化是体验大于必需,颜值大于功能,口碑大于品宣,当这些发生时,在过去二三十年中建立了自己的品牌价值的传统消费品公司完全找不到去向。

2020年看到几个全新的品类,我不知道在座各位用过多少个,冻干咖啡喝过没有?自嗨锅用过没有?罐装鲜米吃过没有?

attachments-2020-12-HYUbXKY75fed48dbecdd6.png

颈椎按摩仪、家庭投影仪、中式雪糕、速干瑜伽服、运动文胸、即食燕窝、盲盒、奶酪棒、环保小家电,这都是一些非常小的品类,由品类引爆流行,引爆流行获得基础用户,获得基础用户形成品牌。

所以今天我们看到一个特点:品类创新是催生新品牌一个非常好的路径。这也是很多大型公司很难找到的,因为都不知道什么叫做盲盒,什么叫做小酒,什么叫做冻干咖啡。

这些新的品类创新可能很小,只跟体验有关,而且长得非常漂亮。它撕开了一个口子,然后形成了一个巨大的品牌优势。

attachments-2020-12-Hkh9KENy5fed492095fc2.png

我们来给大家讲两个案例。

第一个案例是火锅。中国现在一年的火锅消费额1万亿,没想到吧,火锅居然是个万亿行业。全中国有几十万家火锅店,火锅已经成为红海了,怎么在这么一个万亿级的红海中创新出来呢?品类创新。

比如说今天的火锅,在市场上有四川火锅、重庆火锅、台湾火锅、东北火锅、云南火锅,店里卖的东西也不一样,各有各的主打品,毛肚、菌菇、和牛、江鱼、牛蛙。把区域品类作为横轴线,食材品类作为竖轴线,横轴和竖轴交错都可能产生一个全新的品类。

2020年火锅行业做了一个品牌榜,第一名是海底捞,第二名是一个台湾火锅,第三名是一个毛肚火锅——巴奴。巴奴只干了一件事,把火锅中用的最多的产品毛肚,通过技术创新的方式做到极致。

attachments-2020-12-8L7xBLg65fed494e51765.png

喜欢毛肚火锅、巴奴火锅的人是谁呢?90后占到了56%,女性占到了45%,难以想象吧?它用了一个毛肚在火锅红海中撕开了一条线。

attachments-2020-12-ZOt6raqx5fed495aa30f7.png

家里买过米没有?买什么米呢?你脑子里想的是米的品牌吗?那是一个巨大的红海。

今年有一家公司居然做到了全网直播米类销售量的第一名,是一家非常年轻的才创办三年多的公司,叫“龙米家”,干了一件事,把米装到一个罐子里。它首创了罐装充氮锁鲜,米买回去打开来很鲜,里面充了氮。

这罐米倒到电饭煲以后,拿这个罐子装一罐水倒到电饭煲里,这锅饭刚刚够一家三口人吃。为什么这么了解?我们家就吃它的米,一罐米、一罐水、一顿饭,两年半的时间200万的用户,35%的复购率。在一个超级难打的一个红海市场中,通过品类创新活生生地撕开了一条线。

attachments-2020-12-LirUiCCD5fed496b71898.png

今年的新国货还有一个流行词——返祖。品牌出现了“返祖景象”,然后出现了品类返祖,健康的、环保的、中式的,成为了消费者愿意买单的三大元素。

再接着出现了传播返祖。每个人早上睁开眼起床到晚上放好手机闭起眼睛,我们每一天会接触到2000个品牌。你会记住几个?有的可能0.5秒就过了,有的多看两眼,出现2秒。

今天,不在场景中出现的品牌都跟你没有关系,这个场景可能是电梯,可能是高铁,可能是社交,就像两微一抖一分众,公域化场景中集中引爆,再呼唤留存到私域。只有在场景中出现能让你多看两眼的那个品牌,才叫做跟你有关的品牌。
attachments-2020-12-La4Cp3g65fed497b61db2.png
我们在2018年年终秀提出过未来中国的消费品市场在传播层面出现三个东西:一个叫做圈层社交;一个叫做私域流量运营;一个叫做会员制。两年过去了,我们看到这三件事在中国的消费品市场正在发生。再接着是渠道返祖、审美返祖、传播返祖,金字塔式的渠道已经彻底瓦解,进入到了C2M的模型,产品直接到工厂,工厂直接到个人。

这是我们在消费品市场看到的全新变化。2021年在消费品市场中最大的那个字叫做“Me(我)”,我的喜欢、我的需求、我的社群,再加上我的收入,等于我的消费。我主义的消费时代已经到来了。

attachments-2020-12-vOR98fad5fed49ca5ee29.png

我们所有的这些观察始于2015年,我们开始做一件事,叫《新中产白皮书》,如今已经是第六年了。2018年开始我们做《新国货白皮书》。如果你加入我们的超级会员,我们会送出这些产品和这些白皮书,也欢迎大家在未来能够和我们一起对中国的新中产和新国货有更多的观察,一起学习,一起成长。

  • 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
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