在简单粗暴中堕落的广告行业

众所周知,电商、游戏和广告,是最赚钱的三个行业。(其实还有个金融,但不是谁都能玩的。)

对于普通大众来说,电商让大家购物更方便,游戏能带来消遣,只有广告让人烦。

当然,广告本身并非一无是处,对商家来说能起到拉新、促活、促销的作用;对消费者来说,有时候也确实能起到购物参考的作用。

但大部分广告还是招人烦,原因很多,随手列几个:

  • 虚假甚至诈骗,尤其很多电视购物广告,为自己的特定受众量身打造的套路,你觉得假和蠢,那说明你不是受众,要尽早筛除掉;

  • 推荐效果差,主要是移动端广告,所谓千人千面、精准推荐做得真的太差了。刚买过的书还一个劲给你推,搜个火柴盒给你推棺材,这样的蠢事数不胜数;

  • 侵犯隐私,一堆所谓广告联盟,在这个网站搜索点东西,回头在另一个 App 居然能看到广告,让人有隐私被共享出卖的被冒犯感和危机感;

  • ......

类似这样的原因很多,无法穷举,我也不打算细说。

今天想说的是另一个问题,因为近几年趋势越来越不好:现在的广告变得越来越简单粗暴。

具体来说,主要有两个体现。

第一个,谐音梗。

前些天端午节,真的是铺天盖地的这种广告词:

万水千山“粽”是情

与“粽”不同

一“粽”浓情,一“粽”乡愁

且不说那个引号完全打乱了排版的协调性,谐音梗承载的幽默效果真的是非常脆弱的,很多时候反而让人莫名其妙甚至尴尬。

如果把幽默当做一门严肃点的学问来看,谐音梗能产生幽默效果,是因为先觉得奇怪,然后联想到巧合下的另一层意思,这个出乎意料又被看透的过程,让人产生了惊喜和自得。

但谐音梗是个纯技巧性的东西,并且是技术含量很低的技巧。

这就导致,谐音梗很容易造,并且很容易做得很刻意。技巧之下,并不能引人思考,甚至会和上下文格格不入。

所以现在脱口秀的扛把子李诞,才会每次听到谐音梗,都会给出这样的反应:

脱口秀界不耻的东西,在广告界却大放异彩,真的是有种烂泥扶不上墙的感觉。

第二个体现,是循环洗脑。

远古的有某源祥的十二生肖广告:

“某源祥,羊羊羊”

“某源祥,牛牛牛”

......

然后是发扬光大的某白金,铺天盖地让你无处可躲:

“今年过节不收礼,收礼只收某白金......”

再到新生代的某爵旅拍,一想起那卡带般抽风的电梯广告,真是气得人想走楼梯。

然后到这几年的歌曲改编,最典型的当属某多多改编的《好想你》,写到这里我的脑子已经控制不住唱起来了...

某多多这个套路太成功,最近歌曲改编广告的例子也越来越多了,总有那么几款突然就会在你脑子里唱起来。

这类洗脑广告效果好不好?太好了,成功让你记住了,想忘都忘不掉。

但是也真烦,大部分都是纯粹的噪音。

做这些广告的人也一定是知道你会烦的,但他们的目的是让你记住他们的名字,这样下次买的时候就会潜移默化地被影响。

让人讨厌有时候比让人喜欢,更容易让人记住。


这两种类型的广告,有个共同点,就是前面说的:简单粗暴。

一切只为达到让你记住的目的,哪怕手段不高明,甚至让人生厌。

他们从来没打算好好介绍自己的产品,通过产品功能和优势去说服消费者,多费力不讨好啊。

他们更没想过像当年苹果的 Think Different 和后来的可口可乐那样,抱着树立品牌形象的目的,把广告本身也当做产品去打造。

他们只想直达目的,哪怕简单而粗暴。

我能做什么?作为旁观者和受害者,我只能在这锻炼下自己的分析和总结能力,然后分享给你。

我们能做什么?用钱包投票,多一些理性,少被这些广告影响,希望总有一天能良币驱逐劣币吧。

原创不易

关注/分享/赞赏

给我坚持的动力

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: TensorFlow 2.0的设计理念是简单粗暴,旨在提供更加直观、易用的编程体验,让用户更快速地构建、训练和部署机器学习模型。以下是TensorFlow 2.0的简单粗暴特性: 1. 动态图计算:TensorFlow 2.0默认采用动态图计算方式,即使用即定义计算图。这使得用户能够像编写Python代码一样自然地构建和调试模型,无需担心图构建过程的繁琐细节。 2. Keras集成:TensorFlow 2.0将Keras作为其高级神经网络API的标准前端,实现了更加简洁、易懂的模型构建和训练接口。用户无需再额外安装和配置Keras,而且可以直接利用Keras强大的功能,如模型序列化、多种损失函数和优化器等。 3. 切换模式:TensorFlow 2.0提供了一个方便的转换工具,用户可以将TensorFlow 1.x的代码迁移到2.0版本,以享受新的特性,无需重写整个代码。这种平滑迁移的设计使得用户更容易接受新版本并从受益。 4. Eager Execution(即时执行):TensorFlow 2.0的Eager Execution模式使得用户可以逐行执行模型代码并立即返回结果,这有助于快速验证和调试模型,尤其对于初学者来说更容易上手。 5. SavedModel格式:TensorFlow 2.0引入了SavedModel格式作为模型的默认保存格式,该格式具有更好的跨平台和版本控制的兼容性。用户能够更方便地保存和分享自己的模型,同时也能更好地与其他TensorFlow开发者进行模型交流。 总之,TensorFlow 2.0的简单粗暴特性使得机器学习的开发变得更加直观、高效,并能够吸引更多的开发者加入到机器学习的领域。 ### 回答2: TensorFlow 2.0是一种简单粗暴的机器学习框架。相较于以往版本,2.0在易用性、灵活性和效率方面都有很大的提升。 首先,TensorFlow 2.0引入了eager execution(即即时执行),这意味着我们可以像编写Python代码一样编写和运行TensorFlow操作,而无需定义计算图。这样可以更容易地调试和理解代码,使得开发过程更加直观和高效。 其次,TensorFlow 2.0取消了许多低级API,如tf.Session和tf.placeholder,大大减少了代码的复杂度。取而代之的是一些更高级且易用的API,如tf.keras,它提供了一个简单而且强大的接口来构建神经网络模型。我们可以使用一些简单的函数调用来定义和训练模型,从而减少了样板代码,同时还能保持高度的灵活性。 此外,TensorFlow 2.0还提供了一个称为tf.data的新的高性能数据输入管道。我们可以使用tf.data.Dataset将数据集导入模型,并进行预处理、批处理等操作,以便更好地利用硬件资源,并实现更高效的训练过程。 最后,TensorFlow 2.0充分利用了现代硬件的加速能力,如GPU和TPU。它使用了tf.function装饰器来自动转换函数为高性能的图执行模式,并支持分布式训练,以便在分布式系统上进行大规模的模型训练。 综上所述,TensorFlow 2.0确实是一种简单粗暴的机器学习框架。它简化了开发过程,提高了代码的可读性和可维护性,并利用了现代硬件的优势,从而大大提升了训练效率和性能。无论是初学者还是有经验的开发者,都可以受益于这个强大而易用的框架。 ### 回答3: 简单粗暴的TensorFlow 2.0是一个更新版本的Google开源机器学习框架,旨在让使用变得更加简便。TensorFlow 2.0采用了Eager Execution模式,移除了一些繁琐的操作,与Python的语义更加契合。这使得建立和训练神经网络变得更加直观和容易。 TensorFlow 2.0引入了Keras作为其主要高级API,将其整合为TensorFlow的一部分。Keras提供了丰富而直观的高级API,可以方便地构建各种神经网络模型。通过将Keras集成到TensorFlow,使用者可以轻松地创建、训练和部署深度学习模型。 TensorFlow 2.0还引入了tf.function装饰器,允许将普通Python函数转换为高效的TensorFlow图,加速模型的训练和推理过程。 此外,TensorFlow 2.0对于分布式训练、模型部署和端到端生态系统的支持都有所改进。它提供了更好的工具和接口,使得分布式机器学习变得更加容易。TensorFlow 2.0还支持模型在移动设备、Web和边缘设备上部署,并提供了可拓展的生态系统,包括TensorFlow Hub、TensorBoard和TensorFlow.js等。 总之,简单粗暴的TensorFlow 2.0通过增强开发者的体验和提供更加直观的API,大大简化了神经网络的构建和训练过程。新版本的引入了许多新特性和改进,使得TensorFlow 2.0成为构建高性能、可扩展的机器学习模型的理想选择。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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