中国“嫩”经济

中国“嫩”经济

 

“小鲜肉”成为流行热词,《跑男》里几个大男人搞怪卖萌、TFBOYS收获粉丝无数……一股主打“鲜嫩”、以“嫩”为美、以扮嫩为荣的娱乐圈风气正在蔓延。娱乐圈通常是潮流的原点和秀场,而时尚潮流又是商业触角最热衷的掘金地。

 

 

鲜嫩”娱乐圈

时下百度明星搜索榜上,谁是最热门的人选?当然,那些大红大紫的男神女神、演技出众的老派明星都少不了。但你不会想到,三个00后的未成年小孩也会名列其中。他们看上去普通的初中学生没啥两样,却被网民称为中国新一代偶像组合。他们出道一年,却已经出了三张专辑,举办了票价超过300元的演唱会。他们是娱乐圈最鲜嫩的“小鲜肉”,他们是大名鼎鼎,引来狂热尖叫的TFBOYS!

娱乐圈从来都不乏苦尽甘来的扬名立万,不乏一夜爆红的造星效果,但00后“小鲜肉”的闪亮登场,让人们看到了一股与以往不同的低龄化造星运动正在娱乐圈里兴起。据说,不少演艺公司都密锣紧鼓地开始了打造自己的少年偶像组合。一大波十多岁的正太们正在以奔跑的速度出道,他们不再是我们传统意义上的童星,而将是一批训练有素的艺人。他们试图用自己的稚嫩面孔和清亮嗓音,在娱乐圈里闯出一片天。

有需求就有市场,有市场就要提供合适的产品。娱乐圈低龄化造星运动源自市场需求。这样的需求背后,是一股以“儿童化”为卖点,以未成年人或“伪未成年人”为产品消费对象的风潮。我们暂且可以称之为“嫩”经济。

其实,这种娱乐风潮在早前已见端倪。明星爸爸们固然是真人秀《爸爸去哪儿》里的卖点,然而随着节目的红火,那些星童却引来大量粉丝,大有抢爸爸风头之势。另一档真人秀《奔跑吧兄弟》综合了游戏的刺激、好玩,几个成年明星在节目中仿佛变成了顽皮的男孩女孩,极尽搞怪卖萌之能事,连彼此称呼都改成了“宝宝”、“蓝蓝”这样童声童气的叠字词。难怪这么多小孩看得不亦乐乎。据调查,《奔跑吧兄弟》电影的入场观影群体,大部分都是学生。

明星群体里,“小鲜肉”似乎也也越来越有市场。演技不重要,关键看颜值,而且还要观察“鲜嫩度”,最好长得像动漫男主。而“小鲜肉”这个词也从娱乐圈专用词汇,被广泛普及到民间。

 

 

 

鲜嫩消费群

 

主攻“低龄化”消费群正成为越来越多行业的销售策略。当然,这个“低龄”消费群不一定是儿童,也可以是青春正盛的新一代年轻人。

据调查显示,中国网购人群的近一半分布在18-28岁这一年龄段,但29-35岁的轻熟群体是购买力最强的人群。因为前者冲动,后者有钱。如果一个城市网购人口的在19-35岁年龄集中,其消费稳定性会较一般的城市更好,远期的消费潜力可能也会更大。这些城市网购消费人群中有近六成在19-28岁年龄段,

瞄准“低龄化”消费者,还可以从他们的父辈入手。比如,据阿里巴巴购买数据分析,80后的潮爸潮妈们很喜欢扮靓孩子,他们会让孩子穿韩系套装,Nike的运动鞋,巴拉巴拉的羽绒衣,喝可瑞康的奶粉,看早教的DVD,玩陀螺和橡皮泥;平均每个月还会给他们买3.75个毛绒玩具。

  “伪低龄化”是这股潮流的一个支流。所谓“伪低龄化”,我们可以将其理解为“扮嫩”的生活方式。据说,2012年有近500万的50岁以上老年人开始在淘宝上购物了。这些五六十岁的潮爸潮妈们也很爱扮靓自己,他们喜欢穿恒源祥的毛衣、李维斯的牛仔裤,再加一件轻薄棉衣,欧美风格的靴子。

  此外,孩子们的孝顺也让老人离网购越来越近。数据显示,90后购买老年商品增长最快,购买人数连续两年增幅超过了300%,他们更愿意为老年人购买T恤、手机和低帮鞋。

数据显示,在过去的近6年中(自2009年至2014年9月),中国大陆已成为英国最主要的低龄留学生市场之一,约占赴英低龄留学生总人数的1/5,这个比重在2014年前三季度更是超过1/4之多。

当然,这其中自然少不了名副其实的“低龄”消费者。而据媒体近期报道,国内玩具市场消费能力也在呈现上升趋势,在某些一二线城市,玩具的月消费水平可以赶上服装。如今,200-500元的玩具品种最多、最畅销,1500元左右的体感游戏机,2000元左右的芭比娃娃、动漫智能等高单价玩具,主要作为礼品赠送,

 

鲜嫩”创业人

“嫩”经济的消费主体是低龄或年轻人,与此同时很多年轻人还成为其中提供产品服务的创业人。相比成为社会中坚的60后——80后,他们在年龄和阅历上较“嫩”,但在创业上却很有冲劲。

在一场由腾讯举办的“产品家沙龙90后企业家专场”活动中,有五位90后创业者在演讲中分享了创业路上的心得和体会,锐波科技CEO孙宇晨、“伏牛堂”拉面创始人张天一、“一起唱”创始人尹桑、开发者社区Segment Fault联合创始人高阳、脸萌创始人郭列。这些都是90后创业人的佼佼者。他们有想法,肯努力,希望趁着年轻创一番事业。

现在,中国的90创业者越来越多。有统计数据显示,中国目前约有两亿“90后”。这一新的代际群体正快速成长为各行各业的新生力量。“90后”是真正意义上的互联网“原住民”,他们的兴趣、思想、价值观和消费行为等受互联网影响巨大,风格鲜明。因而,“90后”创业者多选互联网式企业。相较于传统行业而言,互联网企业的入行门槛低,所需资金成本小。

90后创业者,身上的理想主义色彩远比其他年龄段要重。他们大多数是独生子女,受过高等教育。在这些90后的眼睛里,创业不只是创业,更是一种生活方式,一种生活态度。“90后”CEO备受瞩目的一个重要的原因是:他们大多个性十足。他们更是把自己的个性融入到所创办的企业中来。但有时候他们也会因张扬的个性而引来非议。

一些投资机构对90后创业者特别青睐。对于大力度投资“90后”的原因,IDG创始人熊晓鸽给出的解释是,90后创业者的时代已经到来,投资和支持他们,就是抢占行业先机和制高点。

 

 

 

  • 1
    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