有多少人因为菜鸟驿站放弃淘宝?

淘宝在没落...

1

菜鸟驿站

今天在逛知乎的时候,发现了这月一个热门问题,一下子激起了民愤,可见天下苦菜鸟驿站久矣!

看了吐槽菜鸟驿站有各种各样的问题,比如

1、菜鸟驿站率先实现了8小时工作制,严格落实了劳动法,大家上班的时候它在上班,大家下班的时候它也下班了。(并不是所有都是)

2、快递员经常招呼也不打,就把快递放到了一个很远的菜鸟驿站,等了几天才发现被遗忘在了快递点。

3、菜鸟驿站工作人员素质极差,强制安装某些APP或者关注公众号,不安装不关注不能领取。

....

还有很多很多槽点,这里就不一一贴出来了。

很多年前,大家听说阿里成立了菜鸟物流,准备搞一个大的物流体系,大家纷纷期待物流的变革,没想到过了这么多年,反而倒退了。

给大家最明显的感受是,以前没有菜鸟驿站的时候,在淘宝天猫买东西还可以送货上门,结果成立菜鸟驿站之后,反而需要天天跑路取快递。

我们不否认菜鸟驿站解决了部分问题(上班人不在家),但是带来的便利远远不能抵消带来的槽点。

甚至可以说,现在很多人就是因为菜鸟驿站,而不优先选择在淘宝或者天猫去购物!

2

我的经历

我老家在农村,疫情期间我在老家呆了整整3个月,只有京东可以送上门来,没办法,我只能选择京东,后来由于经常在京东购物,和京东的快递员都熟悉了。

后面到了西安,小区很大,有6个相关的代收点,有时候为了收一个快递,搞得晕头转向,经常跑错了代收点。

整个小区就只有顺丰和京东快递可以送货上门,别的快递员都直接不打招呼,放到了代收点,有的甚至都没有取件码。

我相信消费者绝对会用脚投票的。

所以到了现在,如果不是因为淘宝或者天猫唯一性,我都会在京东上购物;如果邮递什么物品的时候,直接选择发顺丰。

3

物流行业

这次大的疫情,其实是对物流行业的一次大考!

在疫情最严重的那个阶段,大家突然发现很多物流都中断了,就只有顺丰和京东物流可以正常运作。

这是为什么呢?

因为只有京东和顺丰采用直营模式,其它绝大部分快递都是加盟的方式来运作,物流公司对加盟点的控制力根本不足!

其实从物流公司的市值上就可以看出来,网上只能找到2020年物流行业市值排行,其实截至今天顺丰市值已经突破53000亿!

这就意味着,一个顺丰的市值就大于后面排第2-10市值之和!

未来唯有京东物流上市之后,可以和顺丰一拼,其它物流公司基本上没有太多希望了。

4

淘宝在没落

物流是电商购物的最后一环,如果在最后一步让用户体验差的话,非常影响用户的购物体验。

我们家有时候买一块电池都懒得下楼,直接在京东上买第二天就送到家了,这样的购物体验淘宝怎么来比。

随着拼多多的异军突起,淘宝原来赖以生存的低端市场,已经被拼多多绞杀得所剩无几。

如今物流还是这个烂样子,菜鸟驿站打着解决最后一公里的口号,在最后一公里制造了无数的障碍。

有人说:菜鸟的终极目标是让天下没有好取的快递。

淘宝,耗子尾汁呀!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在风能领域,准确预测风速对于风电场的运行与管理至关重要。Matlab作为一个强大的数学计算和数据分析平台,被广泛应用于风速预测模型的构建。本文将深入探讨基于四种风速——随机风、基本风、阵风和渐变风的组合风速预测技术。 我们来理解这四种风速类型: 1. **随机风**:随机风是指风速呈现出随机性的变化,通常由大气湍流引起。在建模中,通常通过统计方法如高斯分布或Weibull分布来模拟这种不确定性。 2. **基本风**:基本风速是指在无特定扰动条件下的平均风速,它是长期观测结果的平均值,通常用于结构设计和风能评估。 3. **阵风**:阵风是短时间内风速显著增强的现象,对建筑物和风力发电机造成的主要威胁之一。阵风的预测涉及到风的脉动特性分析。 4. **渐变风**:渐变风是指风速随时间和空间逐渐变化的过程,常见于风向转变或地形影响下的风场变化。 在Matlab中,利用这四种风速类型进行组合预测,可以提高预测的准确性。预测模型可能包括以下几个步骤: 1. **数据收集与预处理**:收集历史风速数据,包括随机风、基本风、阵风和渐变风的数据,进行异常值检测、缺失值填充以及数据标准化。 2. **特征工程**:提取风速变化的相关特征,如平均值、标准差、极值、频率分布等,这些特征可能对预测有重要影响。 3. **模型选择**:可以选择多种预测模型,如时间序列分析(ARIMA、状态空间模型等)、机器学习算法(线性回归、决策树、支持向量机、神经网络等)或深度学习模型(LSTM、GRU等)。 4. **模型训练**:利用历史数据训练选定的模型,调整模型参数以优化性能,例如通过交叉验证来避免过拟合。 5. **模型验证与评估**:使用独立的测试集验证模型预测效果,常见的评估指标有均方误差(MSE)、平均绝对误差(MAE)和决定系数(R²)。 6. **组合预测**:结合四种风速的不同模型预测结果,可以采用加权平均、集成学习(如bagging、boosting)等方式,以提升整体预测精度。 7. **实时更新与动态调整**:实际应用中,模型需要不断接收新的风速数据并进行在线更新,以适应风场环境的变化。 通过以上步骤,可以构建一个综合考虑各种风速特性的预测系统,这对于风电场的功率输出预测、风电设备的维护计划以及电网调度都具有重要价值。然而,需要注意的是,每个风场的地理环境、气候条件和设备状况都有所不同,因此模型的建立应根据实际情况进行定制和优
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