国产手机:联想式的浮夸应该…

 

联想发布K900,请来科比做代言,本想走高端精品路线,这都无可厚非,本来就是一种传统思维的营销模式。之所以这么说,是因为,在移动互联网时代,科比的高知名度,不见得就能让K900成为高端精品。这个时代,是不是高端精品,一不是价格说了算,二不是名人说了算,关键在于产品的口碑。能不能口碑载道,产品从外观到内在,都需要让人耳目一新。苹果iPhone从面世至今,没见过乔老爷请哪个名人做代言,但甫一问世,大小名人以拥有一部为荣,免费给苹果做广告,从而带动iPhone潮流。三星的Galaxy系列,之所以能抢走iPhone的部分市场,也是一样的道理。

这并不说外国的月亮都是圆的,我们长他人威风而灭自己志气,但国内手机厂商的浮夸之风确实不是一天两天的事呢。国产手机厂家,做好的没几家,说大话的争先项恐后。一款产品还没问世,就已经超越苹果,秒杀三星了,但产品推向市场后,得到的却是用户一大堆的吐槽。

国产手机厂商做的不容易,而且以华为、中兴、联想、酷派为代表的厂商确实撑起了国内市场的在大半个天,小米、OPPO、VIVO为代表的做的很有特色,但这并不能证明我们在手机领域已经天下无敌,无所不能。说句实在话,国产手机厂商,哪家不是一个组装车间?除了华为用用自己的海思芯片外,我们有什么,芯片、显示屏、操作系统、或者其它?中国的手机企业只不是人家的一个高级打工仔,我们能有的,除了十几亿的手机用户外,什么都没有。

但这不妨碍我们的手机厂商说大话,大概就是因为有十多亿用户市场做底气吧。今天早上看新闻,看到联想高级副总裁刘军立下夸口说“将在两年内超越三星、苹果”,不禁哑然失笑。为什么让人发笑,借用网友的一句吐槽:大家都笑了,如同听到朝鲜说要发展成世界第一强国一样!

联想手机去年做的不错,也就是说在手机销量上做的不错。取得这样的成绩,一是靠运营商渠道的发力,二是以低价换市场。但到了2013年,国内手机厂商集体发飚,争先恐后的表示要发力高端市场。这样的发飚只说明了一点:国产手机有利润压力了。因为,根据市场调研机构数据,苹果和三星智能手机几乎垄断了全球智能手机市场的全部利润,而其他品牌,尤其是国内品牌只能在出货量上找“安慰”。

刘军说,联想将在两年内超越三星,成为中国市场的第一名。这个我还真信,不要说两年三年,弄不好今年联想就会成为中国市场第一名。勇气值得鼓励,但我们靠什么打败苹果三星?我想刘军的不二法门只有一个:价格战。

不只一家厂商表示,将会利用价格把苹果三星拉下神坛:所谓要用高配制低价格。问题是,一、苹果三星不会按你的规则玩(人家为什么按你的规则出牌?),二、用户认不认可所谓的高配制?

一个品牌要让用户认可,价格不是关键,口碑是关键。就如同及时雨宋江,江湖的地位不是靠说几句大话就能起来的。

联想在中国市场从量上超过三星容易,但从质上超越苹果三星,怕要做的工作还很多。在我们的战略布局还远远落后于人家的情况下,还是先做好学生。三星的成功,是做了多年跟随者之后;华为系统的成功,也是如此。国内企业动辄要做第一,说大话,办虚事,这种通病改不了,永远成不了气候。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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