刘强东的高调,给京东带来了流量,也给京东带来了灾难

陈欧为自己代言,董明珠为"中国制造"代言,快言快语的刘强东自己为京东代言······一时间,各企业老总都迷恋上了"网红"之路,着力为公司省下一大笔品牌传播费用。

1.互联网时代 品牌是"人"不是"神"

在互联网时代,一切都呈现扁平化趋势,人人都处于同一时空,生活在同一"地球村"之中,每个人的个体价值开始得到凸显

在这个一切以用户为核心的时代,品牌传播需要考虑如何让用户更好地接受,让用户更好进行自传播,从而为企业的品牌带来影响力。

过去,由于大众传播渠道传播单向性,用户更多的只能接受信息。因此。复杂的品牌传播更多的是为了教育用户,品牌是高高在上的。

而如今品牌需要在微博和微信上与自己的用户直接对话互动,这也使得很多大品牌也放下身段,开始用用户喜欢的交流方式和新的品牌形象。

刘强东的高调,给京东带来了流量,也给京东带来了灾难

 

于是乎,各企业也开始打造自己的IP,通过接地气、亲近的IP形象,让用户接受品牌形象,完成品牌形象的升华。

而品牌的IP化也有着多重途径,例如虚拟形象的塑造。这也就有了海尔、熊本熊、Line可妮兔诞生。同时,也有着创始人自带流量,把自己打造成为品牌代言人。通过日常发声,将自己的品牌更加人格化,也让用户能够有一种能够真真切切感受到这一品牌的感觉。前有爆红的陈欧,后有高调的刘强东。

相比于虚拟形象的复杂定位、形象塑造、还有前期的推广投入,公司创始人个人代言品牌形象,是一种更少投入,也更加直接,同时也更容易操作的IP打造方式。

2.前有陈欧 今有刘强东 公司创始人网红养成记

简单来说,公司和品牌本身就是创始人意志的延伸,创始人担任品牌代言人,可以把抽象的品牌转化为具象、可感的"人"的形象,可以拉近用户与品牌的距离。

《罗辑思维》创始人罗振宇也说,"互联网时代,特别是移动互联网时代,品牌是基于人格魅力带来的信任与爱,是品牌的去组织化和人格化。"

刘强东的高调,给京东带来了流量,也给京东带来了灾难

 

于是,就有了"陈欧体"的诞生。"你只闻到了我的香水,却没看到我的汗水……我是陈欧,我为自己代言"。

陈欧帅气的外表与聚美优品化妆品团购网站的定位,也算十分的契合。这自带流量的属性,省去了邀请流量明星的费用,为公司省去了不少的品牌宣传费用。那句"我为自己代言"的广告语,直击主张独立个性的用户内心,引起了用户的共鸣。也成为了红极一时的流行语,被用户玩出了各种花样。

一时间,全国人民都知道了陈欧,也顺带知道了聚美优品。陈欧凭借帅气的外表,直击人心的广告词"为自己代言",成为了"网红"企业家。这也成为了互联网时代企业创始人担任品牌代言人的成功典范之一。

也许是有了陈欧的示范效应,熟悉了互联网的套路中国的企业家们,开始逐渐享受成为"网红"的感觉。于是乎,不知妻美刘强东、普通家庭马化腾、悔创阿里杰克马、一无所有王健林。这些企业家们通过自己的金句,自身的一些行为,逐渐成为了颇具人气的"网红",顺带也成为了自己公司品牌的代言人,促进了公司品牌的传播。

刘强东的高调,给京东带来了流量,也给京东带来了灾难

 

这其中最具故事性的还是刘强东,草根的出身,创办了京东,成为了中国电商市场的重要一极;组过酒局,与员工称兄道弟。送过快递,体验基层员工的辛苦,打造成为接地气的企业家形象;最重要的是迎娶国民女神,成为了逆袭的典范,让人羡慕不已;时不时针砭时弊、金句频出,抨击过疫苗,教导过企业家不要犯罪。妥妥的一位意见领袖,网络红人。

网友们也曾调侃"刘强东与奶茶妹妹一年不知道要为京东省下多少广告费"。刘强东成为了京东最大的IP,也成为了京东的品牌形象代表,网络上经常能听到刘强东的声音。刘强东创办的京东,也借着他的人气,经常有着品牌露出。

一如曾经的陈欧,刘强东也与京东这一品牌牢牢绑定在一起。不过也一如曾经的陈欧,个人影响力能够带火品牌,同时,个人的错误也能够给品牌带来灾难。

3.创始人与企业品牌捆绑销售 也许会带来灭顶之灾

在"为自己代言"成为网红后,陈欧迷恋上了网红营销路线。在2014年,聚美优品深陷假货危机的同时,陈欧凭借一条《你永远不知道,陈欧这半年在做什么》的微博,将当时的假货风波生生的压了下去。陈欧的个人魅力,还在继续发挥着作用。不过,这次却成为了陈欧的绝唱。

迷信于个人魅力的陈欧,没有着手解决假货危机,却是继续花费功夫在微博之上。同时,随着陈欧的个人声望的增加,聚美优品也逐渐成为了陈欧一言堂,曾经一起打天下的合作伙伴也逐渐离去。

刘强东的高调,给京东带来了流量,也给京东带来了灾难

 

现在来说,陈欧已经成为了过气明星,而随着陈欧一起火起来的聚美优品,也成为了明日黄花。

同样在最近因为丑闻缠身的刘强东,也在经历着陈欧当初一样的危机。随着刘强东性侵案调查的深入展开,相关证据材料目前已经提交给当地检察院。

检察官将审查所有证据,并就是否提出指控做出决定。检察院同时表示,何时做出是否起诉的决定并没有截止日期,在决定做出前检方不会就本案置评。

也就是在这没有明确期限的等待之中,京东市值经历着巨大的波动。因为刘强东的个人问题,带来了市场对于京东的种种担忧。加上之前市场对于京东盈利的失望,本身就已经存在巨大危机的京东,现在被刘强东这颗"定时炸弹"给引爆了。

短短20多天时间,市值蒸发了300多亿美金。不仅是京东自己的损失,同时,对于投资者来说也成为了巨大的灾难。

曾经的京东,因为刘强东的个人IP,如日中天。而现在与刘强东捆绑在一起的京东,正在跟随者刘强东一起经历着生死劫。

"风过留声,雁过留痕"。互联网能够造就明星,同时,你曾在互联网上的一言一行,也会留在互联网之上。当你遇到不幸之时,不乏幸灾乐祸的好事者。

"新的时代更加强调正道成功。现在也是给我们的年轻企业家提个醒,千万不要企业成功了,钱赚了,结果到头因为违反犯罪,人进牢里去了,老婆孩子带着钱和别人过了,那就悲剧了。"

刘强东的高调,给京东带来了流量,也给京东带来了灾难

 

"欲戴王冠,必承其重要"。风险与投入是成正比的,个人IP带红了公司品牌,同时,公司也与个人牢牢捆绑在了一起。享受了成果,也必须承担相应的个人错误所带来的风险。

"成也萧何,败也萧何"。前有陈欧,后有刘强东。他们都是个人IP与品牌结合的优秀案例,同时,聚美优品与京东也都因创始人的事故,给公司带来了不可磨灭的灾难。

"没马云的命却得了马云的病"。企业家们都想成为马云那样的"网红",但马云永远只有那一个。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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