陌陌7亿美元收购探探的深意,值否?


互联网的江湖注定不会一直平静。新春伊始,随着一则社交领域收购案的落定,让这个行业再度喧闹起来。

昨日,社交玩家陌陌宣布以7亿美元(6亿美元现金,外加265万股新发行的ADS股票)收购探探,获取探探100%的股权。这是陌陌上市以来首次大手笔收购,也是全球社交领域内的少有的一桩收购案。

陌陌此次收购案一出,立马成为业内焦点,众说纷纭,有人说,陌陌7亿美元收购探探是一笔很划算的生意,也有人觉得似乎是买亏了。到底探探价值几何,值得剖析,而透过这一收购背后,也关乎着陌陌的下一步谋局。
 

1、陌陌+探探,一笔划算的买卖


陌陌和探探,为何能走到一起?

首先,探探有着巨大的价值。

现实中,探探已经成长为社交领域的后起之秀。据其官方统计数据显示,截至2017年底,探探注册用户数达1.1亿, 90后用户占比75%以上;月活用户2000万,日活用户700万,次日留存率达75%。整体上,探探完成了超过50亿次用户配对,用户的男女比例达到了6:4。

可以说,这些足够多的90后或95后有效用户,有着巨大的价值,也是陌陌所需要的。在社交领域,用户为王。腾讯之所以能成长为一个帝国,就是巨大的用户群威力。

目前,陌陌用户达3亿,并搭上了直播的火箭迎来第二次腾飞,但这都是原来已有的老的社交用户的转化而来,未来这个用户群总会趋于饱和,自然要拓展新生用户。


具体而言,收购之后,探探可以实现与陌陌数据互通,共享用户资料。探探的用户年龄结构、对用户隐私的保护度等,和陌陌有非常强的互补性。而且,要积累起探探的这1.1亿用户,也是需要时间的,通过收购能迅速弥补陌陌自身的短板。

此外,此前,陌陌对外展示的主要标签是陌生人社交,是男性用户的主场,而探探的产品理念以女性用户体验为中心,众多的女性用户能帮助陌陌突破原有平台和业务的限制,并提升到一个新的体量,也让陌陌自身保持了“活力”。

其次,收购探探后,也达到了商业的协同效应,实现1+1>2的效果。

探探被誉为中国版Tinder,在商业化上,探探有着巨大潜力。2017年第三季度,探探开始尝试收费会员模式,随后,在2018年1月推出VIP会员制度,这些营收有望推动探探在2018年实现盈亏平衡。

互联网领域,只要拥有海量的用户,最终必然能找到商业变现方式。Tinder在商业化尝试十分精准,并被看好。试想一下,一旦探探实现了盈利,并被定位为中国版Tinder,无疑会对陌陌的市值有了一个极大的推动。目前,陌陌的市值是71亿美元,只要上涨个10%,这收购探探的7亿美元就回来了。


值得一提的是,透过强大的用户背后,探探的健康的社交生态有着另一重价值。毕竟,对于社交软件或者社交平台里面,最重要的是生态的问题,不是一个简单的用户数问题。

所以,在老胡我看来,陌陌的这笔收购案是值得的。这点,资本也给出了投票,昨晚,陌陌宣布收购探探之后,股价大涨17.2%。

而对于探探而言,虽然其迅速崛起成为社交领域的一骑绝尘,但它只能打通通讯录好友,若不与其他平台产生连接,很难实现用户关系沉淀,所以被陌陌收购不啻为一个绝佳选择。


2、场景化社交,前方的更大谋局


对于此次收购,陌陌公司董事长兼CEO唐岩表示,“公司的核心定位将继续围绕社交,通过此次收购我们的产品线将得到进一步丰富。我们会继续投资或孵化多个子品牌来满足不同人群的社交和娱乐需求。”

 

此前,陌陌投资了二次元社交App扩列,此番资本运作的背后,一个崭新的社交竞逐世界随之而来。

 

发展到当下,陌陌正在进入一个发展的新十字拐点阶段,它正在从一个单纯的社交产品变得越来越多元化,包括直播、游戏、短视频等诸多泛娱乐、泛社交业务,有了探探,从而能加码陌陌的泛娱乐泛社交的战略布局,有利其形成一个更大更稳定的泛社交泛娱乐平台,最终,陌陌也进一步巩固了自己的开放式社交领地。

 

目前,国内的社交江湖主要分化为四股力量:陌陌成为与微信、微博、手机QQ并肩的社交领域另一极。收购探探之后,无疑会让陌陌的产品线更加丰富,整体盘子更大。

不说别的,最起码,可以让陌陌再场景化泛社交上迈出一大步,这也是未来陌陌的主要攻坚方向。

 

所谓场景,原本是影视用语,指在特定时间空间内发生的,或因人物关系构成的具体画面,不同的场景组成了一个完整的故事。

 

唐岩在接受媒体采访时也透露,陌陌从几年前就开始侧重于场景化的社交领域。“点对点的,异性的社交从两三年前这一块就已经不是我们最核心的侧重点了。包括我们从两年前的一些重要的商业变现手段行为来看,我们也会更看重社区氛围这块。我们希望引进更多的社交场景,在这个场景化里面来达成这个社交。”

比如,一些用看直播的方式来结成好友关系,形成群组关系;比如,用户在玩《狼人杀》的过程中达成的社交;此外,还有出行过程中的社交等等。比如,用快聊的方式,就是希望引入更多社交的场景来促进陌生人的社交关系的达成,而不是单一的。

 

可以说,在泛社交泛娱乐的生态链中,场景化社交将会是未来的核心竞争能力。在当前社交的各路大军中,只有满足了用户不同的场景需求,才真正有发展的后劲儿。有业内人士甚至指出,场景化社交在本质上属于“半熟人社交”,典型的特点就是无场景不社交,这一领域有着新的机会。社交的明天就是要跟着场景走,需要与具体场景直接对接、无缝融合,才能最终走得长远。

 

总之,场景化是社交行业的大势所趋,今后,社交将与场景结合得更加紧密。一个场景化社交的黄金时代才刚刚开始。

 

毕竟,泛社交这个领域很难会有单一产品能满足所有泛社交需求的。陌生人之间“互约”只是社交的初级阶段,类似直播、游戏等这样的场景才是社交由浅到深的拓展路径。


老胡说科技

______

ID:laohushuokeji


长按图片,识别图中二维码,

一起关注科技领域干货!

你的分享和关注,是我前进的动力。

运营人:老胡,知名互联网评论人士,观察家。沉积科技领域13年,历任《IT时代周刊》主笔,腾讯科技首席记者,迅雷、滴滴公关总监;写过大型书籍《黑马首富王传福》;

他是中国科技自媒体top 10,2016自媒体人百强;【具备创造:10万+阅读,文章能力】;文章见今日头条、界面、钛媒体、新浪科技、搜狐、腾讯、网易、艾瑞等60余家顶级专栏,单篇文章曝光量百万,整体文章阅读量超过10亿;文章转载与商务合作请加个人微信号:taiyangfeixue。 

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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