钱旺之行:互联网经济的增长点——注意力价值经济

0

  作者:朱翊(微信号:zhuyiweixin)


  前些日子,我有幸拜访了位于南京的钱旺智能系统有限公司(钱宝网),除了对其办公环境和企业文化等进 行全面考察外,还对其旗下新型营销平台钱宝网进行全面观察,特别是其贯彻执行的注 意力经济模式,我个人也作了全面剖析与诊断。后来,在于其联席总裁张小雷先生进行 沟通后,才得知这一全新模式虽然早在1994年就被Richard A.Lawbam提出,但真正在市 场上贯彻和执行却是近几年时间。


  简单的来说,钱旺智能贯彻和执行的这种注意力经济模式,就是将消费者的注意力和精 神专注力集中在某个特定领域,并对消费者的注意力和精神专注给予最大限度的吸引, 以期通过培养消费者的消费潜力、从而获得最大的商业利益的经济模式。目前,钱旺智 能旗下推出的钱宝网,即是这种模式的实践者,也是这种经济模式在中国互联网市场上 的先锋。


  我在全面了解与剖析了这种经济模式之后,提出了几点关于我个人对这种新营销模式的 见解和分析:


  1、注意力经济的挑战


  注意力经济作为并常被人在耳边提起的新型商业模式,在知名度方面确实不能和大众化 的商业模式相比,作为更适合在移动互联网发展的新型商业模式,这对于在新的信息时 代下的注意力经济而言,如何向大众普及耳熟能详的知名度,确实是其要面临的最大挑战。


  在我的细心了解中,注意力经济是一种完全充分利用碎片化时间、充分利用移动互联网 碎片化信息优势而组合的新型媒体形式,较之于其他的媒体产品而言,注意力经济的内 在效果更为直接。但是,相较于比较保守的中国互联网市场来说,知名度是其首要面对 的问题,也是其今后首要破开的局面。


  钱旺智能旗下的钱宝网作为中国首家全面贯彻与应用这种模式的网站,自然也要直面这 样的问题。


  但是从我目前了解的情况来看,钱宝网在这方面已经未雨绸缪,除了强化本身品牌与服 务之外,钱宝网还主动着力于市场建设和品牌传播,因此在其上线仅仅数月时间之内, 用户数便已突破500余万大关。


  另外一方面,钱宝网的策略还有通过产品布局市场等方面实现品牌推进,在与钱宝网人 员交流的过程中,得知目前钱宝网已经在移动终端、商家联盟以及跨产业等领域方面实 施策略执行,这个让全行业均需直面的问题,有望在钱宝网的策略下得到全新改变。


  2、用服务驱动市场竞争


  注意力经济因为具备精准、便捷等商业特征,因此也不可避免地需要面对产业竞争话题 。对这个问题,我的理解倒是很简单,那就是做好产品的服务基础上,提升服务、并最 终反馈用户惠利,毕竟注意力经济的最终服务对象都是普通用户。


  事实上,钱宝网正是这样干的。


  在普通的互联网公司中,鲜有跨产业和领域的合作,但是这种现象却在钱宝网身上得到 鲜明体现,在我的了解过程中,发现钱宝网不仅扩充了自己的产品阵线,而且还为会员 设置了各种各样的互动活动,另外值得一提的是,钱宝网还亲力亲为为参与每个商家的 谈判与监管,这在其他互联网平台公司几乎是见不到的。


  钱宝网董事局主席张小雷先生对这一做法的解释是:用户是根本,也是根基,服务好用户并保障用户权益,这是公司始终坚持如一的方针政策。


  张小雷的这个观点并非嘴上说来,在钱宝网的办公环境里,随即可以找到论证,比如坐 拥一千多平米的办公室除了卫生间有挡板之外,整个办公区域都是全开放,而且专业设置的咖啡和装帧精美的书架、储物箱和健身器具,无一不体现着细节和关怀。


  张小雷认为,只有将最好的福利待遇和舒适给予员工,员工才能创造更大的价值,在市 场上同样如此,只有将最好的服务和产品奉献给用户,用户才会回馈最大的馈赠与信任 。事实上,在我的观察过程中,所有钱宝网的员工在工作过程中均是全程专注,无论细 节还是效率,都几乎在其他互联网公司看不见。


  细节,是我们最在意的地方,这句钱宝网员工的话,我认为也透露了钱宝网对企业文化 发展的坚持和信念。


  3、对传统传媒与广告的冲击


  这次去南京拜访,其实我更专注的问题是这种注意力经济是否可取得预期效果,以及其 对传统传媒、广告和营销行业是否会造成相应冲击,所幸这几个问题都在这次拜访中找 到了答案。


  对于第一个问题,钱宝网的成绩已经说明(上线数月,会员突破500万;公司成立2年,净营收即达2000万),这里无须多说。


  在对传统媒体与广告营销的冲击方面,同行的博主认为目前并不好下定论,不过我倒认为,这种注意力经济对这些传统渠道造成一定的影响,终归是无法避免的。因为作为一种全新商业模式,这种注意力经济更在于效果和用户群体,其可以选取特定领域的用户的特征,就已经完胜其他传统媒体广告。


  在钱宝网上,商家可设定营销广告的展示领域、受众群体等条件,使得传播的广告内容可通过特定的系统指定给特定的用户,进而创造更为精准的营销效果。和传统媒体广告相比,这种营销在效果和成本支出方面都有更大的优势。


  传统的广告只是单纯地展示内容,无论用户属否感兴趣都强行推送,这种方式在移动互联网越发发达的今天,其诟病也相继涌现,特别是在方寸尺寸的终端设备身上,这种形式的效果展现方式,几乎是致命的。但钱宝网倡导的这种注意力方式,无论在哪方面都具备巨大优势。


  综上,注意力经济作为新型的互联网商业模式,其在效果监测与模式创新方面,都有着许多可圈可点的优点,诚然这种商业模式还需要大面积的普及和市场的检验,但从目前的情况来看,这种商业模式已经正在步入商业的轨道,未来全面盛行,也不无可能。(完)


  (作者简介:朱翊,80后生人,互联网媒体人、知名博客作者,长期混迹于互联网圈,参与过多起商业公关和市场营销执行工作,信仰互联网,长期关注中文互联网商业趋势及案例研究,现从事公关传播与创新营销工作。个人微信号:izhuyi;个人公众平台帐号:zhuyiweixin)



  • 0
    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