中国电信天翼Live究竟胜算几何?

 中国电信天翼 Live推出有些时日了,我的MSN也不时收到一些189*******@189.cn的好友邀请。运营商做即时聊天IM,已经不是什么新鲜事,移动也早就推出即时通信工具飞信。但是面对QQ和MSN对即时通信市场的垄断,飞信的发展并不理想。

  那么,天翼 Live的推出究竟胜算几何?

  联手MSN占据三大优势

  我们看到天翼 Live并未像其它运营商那样单独开发一款程序进军IM市场,而是以MSN为基础,加入了中国电信的免费短信、网络电话、189邮箱等特色服务。与自立门户相比,天翼 Live联合MSN有诸多优势。

  首先,缩短了软件上市时间。面对互联网和移动互联网的快速发展,以及竞争对手的捷足先登,中国电信的IM计划必须要“快”,与MSN联合可以大大缩短了软件研发周期,加快天翼 Live的上市,用户也不会有完全陌生的感觉,上手快,能立即体验中国电信的集成化网络应用服务,这为中国电信布局3G赢得了时间。

  其次,MSN用户群定位在商务和高端这与天翼用户群相吻合。MSN和QQ分别占据着商务和娱乐两块市场,而天翼的定位也是高端商务人群,从丁磊、李开复的代言,我们就可见一斑。万瑞数据分析师于明认为,目标人群与MSN用户群的吻合,更有利于天翼 Live的推广。

  最后,与MSN捆绑也是行之有效的推广策略。一直以来,我都认为IM比拼的并不是技术实力,而是用户使用习惯。一旦用户习惯使用某一款IM,并且将自己的社交关系都存储在这款IM上,这就意味着你将无法离开他。联合MSN,这让天翼 Live无需再重新培养用户习惯,同时很多高端商务人士的社交关系也集中在MSN上,因此使用天翼 Live不会觉得不习惯,也不会因此放弃已经存在的社交关系。这无疑让天翼 Live的推广不会遇到使用习惯、社交关系丢失的障碍。

  免费全网短信撬动大市场

  最近,我也收到好多天翼 Live的好友邀请,这些朋友很多之前就有MSN账号,也在我的好友列表里,现在又使用天翼账号加我为好友。这说明很多试用了天翼业务(手机、宽带)的用户感觉有必要换用天翼 Live,将之前的MSN联系人全都导入到天 Live账号中,这并不会增加成本,而且还可以带来方便。

  一位天翼 Live朋友道出了他使用天翼 Live的原因:“用天翼 Live我可以给好友随时发短信,无论是联通还是移动,都可以免费发。”的确,这1毛钱的短信费可以撬动一个大市场,只需举手之劳安装上天翼 Live既可以每月发送300条免费短信。

  以IM为入口进军互联网

  随着4C融合的推进,运营商进入互联网是趋势,而互联网的第一入口就是IM,天翼 Live为中国电信进军互联网、移动互联网敲开一个窗口,同时稳固了天翼用户使用黏度。在此基础上,通过将天翼 Live绑定中国电信的互联网业务,比如,189邮箱、客户服务、网上营业厅等,从而让中国电信不再只是网络服务提供商角色,直面4C融合时代的竞争,给消费者提供更丰富和便捷的用户体验,从而带动整体的用户黏度。

  我个人非常看好天翼 Live的推广方式和市场定位,相信中国电信借助天翼 Live进军互联网,提高天翼用户粘性的如意算盘也能够很好的实现。
 







本文转自于明51CTO博客,原文链接:http://blog.51cto.com/shayu/352802,如需转载请自行联系原作者


  • 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