原標題:密謀O2O 百度對電商還有幻想?
4月14日消息,億邦動力網獲悉,百度正在醞釀一個打通線上線下資源的電商平臺“百度MALL”(mall.baidu.com)。有百度內部人士透露,此次百度決心很大,該項目可能是其對電商業(yè)務的最后一次嘗試。
據億邦動力網了解,百度MALL有八大重點經營類目:服飾鞋包、運動戶外、食品保健、個護化妝、家居家紡、電器數(shù)碼、母嬰玩具、珠寶手表。
據悉,該項目已經悄然進入招商狀態(tài),不少品牌商已經接到了入駐的邀請。一位運動品牌的商家透露,百度MALL給出的時間表是:2015年1月到2月確定了邀請入駐的重點品牌;3月到4月集中和商家進行簽約和審核;5月開始商品上傳、店鋪裝修等準備活動;6月份正式上線。
定向邀請1000家品牌
上述運動品牌商家認為,此項目最大的特點是“品牌化”:從目前招商情況看,百度MALL希望所有品類都能直接和品牌商合作,平臺上只存在品牌旗艦店這種模式。“他們希望該平臺成為顧客購買國內外知名品牌正品行貨和特色商品的首選網站。”
百度MALL提供給商家的資料顯示,該平臺的目標用戶群為20歲到40歲有小資情懷的人,要滿足這部分用戶對知名品牌“新、正、特”的需求。
基于此原則,百度MALL計劃只邀請1000家中高端知名品牌入駐,形成高端品牌的聚合效應。
給予品牌商資金、流量雙優(yōu)惠
同時,百度MALL給品牌商開出了十分優(yōu)惠的條件,前期幾乎不收取任何費用。有商家透露:“該平臺推出了三大優(yōu)惠政策:第一,品牌免首年保證金(10萬); 第二,免首年平臺服務費(每年3萬); 第三,交易費率五折(僅其他B2C的一半)。”
此外,百度MALL還向商家承諾提供流量資源:可以通過百度大搜、百度聯(lián)盟等渠道為商家實現(xiàn)精準導流;并且和框架客戶實現(xiàn)品牌共建,共建大搜索結構頁;和品牌商共享百度6億活躍用戶。
打通一切資源實踐O2O
最關鍵的是,此次百度電商項目將為品牌商提供O2O解決方案,包括線上購買線下門店取貨,也可直接引導顧客去品牌線下店鋪購買。
有業(yè)內人士認為,百度MALL大舉引入品牌這種精品化路線,也是為了迅速拓展O2O業(yè)務,將品牌商的線下店鋪一起帶入局,而不僅僅是因為天貓、京東等電商平臺的門檻都不斷上升,適應整體市場環(huán)境。
億邦動力網了解到,百度MALL方面向商家透露,未來該項目將和百度在移動端、PC端上面的很多產品都打通,例如百度地圖。用戶可以通過百度地圖查看到入駐百度MALL品牌商的線下店鋪位置,在品牌商門店附近的時候就可以獲得相關的推薦。
從整體來看只有獲得的品牌方的支持和配合,這種O2O模式才有可能迅速推進。當然該模式對于在線下有大量直營店的品牌較好實施,而對于靠加盟商開店、或者銷售業(yè)務全部放給代理商的品牌則有一定難度,需要重新進行利益分配。
百度屢敗屢戰(zhàn)的電商史
2008年,百度推出了網購購物平 臺百度有啊,2010年,面對用戶日益增長的生活消費需求,有啊創(chuàng)新性地推出泛電子商務平臺——有啊生活。經過不到3年的運營,百度有啊在在2011年3 月底宣布關閉商城業(yè)務,該購物平臺的商品、店鋪、交易相關功能全部關閉,2011年4月20日百度有啊youa.com正式上線新版,并且由C2C轉型定 位為本地生活信息服務平臺。
2010年6月9日,百度與日本電子商務巨頭樂天的合資公司宣布,啟用“樂酷天”作為網上商城的品牌名稱,正式開始招商。2012年4月,日本電商網站樂天今日宣布,將關閉與百度合資B2C網站樂酷天。此舉意味著,百度布局電商之路再遭失敗。
2012年3月,百度有啊被整合進愛樂活,在整個2012年中,愛樂活都在完善本地生活服務功能。2013年3月轉型為電商導購網站。2014年2月,愛樂活再次轉型時尚B2C商城,但是在行業(yè)內的影響力和存在感卻越來越低。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。