圖片來(lái)源:ImageFlow / Shutterstock
數(shù)十萬(wàn)種基于區(qū)塊鏈的技術(shù)方案和項(xiàng)目正快速涌入市場(chǎng)。
比特幣公司Coinbase的聯(lián)合創(chuàng)始人Fred Ehrsam對(duì)此表示:“這將使得市場(chǎng)經(jīng)濟(jì)領(lǐng)域呈現(xiàn)出寒武紀(jì)時(shí)代的爆炸式增長(zhǎng),其中許多方法將快速并行并得到實(shí)踐。”
據(jù)他所說(shuō),單單在2017年年內(nèi),就有超過(guò)442家初創(chuàng)企業(yè)通過(guò)首次公開(kāi)發(fā)幣的方式獲得了融資支持。與生物進(jìn)化過(guò)程中的優(yōu)勝劣汰一樣,當(dāng)下最出色的產(chǎn)品與平臺(tái)并不一定就能笑到最后。那么,到底是什么決定了一款產(chǎn)品的最終命運(yùn)?用達(dá)爾文的話來(lái)說(shuō),核心因素在于適應(yīng)不斷變化的環(huán)境的實(shí)際能力。
而在企業(yè)中,負(fù)責(zé)確保業(yè)務(wù)體系能夠不斷適應(yīng)變化的環(huán)境的部門正是——營(yíng)銷部門。
管理學(xué)大師Peter Drucker曾表示,“考慮到企業(yè)的目標(biāo)在于創(chuàng)造客戶,因此企業(yè)的基本職能只有兩項(xiàng):營(yíng)銷與創(chuàng)新。”如果他的斷言無(wú)誤,那么企業(yè)的營(yíng)銷職能應(yīng)當(dāng)與創(chuàng)新職能相匹配并相輔相成。
DMO的目標(biāo)在于協(xié)同去中心化技術(shù)團(tuán)隊(duì)吸引并留住“加密貨幣客戶”。
與傳統(tǒng)客戶有所不同,在去中心化的網(wǎng)絡(luò)體系當(dāng)中,最具價(jià)值的客戶是那些能夠深入?yún)⑴c協(xié)議交易并為網(wǎng)絡(luò)帶來(lái)更多節(jié)點(diǎn)的人。因此,對(duì)于去中心化項(xiàng)目而言,真正有效的營(yíng)銷策略應(yīng)該實(shí)現(xiàn)一系列多層次的需求拉動(dòng)成效,而這些拉動(dòng)效果將面向采用該協(xié)議的多種角色,比如開(kāi)發(fā)人員、設(shè)計(jì)師、代幣買家/投資者、社交媒體意見(jiàn)領(lǐng)袖、常規(guī)用戶以及合作伙伴等等。
所有客戶之所以愿意參與到協(xié)議當(dāng)中,是因?yàn)樗麄冋J(rèn)同代幣的價(jià)值。代幣持有者對(duì)代幣的未來(lái)價(jià)值所抱的期望值越高,他們就越有可能堅(jiān)持持有,并充當(dāng)布道者的角色。
一方面,代幣持有者與項(xiàng)目營(yíng)銷人員具有相同的動(dòng)機(jī)。另一方面,由于他們也屬于利益相關(guān)者,而非員工,因此不會(huì)像傳統(tǒng)員工那樣受到“控制”或指導(dǎo)。
他們的報(bào)酬并非來(lái)自老板,而是源自加密代幣的價(jià)值增長(zhǎng)。
這樣的市場(chǎng)營(yíng)銷方式在組織結(jié)構(gòu)上已經(jīng)遠(yuǎn)遠(yuǎn)超越了傳統(tǒng)組織的界限。以往的營(yíng)銷網(wǎng)絡(luò)“邊緣”是指底層員工負(fù)責(zé)執(zhí)行的宣傳活動(dòng)。如今,邊緣位置由代幣持有者負(fù)責(zé)管理,他們要做的就是將去中心化項(xiàng)目積極推銷給其他潛在客戶。
也就是說(shuō),任何人都可以發(fā)布與項(xiàng)目相關(guān)的博文,任何人都可以制作與之相關(guān)的視頻,任何人都可以主持項(xiàng)目相關(guān)活動(dòng)——這一切都將自發(fā)進(jìn)行。但與此同時(shí),這些行為也可能帶來(lái)風(fēng)險(xiǎn),具體包括:
,即:
此外,代幣營(yíng)銷人員也可以選擇曾在企業(yè)中經(jīng)驗(yàn)豐富的營(yíng)銷人員作為導(dǎo)師,從而了解規(guī)劃、預(yù)算、品牌傳播、上市、產(chǎn)品、社區(qū)、公關(guān)、開(kāi)發(fā)者關(guān)系、分析師關(guān)系、內(nèi)容以及潛在客戶開(kāi)發(fā)流程等因素,進(jìn)而為項(xiàng)目參與者提供最大的發(fā)展機(jī)遇。
談到營(yíng)銷創(chuàng)新,最好的靈感往往源自網(wǎng)絡(luò)邊緣,但資金與執(zhí)行等資源卻仍集中在中心區(qū)域。這意味著整個(gè)項(xiàng)目可能會(huì)在會(huì)議討論、審批流程、溝通渠道以及內(nèi)部銷售等方面引發(fā)摩擦。
如Tom Firedman在《加速時(shí)代》中所言,對(duì)代幣持有者進(jìn)行發(fā)現(xiàn)、培養(yǎng)與激勵(lì),在確保其以盡可能快的方式高效推動(dòng)營(yíng)銷成果方面發(fā)揮著重要的作用。
那么這一切將如何實(shí)際運(yùn)作并起效?我們可以從DMO的最終發(fā)展目標(biāo)進(jìn)行回推。DMO技術(shù)堆棧擁有多種元素,以下列出其中一部分:
這些技術(shù)將作為DMO的神經(jīng)系統(tǒng)存在。但是仍然需要注意的是,目前,我們尚無(wú)法利用基于區(qū)塊鏈的智能合約實(shí)現(xiàn)組織范圍內(nèi)的系統(tǒng)治理能力,而且很多相關(guān)工作也仍處于早期發(fā)展階段。
[本文摘自作者在線書籍《去中心化市場(chǎng)營(yíng)銷組織》]
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問(wèn)題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問(wèn)題偏愛(ài)不同專家配置,為AI推理優(yōu)化開(kāi)辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過(guò)"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問(wèn)題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開(kāi)發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過(guò)滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問(wèn)題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開(kāi)辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過(guò)讓AI模型學(xué)習(xí)解決幾何問(wèn)題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來(lái)顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。