DTC(直接面向消費(fèi)者)最初的理念很簡(jiǎn)單,就是讓任何人都可以創(chuàng)建自己的線上商店來銷售產(chǎn)品。自2000年代中期起,Shopify等電商平臺(tái)讓創(chuàng)業(yè)門檻大大降低,Meta(前Facebook)等社交平臺(tái)又為品牌提供了直接觸達(dá)消費(fèi)者的新渠道,這些導(dǎo)致了DTC模式的真正崛起。
2000年代,DTC主要以郵購目錄和“電視廣告推薦”產(chǎn)品為主。直到2010年代DTC模式迎來了繁榮期,Warby Parker、Dollar Shave Club、Casper、Blue Apron等品牌的出現(xiàn),證明了精美網(wǎng)站和在Instagram信息流和地鐵通勤時(shí)間投放的廣告的商業(yè)模式。這些品牌掌握了DTC的核心策略:剔除中間商,壓低價(jià)格,迅速響應(yīng)顧客反饋。
比如Warby Parker打破了傳統(tǒng)眼鏡行業(yè)的暴利定價(jià),用技術(shù)和創(chuàng)意擊穿傳統(tǒng)零售的層層壁壘,讓消費(fèi)者以更低的價(jià)格享受更好的產(chǎn)品和服務(wù);Dollar Shave Club病毒式傳播的廣告片(https://www.youtube.com/watch?v=ZUG9qYTJMsI)在一夜之間,讓這個(gè)默默無聞的新品牌成為了美國各大媒體爭(zhēng)相報(bào)道的對(duì)象。
它們的成功公式看似簡(jiǎn)單:優(yōu)質(zhì)產(chǎn)品 + 直接渠道 + 社交營銷 = 品牌神話。然而,當(dāng)DTC模式從小眾走向主流,當(dāng)幾乎每個(gè)品牌都開始建立自己的直營渠道時(shí),游戲規(guī)則悄然改變了。那些曾經(jīng)幫助DTC品牌“去中介化”的平臺(tái),如Facebook、Google,逐漸演變成了新的“中間商”。
相比傳統(tǒng)零售商要承擔(dān)庫存風(fēng)險(xiǎn)和運(yùn)營成本,數(shù)字廣告平臺(tái)幾乎是無風(fēng)險(xiǎn)地攫取著品牌商的利潤。Meta最新財(cái)報(bào)顯示的9%廣告漲價(jià),只是這種趨勢(shì)的冰山一角。
數(shù)字時(shí)代的“血汗工廠”
電子商務(wù)咨詢公司UpCounting合伙人Abir Syed的話道出了當(dāng)前DTC行業(yè)的殘酷現(xiàn)實(shí):“每個(gè)做電商的品牌都愿意為了獲得客戶而犧牲越來越多的利潤給廣告平臺(tái)。從理論上講,你最終總是會(huì)回歸到盈虧平衡點(diǎn)。”
這意味著什么?大多數(shù)DTC品牌實(shí)際上已經(jīng)淪為廣告平臺(tái)的“打工人”,它們拼命創(chuàng)造價(jià)值,但絕大部分利潤都被平臺(tái)方收割。
這種狀況下,DTC品牌面臨著三重困境:
這似乎是一個(gè)商業(yè)模式走向成熟后的必然危機(jī)。正如所有的顛覆者最終都會(huì)面臨被顛覆的命運(yùn),DTC模式也走到了自我革新的十字路口。
AI革命的雙刃劍效應(yīng)
當(dāng)ChatGPT變成購物助手
如果說DTC的第一次革命是“去中介化”,那么AI帶來的可能是“重新中介化”,但這次的中介,是AI。
想象一下這樣的場(chǎng)景:當(dāng)消費(fèi)者想要購買一雙跑鞋時(shí),不再需要在Google搜索、對(duì)比評(píng)價(jià)、查看官網(wǎng),而是直接問ChatGPT:“為我推薦一雙適合馬拉松訓(xùn)練的跑鞋,預(yù)算1000元內(nèi),要求透氣性好。”AI立即給出詳細(xì)建議,甚至可能直接完成購買。
而據(jù)了解,OpenAI和Shopify也確實(shí)正在進(jìn)行一項(xiàng)重大的整合,將允許用戶直接在ChatGPT中購物,無需離開聊天界面。
這種變化的深層含義是什么?搜索引擎時(shí)代的“流量分發(fā)”邏輯可能被徹底顛覆。過去,品牌需要花費(fèi)巨資在Google和Facebook上爭(zhēng)奪用戶注意力,未來可能需要在AI訓(xùn)練數(shù)據(jù)中爭(zhēng)奪“推薦權(quán)重”。
在營銷平臺(tái)Klaviyo的CMO Jamie Domenici看來:“隨著AI使廣告制作和圖像生成變得大眾化,真正能讓品牌脫穎而出的,將是產(chǎn)品本身的價(jià)值和品牌的獨(dú)特性。”
這實(shí)際上指向了一個(gè)更深層的變化:技術(shù)門檻的降低將迫使競(jìng)爭(zhēng)回歸本質(zhì)——產(chǎn)品力和品牌力的比拼。
真實(shí)性成為最稀缺的資源
然而,AI革命也帶來了意想不到的副作用。當(dāng)任何人都能用AI生成精美的廣告內(nèi)容、產(chǎn)品圖片、甚至虛擬代言人時(shí),消費(fèi)者反而開始渴望真實(shí)性。
Syed預(yù)測(cè):“當(dāng)消費(fèi)者對(duì)AI內(nèi)容的虛假感產(chǎn)生疲勞時(shí),直播和線下真實(shí)體驗(yàn)將成為突圍的關(guān)鍵。”這種“真實(shí)性溢價(jià)”現(xiàn)象,可能成為未來幾年最重要的商業(yè)趨勢(shì)之一。
我們已經(jīng)能看到這種趨勢(shì)的初步顯現(xiàn):TikTok上最受歡迎的帶貨視頻往往不是制作精良的廣告,而是看似隨意卻充滿真實(shí)感的用戶分享;線下體驗(yàn)店重新受到重視;消費(fèi)者開始追求小眾品牌和手工制作的產(chǎn)品。
這為DTC品牌提供了一個(gè)提示:在AI時(shí)代,過度依賴技術(shù)可能適得其反,真正的競(jìng)爭(zhēng)優(yōu)勢(shì)在于如何在技術(shù)與人性之間找到完美的平衡點(diǎn)。
重新定義游戲規(guī)則
面對(duì)AI帶來的變革,成功的DTC品牌正在進(jìn)行一場(chǎng)深刻的戰(zhàn)略轉(zhuǎn)型。這種轉(zhuǎn)型的核心,是從單一的“渠道思維”向綜合的“生態(tài)思維”轉(zhuǎn)變。
Domenici提到,她合作的頂級(jí)品牌都在思考同一個(gè)問題:“如何成為第一個(gè)為AI時(shí)代做好準(zhǔn)備的品牌?”
她的回答是,在于系統(tǒng)性地重新設(shè)計(jì)所有客戶觸點(diǎn),讓每一個(gè)交互都能在AI驅(qū)動(dòng)的新環(huán)境中發(fā)揮最大價(jià)值。
具體而言,這意味著:
而對(duì)于資源有限的小品牌而言,Syed的建議簡(jiǎn)潔而深刻:“從一個(gè)渠道開始,走有機(jī)運(yùn)營路線,當(dāng)盤活后再擴(kuò)展渠道。”
但這里的“有機(jī)運(yùn)營”在AI時(shí)代有了新的內(nèi)涵:不是拒絕使用AI工具,而是要建立自己獨(dú)特的品牌聲音和價(jià)值主張,然后用AI來放大這種獨(dú)特性。它們的優(yōu)勢(shì)在于強(qiáng)調(diào)在細(xì)分領(lǐng)域做到極致,而非追求大而全;快速適應(yīng)新技術(shù)和新趨勢(shì),比大品牌更早地?fù)肀ё兓?;保持與用戶的直接對(duì)話,建立深度的情感連接。
尾聲
對(duì)于出海品牌而言,AI可能是一次彎道超車機(jī)會(huì)。
傳統(tǒng)的DTC模式下,中國品牌往往處于劣勢(shì)地位:品牌認(rèn)知度不高、文化差異明顯、營銷成本居高不下。但在AI驅(qū)動(dòng)的新商業(yè)環(huán)境中,游戲規(guī)則正在被重寫,技術(shù)能力和產(chǎn)品創(chuàng)新可能比品牌歷史更重要。
DTC模式的演進(jìn),實(shí)際上折射的是整個(gè)商業(yè)世界在數(shù)字時(shí)代的轉(zhuǎn)型軌跡。從PC互聯(lián)網(wǎng)到移動(dòng)互聯(lián)網(wǎng),再到如今的AI時(shí)代,每一次技術(shù)革命都會(huì)重新洗牌商業(yè)格局。
對(duì)于DTC品牌而言,它們既要保持對(duì)新技術(shù)的敏感性,同時(shí)不被技術(shù)綁架;又要追求規(guī)?;鲩L(zhǎng),同時(shí)不失去品牌的獨(dú)特性;還要擁抱AI帶來的效率提升,同時(shí)堅(jiān)持人性化的品牌體驗(yàn)。
最終,在這場(chǎng)變革中勝出的不一定是最早擁抱AI的品牌,而是那些能夠在技術(shù)革新與商業(yè)本質(zhì)之間找到最佳平衡點(diǎn)的品牌。
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)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"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)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,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。