直通车人群之间会重叠,为什么淘宝现在慢慢被边缘化了
我家娃现在大部分的玩具、学习用品都在他们这里买，我还买过玩具车的零件，5年前在实体店买一个小瓢虫电动车，今年因为二宝大了，她那一段时候天天想要玩。原本是想买个新的，后面抱着试试看的心理，想着能不能换个电瓶，也许还能用，毕竟玩具还是很新，没怎么用过。就买回来自己换，反正也能退（其实，电瓶是不能快递的）后面没想到呀。嗨！还真的可以，22块钱解决了一百多两百的问题。后面开关、轮胎、轴陆陆续续的坏，也陆陆续续的基本全换个遍，所有的配件都有，价格浮动5块以内。那个开关真的绝了，就单买这一个，它2块8，还包邮。拿回来自己轻轻松松换掉了。这一刻真的太香了图上的零件基本都买了（图片来源网络，侵删）
直通车人群之间会重叠，为什么淘宝现在慢慢被边缘化了？
拼多多
我家娃现在大部分的玩具、学习用品都在他们这里买，我还买过玩具车的零件，5年前在实体店买一个小瓢虫电动车，今年因为二宝大了，她那一段时候天天想要玩。原本是想买个新的，后面抱着试试看的心理，想着能不能换个电瓶，也许还能用，毕竟玩具还是很新，没怎么用过。就买回来自己换，反正也能退（其实，电瓶是不能快递的）后面没想到呀。嗨！还真的可以，22块钱解决了一百多两百的问题。后面开关、轮胎、轴陆陆续续的坏，也陆陆续续的基本全换个遍，所有的配件都有，价格浮动5块以内。那个开关真的绝了，就单买这一个，它2块8，还包邮。拿回来自己轻轻松松换掉了。这一刻真的太香了
图上的零件基本都买了（图片来源网络，侵删）最近双11二宝生日，给家里装饰品那是买得更多了，三串灯，气球，彩带背景
因为家里有两个鼻炎患者，吊顶这些根本是不可能有的，最后只能走石膏线，最近实在是看腻了，所以入手了油漆把石膏线自己刷了一遍，刷了我两天，手都抬不起，[流泪]花了我四天时间把这个场景布置了起来
我电动车的仪表盘看不清数学，根本不知道有多少电，有时候没电就得推车回家。当时也是试试去问商家，有没有换，最后商家说不用换整个（换整个30，还不知道怎么换线，而且不知道电压能不能用），只需要换个盖就行，因为老化变黄而已，那必须得下单啊。第二天接娃还是干嘛的时候，发现家里人拿到店里换了，当时就想退，商家设置了拼单成功了才可以退货（太烦这个）。
当时就联系商家说家里人换了实在不好意思，他们也答应退，第二天直接给我发货了，我想也确实是不太好意思退，毕竟他给我解决了大问题，而我没买。当时沟通商家叫我直接拒收就行，我想也是，就同意了，到货拒收以后，一个礼拜了我再去看这笔怎么还没处理，期间物流也问了三四次我的货到哪里了，商家硬是说我收货了，不给退款，没办法只能找物流，物流查一个月的消息给了单号，好不容易发给商家了，商家还是不处理。
真的上火了，我来来回回的到处沟通，都答应帮你刷单了，结果换来这么个坑人的
再点进去的时候平台直接跳出来要不要仲裁，我的天！福音啊，我直接就点了，点完直接退款到账，真的秒到账（当时真的惊呆我了）
9号沟通处理退款，人前面是同意了，10人家还是发货了这是我收到货的时间，我系统确认收货14号，我22号去问商家，后面他们其实15号就收到货了，我不知道商家面对退货是怎么处理的（收到一个来历不明的包裹不处理？不入库？）反正就这么几个来来回回我就跟他较上劲了，我非得拿回来不可了（钱不多，事大！！花我那么多精力，搞得我像是贪小玩意一样的，那可不行）
这么一梳理时间线，我感觉要是没有平台介入，我怕是就这样芭比Q了（我要不要把码去掉）
淘宝
天猫超市有所有的生活物品，还送货上门，对于带娃的人来说，不用拎着死沉死沉的油，不用怕生蚝瓶子破，真的是不要太友好
京东
最近一次消费，还没入夏的时候，一台格力
可能在拼多多买的不是最贵的，但是，他的粘合度，复购率，点击率在我这里却是最高的。现在去超市，小朋友看上那个玩具，只要说回家在网上买，每次都能放回去。网上买回来的玩具玩法更多，玩具更全，而且还很实惠（以前怕玩具玩坏，现在是，没玩坏？那这个玩具不好呀！下次又多一个不买玩具的理由了）。
#头条创作挑战赛#挑战3天在头条写日记##冬日生活打卡季#
请问铁通是干什么的？
中国铁通的前身--铁道通信信息有限责任公司于2000年12月20日成立。2004年1月20日，铁通公司由铁道部移交国资委管理，更名为“中国铁通集团有限公司”，是国有大型基础电信运营企业。 中国铁通到2003年底总资产已达424亿元，在全国设有31个省（自治区、直辖市）分公司、316个地市分公司以及5个控股子公司。中国铁通已开展的业务范围有：国际国内语音、数据、图象及多媒体通信,国内通信设施服务等基础电信业务，以及各类增值电信业务。 中国铁通”是铁通公司的企业品牌，2004年铁通公司由铁道部移交给国资委之后更名换标，组成新的领导班子，中国铁通以新的形象展示给广大消费者。但是，由于铁通成立时间短，并且刚刚从铁道部剥离，所以在通信市场上，中国铁通的企业品牌知名度比较低。 企业品牌起到整个品牌体系的统领作用，接下来是业务品牌和用户品牌。中国铁通的主要业务有本网业务、他网业务、互联网业务和新业务，在这个体系下，铁通推出了“预付费固定电话业务”、“IP直通车”、“96403拨号”、“家园e-Home”等业务品牌以及“韩国卡”、“17995都市通”、“197200京城友情卡”、“天骄冲浪卡”等用户品牌。可以看出，有些业务品牌个性鲜明，和消费者具有很强的亲和力。但部分用户品牌交叉重叠，定位不清。一个业务品牌可以包含多种业务，且能根据用户群的不同而划分成多个用户品牌，一个用户品牌也可能包含多种业务，运营商应该随着业务的推广和新业务的推出随时调整品牌体系。
考研需要准备什么？
感谢悟空小秘书的邀请！
对于“考研备考需要准备什么”这个问题，相信是很多即将踏上考研之路的同学最想了解的话题，那么，作为一名资深的研三老学长，今天我就来和大家聊聊这个话题，希望文章中提到的观点和心得，能够对即将备考2020年研究生考试的同学们一些帮助。
简单来说，考研备考需要我们有计划、有信心、有坚持心，其中最难能可贵的是有坚持心这一点。
第一点，考研备考要有计划考研是一段较为漫长的历程，从前期准备考研到最后真正录取，要经历备考、报志愿、初试、复试、提档等一系列过程，每一个环节都非常重要，一步出错，就可能会导致自己考研失败，所以，一个合理又可行的复习备考计划，就显得尤为重要。在整个计划中又可以分多个小计划，比如在复习备考阶段，我们需要一个整体的复习计划和多个阶段复习的小计划组成。
在每个阶段，我们需要解决的任务又是不完全相同的，比如现在是复习备考的初期，大家需要做的事情是选择学校和专业，然后打听需要考试的专业课科目，并搜集相关的复习资料，准备复习。这一阶段是非常关键的一个时期，大家一定要提前想好自己要报考哪所大学，因为各大高校之间的考研专业课部分考察的内容是不完全相同的，甚至可能是完全不同的。每年都会有些人在复习备考的后期又换了另外一所学校，这样的话，虽然大家可以选择，但是你想想，你换了新的一所学校之后，在专业课的复习上，就要比其他人落后很长一段时间，如果你又是一个基础不太好的学生，在初试的时候，又有什么优势可言呢？
考研复习的初期，我们除了要选好自己想要报考的大学和专业，也要制定一个简单的复习策略，现阶段最应该着手准备的是英语科目，因为英语是我们考研复习过程中最耗费时间和精力的一门课，但同时又是我们考研过程中的一只“拦路虎”。往年都有很多同学总分非常不错，但最后却输给了英语科目的情况，所以，我们对于英语科目一定要重视起来。在此有一个建议，大家对英语的复习，一定要抓紧历年真题，能多看几遍就多看几遍，不要以为自己看过一遍就可以放任不管。
除此之外，专业课的复习也要稍微用点心，对于自己擅长的科目应当保持，不太擅长的科目就需要花大量时间来提高。当然也要注意报考院校的最新资讯，有些高校每年的考研科目是不固定的，大家一定要看清楚自己报考专业需要考察的科目。对于政治科目，在考研复习的初期可以花少量时间复习，考研过来人就知道，政治科目最关键的发力期在每年的十月份前后，现在复习反而会浪费大量时间精力。
第二点，考研备考需要有信心很多人会在中途放弃，并不是他们真的实力不行，而是他们自己觉得实力不够，看着舍友一个个早出晚归，再看看自己整天浑浑噩噩，觉得自己肯定没有希望，所以抱着“破罐子破摔”的心态，心血来潮了去自习室复习一两天，没兴趣就天天在宿舍睡大觉，这样的话，是很难走到考研的那一天。可能还有同学复习备考的时候，看到别人很努力，就觉得自己是不是很差，觉得自己考研没戏了等等。其实，考研不是看你花了多少时间，或者在自习室待了多久，而是考察你掌握了多少知识。人与人之间是有差别的，有些人需要两天才能学完一个章节，而有些人则只需要一两个小时就可以，所以，不要跟别人比谁花的时间多，和别人比比谁记住的东西多，只有时刻保持信心，才能成功上岸。
第三点，坚持心比什么都重要考研的过程中有一个非常有意思的现象，刚刚开始复习备考的时候，人人都想考研，后来过了几个星期，考研的人变少了，再后来现场确认的时候，又少了一批人，考完英语之后，继续少了一批人，最后坚持到底的那一部分人，基本上都考上了研究生，所以你看，坚持到底有多么重要？只要我们有一份坚持心，能够每天去图书馆、自习室，能够每天提高一点点，每天多记住几个新单词，我们就会越来越有信心，长此以往，记住的东西自然越来越多，最后怎么能考不上研究生呢？
既然你已经踏上了考研之路，那就准备好自己的信心和坚持心、带上自己的复习计划，从容出发，来年的今日，你将收到来自研究生院的录取通知书。
希望以上回答能对大家有所帮助，更多的问题，可以在下方留言与我们交流探讨。
直通车和自然流量冲突？
一般来说，直通车的流量是不会与搜索流量冲突的，除非你的直通车关键词与你产品的搜索关键词一致，且两者在关键词下展现的位置距离较近，这时候就会产生一定的冲突。
产生冲突后，如果搜索排名及直通车都在第一名，那会默认展示自然搜索的位置；如果在其他位置，自然搜索与直通车位置冲突，那就会默认展示直通车的位置，这也就是开车导致自然搜索流量变少的主要原因。
解决办法就是根据自然搜索的位置调整直通车的排序，综合排序好的词，直通车往后靠；综合排序差的词，直通车就往前走，尽量避免两者重叠。
此外，直通车的创意图注意不要与产品主图一致，直通车将主图测好后，我们将其用于搜索，之后就要将直通车的创意图进行更换，避免两者的图片是同一张，否则也会导致自然搜索的产品被屏蔽。
其实产生这种情况的原因在于，如果用户在搜索关键词后，看到一个已经被自己划过的产品再次出现在自己的眼前，那对于用户来说会产生一种很不好的购物体验，这自然是淘宝所需要尽力规避的一件事。
Q2：人群溢价方式怎么定？
对于人群的溢价是我们开直通车的时候必须要注意的一件事，那一般来说，我们设置人群溢价的方式有三种：1、不溢价；2、正常溢价；3、高溢价。
1、不溢价
不溢价适合竞争很小的产品，关键词进来的人群就是最精准的，没有性别、年龄的限制。但这种类目很少，并且我们需要卡到前三的位置才会有足够的展现，很少会用到。当然，其他类目也可以选择不溢价，但如果想要获得展现，会增加很多不必要的花费，不建议不溢价。
2、正常溢价
溢价在0-100%之内都算是正常溢价，适用于大部分类目，尤其是想要打造爆款的非标品。我们可根据人群的特征、数据来适当地提高或降低，筛选精准人群。
3、高溢价
高溢价适合客单价比较高，人群很细分的小众类目，我们需要以高溢价的方式，将人群圈定在特定的客户群体中。
Q3：什么时候该增加日限额？
日限额是我们定好直通车计划每天最多跑多少费用的限额，钱烧完后计划也就下线了。但有的时候，我们即使日限额烧完了，也最好增加限额，让计划继续跑下去。
具体什么时候才要增加日限额呢？
其实就是当计划数据足够好的时候，我们需要增加日限额来持续扩大产品的展现、流量。
数据好体现在我们计划中的点击率、转化率、收藏加购率以及投产比等数据，这些数据具体要到什么程度才算好，那就要看具体类目了。
比如女装类目，投产比在2-3就已经算是不错的数据了，而有些类目，投产比甚至能够做到十几，所以如何判断数据表现，就因类目而议了。
除了数据好外，我们还要了解一下计划的权重，当计划质量分足够高（全10分），ppc也处于行业平均水平或者低于行业平均水平的情况下。日限额同样能够保持高速烧完，这就说明我们的计划不是因为高价卡位置获得了高展现才跑完的，而是我们产品能够切实吸引到用户点击。
在这种时候我们就可以选择增加我们的日限额去扩大产品的流量，提高展现。
Q4：季节性类目如何根据类目流量来判断换季的时间节点？
在淘宝的每一个主类目下，都会有各式各样的产品，在这些产品中根据季节来分，分为季节性类目以及非季节性类目。这两种类目最大的区别就在于是否需要根据不同的季节来做好换季上新。
那对于这种季节性类目的商家来说，想要做好每次换季，最大的问题就在于如何判断这些产品什么时候上新品能够正好契合行业趋势。
想要清晰这一点，我们不能光凭主观判断来决定，而是要事先做好数据分析。
具体操作是，我们可以从生意参谋-行业构成中看到行业中的每一个子类目，在去年的每一个月份流量的趋势，是上升还是下降，在哪一个月份哪一个子类目是处于最高峰的时段，我们就可以根据这一节点提前布局这一类目。
最好在流量最高峰出现的前1.5个月就开始布局，然后开始分配时间去测款、测图、打造基础销量，这样的话，到最高峰我们的产品正好能够处于一个流量增长期，享受到类目流量的红利。
Q5：为什么有的宝贝销量低，搜索排序却比销量高的产品还要高？
在淘宝早期，销量几乎是影响产品权重的决定性因素，所以在那一阶段，只要产品销量能够上去，那产品的排名展现就会随之上升。
而在千人千面算法更新的现阶段，销量虽然同样是影响权重的主要因素之一，但相比之前，销量影响权重的占比已经被点击率转化率等率化因素给抢去了不少。
并且，现在销量给产品权重增权的方式也有了很大的变化。
即当一个用户通过搜索某个关键词进入你的产品浏览后成交了，这个销量所积累的权重不是像之前一样给到产品本身，而是会把这一销量权重累计到该关键词下。
当通过这个关键词进店成交的用户逐步增加，针对该关键词的销量权重也会逐步增多，系统就会在针对搜索这一关键词的排序下，给你产品提高相应的排名。
不过当用户在搜索其他相关关键词时，即使你的标题中有这个关键词能够获得展现，但你在该关键词下的销量权重却不一定能够比其他专注于这一关键词的产品权重高，即使你整体的销量比他的高。
所以这就是有些产品销量很高，有时候排名却排在销量更低的产品后面的原因。
Q6：如何判断一个产品标题的好坏？
判断标题的好坏我们要分对象来看，一方面是对于系统来说，另一方面是对于商家来说。
对于系统来说，一个标题好坏的判断依据就是这一标题能否更好地让系统抓取到产品从而匹配用户搜索的需求。
我举个例子，像“2020新款秋季女韩版外套纯棉小风衣短款小清新”这种标题，那对于搜索引擎来说，这一标题其中包含了足够多的关键词、组合词、长尾词，能够让其抓取到足够多的组合，那就算是一个好标题了。
当然，我举的例子没有写满，大家还是要写满30个字才行。
说完系统，那对于商家来说我们评判标题好坏的标准是什么呢？即这一标题能否给我们产品带来精准的流量。
这里不是说我们产品标题中关键词都是精准的就好了，还要看我们产品的权重在目前能不能获取到展现，获取流量。
在产品不同的阶段，我们筛选标题关键词要注意其的热度与我们产品权重是否匹配，产品权重高，标题关键词就可以筛选大词；权重低，就要筛选搜索热度稍微小一点的词。
将替代大量人类职业工种？
根据耶鲁大学和牛津大学今年5月的研究显示，人工智能到2060年前后有50%的概率完全超过人类，在10年内人工智能在翻译、高中水平的写作、驾驶卡车，售货员等方面将超过人类。我们的调研发现人工智能已经不再停留在概念，电商、互联网广告、安防的智能化正在催生新的商业机会。我们认为数据比算法更重要，建议投资人积极布局数据中心、传感器、半导体等受益行业的投资机会。
——中金证券报告节选
长久以来，人们心中对于人工智能（AI）往往只有一个模糊的概念，对它们对于世界的改变更是无法系统而全面的感知。因此，本文聚焦人工智能技术的四个方向（语音，图像，自然语言处理，机器人），探索了它们对于安防，互联网电商/广告，消费电子这三个行业所产生的影响。
从技术角度来看：
语音技术成熟但应用场景有限。语音识别是目前发展最成熟的人工智能技术。Nuance，科大讯飞，Google，百度等主流厂商的近场语音识别率都达到了 99%以上。但目前应用场景局限在电子病例，智能客服，在线教育，车载导航等少数几个领域。随着未来语音识别种类的进一步丰富，识别环境通用性的增强，以及远厂语音技术的突破，一定会帮助拓展其应用范围到智能家居等更多场景中。
图像识别落地机会最多。图像识别技术不但有着非常高的识别准确率，而且能够很快给出智能的反馈，因此图像识别技术最容易快速落地到各行各业中。安防行业中的车辆数据提取，医疗行业的影像诊断，电商行业中的精准营销，以及辅助驾驶都为图像识别技术提供许多落地变现的机会。
自然语言处理在互联网行业中应用最为成熟。我们注意到基于人工智能的精准营销正帮助互联网广告公司不断提升流量价值，而且一些智能的销售客服机器人正在逐步替代人工成为线上销售，售后维护的主力军。
智能机器人技术有待成熟。我们注意到一些公司开始在仓储机器人、手术机器人等细分行业进行探索。但技术还有待成熟。
从行业角度来看：
安防是人工智能在中国最容易变现的行业：十几年的平安城市建设，使中国的城市管理者已经积累了强大的视频数据采集能力。交通拥堵及反恐等应用场景又急需最先进的人工智能技术。
互联网广告和电商蕴含大量的数据，为人工智能在互联网广告和电商领域的应用提供了广阔的资源和空间。例如，互联网公司通过基于用户画像的精准广告投放，在过去三年提高了广告单次点击成本（CPC）170%。
AI 促进消费电子升级换代：3D 光学感测等 AI 功能会帮助现有智能手机提高售价，同时促进智能音箱等新品类的发展。
直接受益行业：
数据中心：人工智能的普及会推动云计算服务及资本开支的快速增长。我们预计到 2020年，八大主要科技公司在数据中心相关的资本开支总计将达约 900 亿美元，约占全球电信业资本开支的 25%。
半导体：我们认为 2020 年人工智能相关半导体的市场空间将达到 117 亿美元，其中云端服务器市场规模 76 亿美元，智能手机移动端 41 亿美元。除了上游的芯片设计厂商将受益之外，中下游晶圆代工及封装测试厂也将同步获益。
传感器：第二是收集数据需求的增加，手机及汽车上搭载传感器数量大幅上升。我们预计传感器市场从 2016 年的 82 亿美金扩大到 2025 亿的 290 亿美金（15% CAGR）。
AI+安防：智能化推动安防行业的第三次升级
中国视频监控行业在过去十几年经历了两次重要的升级换代：
（1）高清化：在这次升级的主要变化是摄像机的清晰度从标清（30 万像素）升级到 100 万像素或以上。图像传输方法从原本通过同轴电缆传输的模拟信号过渡到通过局域 IP网或同轴电缆传输的数字信号 。后端设备也从 DVR 过渡到 NVR。
（2）网络化：在这次升级中的主要变化是，视频被直接传回数据中心内的集中存储。主要的优势是方便集中管理以及扩大了可监控的区域。
随着 2016 年以来人工智能技术在视频分析领域的突破，我们认为视频监控行业正处在第三次重要的升级周期的开始阶段。
（3）智能化：我们认为这次升级主要包括：(a) 前端摄像机的智能化升级以支持结构化数据提取，(b) 后端设备强化计算分析功能，以支持复杂的视频分析，(c) 对应特定行业应用的人工智能分析软件快速增长，其主要功能是汇集分析视频信息，以及控制前端安防设备。
智能安防在国内的细分市场有三个：
（1）政府市场（30~35%）：主要包括各地公安，交通，司法部门。销售渠道以系统集成商为主。需求受政府固定资产投资拉动，对价格不敏感，是视频分析服务的重度用户。
（2） 大企业市场（35~40%）：主要包括银行，电信，石油，文教卫等大型国有企业和事业单位等。销售渠道以解决方案为主，需求受经营规模扩大的影响。
（3） 中小企业及个人市场（25~35%）：主要包括中小企业，也包括个人消费需求（尽管需求很小）。销售渠道以标准产品的分销为主。
根据调研，目前人工智能相关产品主要目标市场是政府市场。其驱动力来自于各地政府强化各类平安城市相关工程。经过十几年的平安城市建设，中国的主要城市已经积累了强大的视频数据采集能力。如何利用采集到的数据解决交通拥堵及治安问题一直是各地政府有待解决的问题。基于人工智能的新一代视频分析技术为城市管理开辟了一条新的路径。并将驱动当前 67 亿美元的中国安防设备市场继续以年增速 15%以上增长。 其中，交通管理和公共安全等政府相关项目（约占整体市场规模 30%）是最主要的应用领域。
以下是在交管和公安现场的实例：
交通违法抓拍
通过对前端摄像头和后端系统进行智能化升级，利用前端摄像头对抓取的图像快速处理，将明显的违法行为进行智能识别，并在后端进行收集和二次处理。可对多种交通违法行为进行取证，包括机动车闯红灯、违法停车、压线、变道、逆行、超速、人行横道不避让行人、违反规定使用专用车道、行人闯红灯等各种交通违法行为。
犯罪分子抓捕
以海康威视的系统破获的某个抢劫案为例。为了从大量的视频图像中找到嫌疑人，需要 对来自 500 多个监控点的长达 250 个小时的视频进行分析，如果采用人力查阅，需要至少 30 天时间，但如果采用基于深度学习的视频分析技术，仅需要不到 5 秒。
另一个案例是，2012 年的“1.6 苏湘渝系列持枪抢劫杀人案”，当时对 1万多个监控点产 生的 2000 多T数据进行人工查阅，投入了 1500 多名干警耗时一个多月。根据海康威视估算，如果采用人工智能分析仅需要几分钟。
AI+互联网：AI 加速电商广告市场发展
AI 简化用户的消费行为
2015 年以来，由于互联网流量红利逐渐见顶，行业发展重点走向以提升转化效率以及付费习惯培养的精细模式。在电子商务领域，由于大数据的累积以及底层算法的快速发展， 人工智能开始进入该领域，通过对消费者购买决策过程的深度学习和解析精准定位用户。主要的应用是为了更精准的推荐商品以及对用户的购买行为作出更好的解释。
大数据是人工智能的重要基础，复杂场景催生技术革新
经过爆发式的行业增长，电子商务行业已经完成了早期的数据累积，大数据的产生为人工智能技术打下基础。而购物场景不断延伸，端到端的互联网消费者行为呈现高度离散的状态，消费者可触达点的增加同样加大了电商平台对于消费行为把握的难度，因此亟待更高效的方式对用户购买行为作出更好的解释，以实现更精准的商品推荐。
人工智能的知识发现体系更适合解释当下更为复杂的线上购买决策
根据 MillardBrown2016 年的研究，传统营销通常认为消费者购买品牌是一个线性过程， 但现实中情况却要更为复杂，特别是互联网账号体系的出现，线上消费者在其他如社交平台的分享同样会影响消费者的最终购买决策。此外，随着人均可支配收入的进一步提升，影响消费者购买决定的变量同样变得更为复杂。除了最基本的对于性价比的考量，粉丝效应、生活方式、特殊事件甚至对于环保的考量都有可能影响消费者最终的购买决定。
互联网环境下，品牌以及商品与消费者的接触点显得分散且数量远大于从前，人工智能 的数据挖掘和知识发现功能为解析大量数据间隐藏的依赖关系提供了具有参考意义的一 条解决路径。目前该技术在中国的具体应用表现为在售前，通过基于大数据分析的用户画像个性化推荐，向消费者主动展示其购买的产品内容。
目前个性化推荐主要是以分析消费者一定时间内的浏览记录为主，技术上并不难实现， 主要门槛在于商业数据累积以及推荐逻辑优化。在当下全球电子商务领域，Amazon 的智能推荐系统被公认为推荐算法最好的系统，其服务主要体现为个性化首页、多页面关联商品推荐和多品类关联促销。在中国，个性化推荐的形式和 Amazon 并无太大区别， 以发展程度最高的淘宝千人千面模块为例，2016 年双 11 个性化的智能卖家推荐的测试中，点击率和访客成交转化率分别上升了 25%和 40%，前次展示支付金额提升了 56%。 目前淘宝平台上的钻展以及直通车均已采用千人千面的数据分析，其解决的主要问题在于如何优化平台海量流量分流从而优化流量货币化效率。
电商领域人工智能技术的商业化已经开始萌芽，阿里巴巴自 2015 年开始加速个性化电 商推广工具的研发，并已将一部分人工智能算法融入底层结构，例如：
? 基于全网电商数据、跨渠道数据以及第三方数据的客户运营产品 – 聚星台，可实现店铺“千人千面”的个性化互动营销以及全域会员运营。
? 通过标记的方式圈定潜在客群，建立个性化的用户细分和精准营销的数据管理合作平台。
? 以及开放付费 API 的人工智能系统。
感知智能引领信息检索以及沟通效率提升，即看即买
尽管互联网技术解决了传统零售获客能力有限的问题，在购物体验以及沟通交流方面仍然与线下存在差别，尤其是非标品的售卖，例如服饰退换货率可以高达 30~40%。如何更高效的发掘和理解用户需求进行沟通一直是电商企业努力的方向之一。更为直观方便的图片、语音识别技术因此被应用到了电商服务上。
消费者的购买需求通常具有即时性的特征，这一点可从 2016 年底开始奢侈品牌纷纷推出“即看即买”的营销策略中窥见一二。通常电商消费者在搜索商品时平均需要 6 个以上的点击来达成交易，并伴随大量的输入以及重复搜索尝试。2013 年底在移动电商渗透之前 Statista 曾有研究表明，消费平均购物放弃率为 67.9%。而今天这一比例已大幅下降，除了更加便捷的购物车服务以及支付环节以外，搜索环节的匹配效率提升同样起到了提升转化率的作用。
图片识别加强电商平台数据流动效率。图片搜索通过色彩图形以及空间的比对，即使消 费者并不知道品牌或商品名仍然可以快速帮助用户找到其感兴趣的商品，真正实现了“即 看即买”。对于平台卖家来说，自商品上线的那一刻图片识别技术就开始贯穿始终，包括自动检测商家上传图片是否存在侵权、投放推广时的自动匹配以及关键字搜索式的自动 图片推荐；从而提升了电商平台的数据流动效率以及运营效率。
语音识别技术向智能客服的独立产品进一步迭代。
基于语音识别的搜索也被首先应用到了电商服务中，例如淘宝应用内置的语音搜索，早在 2013 年就已经可以支持中英文品牌名混杂的复杂搜索情况。京东则将智能客服小咚嵌入其 App 通过语音识别以及语义分析帮助用户查找用户可能感兴趣的商品。随着大数据的不断发展，目前语音识别技术正在逐渐向更为复杂的智能客服迭代演变。一方面人力成本逐年攀升，对运营效率提升提出挑战；另一方面售前售后的大部分问题重复率高，存在大量可使用人工智能介入的场景； 因此刺激了行业对基于语音识别的人工智能进行投入。Chatbot（聊天机器人）的出现使得语音识别进一步从底层应用的技术研究和电商附加服务逐渐走向独立产品，例如亚马逊的开放 Alexa 语音服务，开发者可以利用 Alexa Skills Set 或选择接入语音服务，将自有内容资源上传，在用户出发 Alexa 中定义的“意图”时，开发者可在自有服务器上实现“回答”。Facebook 同样于去年 4 月开发了 Chatbot 的平台，该服务可以通过即时通信软件用自然语言解答客户的问题甚至帮助客户提交订单，目前在 Facebook 邀请的传统零售品牌中，Tommy Hilfiger 的人工智能甚至可以在交流中融入真实的角色性格。尽管目前仍没有数据能直接证明传统零售通过此类服务显著提供销售量，但我们认为人机对话水平的提升仍将在长期范围内促进电子商务的进一步渗透。国内同样存在类似应用产品，例如阿里云 ET 以及科大讯飞的语音识别均已开始向企业用户开放开发端口。
尽管人工智能技术仍处于发展早期，但在改善电子商务售前、售中和售后运营效率的过程中均已开始产生不同程度的增益效果。随着算法进一步优化，预计其对于简单重复人力的替代过程将带来更多营业效率提升。另外，除了底层算法的优化，我们看到智能客服和物流机器人领域已经有成型的独立产品萌芽，预计主题投资的风潮将在未来的一段时间加速这些领域内商业化进程，预计我们将在这些细分领域内最早看到商业化产品的成型。
广告：AI 商业化应用最成熟的领域之一
自 2012 年以来，中国互联网广告市场经历了年复合增长率 39%的高速增长期。主要的 驱动力来自于传统媒体的式微带来的预算转移、移动设备的大爆发带来的新广告平台以及更高 ROI 的新广告形式。根据 eMarketer 数据，2016 年互联网广告市场规模已经达到 404 亿美金，其中移动广告占比已经达到 35%。其中基于大数据的 AI 技术已经起到不小的推动作用。
人工智能（AI）在广告营销领域的应用是现阶段 AI 商业化应用最成熟的领域之一，从AI 技术的应用阶段来看，已经初步进入感官智能的范畴，且在计算智能领域的技术和使用场景已经有充分的发展。精准营销和智能投放就是其中最重要的应用形式，主要的思路是利用高互联网/移动互联网渗透率下积累的大数据（根据《2016 年腾讯智慧营销白皮书》，当年互联网每日产生数据量已达 18 万亿 GB），通过数据挖掘和机器学习等手段， 建立营销对象、产品以及媒介的个性与传播模型，再通过 AI 技术进行高效的智能投放。
精准营销：提升直接反映在单位流量价
在传统的受众到达模式中，即使基于前期的市场研究，在广告投放的渠道和形式上进行了充分的选择，但是对目标客户定位的颗粒度则受限于数据规模和智能技术无法进一步深入，而基于大数据的 AI 技术则很好地解决了这点。
以今日头条为例，作为最早在广告业务中采用 AI 技术的应用公司之一，AI 对其用户规模的扩展和变现能力产生了巨大的推动作用。预计 2017 年其广告销售收入可以达到 150亿元。今日头条基于机器学习技术实现了个性化内容推送，按用户阅读偏好进行追踪，AI 算法对历史数据进行分析，为用户生成个性化的阅读模式。然后推荐他们可能会感兴趣的内容，并在不断迭代中优化。通过这一流程，今日头条在 2016 年 9 月已实现每天76分钟的每用户平均使用时长，在其同类应用中达到最高水平，同时也大大改善了广告效果。目前今日头条平均点击率接近 3~4%，而其他新闻类应用仅为 1%左右。
精准营销能力的提升直接反映在单位流量价值的提升对广告主定价能力的增强。以信息 流广告为例，在过去 4 年中，主要信息流广告平台（包括腾讯广点通、新浪扶翼、今日 头条、陌陌）的广告单次点击定价（CPC）由 2013 年 0.5~0.8 元上涨至 2016 年的 1.5~2 元。
智能投放
不仅仅是受众定位一侧，在广告投放一侧，AI 也在不断重构广告主的投放方式与投放策略。在传统的媒体采买模式中（即人工选取投放的媒体渠道和预算），往往是“一篮子” 的覆盖，即使能够进行一定程度上的细分，也无法完成实时定价和智能匹配。而随着广告主对营销效果和 ROI 的追求不断推动，程序化购买的出现利用 AI 自动化技术实现了破局。
程序化购买广告是一种基于 AI 自动化技术和大数据，将广告主的具体广告请求对具体的 广告位（而不是单一媒体）进行智能投放的互联网广告交易模式。其中，大数据是程序化购买的基础，AI 自动化技术是实现高效的手段。程序化购买广告市场在过去两年获得井喷式发展，到 2016 年已达到 308.5 亿元，这其中还不包括头部流量平台的自有程序化交易体系（这部分收入已经包含在平台广告收入当中）。
AI 技术解决的核心痛点是由于信息不对称造成的用户定价低效，即使在精准定位的前提下，也无法高效率（低成本）地到达。而在 AI 的帮助下，广告主可以将散布在不同媒体的广告位，通过精确营销（如前文描述）的定位后，在高度数据化的广告交易平台中， 由 AI 指挥自动化系统根据设定的绩效指标不断进行智能定向和实时竞拍，取代了人工进行渠道选择、媒体分析的过程，大大提高了自动化水平、横跨媒体平台的能力和成本效率。
AI+广告的未来发展方向
我们认为，广告（包括广义的营销）作为公司商业模式变现的第一环节，在移动互联网流量红利逐渐褪去，用户获取成本不断高企的背景下，对 AI 技术的需求只会越来越大，但背后的商业逻辑则始终不离精准（高质高量的用户）和高效（低成本）的核心。因此我们看好 AI 和广告结合的以下三个趋势：
? 社交广告空间巨大：社交网络能够提供最丰富的用户行为数据和用户画像，为 AI 的深度学习提供了最适合的数据基础。从广告形式来看，以信息流形式为代表。根据艾瑞咨询的数据，在 2016 年，信息流广告规模达到 267 亿元，且在未来 2~3 年 将保持 50%以上的高速增长。社交广告整体渗透率在数字广告中仅 8~9%，远低于美国的 28%。
? “品效合一”深度实现：由于大数据正逐渐成为现实，横跨单一媒体平台和单一广 告形式的用户画像能力不断提高，品牌广告和效果广告之间的界限正在逐渐模糊， 而广告主的关注点始终在于可衡量营销效益。我们认为在这种背景下，能够利用 AI 技术和现有流量，提供智能整合全方位营销手段，灵活达到广告主的营销需求，将是未来广告运营商的竞争优势所在。
? 基于 AI 的新广告形式吸引预算：目前 AI 在广告领域的应用仍着重于对已有广告体系的增强，如提高转化率、通过增加用户粘性增加广告库存等。我们注意到随着感知智能甚至认知智能的发展，已经开始有企业在尝试引入新的广告形式以吸引客户， 同时改善受众体验。
AI+消费电子：促进换机与升级，孕育新市场
人工智能加速升级，孕育新市场
在过去的二十年间，主导消费电子的终端应用从 PC 切换到智能手机，然而自 2007 年苹 果发布 iPhone 已有十年，全球智能手机渗透率已近饱和，据 Gartner 预测，2017~2020 年 PC 出货将持续负增长，而智能手机的出货增速仅维持在 1~2%。我们认为人工智能对消费电子行业主要有以下左右。
新功能推动单机价值量上升。AI 算法的采用带来语音识别、人脸识别、VR/AR 等新功能 在消费电子中的渗透，对于整机厂而言，新功能将带来单机价值量的提升，实现丰富产品线和差异化，以提升或者稳定产品价格；而对零部件厂商而言，更多传感器以及专业性能的处理器需求不断提升规格，带来市场空间的成倍增长。
AI 应用提升换机频率。同样以 iPhone 为例，美国是 iPhone 最大的用户市场，而用户换 机的频率和 iPhone 重大更新密切相关，每次出现重大革新之时，用户换机倾向增加，换机周期缩短。因此，预计以 3D 光学感测等为代表的 AI 应用的加入，将促进用户对原有的设备进行更新。
AI 加速新应用诞生，空间不容小觑：借助 AI 算法工具，例如语音识别、机器视觉、3D 导航等，智能音箱、无人机、VR、共享单车、智能摄像头……我们熟悉的智能硬件都在性能和用户体验上拥有明显提升，而成本的增加微乎其微。
服务性收入带来商业模式新思路：对整机厂而言，出售硬件为主的商业模式有望迎来变革。以全球科技市值龙头苹果而言，苹果全球拥有超过 10 亿部的 iOS 装置，提供包括 Apple Store, Apple Pay, Apple Music 及 iCloud 存储等服务型收入，并不断增加 AI 的含量。2016 年苹果发布了面向第三方应用扩展的 SiriKit，相册开始支持人脸识别，为用户提供更加切合实际需求的服务。最近的一个季度，苹果的服务性收入达到 70.4 亿美元， 贡献营收 13%，同比增长 18%，已经成为最快的收入增长来源。
智能音箱带动声学产业链加速发展：2017 年 6 月 5 号苹果在 WWDC(The Apple Worldwide Developers Conference) 发布了 自己的智能影响产品，赶上了 Amazon 和 Google 的脚步。我们预计中国的主要互联网和消费电子公司在今年晚一点时间也会发布音箱产品。
无论是何种智能音箱，本质上都是由接收端——语音识别与分析——发射端组成。智能 手机也完全配备智能语音助手+麦克风+扬声器，但是和手机相比，Always-on 是智能音 箱的一个重要特性，它简化用户使用行为。在封闭空间内，呼叫智能音箱远比拿手机方便，拿手机需要用户的大脑进行一系列操作指令，首先要回忆手机在哪里，然后要起身找到手机，拿起手机，解锁，之后开启语音助手，才能进行人机交互。智能音箱的麦克风一直处于开机状态，只需要喊一声即可唤醒使用。从用户大脑习惯“偷懒”的思维模式而言，智能音箱在封闭空间内的优势远大于智能手机。现实中，智能音箱目前被开发出的功能仍偏少，根据 Forrester 统计，截至 2016 年年底，设置时间和唱歌成为最高频率应用。从 Google 和 Amazon 的产品进化中我们可以看到，更多使用场景正在被探索中。
3D 光学感测: 从生物辨识到 AR/VR。应用场景广泛
3D 光学感测看似仅是在传统二维的光学传感上增加了一个维度，但是其应用场景不可估量。我们将其简单归纳为两类：3D 探测和空间定位。其中 3D 探测可以用于生物辨识、机器视觉、和影像感测（主要应用于辅助驾驶、3D 交互等）；空间定位则主要应用于 3D 地图构建和 AR/VR 定位。
算法难度从简单到复杂。在硬件上，3D 光学感测在发射与接收端已非常成熟；在算法难度上，生物辨识与机器视觉属于较为基础的应用，而辅助驾驶、3D 交互则需要叠加多种基础方案配合形成，到 AR 与 VR，则需要前几种技术的综合叠加和有机应用，且对处理器的运算能力要求极高。
生物识别：3D 光学感测可应用于虹膜、面部、光学指纹识别等多项生物识别领域，生物识别的算法复杂程度低，也是 3D 光学感测的入门级应用。
? 虹膜识别稳定性较指纹识别更高，3D 光学感测独有优势。与指纹识别的方案类似， 3D 光学感测还可以进行面部识别和虹膜识别，虹膜识别系统具有高安全性的优势， 可找出约 2000 个不同的特征点，与指纹约 100 个特征点相比，精确性更高。但虹 膜图像因为尺寸小，景深小，有效对焦不方便，因此图像获取是一个具有挑战性的问题，采用波长为 800 纳米上下的近红外光源采集，虹膜图像是最清晰的。
? 面部识别当前误差仍较大。当前，面部识别的精准度无法上升到令人满意的阶段， 对相似度高的脸容易出现识别误差，且在佩戴眼镜的情况下则无法识别。
3D 机器视觉：提供更精确的信息，应用于汽车和精密制造。目前我们所应用的机器视觉 大多数是 2D 视觉，2D 视觉一般只能做到读取编码、条形码等，无法读取空间位置。三维机器视觉提供准确、实时的三维位置信息，以便在汽车和精密制造产业中实现具有挑 战性的组件验证、物流和机器人应用的自动化，包括装上货架/取下货架、卸垛、打包和组装验证等。产业尚处于萌芽期。整体而言，3D 机器视觉实现的门槛与生物识别相似， 机器视觉龙头 Cognex 早已有代表性的产品推出。目前主要应用于对先进生产要求高的汽车工业等，但大规模渗透尚未打开。
辅助驾驶：激光雷达在 ADAS 领域应用前景甚广，应用障碍主要受制于成本。影像感测其实最先应用于汽车辅助驾驶（ADAS）领域，发射和接收装置一般被称为激光雷达。3D 光学感测起到收集路况信息的主要作用，在自适式巡航控制、车道偏移警示、车侧盲点 侦测、前方碰撞警示、夜视与停车辅助系统等多领域发挥感测功能。但受制于成本尚未普及。
相较于毫米波雷达，激光雷达的主要优劣势有：
? 优势：精度更高，速度更快，适合远距离传输；
? 劣势：在雨雪雾等极端天气下性能较差；采集的数据量过大，目前价格高昂。
3D 交互
? Leap Motion 的手势识别：2013 年，Leap Motion 采用两个可见光摄像头完成 3D 手势建模。手势的语法信息是通过手的构形、手的运动变化来传递。人手是一个多 肢节系统，随着关节的运动手的形状在不断变化，这种变化可以通过指段和关节的 状态空间位置的变化来描述，建立手的几何模型和运动学模型。
? 大疆 Spark 将目标跟踪与机器视觉算法相结合：2017 年 5 月，大疆 Spark 发布， 在无人机上引用红外感测的 3D 手势识别，原理是将计算机视觉算法中的手势识别和目标跟踪算法与普通的工业摄像机相结合，带动手势识别的应用领域扩展到消费级无人机。
? PrimeSense 被苹果收购，商业化应用指日可待。3D 光学感测领域的创业先驱 PrimeSense 诞生于 2005 年，其提供从红外光编码、3D 传感器芯片和 CMOS 传感器的一整套 3D 感测解决方案，并搭载于微软 Kinect 之中，用于动作捕捉。2013 年 PrimeSense 被苹果以 3.45 亿美元收购（苹果史上最大手笔收购之一），判断随着 3D 光学传感器被应用于 iPhone，PrimeSense 的 3D 感知功能商用化指日可待。
AR/VR：Tango 是最具代表性的移动端 3D 空间测绘项目。Tango 计划是谷歌自 2014 年 开始开发的项目，此项目的宗旨又被形容为“让机器/设备像我们一样看世界”。以最常见的智能机为例，其后置摄像头仅能拍照二维画面，手机无法真正识别空间的存在。而 Tango 可以让这些设备能够具有完整的空间意识，并且能够充分理解我们和环境的关系。 Tango 最大的贡献在于 3D 测绘，即对周围的环境和区域扫描并绘制立体地图。实现：
? 重塑 Google 地图，借助消费者的手机，通过室内导航和测绘搭建完整的 3D 地图。
? VR 应用，Google I/O 大会提出开发 VR 一体机，不借助类似 HTC Vive 外置的激光 定位设备，仅靠自身的地图就可以实现 3D 空间定位，足以见其布局 3D 地图用意深 远。
? AR 技术，实现教育、虚拟购物、游戏娱乐等多种功能。
发布于 2023-08-22 21:08:01