-关注公众号「QA相对论」,获取「元宇宙」更多情报-
Meta每年在Facebook Reality Labs部门身上投入100亿美元;微软更是豪掷700亿美元买下游戏巨头动视暴雪,以确保自身在迅猛发展的元宇宙中拥有足够的王牌。
各大B2C品牌已经意识到这个机会,因此互联网上已经出现了Gucci虚拟概念店、耐克虚拟教练及可口可乐拍卖的NFT等。
但这一切跟B2B企业和业务有什么关系?元宇宙风潮又将为B2B企业及客户带来哪些机会呢?
01
/ 数字化营销 /
具有前瞻性的B2B企业早前就利用AR与VR用于线下活动体验,在新冠疫情的影响下将这部分活动转移至线上,例如思科的线上展会与Veryx的360度线上产品之旅。
元宇宙则为产品营销带来了更多可能,为潜在客户提供身临其境的产品体验以及实时交互/高级定制功能。例如,Roblox上的Vans World、三星在去中心化元宇宙平台Decentraland上建立的业务区、以及HTC在元宇宙平台Enagae上举办的年会都是未来现实应用的雏形。
02
/ 创新型服务 /
有些人认为元宇宙吸引的只是沉迷《堡垒之夜》之类游戏的90后。然而90年代出生的一代青年已然成长到22-32岁,正在逐渐成为社会中流砥柱,其中不乏会有成为B2B的客户。根据最近的研究,80后在元宇宙的接纳水平上与90后基本相当。
B2B品牌在元宇宙中的发展空间,远远不止于线上展会与沉浸式产品演示。元宇宙是个全面映射真实的虚拟世界,能让真实世界全面对接虚拟的地方。Campaign的Rosh Singh解释道,“人类与信息及其周遭物理世界的交互方式一直在不断演变,而最新的成果就是后移动时代。我们可以想象,未来叠加在真实上的增强层、更丰富的信息、更强的内容交互性将重塑真实,让我们身处的世界完成可控、可定制的情境化转变。”
在未来,元宇宙信息架构将成为B2B企业构建产品、实现复杂数据驱动的业务重点,毕竟这比买球鞋要复杂得多。
03
/ 元宇宙模式 /
对于B2B企业来说,要吸引的并不是B2C领域中的那些尝鲜群体。相反,B2B要求企业真正从商业价值和经营效率两个方面探究如何进行价值交换。而在元宇宙中,用户体验以及与品牌互动将被放大,这种趋势与B2B企业从产品到“产品即服务”的演变同样高度吻合。
以罗尔斯-罗伊斯品牌为例:这家企业在历史上曾专注于以航空发动机的形式销售各类复杂金属制成件与技术,而如今正逐步转型为“动力即服务”企业。
元宇宙作为载体,能够使B2B企业得以通过更紧密的反馈循环与增强数据共享实现良好发展,并与客户保持深入且持续的关系。
甲骨文公司最近开始将耐克运动鞋定制程序接入元宇宙中的Oracle Infinity商务智能工具,捕捉潜在客户的每一次点击、并将结果转化为可供营销人员使用的数据。
04
/ 完善客户体验 /
随着元宇宙创新的推进,产品开发、工作流程优化、客户体验与营销等开始融为一体。信息共享、探索与协作等能力愈发重要,庞大数据集成为开展业务的前提,而安全保障则由区块链负责实现。
罗尔斯-罗伊斯正在部署数字孪生技术、分析与机器学习,用于降低飞机发动机产生的碳排放,同时优化维护效果、帮助客户获得更长的机体飞行时间。每一趟航班都会产生约0.5 GB的数据,可供客户开展预测性维护与建模。而这些充分贴合客户实际的数据,也将在元宇宙中成为塑造独特增强体验的重要基础。
罗尔斯-罗伊斯捕捉到了数据的价值,因此在Candyspace的帮助下推出了开放市场,希望促进整个航空产业的数据共享与货币化转换。
05
/ 元宇宙是通完未来的钥匙 /
元宇宙在其他领域的应用也在积极布局。在建筑行业,BIM(建筑信息模型)正利用数字孪生从建筑使用中学习,借以为未来的建设和持续改进提供洞察基础。元宇宙也不断迎来各类工具与扩展,持续增强交互以提供更加丰富、快捷的信息流,以沉浸方式解决问题追踪与检查等一系列现实需求。
当然,我们对于元宇宙的期待很大程度上取决于技术与传输带宽的影响,可以说区块链、5G乃至量子计算的最终发展高度,将直接决定我们进军这片虚拟世界的具体路线。
因此,我们不妨将元宇宙视为一个充满机遇的新世界。尽管开拓的工具尚不完善,然而一旦准备就绪,这些工具将帮助B2B品牌在吸引潜在客户、开发新产品、协同工作、改善客户体验及建立影响力等方面创造一片前所未有且意义非凡的新舞台。
-关注公众号「QA相对论」,获取宇宙翻译局更多情报-
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。