TikTok是字节跳动旗下短视频平台抖音的海外版本,但它还在海外推出了一款类似小红书的产品——Lemon8,这款应用也被海外市场视为Pinterest与Instagram的结合体。根据Appfigures的最新数据,Lemon8自今年早些时候在美国上线以来,累计获得下载量大约只有260万。尽管有一大批TikTok创作者在他们的账号中大力推广Lemon8,但下载量依然很低。此前有消息称,美国可能会禁止TikTok。
这个时间点似乎并非巧合。如果TikTok失去美国市场,字节跳动视Lemon8为潜在的备选方案,并利用TikTok庞大的用户群来助推其成长。在今年第一季度,许多在TikTok上大力推广的网红开始大量发布关于Lemon8的内容,称其为“可爱”和“审美愉悦”的生活社区,并将其比喻为Pinterest和Instagram的结合体。
从2020年在日本上线以来,这款应用正逐步扩大它的市场覆盖,在东南亚市场如泰国和印尼也受到欢迎。Lemon8在2020年4月之前都没能获得太多关注,当时的安装量从每月不到1000增加到13000。Appfigures数据显示,到2021年7月,该应用的月下载量首次达到292000的历史高点。2022年,它在7月再次达到高峰,有150万的下载量,全年下载量达到1060万。
今年,Lemon8在美国和英国悄然上线,字节跳动通过创作者营销来增加其知名度。Insider在2月份报道称,为了吸引美国用户,字节跳动向创作者提供回报。接下来的一个月,创作者们开始在TikTok上发布有关视频。在3月底,TikTok上24小时内就出现了350多个与“Lemon8”相关的视频,其中大部分是正面评价。一些创作者甚至直接表示他们下载这个应用,是为了防TikTok被禁。
尽管视频看起来像是按照某种脚本制作的,但我们当时看到的视频都没有标记为赞助内容。这有助于凸显出Lemon8是通过口碑推荐自然增长的应用。
尽管从2024年1月开始,TikTok将在多个政府机构、一些大学和蒙大拿州被禁,但TikTok在美国境内并没有被禁止。而且,即便TikTok在某一时刻被禁或被迫出售,Lemon8也不太可能成为一个它替代品。
在美国的下载量中,iOS占了250万,在美国App Store的生活方式类别中,该应用排名第二。但在总榜上,它的排名在上下浮动。在数据收集时,它在总榜上排名第90。现在,它在美国顶级应用榜上排名第70。尽管它的排名还算不错,但对于一个可能替代TikTok的应用来说,总的安装量还是偏低。
2023年9月,Lemon8在美国的下载量达到了巅峰,为525000。但下载量并不等同于活跃用户数,因此Lemon8的使用率可能还要比这个数字更低一些。相比之下,TikTok在2023年3月的美国月活跃用户超过1.5亿。
当然,字节跳动仍有可能再次利用TikTok来提高Lemon8在美国的知名度。例如,Watchful.ai几个月前发现,TikTok正在开发一个功能,允许用户将他们在Lemon8上的帖子同步到TikTok,然后使用TikTok的编辑器添加声音和音乐。
对此消息,TikTok并未作出回应。根据市场情报公司data.ai的数据,当时,Lemon8的全球下载量大约为2500万。
目前,Lemon8下载量最大的市场是日本(760万)、泰国(650万)和美国(260万)。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。