Temu已经在澳大利亚的电子商务排行榜上升至第三位,仅仅在该国上市六个月后,就超越了更为人所熟知的本土竞争对手Kogan、Catch和MyDeal。
Temu是折扣爱好者的天堂,以其标语“像亿万富翁那样购物”和对从更换牙刷头到厨具和运动鞋等商品的大幅折扣而闻名,Temu已经扩展到47个国家,并在全球拥有1.2亿月活跃用户。
在澳大利亚,Temu自3月份在澳洲推出以来,平均每月访问量达到768万次,超过了Wesfarmers和Woolworths。这两家澳交所上市的巨头仍在努力经营其电商业务,在同一时期,这个类别由领导者亚马逊以平均每月5000万的访问量占据主导地位。
根据The Australian Financial Review从Similarweb获得的数据,尽管Temu在澳大利亚增长显著,花费大量资金用于获取用户,但目前该平台开始出现放缓的迹象。十月份,该平台的访问量和独特用户数量显著下降,分别月环比下降了41%和45%。
过去几个月,按点击付费广告有所下降。这是指广告商每次广告被点击时支付的费用,以此产生访问量。Similarweb表示,按点击付费支出在七月达到峰值,约2150万美元,但到十月降至560万美元。尽管如此,Temu仍然是澳大利亚主要市场中第三大广告支出者。
Jarden研究部门负责人本·吉尔伯特预测,价值型购物者的兴起将为亚马逊和Temu这样的积极参与者创造机会。他估计这两家公司到2024年将实现超过55亿美元的总商品价值。
吉尔伯特先生表示,亚马逊和Temu已经从Wesfarmers支持的Catch、Kogan、沃尔沃斯拥有的MyDeal甚至eBay等竞争对手那里夺取了相当的市场份额,原因在于它们的规模、投资和范围扩张。
“我们认为亚马逊的威胁被低估了。”他强调说。
美国巨头亚马逊一直在扩大其在澳大利亚的足迹,通过在新开张的珀斯配送中心投资超过7000万美元来巩固其领先地位。该中心面积达到20000平方米,使其在当地的容量翻倍。
亚马逊在墨尔本的第二个机器人配送中心于八月公布,将跨越209000平方米,分布在四层,预计2025年完工。这稍微大于悉尼的同类场地,后者使公司花费了约5亿美元。
摩根士丹利观察到Temu在澳大利亚和新西兰增加市场份额的“巨大潜力”,鉴于电子商务渗透率仅略低于20%。
该经纪公司表示:“在澳大利亚,消费者支出的宏观背景依然具有挑战性,因为生活成本压力不断加剧,这可能导致消费降级,并为Temu提供机会。”
他们还指出,在一个美国样本中,Temu的低价对所有收入阶层的用户都具有吸引力——不仅仅是最低收入群体——这在澳大利亚可能同样适用。
Temu是如何运作的?
与中国的拼多多(同属于Temu母公司PDD控股)类似,Temu应用程序允许用户在购物时边玩游戏,如Fishland。用户观看游戏内的广告,他们需要推荐朋友注册并完成任务来获得奖励,从而增加应用程序的参与度,此外还有一个影响者计划。
在Temu上的商家只负责生产、列出商品并将其运送到Temu在中国的仓库。Temu负责其余的一切,包括定价、销售和市场营销以及履行。
摩根士丹利表示,这加速了顾客的信任。大多数订单都符合免费送货和退货条件,该平台的30天价格调整政策也对购物者具有吸引力。为了吸引商家,Temu不收取佣金、服务费或营销费用。
MST Marquee 消费者研究主管克雷格-伍尔福德(Craig Woolford)说,考虑到价格因素,在 Temu 上购物仍有新奇价值,虽然许多网站鼓励游戏以提高参与度,但除非有令人信服的价值主张,否则这种使用往往会随着时间的推移而逐渐消失。
好文章,需要你的鼓励
科技专家Sungjoo Yoon在TED演讲中提出"偏好原理",认为了解用户喜好信息越多,就能创造更强大的技术。他将市场变化比作"地壳运动",从1969年命令行界面到80年代GUI,再到90年代网络界面,技术发展都遵循这一规律。自然语言处理能建立信任,而AI智能体时代的到来意味着非人类参与者将在人类主导的世界中发挥作用。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
微软推出了Copilot Vision AI新功能,该技术能够扫描和分析用户屏幕上的所有内容。这项AI视觉技术可以实时理解用户正在查看的信息,包括文本、图像和应用程序界面,为用户提供更加智能化的交互体验和个性化建议。此功能的推出标志着AI助手向更深层次的用户体验集成迈进。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。