响铃:AI技术赋能,智能微投能靠用户体验迎来爆发吗?

简介: 响铃:AI技术赋能,智能微投能靠用户体验迎来爆发吗?

image.png


AI技术赋能不一定能让产品卖得更好,但增强体验却总能给某些产品带来新的故事。

智能微投就是如此,虽然已经默默地有了长足的发展,但这个2015年启动的智能硬件产品类型一直游离在互联网的边缘。从取代电视的窠臼里跳出,智能微投一直在试图用更合适的应用场景来赢得市场青睐。

与浪潮中的AI结合后,智能微投的场景变得更有看头,神画、坚果、微鲸、小米开始逐渐上车AI,试图用AI来实现行业的梦想。

毫无疑问,AI技术赋能后,智能微投这个行当又重新热闹起来。


image.png

1、AI加持,微投有了新的竞争力

一边,是行业的快速增长。业内预期智能微投的市场在2018年成长率可能高达100%以上,并在2019年达到百亿元的销售额。另一边,从2017年开始,AI已经开始全面进军智能微投。

1、语音交互成AI进军微投第一站

早在2016年,微鲸在发布首款投影产品魔方K1时,微投行业就已经显现了AI的端倪,一键切换至“音响模式”让投影不再作为一个简单的硬件设备,而是开始基于内容、基于场景来提供更为优质的服务。

配合大数据算法来进行内容筛选和个性化推荐,语音操控的智能互联颠覆了人们对传统投影的刻板印象。在此之后,微投企业们在智能语音识别的路上越走越远。

例如,暴风AI无屏电视Max6从语音搜片这样的简单智能搜索,转向实现自然语音交互、深度理解交互内容等深度智能搜索。如今,语音交互+智能推荐等已经成为了智能微投里的热门“竞技”项目。

但是,语音交互与智能推荐有成熟的解决方案,各产品之间的竞争也越来越走向同质化。

2、梯形校正成行业竞争真正赛点

语音交互玩转后,专属于智能微投AI比拼赛道的项目——梯形校正开始走向台前。

在投影机的日常使用中,投影机的位置尽可能要与投影屏幕成直角才能保证投影效果,而如果无法保证二者的垂直,画面就会产生梯形。在这种情况下,用户需要使用“梯形校正功能”来校正梯形,保证画面成标准的矩形。

image.png

图:梯形校正示意(来源:百度百科词条)


过去,这种校正只能由用户手动完成,耗时、效果不佳,很多时候体验十分糟糕。一旦变换使用位置或者场景,重复、差体验的操作不得不再来一次。长久以来,梯形校正问题已经成了阻碍用户选择智能微投最大的拦路虎。

正如神画科技董事长兼CEO那庆林所言,一旦智能投影来到家庭娱乐领域,调焦校准就变成了一件决定产品生死的大事,“市场上出现的产品不能操作太复杂。”

然而,尽管智能投影行业很早便开始攻克自动梯形校正技术,但是大多数厂商仅仅实现了垂直方向的自动梯形校正,让投影的摆放高度不再受限制。这种通过重力感应元件即可实现的技术已经无法成为门槛,左右自动校正技术成为争抢重点。


image.png


不过,在传统投影领域领先的日本品牌花了15年时间仍未解决的问题,并不是那么好处理。好在行业玩家已有突破,例如神画最新发布的F1智能影院通过AI环境分析与反馈进行的自动化调整,已经可以实现真正意义上的4D自动梯形校正,从用户体验角度,这意味着投影随意摆放的大门被打开,“嫌麻烦”不再成为阻挠用户选择智能微投的理由。

AI技术加持的意义,在于真正解决了智能微投的核心痛点,能够以更易于接受的方式走入各类场景,“蓝海”首先被做得更大,玩家们有了更大PK场所,不必拘泥于一亩三分地的争抢。

image.png

2AI解决关键痛点后,智能微投回归竞争逻辑

如果说被梯形校正阻挠智能微投成为一款被广泛接受的产品,那么AI技术赋能后、解决左右梯形校正的“敲门砖”问题后,智能微投就成了一款全新形象的产品面世,其市场竞争可能要回到“新产品”逻辑上,而不应该用陈旧的家电售卖思维。

1、竞争前提:智能微投更要选择“认知”方向

曾经,不少智能微投品牌模仿手机、电视的做法,一直坚持打造以智能微投为核心的生态环境,在线上、线下寻求各方合作,然后藉由场景获取的信息构建数据生态,来拓展更多应用市场。

这本来没错,但核心问题没解决,消费者对智能微投的印象始终停留在模糊的应用场景和晦涩的参数上,所谓的应用市场拓展并没有太大意义,因为消费者可能根本不关心。

如今,产品解决“敲门砖”痛点问题,行业走向成熟化、品牌化,如何让消费者对产品有直观的、具象化的感受,传达“我已经搞定核心问题了”,刷新旧有认知,就成为关键。

对智能微投这样的实质上的“新产品”而言,认知问题比营销更重要。如何构建认知,或许可以从认知决策的三种类型着手。

image.png

图:认知决策的三种类型(来源:公众号邹大湿)

在现实案例中,神画的“投放随意、巨屏追剧”明确智能微投的产品为大屏观影导向,帮助数以亿计的低头族从手机小屏中解放出来,而不是要去和电视抢客厅,这也使得消费者对智能微投的认知开始发生根本性的改变,有了自己的专属场景范围。

这种大屏观影导向,本质上是为产品打造归属感,是在追寻“最高认同”,从智能微投目前的行业状况看,相较于安全感和正确感,这种认知可能是最恰当的选择。


2竞争手段:智能微投需利用AI放缓用户脱敏症状

在面对一项新技术时,消费者的消费热情往往很难持久。这主要是因为市面上产品同质化严重,厂商不走心企图赚快钱,消费者认知失调造成。

一个典型案例是,消费者对全面屏的脱敏速度非常快,虽然多数消费者会认为全面屏能够带来更为震撼的视觉效果,但在各品牌狂轰滥炸中,经过短时间“把玩”,消费者就会认为全面屏的作用仅此而已,又需要不断的新刺激。

智能微投的预期市场虽然乐观,且增速不错,但同质化造成的快速脱敏阴影仍然挥之不去。对这样一个相对在起步阶段的行业来说,AI技术的引入事实上在放缓用户的脱敏症状。

过去,这个技术是语音交互,但随着语音交互的同质化,用户开始脱敏,现在,自动化梯形校正技术顺势出现。


从技术难度、体验感变化来说,梯形校正(尤其是左右校正)所能带来的科技感比传统的投影仪要震撼许多,而作为新产品和新技术,其区间下探速度,必定不会如手机的全面屏来得这般猛烈。这种现实将会造就智能微投产品在一段时间内的稀缺性。

而脱敏放缓所依赖的新技术,往往都是厚积薄发而来。例如神画花费巨资在产品研发上,攻克世界级难题,沉淀的技术一经推出便有了良好的市场反馈。对智能微投来说,脱敏越慢,越有利于整个行业的突围。只不过,它需要更多产品或技术的创新。


3、竞争目标:品牌认知差异化>产品差异化

从竞争战略的角度来看,只有根据竞争对手的位置来确定自己的差异化位置,才能确立品牌认知优势。企业的工作应该围绕如何构建品牌在顾客认知中的差异化,成为顾客消费该品类首选或优先选择的品牌来进行。

因此,产品的差异化在短时间内会刺激着消费者的购买欲望,但品牌的认知差异,则能让消费者在未来产品同质化的情况下,持续购买,比如苹果手机。

目前,消费者在购买智能微投主要选购的品牌以国内外主流的投影品牌为主,如极米、坚果、神画、酷乐视、暴风、海尔小帅、艾洛维等,这些产品在2017年都斩获了不俗的成绩,但除了个别产品,让消费者区分它们却并不容易。

得益于AI技术,神画成了那个例外。技术立身的神画,其4D自动梯形校正技术,和“投放随意,巨屏追剧”的宣传理念,已经开始强调品牌的差异化而非仅仅是产品的差异化。

神画试图给自己的品牌一个技术的画像,在此基础上完成客厅、办公之外新的消费场景和服务生态,目前看来,这个尝试还算成功。除神画外,坚果、暴风、小米等主流厂商也开始在品牌认知上下功夫,极米科技所提出了“硬件+兴趣内容”的产品逻辑,也就是意图在以内容作为粘合剂,以“无屏电视”作为分享的输出平台,构建品牌认知而非仅仅产品认知。

image.png

3、技术不是归处,商业转化才是最终目的


AI技术赋能固然为智能微投解决了痛点问题,并一定程度上帮助铺平了市场道路,但最终还需要结合市场逻辑,回到用户体验上。

1、既要消费升级的同时又要消费降级

智能微投市场蓝海的兴起,与消费升级有关。如今,崛起的中产阶级对产品品质和生活格调都有了更高的要求,随意摆放、超高清画质、体现逼格都是他们对智能微投的要求,轻松地打造一个家庭影院更是许多家庭的硬性要求。

智能微投又与消费降级有关,也就是要抛弃冗余的品牌溢价,回归到用户体验,让用户健康并且低成本地追剧。

消费升级+消费降级看似矛盾,但在智能微投这里是完全统一的,既要让用户从传统投影进化到智能投影,又不能用市场占有率和品牌来要挟客户。

回到技术赋能上,事实上,左右自动梯形校正早已有之,只是价格十分昂贵,不适用消费级产品,从这个意义上说,神画所做的技术突破,一方面通过技术创新把昂贵的技术民用化满足了中产阶级的消费升级需求,另一方面又在诸如Q1等产品上回归市场价位预期(2999元),满足消费降级心理需求。这亦可看作技术创新的双重效应。

2、与潮流文化结合,做最时尚的那个

先看数据。2017年上半年投影的关注程度,家用是最高的,而居次位的微型投影机也是家用投影机的细分类。

image.png

图:2017上半年的投影市场关注分布(来源:中关村在线)

不管是“佛系”和“丧”文化,还是最近被关注的的“肥宅”人群,这类标签的出现本质上是一种懒人文化的流行,替代去电影院这一行为,亦或者是坐在客厅看电视这一行为,卧室影院的流行某种程度上是懒人文化的表现。


也因此,神画围绕如何让年轻人舒服地“躺着看大片”来做文章,某种程度上是一种“跟风新潮”的行为,抓住了年轻人的需求,将应用场景放在与年轻人关系最为密切也最为舒适的卧室。


但这种行为恰恰符合智能微投作为一个革新产品的“身份”预期——它原本就没必要去与电商、商用投影抢位置,它原本就可以代表潮流。4D自动梯形校正技术的成熟,代表着微投在摆放上的技术条件已经成熟,若能开拓专属的应用场景,这种独特性带来的市场需求空间是近乎无限的。


除了神画,极米则抓住了电影共同爱好者这一群体,挖掘了大屏影音的“社交”本质。极米无屏电视则作为分享输出的硬件设备,以内容为粘合剂,把具有共同兴趣和爱好的人群连接起来,亦是一种“最时尚”的尝试。


总而言之,AI技术赋能下的智能微投解决了“敲门砖”痛点问题,给予产品本身极大的想象空间,而无论竞争策略如何变化,竞争的根本还是在于得到用户的认可。

相关实践学习
达摩院智能语音交互 - 声纹识别技术
声纹识别是基于每个发音人的发音器官构造不同,识别当前发音人的身份。按照任务具体分为两种: 声纹辨认:从说话人集合中判别出测试语音所属的说话人,为多选一的问题 声纹确认:判断测试语音是否由目标说话人所说,是二选一的问题(是或者不是) 按照应用具体分为两种: 文本相关:要求使用者重复指定的话语,通常包含与训练信息相同的文本(精度较高,适合当前应用模式) 文本无关:对使用者发音内容和语言没有要求,受信道环境影响比较大,精度不高 本课程主要介绍声纹识别的原型技术、系统架构及应用案例等。 讲师介绍: 郑斯奇,达摩院算法专家,毕业于美国哈佛大学,研究方向包括声纹识别、性别、年龄、语种识别等。致力于推动端侧声纹与个性化技术的研究和大规模应用。
相关文章
|
2天前
|
传感器 人工智能 监控
AI与物联网的融合:开启智能化未来的新篇章
AI与物联网的融合:开启智能化未来的新篇章
124 96
|
4天前
|
人工智能 前端开发 Unix
使用tree命令把自己的代码归类文件目录的方法-优雅草央千澈以优雅草AI智能功能为例给大家展示tree命令实际用法
使用tree命令把自己的代码归类文件目录的方法-优雅草央千澈以优雅草AI智能功能为例给大家展示tree命令实际用法
使用tree命令把自己的代码归类文件目录的方法-优雅草央千澈以优雅草AI智能功能为例给大家展示tree命令实际用法
|
2天前
|
机器学习/深度学习 人工智能 资源调度
基于AI的运维资源调度:效率与智能的双重提升
基于AI的运维资源调度:效率与智能的双重提升
31 16
基于AI的运维资源调度:效率与智能的双重提升
|
1天前
|
存储 人工智能 开发框架
Eliza:TypeScript 版开源 AI Agent 开发框架,快速搭建智能、个性的 Agents 系统
Eliza 是一个开源的多代理模拟框架,支持多平台连接、多模型集成,能够快速构建智能、高效的AI系统。
27 8
Eliza:TypeScript 版开源 AI Agent 开发框架,快速搭建智能、个性的 Agents 系统
|
4天前
|
人工智能 运维 Kubernetes
阿里云容器服务AI助手2.0 - 新一代容器智能运维能力
2024年11月,阿里云容器服务团队进一步深度融合现有运维可观测体系,在场景上覆盖了K8s用户的全生命周期,正式推出升级版AI助手2.0,旨在更好地为用户使用和运维K8S保驾护航。
|
4天前
|
数据采集 人工智能 运维
从企业级 RAG 到 AI Assistant,阿里云Elasticsearch AI 搜索技术实践
本文介绍了阿里云 Elasticsearch 推出的创新型 AI 搜索方案
从企业级 RAG 到 AI Assistant,阿里云Elasticsearch AI 搜索技术实践
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在内容创作中的创新:开启智能创意的新时代
AI在内容创作中的创新:开启智能创意的新时代
59 14
|
6天前
|
机器学习/深度学习 人工智能 安全
阿里云先知安全沙龙(武汉站) ——AI赋能软件漏洞检测,机遇, 挑战与展望
本文介绍了漏洞检测的发展历程、现状及未来展望。2023年全球披露的漏洞数量达26447个,同比增长5.2%,其中超过7000个具有利用代码,115个已被广泛利用,涉及多个知名软件和系统。文章探讨了从人工审计到AI技术的应用,强调了数据集质量对模型性能的重要性,并展示了不同检测模型的工作原理与实现方法。此外,还讨论了对抗攻击对模型的影响及提高模型可解释性的多种方法,展望了未来通过任务大模型实现自动化漏洞检测与修复的趋势。
|
2天前
|
人工智能 供应链 安全
面向高效大模型推理的软硬协同加速技术 多元化 AI 硬件引入评测体系
本文介绍了AI硬件评测体系的三大核心方面:统一评测标准、平台化与工具化、多维度数据消费链路。通过标准化评测流程,涵盖硬件性能、模型推理和训练性能,确保评测结果客观透明。平台化实现资源管理与任务调度,支持大规模周期性评测;工具化则应对紧急场景,快速适配并生成报告。最后,多维度数据消费链路将评测数据结构化保存,服务于综合通用、特定业务及专业性能分析等场景,帮助用户更好地理解和使用AI硬件。
|
2天前
|
存储 人工智能 数据管理
媒体声音|专访阿里云数据库周文超博士:AI就绪的智能数据平台设计思路
在生成式AI的浪潮中,数据的重要性日益凸显。大模型在实际业务场景的落地过程中,必须有海量数据的支撑:经过训练、推理和分析等一系列复杂的数据处理过程,才能最终产生业务价值。事实上,大模型本身就是数据处理后的产物,以数据驱动的决策与创新需要通过更智能的平台解决数据多模处理、实时分析等问题,这正是以阿里云为代表的企业推动 “Data+AI”融合战略的核心动因。