业内人说:高利润的直播真的给陌陌带来未来么?

简介:

三季度陌陌营收增长319%,达1.57亿美元,盈利增长1182%,达到4950万美元,主要得益于直播,该业务贡献了1.086亿美元。

但决定陌陌能否和微博一样快速跻身百亿美元的关键因素是它的平台地位,月活跃用户是衡量平台地位的核心指标。在过去这个季度,它的月度活跃用户是7740万,同比增长6%,环比增长3.4%,但仍然没有达到去年第二季度创下的7840万的历史高点。

在直播之前陌陌用户活跃度出现了下滑趋势(去年第四季度降低到6980万的低谷),但随着直播业务的接受开始反弹,Q1和Q2分别环比增长3.58%,3.46%,不过相比同样受益于直播、但用户规模大得多的微博(在今年的Q1和Q2月活跃用户分别环比增长了10.6%和8%),陌陌目前的月活跃用户指标增长仍然稍显迟疑。

如果陌陌不能在直播服务商业化的同时,增加其用户的活跃度和活跃用户的规模,那么就可能面临后劲不足的挑战。从根本上,陌陌必须继续强化其作为某个方面的平台地位。

正是它在本地陌生人社交领域业已建立起来的细分平台地位,让它快速在直播服务领域站稳脚跟,而直播服务又反过来强化其用户业已存在的关系和平台价值,但在用户对直播的热情下降、政策监管等因素带来的不确定性产生影响之前,它需要更大的用户规模和更牢固的平台来提供持续动力,而不仅仅是提高每个用户的付费水平。

正如尹生(微信公号jia-zhi-xian)在8月份的文章《微博已经涨疯了,陌陌要跟疯而至吗?》中提到的:

目前判断陌陌值多少钱仍然存在不小挑战,因为:它目前的增长几乎完全依赖直播,而直播业务目前仅提供了两个季度的数据;在二三四线城市它似乎还没有找到恰当的下沉方式,而这对于其保持用户的增长势头直接相关;另外,当它扩张时,能否继续维持和强化独特的调性,就像通信之于微信和QQ,媒体之于微博一样,从而建立稳定的平台价值,而那些新的创业者借机重构它所专注的本地社交关系的可能性也始终会存在。

而目前它作为一个平台的不可替代性要仍然低于微博。

本文转自d1net(转载)

目录
相关文章
|
12月前
|
数据采集 算法 数据挖掘
CLIMB自举框架:基于语义聚类的迭代数据混合优化及其在LLM预训练中的应用
英伟达提出的CLIMB框架,是一种自动化优化大型语言模型(LLM)预训练数据混合的创新方法。通过语义嵌入与聚类技术,CLIMB能系统地发现、评估并优化数据混合策略,无需人工干预。该框架包含数据预处理、迭代自举及最优权重确定三大阶段,结合小型代理模型与性能预测器,高效搜索最佳数据比例。实验表明,基于CLIMB优化的数据混合训练的模型,在多项推理任务中显著超越现有方法,展现出卓越性能。此外,研究还构建了高质量的ClimbMix数据集,进一步验证了框架的有效性。
571 0
CLIMB自举框架:基于语义聚类的迭代数据混合优化及其在LLM预训练中的应用
|
8月前
|
JSON 数据安全/隐私保护 数据格式
电脑录制鼠标键盘脚本, 鼠标录制器免费版电脑版, 鼠标键盘录制工具【python】
这个Python脚本实现了一个完整的鼠标键盘录制工具,具有以下功能特点: 可以录制鼠标移动、点击和键盘按键操作
|
人工智能 自然语言处理 安全
关于大模型越狱的多种方式,有这些防御手段
【8月更文挑战第22天】在AI领域,大语言模型与视觉-语言模型显著提升了自然语言处理及视觉任务能力,但同时也引发了严重的安全与伦理问题,特别是大模型越狱现象。越狱可通过梯度、进化、演示、规则或多智能体等方式实现,利用模型弱点操纵其输出。针对此威胁,研究者提出包括提示检测、扰动、演示、生成干预及响应评估等多种防御策略,旨在增强模型安全性与可靠性。然而,攻击手段的多样性和有效性评估构成了主要挑战。[论文](https://arxiv.org/pdf/2407.01599)详细探讨了这些问题。
845 17
|
监控 安全 网络安全
|
机器学习/深度学习 监控 算法
GANs在图像生成中的创新应用
【7月更文挑战第14天】GANs在图像生成中的创新应用为艺术创作、数据增强、图像修复、风格迁移等多个领域带来了革命性的变化。通过不断的研究和探索,GANs的性能和应用范围将得到进一步的提升和扩展。未来,随着技术的不断进步和创新,我们有理由相信GANs将在图像生成领域迎来更多重要的突破和进展。
|
机器学习/深度学习 算法框架/工具 计算机视觉
使用Python实现图像分类与识别模型
使用Python实现图像分类与识别模型
593 2
使用Python实现图像分类与识别模型
|
测试技术 Linux Docker
Docker部署RPG网页小游戏
Docker部署RPG网页小游戏
1200 2
|
存储
易语言代理IP设置
易语言代理IP设置
461 0
|
人工智能
不懂乐理,也能扒谱,基于openvpi将mp3转换为midi乐谱(Python3.10)
所谓"扒谱"是指通过听歌或观看演奏视频等方式,逐步分析和还原音乐作品的曲谱或乐谱的过程。它是音乐学习和演奏的一种常见方法,通常由音乐爱好者、乐手或学生使用。 在扒谱的过程中,人们会仔细聆听音乐作品,辨别和记录出各个音符、和弦、节奏等元素,并通过试错和反复推敲来逐渐还原出准确的曲谱或乐谱。这对于那些没有正式乐谱或想学习特定曲目的人来说,是一种有效的方式。 扒谱的目的是为了更好地理解和演奏音乐作品,从中学习技巧、乐曲结构和艺术表达等方面。但不懂乐理的人很难听出音符和音准,本次我们通过openvpi的开源项目some来直接针对mp3文件进行扒谱,将mp3转换为midi文件。