中国移动推出企业飞信:把握风口,提高数字化服务收入

简介:

11月23日早间消息 在今年,企业级IM市场非常火爆,不但有传统软件企业,还有很多SaaS类创业公司,更有诸如阿里钉钉、企业微信等互联网巨头,玩家们都在努力拼杀,希望能够占据一席之地。

纷杂的市场如今又迎来了一个巨无霸。昨天,中国移动在北京正式举行企业飞信发布会,宣布对外推出企业飞信,以IM为入口进入企业服务市场。一直被外界认为缺乏互联网基因的中国移动为什么要来凑这个热闹呢,企业飞信又有何高明之处。

找准用户痛点

今年3月,在深圳IT领袖峰会上,腾讯公司董事会主席兼首席执行官马化腾坦言,中国企业市场不好做。从历史沿革中,也可以看到,即使到现在整个市场依旧呈现百花争艳的状态。

在本次发布会上,中国移动杭州研发中心披露的调研数据同样表明,众多小微企业在实际工作中存在各种问题,并没有一个APP可以完全解决企业痛点。单从企业沟通来说,就有如下问题:第一,通知难,群发消息无法知道所有成员是否都已知晓,需要一一确认,影响工作效率;第二,开会难,中高层管理员和销售型人员每天平均开会8次,组织一次5人以上会议平均耗时0.7小时,每月开会耗时27小时,浪费大量时间;第三,工具杂,QQ、微信、飞信、短信、邮件交叉使用,信息来源众多,费时费力。

正是基于企业沟通这方面的需求,中国移动推出了“企业飞信”,为企业提供更智能、更安全、更开放的一站式协同办公软件,致力于提升企业沟通协作效率和信息化水平。

把握下一个风口

不同于消费互联网红利已趋于饱和稳定,以企业为中心的产业互联网市场方兴未艾。最近几年中国企业市场规模增长迅猛,2016年中国企业市场总体规模达660.3亿元,相比2015年,增长将近一倍。

而从中美企业服务市场发展状况对比来看,我国企业市场的服务渗透率远落后于美国(中国:5%,美国:78%)。最近几年企业服务领域投资热潮持续上涨,仅2015年企业服务融资数量即高达512次,总投资额282亿元,环比上涨108.9%。种种迹象表明,企业服务已然成为我国互联网市场的下一个风口。

当前中国移动主要收入来源为以流量与语音为主的基础通信业务,数字化服务收入比例低于10%。但是,随着市场OTT业务的冲击和行业内同质化竞争的加剧,中国移动在进行流量经营的同时,必须聚焦以数字化服务为代表的“第三条曲线”的增长。

因此,中国移动需要在互联网领域占据关键入口,从而调整收入结构、避免管道化、提高数字化服务收入。

充分发挥自身优势

在整个企业SaaS产业链生态中,平台入口型SaaS作为各类应用的集成商与连接器,处于产业链的核心地位。但平台入口模式门槛极高,前期需要大量资源投入。而一旦生态体系构建成功,在带来丰厚收益的同时,该模式的本质决定了除非外部环境发生变革,平台入口型产品的竞争壁垒几乎不能被打破。适用于背靠丰富资源、渠道的行业主导型企业,以BAT等实力雄厚的互联网巨头为代表。

而中国移动依托运营商在资源、网络、渠道方面的优势(强大的运营商电信能力支持,巨大的TO-B渠道营销优势,强大的品牌影响力、行业渗透力),完全具备打造一款平台入口型企业SaaS产品的先决条件。

如此看来,中国移动在此时推出企业飞信,是合情合理的。利用运营商优势资源,抓住企业沟通这一方面的用户痛点,以混合电话会议、消息上下行、鸡毛信等功能,满足用户需求。

可以说, 企业飞信的正式推出不仅满足了企业在工作场景中的基础需求,同时还挖掘出了市场和用户的新需求。中国移动表示,未来企业飞信将继续对产品深耕细作,致力于为中小企业提供更便捷的沟通服务。

本文转自d1net(转载)

目录
相关文章
|
3月前
|
消息中间件 弹性计算 关系型数据库
阿里云服务器2核8G、4核16G、8核32G配置ECS实例规格族和选型指南
阿里云2核8G、4核16G、8核32G配置推荐选用r系列(内存型)或g系列(通用型)企业级独享实例,vCPU与内存比为1:4。r系列适合Redis、内存数据库等高内存需求场景;g系列适用于Java Web、MySQL等均衡型应用。同规格族内,核数越高,网络PPS、IOPS性能越强。新购建议选新一代r8i/g8i,性能提升显著;成本敏感可选r7/g7。避免用2核8G部署重负载数据库,高并发Kafka场景优选c系列。具体配置与活动价格详见阿里云官网。
532 1
|
存储 NoSQL 安全
【C++调试】深入探索C++调试:从DWARF到堆栈解析
【C++调试】深入探索C++调试:从DWARF到堆栈解析
810 1
|
存储 编解码 Cloud Native
C++ Qt关于多屏幕窗口处理
C++ Qt关于多屏幕窗口处理
|
8月前
|
SQL 分布式计算 编译器
流批一体向量化引擎Flex
本文整理自蚂蚁集团技术专家刘勇在Flink Forward Asia 2024上的分享,聚焦流批一体向量化引擎的背景、架构及未来规划。内容涵盖向量化计算的基础原理(如SIMD指令)、现有技术现状,以及蚂蚁在Flink 1.18中引入的C++开发向量化计算实践。通过Flex引擎(基于Velox构建),实现比原生执行引擎更高的吞吐量和更低的成本。文章还详细介绍了功能性优化、正确性验证、易用性和稳定性建设,并展示了线上作业性能提升的具体数据(平均提升75%,最佳达14倍)。最后展望了未来规划,包括全新数据转换层、与Paimon结合及支持更多算子和SIMD函数。
661 9
流批一体向量化引擎Flex
|
JavaScript 开发工具 开发者
vue3【提效】使用 VueUse 高效开发(工具库 @vueuse/core + 新增的组件库 @vueuse/components)
vue3【提效】使用 VueUse 高效开发(工具库 @vueuse/core + 新增的组件库 @vueuse/components)
1283 1
|
数据采集 资源调度 算法
【数据挖掘】十大算法之K-Means K均值聚类算法
K-Means聚类算法的基本介绍,包括算法步骤、损失函数、优缺点分析以及如何优化和改进算法的方法,还提到了几种改进的K-Means算法,如K-Means++和ISODATA算法。
2064 4
|
机器学习/深度学习 并行计算 TensorFlow
在Python中搭建深度学习处理环境
在Python中搭建深度学习处理环境
336 4
|
缓存 前端开发 JavaScript
探索 Qt WebEngineWidgets:从底层原理到高级应用与技巧
探索 Qt WebEngineWidgets:从底层原理到高级应用与技巧
2339 0
|
Kubernetes 监控 Java
flink-kubernetes-operator的简单使用
flink-kubernetes-operator的简单使用
4600 0
flink-kubernetes-operator的简单使用