看见新力量NO.13|专访车脉&超级电动创始人孙泽锋

简介: 「看见新力量」栏目由阿里云创新中心全新出品,挖掘创业者和企业创新背后的故事,以访谈、直播等形式,多视角、多纬度进行价值报道,让你听到创业者的真实声音,看见科技创新的力量。

随着新能源汽车不断得到人们的广泛关注,车企在新车型、新市场、新认知下如何提升销量以及用户如何选购一款合心意的智能电动车成为新能源智能时代的汽车营销难题。第十三期《看见新力量》采访了2021阿里巴巴诸神之战&宝马“互联网+汽车”赛道全球总决赛优胜奖获得者——车脉科技&超级电动的创始人孙泽锋,让他带我们一起了解业内首创“车企体验式营销”+SUPEREV®超级电动“新能源智能汽车体验&选购平台”如何解决这个难题。

image.png
image.png

北京车脉科技有限公司是国家智慧城市示范区北京未来科学城孵化的首个创新创业项目。孙泽锋团队拥有在O2O领域的PP租车平台多年的从业经历,在汽车领域有丰富的经验。提到创立车脉的初衷时,孙泽锋说道:“我们一端想帮客户从海量的品牌车里买到适合并且心仪的新能源汽车,另一端帮助新能源汽车品牌更精准的找到目标客户并达成销售,车脉在新能源车企和新生代用户之间担任了牵线人的职责,让B端和C端直接建立连接,达到信息互通、高效匹配”。

车脉科技专注中高端新能源汽车领域,目前有两块核心业务,To B端为新能源车企提供体验性营销解决方案的“车脉体验式营销”,能够帮助车企精准定位消费人群。要让用户参与深度试驾体验,第一步便是场景的搭建,孙泽锋表示,场景营销要达到良好的效果,其最重要的因素之一是精准。换言之,便是把对的产品投放给对的人群。以小鹏项目为例,车脉选择的产业园区中年龄结构以30岁上下为主,主力车型在20万-30万,无论是可接受价格带还是年龄结构,都与小鹏高度重合。

To C端是通过车脉科技旗下创新消费品牌“SUPEREV®超级电动”,能够给新生代用户提供多品牌多车型体验和精准口碑内容推荐。通过用户的体验及口碑,逐渐形成真实且海量的数据,并通过结构化的智能标签推荐,帮助用户进行智能选购。成为SUPEREV®超级电动会员后,将拥有一站看车、深度试驾、购车基金、专属顾问等超级会员权益。

image.png

新能源汽车目前处在与传统汽车完全不同的发展阶段,相比于广告洗脑,让用户上手体验车辆才是更直接高效的营销方式。“智能汽车不仅仅是代步工具,也将逐渐成为一个智能移动空间,功能性丰富度和复杂度会更高,不体验就很难去了解,所以体验在选购新能源智能汽车时显得格外重要。如果用户想要充分了解车,一定需要亲身去体验。智能汽车,重在体验是团队在产品服务深耕中的核心洞察。”孙泽锋说到。

车脉科技是业内首创“车企体验式营销”的公司,2020年就与小鹏汽车合作进行To B体验式营销活动,在北京、上海、深圳、广州等全国10个城市投放300台P7轿跑,提供1-3天深度体验。以科技、舒适、智能为核心卖点,在区域内达到高频次线下曝光,进行快速销售转化并积累高意向购车用户。

同时积极探索营销创新模式,推出全国首个新能源智能汽车体验平台——SUPEREV®超级电动。提供多车型横向对比深度体验、积累体验用户的真实口碑,通过体验和内容帮助更多消费者选择适合自己的车型。在类似体验式活动中,用户只需通过SUPEREV®超级电动小程序的简单操作,就可以在线下深度体验心仪的智能汽车,这种形式对于购车者而言,无疑是非常便捷和具有吸引力的。

image.png

车脉科技参赛以来一路过关斩将,最终入围2021阿里巴巴诸神之战&宝马“互联网+汽车”赛道全球总决赛现场并摘得优胜奖。孙泽锋表示:“选择参加阿里云创新中心举办的此次大赛,可以获得阿里云提供的生态资源,并通过诸神之战大赛将企业推向更大的市场,提升企业的影响力。同时我们也希望借此机会能够与目标客户宝马建立连接,之后也会考虑参加阿里云创新中心的智慧出行赛道明星。”

image.png

在孙泽锋看来,接下来十年是新能源汽车产业的黄金十年,有巨大的商业机会。用户对新能源汽车认知处于初期阶段,原来的服务模式有很大的变革空间。谈到对于创业的感悟,孙泽锋表示:“踏踏实实去创造价值,只有回归商业本质的经营模式才能持久发展。创业之路一定是充满考验和磨砺的,车脉科技在疫情期间,也经历了投资款未兑现、投入无产出的困难,讲述动人的故事已不重要,最重要的是把精力放到用户价值创造上,车脉也通过这种坚持,实现了自我造血,正向循环的经营闭环。”

汽车产业迎来了大变革,车脉科技将在数字化营销方向上持续创新探索。SUPEREV®超级电动作为车脉科技旗下创新消费品牌,积极倡导和推动未来绿色出行,为新生代用户提供更聪明的新能源智能汽车体验和购买方式。传递环保、科技、潮流的生活理念,与用户共创有趣、与众不同的愉悦体验,同时为实现碳达峰、碳中和的目标贡献力量。

本文为阿里云创新中心原创出品,如需转载请备注来源。

image.png

相关文章
|
Java 数据库连接 数据库
tesseract is not installed or it‘s not in your PATH解决办法!
简介:当我们想使用 pytesseract库的时候,我们开心的使用 pip install pytesseract安装完成后,却发现它并不能识别出图片内容,并且会抛出异常: pytesseract.pytesseract.TesseractNotFoundError: tesseract is not installed or it’s not in your PATH. See README file for more information.
tesseract is not installed or it‘s not in your PATH解决办法!
|
12月前
|
网络协议 Java Linux
PyAV学习笔记(一):PyAV简介、安装、基础操作、python获取RTSP(海康)的各种时间戳(rtp、dts、pts)
本文介绍了PyAV库,它是FFmpeg的Python绑定,提供了底层库的全部功能和控制。文章详细讲解了PyAV的安装过程,包括在Windows、Linux和ARM平台上的安装步骤,以及安装中可能遇到的错误和解决方法。此外,还解释了时间戳的概念,包括RTP、NTP、PTS和DTS,并提供了Python代码示例,展示如何获取RTSP流中的各种时间戳。最后,文章还提供了一些附录,包括Python通过NTP同步获取时间的方法和使用PyAV访问网络视频流的技巧。
2619 4
PyAV学习笔记(一):PyAV简介、安装、基础操作、python获取RTSP(海康)的各种时间戳(rtp、dts、pts)
|
10月前
|
网络协议
TCP报文格式全解析:网络小白变高手的必读指南
本文深入解析TCP报文格式,涵盖源端口、目的端口、序号、确认序号、首部长度、标志字段、窗口大小、检验和、紧急指针及选项字段。每个字段的作用和意义详尽说明,帮助理解TCP协议如何确保可靠的数据传输,是互联网通信的基石。通过学习这些内容,读者可以更好地掌握TCP的工作原理及其在网络中的应用。
|
消息中间件 监控 数据安全/隐私保护
RabbitMQ 技术详解与应用指南
**RabbitMQ** 是一个开源消息代理,基于 AMQP 实现,用于应用程序间轻量、可靠的消息传递。本文档详细介绍了 RabbitMQ 的基础,包括**消息、队列、交换机、绑定、路由键和消费者**等概念,以及其**高可靠性、高性能、灵活性、可扩展性和易用性**等特性。RabbitMQ 使用生产者-消费者模型,消息通过交换机路由到队列,消费者接收并处理。文中还涵盖了安装配置的基本步骤和常见应用场景,如**异步处理、消息推送、系统解耦、流量削峰和日志收集**。
1424 2
|
10月前
|
Unix Linux 虚拟化
VMware Workstation 17.6.2 发布下载,现在完全免费无论个人还是商业用途
VMware Workstation 17.6.2 发布下载,现在完全免费无论个人还是商业用途
45504 16
VMware Workstation 17.6.2 发布下载,现在完全免费无论个人还是商业用途
|
机器学习/深度学习 人工智能 供应链
AI在各行业的具体应用与未来展望
人工智能(Artificial Intelligence, AI)作为一项颠覆性技术,正在逐步改变我们的生活和工作方式。从语音助手到自动驾驶汽车,AI的应用已经深入到各个领域。本文将详细探讨AI在不同行业中的具体应用,以及未来可能的发展方向。
3164 6
|
12月前
|
Kubernetes 架构师 Java
史上最全对照表:大厂P6/P7/P8 职业技能 薪资水平 成长路线
40岁老架构师尼恩,专注于帮助读者提升技术能力和职业发展。其读者群中,多位成员成功获得知名互联网企业的面试机会。尼恩不仅提供系统化的面试准备指导,还特别针对谈薪酬环节给予专业建议,助力求职者在与HR谈判时更加自信。此外,尼恩还分享了阿里巴巴的职级体系,作为行业内广泛认可的标准,帮助读者更好地理解各职级的要求和发展路径。通过尼恩的技术圣经系列PDF,如《尼恩Java面试宝典》等,读者可以进一步提升自身技术实力,应对职场挑战。关注“技术自由圈”公众号,获取更多资源。
|
Java Linux 虚拟化
Docker 部署spring-boot项目(超详细 包括Docker详解、Docker常用指令整理等)
Docker 部署spring-boot项目(超详细 包括Docker详解、Docker常用指令整理等)
6732 2
|
12月前
|
数据采集 存储 自然语言处理
快速构建企业智能门户,销售额倍增,人才触手可及 - 爬虫 + RAG + LLM
本文介绍了一款基于大模型的智能企业门户接待系统,旨在通过先进的AI技术,实现企业网站信息的自动化处理与响应,提高客户支持、产品推荐和人才招聘的效率。系统利用爬虫技术自动提取公司官网信息,结合语音识别、大模型生成等技术,支持语音和文本输入,通过RAG(检索增强生成)方式生成精准回答,并支持语音播报,提供类似真人的接待体验。项目涵盖了环境准备、数据构建、代码实现、测试调优、部署等多个阶段,详细记录了开发过程中遇到的问题及解决方案,展示了系统在咨询公司信息、产品询问及招聘岗位咨询等场景下的应用潜力。未来计划在数据类型支持、会话记忆、并发处理、语音合成等方面进一步优化,以提升用户体验和服务质量。
278 0