ZD至顶网CIO与应用频道 04月18日 评论消息: B2C市场营销专家们正面临高度依赖社交,随时随地都需要被满足的数字消费者。该案例帮助市场营销专家探索春秋航空如何通过对社交营销的投入加速发展其数字化商业,了解如何通过对社交营销的投入得到业务增长的回报,从而支持企业的数字化转型。
数字业务带动春秋航空蓬勃发展,撼动行业领导者地位
作为第一家中国民营廉价航空公司,春秋航空在国有航空公司巨头垄断、竞争激烈的航空行业表现优异。在十年前春秋航空成立之初,内部B2C市场营销专家已经着手将其业务运营最大程度的数字化。
● 降低运营成本。春秋航空的运营成本只有行业平均值的50%,为最大程度降低运营成本,春秋航空不使用旅行社代理,只通过其官方网站及指定售票点售票。95%的春秋航空机票通过自有网站直销给客户,远远超过该行业网络渠道销售36%的平均值。
● 打造自有品牌并与消费者保持密切关系。春秋航空作为数字化,移动化及社交化的早期应用者,和消费者保持了高度密切关系。早在2009年,春秋航空成为第一家拥有手机应用的航空公司并推出社交选座功能。
● 通过社交媒体,最大化市场营销投入回报。仅拥有行业市场营销预算的20%,春秋航空在社交营销上的投入努力吸引到其4.5%的线上销售流量,3倍高于中国四大航空公司的社交流量。
春秋航空社交营销和数字营销最佳案例
春秋航空作为第一批意识到社交媒体重要性的公司,从2009年在微博创建品牌微博账号,到如今在在微信拥有公众号。在6年内,春秋航空已积攒数百万粉丝,近10倍于其他航空公司的粉丝数。春秋航空于2010年创建独立社交媒体部门,该部门不断壮大且带来良好的收益,春秋航空在社交媒体和数字业务上的巨大成功得益于:
● 针对关键客群,指定不同的社交营销策略。春秋航空将客户根据是否和其有过接触而分为三大类别:用户,客人及会员,并针对不同类别制定不同策略。
● 打造其社交营销RaDaR。应用Forrester的RaDaR方法论,春秋航空通过不同方法分别接触消费者,对其深入了解,并与其保持深厚关系。
● 设立独立社交营销团队并培养企业内部合作意识。作为春秋航空发展战略之一,在社交营销团队建立之初就直接汇报给CEO,春秋航空的扁平化企业架构也促进了社交营销团队更好的与企业内品牌部,宣传部,舆情部和多媒体部紧密合作。
● 嵌入结果导向衡量体系。春秋航空致力于为社交营销努力设立清晰的KPI并将其与企业的业务产出挂钩。 春秋航空利用其有限的营销预算,成功开展很多反响强烈的营销活动,不仅发挥其创意性,更获得了良好的业务发展反馈,春秋航空成功地:
● 将吉祥物“派乐猴”打造成一条有价值的业务线。从2014年在微博上邀请网友票选其忠诚客户俱乐部“春卷俱乐部”的吉祥物开始,春秋航空利用社交媒体吸引1500万“派乐”粉丝。现今,“派乐”已拥有整条业务线,从毛绒玩具,微信表情,闪购到派乐主题航线,在一年内产生超过700万人民币营收。
● 推出社交选座及订票活动。2012年开始,春秋航空开始允许旅客在微博和微信等社交媒体上进行购买及值机选座服务。每个月,春秋航空旅客通过社交媒体进行平均完成62,000值机操作,创造140万人民币营收。
● 打造一系列社交航线,制造社交热点话题,提高业务。春秋航空开创一系列如相亲航线,吃货航线及动漫航线等创新航线。允许消费者与同行者提前进行交流,分享社交信息,同时为旅客带来一次有趣的飞行体验。同时,这些社交航线也为跨渠道营销创造了更多机会。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。