ZD至顶网CIO与应用频道 05月24日 北京消息:2016年被认为是虚拟现实(VR)元年。从不久前的全球创新者大会虚拟现实峰会,到刚刚结束的全球移动互联网大会(GMIC)VR峰会,VR受到了越来越多的关注。
革命性的VR新技术、新应用、新内容让全球VR大咖抱有同一个信念:VR将颠覆人类与世界的交流方式和互动关系,是科技发展的必然趋势,也必将为众多产业创造广阔的升级和发展机遇。
“场景实验室”创始人、《场景革命》一书作者吴声在全球创新者大会虚拟现实峰会开幕致辞中表示:“VR将模糊虚拟与现实的边界,营造一个极为真实的场景,未来人们将如同今天离不开手机一样离不开VR。”
面对这样激动人心的VR前景,让我们“大开脑洞”,畅想一下VR营销的未来图景!
虚拟与现实合二为一,广告与内容融为一体
用户体验一直是爱点击关注的重点,“通过植入内容形成内容营销,将广告进行‘软化’,是解决内容与广告博弈的趋势”,爱点击首席产品官李彦枢表示。VR技术所营造的良好用户体验环境,正是“软化”广告的契机。要使广告在虚拟现实环境中不显得突兀,避免引起用户反感,广告内容与环境的融合将是关键。
VR营销可能趋势
现在常见的广告形式如Banner、视频等可能将在VR时代彻底改头换面,所有的广告投放都将与VR所带来的“真实感”体验结合在一起,用最自然的方式展示品牌形象。
VR脑洞
不久的将来,一位商务人士在飞机上通过VR设备观看纸牌屋第7季,当男主的西装吸引他的目光,西装的品牌、面料与设计将能够在他眼前360°真实展现。
《纸牌屋》官方海报
VR时代还得跨屏,精准投放仍是关键
“自第二个屏幕出现以来,跨屏营销就成为了永恒的趋势,只有屏幕在不断地迭代”,爱点击李彦枢说到。多屏时代开启以来,依靠跨屏数据的精准营销才是真正意义上的精准营销。在即将出现的移动端-VR“双屏”时代,整合这两个屏幕的用户行为数据来进行精准投放,将显得尤为重要。
VR营销可能趋势
VR设备通过网络与移动端形成互联,并通过技术手段完成两个屏幕的数据整合,用户在所有设备上的行为都会被汇总,得出用户网络行为轨迹,广告主随后通过程序化营销平台进行在所有设备上的精准投放。
VR脑洞
准备买车的90后白领小明在iPhone8S上搜索了某新款SUV信息,之后戴上VR设备开始了一局FIFA 游戏。在游戏中,球场边的广告牌通过与移动设备连接及虹膜识别定位潜在消费者,展示出此新款SUV广告,成功吸引小明的关注及点击。游戏结束后,小明在微信上又刷到了此款SUV的朋友圈广告。
虚拟的情景,真实的品牌形象
爱点击副总裁及共同创始人吴友平认为:“VR的出现为品牌建立良好形象带来了契机,VR与品牌的结合,能让消费者直接‘体验’产品。”因此VR营销特别适于新品发售与远程商品展示等用途。
VR营销可能趋势
营销内容将以前所未有的形式配合VR设备的沉浸式特点来展现,用最细致的观感体验、全方位视角来展现品牌风貌。
VR脑洞
金领女性A女士通过VR设备体验某一线化妆品的互动广告:“眼前”呈现出她本人的3D形象,可在虚拟世界中试用该品牌的各种化妆品,为“她自己”选择最合适的妆容。通过3D模型带来的纵深感(目前的图片和视频难以反映这种细腻),真切感受到化妆品的魅力,完美体现品牌价值。
目前已有一些品牌在VR营销上大开脑洞进行尝试,也许就在明天,以上猜想就已经成为现实。当有一天,VR真的像手机一样成为日常生活的一部分,那时的营销环境是否会发生颠覆性的变化?让我们拭目以待!
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。