至顶网CIO与应用频道 10月09日 北京消息:Strategy Analytics发布的最新研究报告《印度和美国推动无线客户流失率达到十年来最低》指出,2018年Q2,无线行业的整体客户流失率达到了自2009年Q1以来的最低水平,这得益于后付费服务持续强劲的表现和自2007年以来最低的预付费流失率。报告指出,内容捆绑,多重播放和数字自助服务是提高无线市场客户忠诚度的关键。
该调查结果来自Strategy Analytics无线运营商表现对标数据库中的数据,该数据库追踪259家运营商的运营和财务KPI——这些运营商共占全球蜂窝用户订阅量的近85%。 印度和美国在2018年客户流失率方面改善显著,这是由于新的“后Jio”市场生态在印度稳定,同时T-Mobile和Sprint继续在美国实现后付费增长。
Strategy Analytics服务运营商团队执行总监Phil Kendall表示,“尽管许多服务运营商的维系策略中包括忠诚度奖励、独家优惠和免费赠品,但真正降低客户流失率的是通过数字帐户管理工具和多重播放服务捆绑为客户提供自助服务。 正如比利时的Proximus等服务运营商的实际情况表明,四重播放客户流失率比单一播放流失率要低8-10倍。”
Strategy Analytics服务运营商战略总监Susan Welsh de Grimaldo补充说:“运营商实施诸如数字自助服务或服务捆绑等保持客户忠诚度的战略已看到成果,这些战略在整个服务运营商业务中具有很大的价值。 在未来,运营商需要更多地关注哪些产品能够成功定位细分市场,在这些细分市场中利用消费者研究以及预测分析来发展更多关联,从而最大限度地降低客户流失率;向无论如何都会流失的客户提供免费的Netflix或Spotify订阅服务就如同向没有表现出任何流失迹象的客户提供类似服务一样没有任何意义。”
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。