文 | 李倩说品牌 文 | 李倩说品牌 这篇文章我用两个案例，分别讲清楚“急需求场景”下的产品和“泛需求场景”下的产品，营销思路的差异。 不同的产品和赛道，“好”的重点是不一样的。 01以学生“找工作”为例，急需求的产品，“准”很重要 上午正在工作，高中数学老师田老师说给我来个电话。 田老师的儿子马上研究生毕业了，当年田老师怀他的时候，挺着大肚子给即将高考的我们上数学课的情形记忆犹新。 一晃眼，孩子都已经到了找工作的时候了。孩子希望进入国央企上班，现在正在紧张的报名和简历准备阶段。 田老师这个当妈的想帮孩子想想办法，于是她熬夜在网上帮孩子找信息，她找到一些“需要付费的国央企报考的辅导机构”，觉得跟自己的需求非常对口。 用她的话说：“付费没关系，孩子的事耽误不起，我们自己准备确实有信息差”。 掏钱之前，她在几家机构前面犯了难，想到我也是搞“咨询的”，于是想征求一下我的意见，看看怎么区分这些机构的好坏。 我问田老师，买这些机构的服务多少钱？都做些什么？ 田老师说：一万多。好像啥都能干，帮着修改简历、提供一些国央企的历年笔试真题，帮着辅导面试，有些甚至还承诺保底能拿两个offer。 我接着问：你的主要需求是啥？是信息收集，还是分析辅导，还是不管什么质量的企业，拿到个offer再说？ 田老师想了想说：我不指着这些机构真的给搞定工作，因为那么多人找工作，真保底的话，那些能保底的工作大概率也都不是咱们想要的。辅导这件事短期可能也不一定有效果，我的主要目的还是收集信息，把一些信息差搞定就行。 说到这里，她好像立刻自己就知道了要选哪家。 你看，在这种“急迫”的需求面前，如果能展示出产品的“准确特点和卖点”，不要写的特别“泛”，就能快速匹配上有需求的顾客，就能快速成交。 越想大网捞鱼，营销内容泛泛而谈，像是啥都能做的“万金油”，顾客就会越纠结犹豫。 “辅导班”类的地盘，已经从胎教期扩展到了找工作期，越扩越宽，竞争也越来越激烈。 从田老师的反应来看，这个赛道肯定都是急需求驱动的。上学考试难的时候，辅导学习。找工作难的时候，又开始辅导找工作了。 展开全文 对于这种“急茬”的刚需，没有什么比找“准”一点，更好的产品营销思路了。 这个“准”是产品卖点的切口小一些，针对某个具体的需求场景，呈现出的更擅长的产品特色，能把一个产品卖点营销透，顾客才能沿着一个小口子进得来，一旦顾客进得来，才有可能继续纵深到其他方面的合作。 不能一开始贪图太多需求希望多点狙击，反而在开头就竹篮打水了。 那，对于“重要却不紧急”的产品呢？思路是啥？ 02以“混子曰”为例，泛需求的产品，“精”很重要 我想起一位朋友做的产品，让我很佩服，也受到很大启发。 这位朋友是个大V，叫混子哥，他们的自媒体叫“混子曰”。 十几年前我们认识的时候，“混子曰”就专门研究漫画科普内容，后来几乎以一己之力开辟出了“漫画科普”这个内容赛道，出了很多精品的历史、社会、军事等科普内容。 最近混子哥本人出镜做了个人账号手绘漫画系列，粉丝量瞬间和混子曰不相上下，都已经达到了千万粉丝量。他们公司除了自媒体之外，还出版了大量的漫画科普系列的书籍，是一家非常成功的内容公司，我特别看好他们，未来应该会越做越大。 “科普”，是完全不紧急不功利的赛道，混子曰为什么能在这样的“需求不紧急”产品赛道做这么好呢？而且越来越多自媒体做“白话科普”的事，混子曰怎么能做到一枝独秀的呢？ 这类“泛需求”的产品，PK的首要因素就不是需求精准性了，而是产品质量和营销质量的“精”。 这里的“精”是说精品化程度的意思。 在我的印象里，这么多年来，“混子曰”在漫画科普这个赛道里是有坚持“精”这个思路的，所以为什么在产品和品牌口碑上一直不错： 一个是内容的水准。 有时候，我会看到好几家同时出现的科普赛道的自媒体内容。仔细比较下来，发现内容的区别还是存在，混子曰的东西一看就是下了更多功夫的，画得不糊弄，说的也更透，几次三番下来，内容更“精”不掉线的印象就形成了。 还有一个我发现他们比较“克制”。 漫画科普赛道，按理说一切皆可漫画，有很多社会新闻选题，流量很高，但是他们很少毫无节制的追热点， 而是坚持在一些高质量话题和知识上做创作， 话题质量精品，才能产生精品的内容质量，而不是只为了“流量”和“话题性”而吸收质感。 好像一直在践行那句话：流水不争先，争的是滔滔不绝。 像这种泛需求型的产品赛道，靠的是“精品化”的养，形成了潜在受众群体的“印象”，可能这个印象在一次两次甚至三次的行动上，并不能看到实际的结果，但是日积月累，产品和品牌的印象就形成了。当对方有需求产生的时候，直接成为不二之选。 持续的高质量，以及持续的对高质量的维护和克制，用小团队模式雕琢精品出来，逐步扩大声量营销产品，在这个过程中，千万不能被“急需求”型产品的营销带跑偏。 “泛需求”产品一急，就变糙了，一糙，品牌和营销就low下来了。 结语 不同的产品，需求迫切度不一样，起量的曲线不一样。 对于急需求的产品，营销的时候别想着啥都要，更不要想慢慢雕琢。 对于泛需求的产品，营销的时候反而不能求快，要的是突出“精”，树立对品质的信任很重要。 不同需求的产品，营销操作就是这样的。实际应用中，我们却常常搞反。 对于那些泛需求、需求不紧急的产品，营销起来往往死磕“卖点”、夸大“疗效”，反而成了“贩卖焦虑”，成了“割韭菜”感觉的营销体验。 而对于那些急需求，顾客立刻马上就有需求的产品，营销起来舍不得放下任何一个“卖点”，不停的往里塞“获得感”，最终把顾客迷茫到不知道为什么买单，反而犯了“老虎吃天，无从下口”的错误。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多