Wednesday, 15 November 2017

那么富人是如何打破思维和现实局限的呢?

编者按:本文来自微信公众号“进击的阿秀”(ID:zchxuexi),作者阿秀,一个追求“句秀、骨秀、神秀”的文字梦想家,一个热爱码字的个人管理专家。插坐学院专栏作家,百度学术主笔,脉脉特约专栏作者。个人公众号“职场学习”(ID:zchxuexi);36氪经授权发布。
BBC纪录片《人生七年》曾经记录了这样一个现象:富人的孩子最终都变成了富人,而穷人的孩子往往都变成了穷人。
换句话说,贫穷和富有,都是会遗传的。

01  贫穷的思维根源:稀缺心态

穷人面临的第一层困境,就是穷人思维。
美国经济学家穆来纳森跟心理学家沙菲尔发现:穷人之所以越来越穷,原因不在于不够努力,罪魁祸首是稀缺心态,越是缺钱,就越会在意钱,却忽略了更重要的事情。
金钱的稀缺俘获了穷人的大脑,阻塞了穷人的认知能力。
穆来纳森说:“人们的视野会因稀缺心态变得狭窄,形成管窥之见,即只能通过‘管子’的孔洞看清少量物体,而无视管外的一切。”
印度有一个很繁华的克延比都蔬菜市场,那里的小贩每天向富人借1000卢比去进货,买完菜以后收回1100卢比,要还给富人1050卢比,自己只赚50卢比。
其实这些小贩只需要每天省下5卢比,依靠复利效应,只需要50天,就可以不用去向富人借钱了,然后他们的收入就会大幅度攀升。
财富触手可得,可是所有的小贩都坚持向富人借钱,每天付给富人50卢比利息,9年过去,富人不用工作却越来越富,穷人辛勤工作却越来越穷。
穆来纳森说:“长期处于稀缺状态的穷人,会被稀缺心态消耗大量带宽,其判断力和认知能力会因过于关注眼前问题而大大降低,而没有多余带宽来考虑投资和长远发展事宜。”
稀缺心态会导致严重的短视,让人只看到了眼前的利益,导致找了一份仅仅是“能赚钱”的工作,玩命加班,缺乏长远的职业规划和有效的自我提升,更不用说去管理支出,进行有效的资产投资了。

沃伦·巴菲特(右)和查理·芒格(左)

02  贫穷的现实根源:“老鼠赛跑陷阱”

知乎上有一个浏览量上百万的问题:为什么很多「小土豪」宣称钱靠赚不靠省,而巴菲特和芒格仍推崇节俭生活?
有些答案虽然获赞很多,但是都没有答到点上。
在全世界卖出去2900万册的理财畅销书——《富爸爸、穷爸爸》的作者罗伯特·清崎说,那些说钱靠赚不靠省的人都是在“傻人花傻钱”,富人是先富起来再花钱享乐,而穷人则是富起来之前就开始花钱享乐。
清崎讲了“老鼠赛跑陷阱”的故事:老鼠在转轮上跑步,却不知道它跑得越快,轮子转的就越快,最终老鼠精疲力竭只好停下来。
穷人之所以根本不可能实现财富自由,很大一部分原因就是因为陷入了老鼠“赛跑陷阱”。
人年龄越大,收入越高,但欲望也越来越大,面临的问题也越来越复杂,承担的家庭责任越来越重,花的钱也就越来越多。
收入的增长有明显的天花板,但是支出的增长却没有。
就像我的一个读者小高,他是北京一家服装企业的资深销售经理,每年基本工资大约有12W左右,加上5W左右的销售提成,在北京虽然进不了高收入人群,但工作6年的他也该存下一些钱了,但事实却是欠了一屁股债。
他每月的花销如下:租房(2500元)、谈恋爱(2000元)、衣食娱乐(4000元)的费用,给老家父母的生活费(500元),妹妹上大学的部分生活费用(1000元)。
除去上面很多硬性支出以外,他的零碎花销也非常庞大。
例如我曾经提醒他查了一下滴滴的行程单,他很吃惊的发现光今年上半年的打车费,就花了将近4000块,相当于上半年总收入的5%。
各项支出一抵消,就没剩下什么钱了。
像小高这样的人并不少见,尽管工资不低,可工作好几年之后,还是没有多少存款。
贫穷的首要问题不是收入太少,而是支出太多。

麦当劳创始人雷·克罗格在为分店选址

03  那么富人是如何打破思维和现实局限的呢?

其实想要打破缠绕在穷人身上的思维和现实锁链,一跃成为富人也并不难:学着做老板,投资那些即便是你什么都不干,仍然能够自动钱生钱的资产,让资产构成你的财务护城河。
1974年,麦当劳创始人克罗格到美国德克萨斯州立大学的MBA班讲课。
克罗格笑着问大家“你们觉得我是做什么发家的呢?”
学生们理所当然的说“卖汉堡呀”。
克罗格又笑了“我就知道你们会这么说,可我并不是做汉堡的,而是卖房地产的。”
为什么麦当劳的创始人卖房地产发家呢?
克罗格解释说麦当劳最大的营收来源于加盟商租赁麦当劳分店。由于克罗格一向很重视店面的地理位置,宁可把公司的绝大部分营收用来买地,所以每个分店的出租价格都非常高,利润很丰厚。
麦当劳拥有的房地产比教皇都多,已经成了世界上最大的独立地产商,每年出租土地的利润占了公司收入的很大一部分。
真正为麦当劳赚钱的的不是吃完就算的汉堡,而是可以不断利用的土地。
这就是真正的富人思维。一方面打破“稀缺心态”,克罗格眼光长远,跳出了钱本身去做长远规划;另一方面抛弃打工心态,不要想着努力工作赚钱,而是把大部分赚来的钱都用来购买优质资产,让钱自己生钱。
那么,我们普通人具体该怎么做呢?

04  成为财富的主人而非奴隶

想实现财富自由,归根结底的就是一句话:要转变稀缺心态,跳出金钱本身来进行长远规划,把自己所有的财富转化成可以钱生钱的资产。
那具体该怎么做呢?
1)把人生规划强行拉进管道视野
暴风影音的创始人冯鑫曾经说过,一个人只有找到自己在天地中的位置,才能够真正有所成就。
那么该如何找到,并一步步的走到这个位置呢?
这就要你把人生规划的问题强行拉进管道视野,逼迫自己从长远上去规划自己的人生。
哈佛大学曾经做过一个非常著名的研究,他们找来一批出身环境和智商都差不太多的年轻人,其中27%的人没有人生规划,60%的人有非常模糊的人生规划,10%的人有短期规划,只有3%的人有长期规划。
25年之后,有长远规划的几乎都成了社会顶尖人士;有短期规划的都成了中产阶级例如医生、律师,有模糊规划的生活在社会中下层;没什么出息但又特别希望孩子有出息;完全没有规划的那些人成了社会最底层,整天都在怨天尤人。
所以一定要强行逼迫自己思考长远规划的问题,把时间尺度放在20年以上,去思考自己的人生愿景和使命到底该是什么,以及该如何实现。
2)投资钱生钱的资产:构建财务护城河
任何不需要你付出劳动就可以获得盈利的东西,都可以看作是资产。
例如你雇人就可以经营的餐厅,完全不需要你到现场就可以盈利。或者是你写的一首畅销歌曲,每个人在KTV里点唱一次,都要向你缴纳版权费用。又或者是证券、基金等等……
只有当你的所有财富都在为你自动生产财富,你才可能拥有真正的财务自由。

3)培养老板心态:找最优秀的人才为你工作
只会一个人冲锋陷阵是成不了名将,只会独自拼命工作的人也成不了富豪。
真正聪明的人需要招徕更优秀的人才来一起工作。
例如我一位在上海的设计师朋友,组建了一个临时工作室,招募了一批自由职业设计师为他工作,他只在每单里抽取15%的中介费。
他自己可以在做设计的同时,把自己做不了的工作分给别人,既减轻了负担,又扩大了业务量,在业界维护了很好的声誉,客单量源源不断的提升。
一年下来,他的收入比只当设计师的时候,翻了两番。
4)延迟满足:减少支出
富人不是不享乐,而是在最后享乐。而穷人则不相同,穷人在最开始的时候享乐,因此穷人原始资本的积累速度大大降低了。
因此穷人一定要延迟满足,不要看到什么东西都想买,要知道你买来的很多东西都不是必须的。
这里就记住一条准则:犹豫要不要买的东西,别买。

Thursday, 9 November 2017

互联网美发平台「南瓜车」已完成海纳亚洲领投的1亿元B轮融资,

36氪获悉,互联网美发平台「南瓜车」已完成海纳亚洲领投的1亿元B轮融资,A+轮投资方安持资本、杭州西子、吕传伟继续跟投。
南瓜车创始人卢鑫表示,新一轮的资金将主要用于城市拓展、吸引更多优秀发型师、打造更多人性化产品、提供更智能的美发体验。
截至目前,南瓜车在上海和杭州直营门店数量已达80家。

以下为36氪对「南瓜车」的详细报道:

在不被看好的美发O2O行业,“南瓜车”是否可以走出一条不一样的路?
我们详细介绍过南瓜车,走的是传统的到店模式,通过线上预约工具和线下场地连接用户和发型师。年初南瓜车曾获得安持资本领投的数千万美金A轮融资,并于近期完成了安持资本领投,杭州西子旗下踌英基金、快的打车CEO吕传伟跟投的数千万人民币A+轮融资。
南瓜车创始人卢鑫曾任大众点评的首席流量官,点评2014年的数据显示,中国美业市场(体验性消费)有5000亿的市场,其中美发占了3000亿。另外一个数据是,从2014年开始,美发店以每年30%的速度倒闭。
卢鑫认为,当行业的倒闭率高达30%-40%,已经不再是某一个人的问题,新旧模式的交替拐点已经到来。那么问题究竟出在哪里?这要看行业内的三种人:消费者、手艺人和经营者。
  • 从消费者的角度来说,用户体验有两个核心诉求:一是剪发,二是服务。但传统行业中的信息不透明、不对称让用户很难找到一个满意的发型师,在服务的过度推销和办卡让用户不堪其扰。 
  • 从发型师的角度来说,每天接的客量是有上限的,客单是恒定的,再加上要和店主分成,发型师的收入并不可观。从利益导向上来说,发型师变成了销售,晋升靠的是业绩而非手艺。
  • 在手艺人产能有限、客单恒定的前提下,经营者最大的问题在于收入低于成本,需要不断地办卡来填补,违背了商业的规律。当办卡办不下去,资金链将会在一夜之间断掉。
“办卡模式最大的劣势是破坏了消费者和手艺人之间的信任关系。”南瓜车看到了其中的机会,用类似Wework的众创空间概念,做一个发型师的创业平台。
南瓜车方面,提供的是场地、流量、品牌和营销体系。首先在场地上,南瓜车在300平米的空间摆放了40个椅子,共享所有的机器设备;其次,提供互联网的导流能力,同时将客户满意度和手艺挂钩,帮助发型师包装品牌;此外由于发型师和客户之间的强关系,南瓜车还在CRM植入了营销工具,帮助发型师提高复购率。
南瓜车选址策略是“一流商区十流位置”,降低了三分之二的租金,同时省去了十分之九的人力成本。在降低了整体成本后,南瓜车利益的二次分配策略是:美发收入全部归发型师所有,平台收取一定的场地费,发型师向南瓜车购买平台统一采购的美发产品,以及在流量、营销、品牌包装方面收取2%-5%的手续费。
卢鑫对于平台的理解是,让买家和卖家可以自己互动,而平台的角色是规则的设计者。但既然是平台,流量是绕不开的问题。对于新用户,南瓜车有三种方式引流:一是和滴滴打车、蘑菇街等导流平台合作,同时进行地推;二是用户推荐给身边的朋友,成功可获得返利;三是培训发型师进行自营销。对于老客户而言,南瓜车在CRM里面植入了营销工具,可以看到用户的消费数据,并生成任意形式的优惠券,提高复购率。
总结来看,用一句话来概括南瓜车的核心价值,就是将原有的“老板+员工”模式变成了“平台+个人”,改变了原有的利益分配方式,让发型师的个人效能得到了最大提升。
卢鑫认为,开一家店能够盈利并不难,难的是开一百家店,一百家都能盈利。为什么传统的线下连锁店很难大规模扩张?核心原因有二——
  • 其一,和人力成本相关。传统线下连锁的局限在于受员工素质影响很大,很难复制一百个优秀的店长。在这一点上南瓜车的解决策略是,改变组织架构,让每一个手艺人成为老板。在人力上做的很“轻”,将数据IT化进行管理,每个场地只有一位管理人员。
  • 其二,实现大规模单店盈利和商业模式相关。传统店的商业模式是按流水计算的,流水做到一定程度就可以实现盈利。但影响流水的因素太多,比如选址、员工是否努力、周边人群等等,很难量化出来。南瓜车在降低了租金和人力的整体成本之后,美发收入全部归发型师所有。平台收取的是场地费、统一采购美发产品的费用,以及流量、营销、品牌包装的手续费。这样一来,原来的抽佣模式变成了固定成本,租金和产品的成本在开店之前就可以计算出来,减少了其它的变动因素。

用户可以看到项目的实施简介、参考价格、冶疗时长、优缺点、安全度、复杂度、效果图示、以往用户咨询问答、亲历者撰写的整形日记,并配有视频展示手术施行的原理。

本次改版最大亮点是“新氧百科”全面上线。百科中包含约400条项目分类,并增加了药品、仪器、材料的信息。由此新氧作为“随身医美专家”的服务定位更加突显。
11月8日,新氧App升级到7.0版本。新版本对首页的入口结构进行了较大调整,将用户关心的玻尿酸、肉毒素、双眼皮、隆鼻等20个品类直接露出,路径清晰明确,用户一秒钟就能聚集到自己感兴趣的项目。并且首页feed流内容可以做到千人千面,即根据用户兴趣标签,给出个性化地智能推荐。
本次改版最大亮点是“新氧百科”全面上线。百科中包含约400条项目分类,并增加了药品、仪器、材料的信息。由此新氧作为“随身医美专家”的服务定位更加突显。
打开新氧App体验新的界面,医美之旅从“查百科”开始,用户可以按项目、药品、仪器、材料、功效进行查询。
​新氧App 7.0上线「新氧百科」,主打随身医美概念
以瘦脸功效为例,百科中提供了8个可以达到瘦脸目的的医美项目,分别是肉毒素瘦脸、面部吸脂、V-LINE瓜子脸手术、颧骨内推、溶脂针瘦脸、颧骨颧弓整形术、取颊脂垫瘦脸、颧弓降低。
点开其中的一个,比如V-LINE瓜子脸手术,用户可以看到项目的实施简介、参考价格、冶疗时长、优缺点、安全度、复杂度、效果图示、以往用户咨询问答、亲历者撰写的整形日记,并配有视频展示手术施行的原理。
百科查阅结束后,如果用户决定施行手术,可以在当前页面查看施行这一手术的医生和医院,并在线下单和购买保险。新氧称,平台上目前有6600家正规医美机构和15000名有执业资格的医生,2000万用户已经撰写了320万篇整理日记,基本把全部正规医美机构的医生服务能力做了标签化。
据新氧产品中心负责人介绍,本次产品改版成立专业团队,通过新氧大数据,对平台上历史形成的2000万条私信、问答进行专业解析和分类,对全球药品、器械厂商资料分类整理,历时3个月完成。目的是给消费者提供安全、专业、便捷、清晰的医美消费体验。
在新氧“查百科”内页的仪器库一栏里甚至加入了产品参数。而且将难以理解的医学实施过程,制成了短视频,便于用户对比同一功效的多种项目,有效的利用碎片化的时间,在短期内做出消费决策。
新氧创始人金星表示,互联网上丰富的信息,使消费者主动了解医美信息和决策时间延长。通过新氧大数据可分析医美消费者重决策的心理,从查询信息到确定项目,从选择机构、医生到下单反馈,均可在新氧平台上完成,实现完整数据闭环。
但值得注意的是,内容和模式的壁垒不高,花大精力优化的产品,很容易被同业企业模仿。事实上我们看到目前医美App的产品模式已经趋同。对此,金星表示,竞争的优势不在于表面上的产品呈现,而在于内在的运营。新氧团队目前有430余人,其中技术和产品人员占比近三分之一,核心产品研发团队来自于百度、腾讯等背景。

Tuesday, 7 November 2017

繁星计划开发自己的SaaS系统,以建立繁星用户专属的医美电子档案。今后,用户可以直接在线上预约,并实时观察变美过程,及前后效果对比等

随着“颜即正义”时代风向标的到来,医美行业迎来了一个爆发期。
根据中国整形美容协会和中国统计局披露数据显示,2015年泛医美产业总量超过5500亿元,近5年年均增速接近20%,预计2019年行业规模将达到1万亿,成为世界第二大医疗美容市场。
过去十几年,市场上的医美机构主要是公立的整形医院和整形科室,私立的大型整形医院和以医生为核心的中小型的诊所。
但近年来,随着高科技对医疗领域的不断渗透,医美行业各种美容整形技术也越来越先进,由此衍生出“轻医美”的概念,各类轻医美诊所相继出现,并成为市场上新的“主流”。数据显示,轻医美占到整个泛医美市场规模的66%。
譬如,悦美就打造了线下医疗美容门诊部悦美好医,美黛拉APP在华南地区推出了线下轻医美品牌时间海,国民老公王思聪参与创办柠悦,等等。它们提供玻尿酸、肉毒素、水光针注射等快速便捷的微整形方式,满足消费者的“更快、更安全”的变美需求。
今天要介绍的繁星轻医美(以下简称:繁星)也是其中之一。

室内图
成立于今年年初的繁星定位于提供皮肤医学美容和一站式的抗衰老解决方案,并不涉及外科整形层面的服务。在今年7月,其首家线下诊所于西安正式落地。
繁星创始人刘腾飞透露,诊所提供了医学级皮肤管理 、微整精雕塑形 、抗衰老年轻化、光电中心四大类服务,涵盖20余个SKU;截至目前,诊所已积累了400余位25-30岁之间的种子客户,客单价在2000-3000元之间,并实现了50多万的月流水。
之所以是轻医美,刘腾飞表示,“整形外科高利润,但是一般人们的决策周期较长,对医疗机构、医生的选择非常慎重。轻医美决策成本更低、风险低,需求也更大。”
而首店开在西安,则是要避开北上广的激烈竞争,聚焦医美容资源相对缺乏、但人口规模和消费能力又较大的二三线市场,西安也因此成为繁星轻医美的首个试验田。
在获客上,线上,繁星会由自己的网红主播在直播平台上直播微整体验的过程来吸引年轻用户;在线下,繁星主要与临近的月子会所、体检中心的销售合作,引进一些客户资源。
在拓店方面,繁星会以直营的形式稳步扩张,并计划在今年年底之前开设两家直营店。刘腾飞表示,因繁星是小型诊所,更容易标准化和复制,开设数十家连锁店的目标更容易实现。反观国内大型医美机构,因项目科室过于繁冗,无法建立标准化复制的模型,管理成本高等问题,总共加起来都没有超过100家(艺星16家,美莱22家,丽都8家,伊美尔12家)。
未来,繁星计划开发自己的SaaS系统,以建立繁星用户专属的医美电子档案。今后,用户可以直接在线上预约,并实时观察变美过程,及前后效果对比等。
现阶段,繁星的整个团队一共15人。创始人兼CEO刘腾飞毕业于韩国中央大学,为互联网连续创业者,为垂直电商男装品牌乐服国际创始人,韩国导游P2P平台OMG旅行网、境外民宿预订平台喊你玩创始人;联合创始人兼技术负责人李有得负责医生团队的培训和标准化流程建设,为延世大学医学院皮肤科教授,韩国李之菡皮肤科创始人&院长,韩国Dr.li 药妆化妆品创始人。
据悉,繁星轻医美正在展开天使轮融资,用于扩充运营团队,筹备第二家直营店和品牌运营投入。

Friday, 13 October 2017

美业的受众范围是固定的,销售半径在1-3公里以内

数据显示,到2020年,美业市场总量将达到3万亿元,其中美容会达到近万亿元。市场规模虽然大,但整个行业却没有发生革命性的变革。促销是传统门店单一的营销手段,但在互联网+时代下,促销通常会造成经营不善。 美业本身是服务型行业,却在拓客大战中成了营销型行业。
一般来讲,美业的受众范围是固定的,销售半径在1-3公里以内,提高客户粘性、拉长客户消费周期、提高客单价是美业商户需要重点思考的点,巧猪就是一个以会员为中心的美业 SaaS 系统。
巧猪 SaaS 为 B 端美业商户提供进存销管理、营销拓客、顾客预约、开单收银、会员、店铺管理、财务管理、员工绩效管理、运营分析等功能;给 C 端的功能是在线预约、在限购卡、在线选购商品、查看会员信息、商家提醒、消费记录等;商户技师能在统一平台上排版、管理顾客,店长可以根据技师预约频率等间接考核。
巧猪以会员管理为核心,主要体现在围绕 C 端会员服务上。巧猪的会员系统记录会员基础信息、消费能力信息和个性化标签,与线下办卡不同的是,会员可以线上办理储值卡、次卡、折扣卡,这种方式办卡容易、成本低,更能提高顾客粘性和消费频率;顾客每一笔消费都有短信微信通知,各种数据集合之后形成用户精准画像,会员档案也比以往清晰明了,门店根据用户画像定期回访,能提升客户满意度。
巧猪提供整套解决方案,在营销上,巧猪避开促销等传统手段,采用多人拼团、优惠券、抽奖、互动游戏等微信营销拓客活动,这种方式保证了商家利益,也能促使老顾客吸纳新成员,降低了商家的拓客成本。
巧猪 SaaS 定位的是美业细分中的轻医美,就是日常的生活美容、按摩、科技瘦身、纤体、产后恢复、祛斑祛痘等。关于此定位,巧猪 CEO 李雷告诉36氪,在推出巧猪之前,团队曾经对千家美业进行了市场调研。最终团队决定为美业做“减法”,美业中的美发沙龙的 C 端分层不够明显,不利于之后的营销拓客环节;美甲美睫通常是店中店模式,客单价小,对系统的迫切性不强;纹绣小众,对系统也没有需求。而轻医美客户群定位、C 端人群定位都比较明显,可以更好满足诉求。
巧猪主要客户群是京津冀、珠三角、长三角等地方的腰部客户和区域性品牌。
巧猪8月初上线,目前使用巧猪 SaaS 的商家有200多家,付费用户有8家、近70个店铺。合作伙伴有克丽缇娜、Clarins、普睿媞、水天伊人等。
盈利模式四种,一种是 SaaS 软件年费,在千元级别,第二种是线上店铺交易佣金抽成,第三种是增值服务费,第四种是美业老板内参。
一款 SaaS 产品要真正符合客户需求才能被市场长久接受,所以 SaaS 软件团队首先要有咨询公司的调研能力,调研能力是深入用户需求的体现,技术能力是对调研结果的验证和补充。巧猪的核心竞争力也是市场调研。巧猪团队在调研之后认为,从产业链切入比较难,大的逻辑是切服务业,服务业中零售和餐饮市场竞争激烈,而且 C 端受众分层不清晰,所以服务业中规模第三的美业成为了创业目标。
传统美业以进销存、财务、人事管理为核心,新型美业也营销、获客等为卖点;美业始终是以位置为核心的生活服务,受众群固定,所以要把会员做好。以往美业店面只要有促销就会推出一种卡,巧猪希望把这些卡精简,之后会陆续推出符合用户需求的卡种,比如家庭卡、月卡等。
系统的技术壁垒是大数据、智能营销推荐等,不过巧猪现在还是以运营位导向的项目,需要足够多的 B 端和 C 端数据才能做大数据分析。
美业 SaaS 的赛道上有美丽加、美业邦、门庭管店高端美业代运营平台“Amily”垂直美发行业的星沙龙,博卡、喔噻、美约汇、点美等。
巧猪团队现在有10几人,创始人李雷是连续创业者,企业信息化领域专家。用友软件TOP Sales,先后创办青辰软件(700477)、美服网络; 2016年,筹办合肥苏河汇,设立1.2亿元天使基金。联合创始人李国2004-2006年在用友软件历任客服工程师和客服总监,2007-2009年任中兴通讯高级项目经理,2010-2016年联合创办青辰软件、美服网络。联合创始人李国生有十二年的软件研发、设计和软件项目管理的经验,2005-2008年参与或主导过电信OSS项目,BI项目, 2008-2016年参与电信级的IT监控项目的建设 曾在中兴通讯、亚信科技任开发主管。

Thursday, 12 October 2017

解决拓客痛点

解决拓客痛点,「美问」为美业线下门店提供营销+管理闭环工具

6分钟前早期项目

帮to B的用户做to C的事情,包括流量和管理。
在互联网程度低的美业领域,对SaaS的需求并不止于单纯的软件服务,还需要行业实践经验的输出。
「美问」创立于2015年2月,2015年4月推出管理软件“美问云”,2016年4月上线微信营销产品“美盈赢”。在创始人楼晶看来,“营销+管理工具”的结合,帮助门店解决线下管理问题之外,更偏重于线上营销、服务和线下CRM系统的打通,是「美问」区别于其它行业竞品的差异化所在。此外在前期打法上,「美问」以标准化程度更低的美容、美甲作为发力点,和大多以美发切入(较接近于标准化体系)的同行形成错位竞争。
「美问」将营销和管理工具整体打包为一体化的管理,根据商户需求的不同做了一定的分层——定价4880元(门店/年)的“美盈赢”,针对只有营销需求的用户;5040元(门店/年)的“美店宝”,面向有营销需求和有基础管理需求的用户;而对于对管理有较高要求、又有个性化需求的用户,推出6880元(门店/年)的专业版产品“美问云”。
对于美业商户来说,引流拓客是第一位的,先解决了拓客问题,接下来才是精细化的管理。在市场推广的速度上来看,相对于实施成本更高的管理软件来说,以营销工具作为切入点轻巧得多、速度更快。
具体来说,基于微信端的微营销工具,以商家、消费者认可度高的拼团活动为突破口,辅以老带新、红包派发等活动。通过微信、微博等自媒体平台,实现社群的精准传播。此外,以微信公众号的形式,帮助商户打造自己的“微品牌”。将系统细致的功能点有机组合成模板,降低营销的使用门槛;并针对美业总体信息化程度较低的特点,提供如何进行品牌包装、内容营销、特色手艺人及产品包装等诊断咨询服务。
其实帮美业导流的平台和工具并不少,比如以美团点评为代表的团购网站。楼晶认为,尽管团购网站有海量流量,但对于平台来说有以下几个问题:其一,成本比较高,有效性比较差,团购来的用户图便宜的较多,留下来的较少;其二,海量流量是平台的客户,并不能转化为每个品牌自己的用户。美业门店是自有流量的,而美业的高产出员工一般都自带网红属性,美问希望借助营销工具帮助商户形成自有的粉丝池,结合线上到线下消费的闭环,逐步转化、积累会员资产,而不是过度依赖过客生意。
而在CRM部分, 核心功能之一是“统一客户视图”。通过客户视图,可详细记录每个客户的个性化喜好,根据客户的来店频次、消费金额、护理效果等不同数据维度进行丰富的用户画像。借助系统,商户保证的是客户服务体验的“稳定性”,避免因门店不同、服务人员的变更造成影响用户体验。此外,系统将传统的会员生命周期管理结合长期经营线下实体店的经验和美业特点,细化每个阶段会员的具体维护和营销方案,通过高服务品质而非“过度推销”,提升客户的贡献值。

另一方面,结合现有的“粉丝经济”、“支付即会员”等消费特点,商户除了对来店消费的客户进行精细化管理之外,还可以通过系统了解、识别品牌的粉丝。
除了产品、销售之外,美问后台设有一个运营体系,为商户提供远程支持(包括产品使用、营销活动策划及跟踪)售后服务等,降低商户数字化营销的门槛。
根据团队提供的数据,美问总合作商户近2万家,付费商户近1万家,已布局11个城市,员工数超过200人,在上半年实现盈利。 
如果说信息化产品是1.0版本,在1.0版本之上,美问计划向供应链、消费金融、医美等方向延展。楼晶表示,一方面继续将营销工具做的更深,不仅仅是微品牌、微信公众号的形式,还可以在商户之间的异业合作、C端流量导入等方面开发创新产品;另一方面在供应链的部分,会在为商家增加收入的角度寻求新的突破点。
无论是营销还是管理工具,最后很容易形成同质化的竞争,这就要看团队的产品创新能力以及对行业的理解程度。
团队方面,创始人楼晶曾创立并管理近20家门店的高端连锁SPA品牌10余年,具有丰富的美业营销及管理经验;CMO汤楠07年入职大众点评,负责商户推广及管理,点评丽人事业部开拓者;CTO韦永宁有近20年的技术研发及管理经验,在CRM领域深耕多年,曾为工商银行、中国人寿、海尔等数十个大型客户提供CRM方案咨询及项目交付服务;曾任中国惠普企业服务部咨询及应用开发部门技术总监。
在美业SaaS领域,36氪报道过的公司还有博卡、喔噻、门庭管店、美约汇、美丽加美克拉、点美、美业邦等。

Thursday, 17 August 2017

人脸识别的时候,问题的难度便呈几何级增长

在电影中无人机轻松识别主角看似简单,其实技术含量不低。这其中主要涉及了视频图像防抖动技术、视频跟踪技术、视频图像人脸检测技术、视频图像人脸识别技术(可以是前端的小型分类器识别,也可以是传回后台进行深度神经网络模型识别)、人体动态识别技术、无人智能集群技术、图像无线通讯传输技术。
无人机的其他表现如持续射击、装载小型火箭弹,我们暂且不作分析,但人脸识别技术是否能够达到如影片中的技术水准,本文为你解答人脸识别技术的秘密。

真实世界的人脸识别

据雷锋网报道,目前基于相关技术的无人机虽然已经有了一些跟踪、打击犯罪、恐怖分子的能力,但还不足以识别人脸、精确打击。零度智控CEO杨建军解释说,在夜晚环境中,加配人脸识别的无人机想要拍摄到人体必须在50米以内,如要要看清人脸必须在15米以内,这种应用不太适合旋翼机,更适合中高空固定翼侦察机。但他同时判断,这肯定是未来无人机发展的趋势之一。
如果利用无人机单纯识别人脸的话,有个直观的对比。自动驾驶车辆车载前置相机识别红绿灯,如果汽车前置相机离红灯10米开外的话,红绿灯在相机中所占的像素就非常少,尤其下采样后,也就是几十个pixel(甚至更少),如果超过20米、30米或者更远,在像素点更少的情况下,很难通过像素点去识别灯光;
同理,在实际生活中,无人机在几十米开外很难识别人类面部具体的细节特征;另外无人机的拍摄高度远高于一般监控镜头的设置高度,要拍摄清晰的人脸影像殊不容易;再者无人机机载嵌入式芯片因为考虑的因素众多,会首选低功耗,因此用的多的也是Xilinx ZQNQ的芯片、ZYNQ的性能,所以即使跑AlexNet的256*256这种量级都跑不到实时。
大华股份解决方案工程师张生强则表示,在对于距离远造成的像素点降低的问题,大华有了合理的处理方案。但大华无人机在加配人脸识别时也遇到了一些问题,主要是人脸获取的有效性。他解释说,一般人脸识别相机都是安装在车站、机场等通道或者是入口处,拍摄的角度都是固定的,对于人脸的采集成功率比较高,但是无人机拍摄的画面和角度都是不固定的,最开始的视角不一定能刚好拍到正面人像,需要不断机动飞行。

人脸识别技术的学习方法

人脸识别是计算机视觉研究领域的一个热点,研究领域非常广泛。对于人脸样本的获取来进行算法学习至关重要,以下以在LFW数据集上(Labeled Faces in the Wild)获得优秀结果的方法和采用深度学习的方法来进行分析。
LFW数据集(Labeled Faces in the Wild)是目前用得最多的人脸图像数据库。该数据库共13233幅图像,共5749个人,其中1680人有两幅及以上的图像,4069人只有一幅图像。图像为250*250大小的JPEG格式。绝大多数为彩色图,少数为灰度图。该数据库采集的是自然条件下人脸图片,目的是提高自然条件下人脸识别的精度。
识别算法要完成的工作是人脸验证(Face verification),即判断给定的两张图片(一对)中的人脸是否来自同一个人。
LFW将数据集分作两大块,用做供研究人员选择其算法模型所用,包括一个训练集和一个测试集,不管是训练集还是测试集,其图片都是由M对来自同一人脸的图像和N对来自不同人脸的图像构成;当确定了模型后,算法将在[View 2]上实验,[View 2]包含10个子集,每个子集构成规则同刚讲到的训练集或测试集,实验过程大抵为:
A、每次从10个子集中选一个做为测试集,其余9个做为训练集;
B、通过训练集确定模型的参数;
C、对测试集进行预测;
D、计算预测的准确度;
进行十次之后,平均的准确度即为该算法在LFW上的识别准确度,GaussianFace的98.52%即是如此计算的。
能追踪吴京的人脸识别技术,现实中能实现吗
训练集示例
能追踪吴京的人脸识别技术,现实中能实现吗
人类在LFW数据集上的识别精度

八种人脸识别学习方法

1,face++(0.9950)
参考文献:Naive-Deep face Recognition: Touching the Limit of LFWBenchmark or Not?
face++从网络上搜集了5million张人脸图片用于训练深度卷积神经网络模型,在LFW数据集上准确率非常高。该篇文章的网路模型很常规(常规深度卷积神经网络模型),但是提出的问题是值得参考的。
问题一:他们的Megvii Face Recognition System经过训练后,在LFW数据集上达到了0.995的准确率。在真实场景测试中(Chinese ID (CHID)),该系统的假阳性率非常低。但是,真阳性率仅为0.66,没有达到真实场景应用要求。其中,年龄差异(包括intra-variation:同一个人,不同年龄照片;以及inter-variation:不同人,不同年龄照片)是影响模型准确率原因之一。而在该测试标准(CHID)下,人类表现的准确率大于0.90.
在CHID中出错的样本
问题二:数据采集偏差。基于网络采集的人脸数据集存在偏差。这些偏差表现在:1,个体之间照片数量差异很大;2,大部分采集的照片都是:微笑,化妆,年轻,漂亮的图片。因此,尽管系统在LFW数据集上有高准确率,在现实场景中准确率很低。
问题三:模型测试加阳性率非常低,但是现实应用中,人们更关注真阳性率。
问题四:人脸图片的角度,光线,闭合(开口、闭口)和年龄等差异相互的作用,导致人脸识别系统现实应用准确率很低。
2,DeepFace(0.9735 )
参考文献:Deepface: Closing the gap to humal-level performance in faceverification
常规人脸识别流程是:人脸检测-对齐-表达-分类。本文中,我们通过额外的3d模型改进了人脸对齐的方法。然后,通过基于4million人脸图像(4000个个体)训练的一个9层的人工神经网络来进行人脸特征表达。模型在LFW数据集上取得了0.9735的准确率。
3,FR+FCN(0.9645 )
参考文献:Recover Canonical-View Faces in the Wild with Deep NeuralNetworks
自然条件下,因为角度,光线,occlusions(咬合/张口闭口),低分辨率等原因,使人脸图像在个体之间有很大的差异,影响到人脸识别的广泛应用。本文提出了一种新的深度学习模型,可以学习人脸图像看不见的一面。因此,模型可以在保持个体之间的差异的同时,极大的减少单个个体人脸图像(同一人,不同图片)之间的差异。与当前使用2d环境或者3d信息来进行人脸重建的方法不同,该方法直接从人脸图像之中学习到图像中的规则观察体(canonical view,标准正面人脸图像)。作者开发了一种从个体照片中自动选择/合成canonical-view的方法。在应用方面,该人脸恢复方法已经应用于人脸核实。
4,DeepID(0.9745 )
参考文献:DeepID3: Face Recognition with Very Deep Neural Network
深度学习在人脸识别领域的应用提高了人脸识别准确率。本文使用了两种深度神经网络框架(VGG net 和GoogleLeNet)来进行人脸识别。两种框架ensemble结果在LFW数据集上可以达到0.9745的准确率。文章获得高准确率主要归功于大量的训练数据,文章的亮点仅在于测试了两种深度卷积神经网络框架。
能追踪吴京的人脸识别技术,现实中能实现吗
两种深度卷积神经网络框架
5,FaceNet(0.9963)
参考文献:FaceNet: A Unified Embedding for Face Recognition andClustering
作者开发了一个新的人脸识别系统:FaceNet,可以直接将人脸图像映射到欧几里得空间,空间的距离代表了人脸图像的相似性。只要该映射空间生成,人脸识别,验证和聚类等任务就可以轻松完成。该方法是基于深度卷积神经网络,在LFW数据集上,准确率为0.9963,在YouTube Faces DB数据集上,准确率为0.9512。FaceNet的核心是百万级的训练数据以及 triplet loss。

6,baidu的方法
参考文献:Targeting Ultimate Accuracy : Face Recognition via DeepEmbedding
本文中,作者提出了一种两步学习方法,结合mutil-patch deep CNN和deep metric learning,实现脸部特征提取和识别。通过1.2million(18000个个体)的训练集训练,该方法在LFW数据集上取得了0.9977的成绩。
人脸不同区域通过深度卷积神经网络分别进行特征提取
能追踪吴京的人脸识别技术,现实中能实现吗
multi-patch示意图
深度卷积神经网络提取的特征再经过metric learning将维度降低到128维度
能追踪吴京的人脸识别技术,现实中能实现吗
metric learning示意图
7,pose+shape+expression augmentation(0.9807)
参考文章:Do We Really Need to Collect Millions of Faces for EffectiveFace Recognition
该文章的主要思路是对数据集进行扩增(data augmentation)。CNN深度学习模型,比如face++,DeepID,FaceNet等需要基于百万级人脸图像的训练才能达到高精度。而搜集百万级人脸数据所耗费的人力,物力,财力是很大的,所以商业公司使用的图像数据库是不公开的。
本文中,采用了新的人脸数据扩增方法。对现有公共数据库人脸图像,从pose,shape和expression三个方面合成新的人脸图像,极大的扩增数据量。在LFW和IJB-A数据集上取得了和百万级人脸数据训练一样好的结果。该文章的思路很好,适合普通研究者。
pose(角度)生成示意图
能追踪吴京的人脸识别技术,现实中能实现吗
不同脸型生成示意图
8, CNN-3DMM estimation(0.9235)
参考文献:Regressing Robust and Discriminative 3D Morphable Models with avery Deep Neural Network(推荐阅读原文)
当在真实场景中应用3d模拟来增加人脸识别精度,存在两类问题:要么3d模拟不稳定,导致同一个个体的3d模拟差异较大;要么过于泛化,导致大部分合成的图片都类似。因此,作者研究了一种鲁棒的三维可变人脸模型(3D morphable face models (3DMM))生成方法,采用了卷积神经网络(CNN)来根据输入照片来调节三维人脸模型的脸型和纹理参数。该方法可以用来生成大量的标记样本。该方法在MICC数据集上进行了测试,精确度为state of the art 。与3d-3d人脸比对流程相结合,作者在LFW,YTF和IJB-A数据集上与当前最好成绩持平。文章的关键点有两个:一,3D重建模型训练数据获取;二,3D重建模型训练。
能追踪吴京的人脸识别技术,现实中能实现吗
YTF和IJB-A测试结果
上述方法可以分为两大类:
第一类:face++,DeepFace,DeepID,FaceNet和baidu。他们方法的核心是搜集大数据,通过更多更全的数据集让模型学会去识别人脸的多样性。这类方法适合百度/腾讯/谷歌等大企业,未来可以搜集更多更全的训练数据集。数据集包扩同一个体不同年龄段的照片,不同人种的照片,不同类型(美丑等)。通过更全面的数据,提高模型对现场应用中人脸差异的适应能力。
第二类:FR+FCN,pose+shape+expression augmentation和CNN-3DMM estimation。这类方法采用的是合成的思路,通过3D模型等合成不同类型的人脸,增加数据集。这类方法操作成本更低,更适合推广。其中,特别是CNN-3DMM estimation,作者做了非常出色的工作,同时提供了源码,可以进一步参考和深度研究。

上述方法在理想条件下的人脸识别精确度已经达到或者超越人类的表现。但是,由于光线,角度,表情,年龄等多种因素,导致人脸识别技术无法在现实生活中广泛应用。未来研究中,不管哪种思路,均是提高模型对现场复杂环境的适应能力,在复杂环境中,也能达到人类识别的精确度。
总之,目前的人脸识别应用并不能普及化地被识别对象放置于生活场景的应用,而且不容许被动失败。这样应用中,大家当然觉得人脸识别还挺成熟。但当我们考虑到全网人脸搜索,SNS上人脸识别的时候,问题的难度便呈几何级增长。
部分内容引用自雷锋网,作者:张栋
作者:狗头山人七