为什么拼多多总能给市场带来惊喜?

净利暴跌47%!拼多多却狂砸1000亿,葫芦里卖的什么药? 商家一年省下40万,单量却翻倍增长,看懂的人都竖起了大拇指拼多多最新财报一出,整个电商圈都炸了锅。一季度净利润,营收增速骤降至,创下上市以来的最低纪录!当大家都在为这份“成绩单”捏把汗时,拼多多管理层却一脸淡定,反而宣布要加码一项的扶持计划。资本市场一片哗然:这到底是,还是? 阅读详情

8月29日晚,拼多多发布的Q2财报。数据显示,拼多多二季度营收大涨36%,净利润更是倍增。

一、拼多多Q2财报,营收利润远超预期

这份财报的各项数据都显示,拼多多在2022年第二季度的经营状况全面向好,呈现出营收、净利润大幅增长,而运营费用率却明显下降的极佳状态。该季度中,拼多多总营收达到了314.4亿元,比去年同期大涨36%,也比市场普遍预计的236亿元超出三分之一;净利润指标更加令人深刻:归属普通股东的净利润88.96亿元,实现了268%的同比增幅,Non-GAAP净利润为107.76亿元,比去年同期上升161%。难能可贵的是,拼多多Q2不但实现了营收、利润双双大涨,而且还在费用率指标上实现了显著降低。财报数据显示,拼多多运营费用在营收中所占的比例,已经降至47%,比去年同期的57%低了整整10个百分点。

值得注意的是,拼多多业绩公布的当晚,美股市场上的中概股正在遭遇集体下跌。根据Wind数据,当天收盘时万得中概股100指数跌1.74%。整个跌势从阿里巴巴、京东等电商股蔓延到汽车之家、蔚来等汽车概念股,爱奇艺、百度、唯品会等也大多陷入股价下滑趋势中。其中,汽车之家跌6.97%,大全新能源跌5.32%,哔哩哔哩跌5.11%,其他中概股也各有跌幅。在大盘全线下挫的大环境下,拼多多却凭借优越的财报数据,赢得投资者一致看好。其股价当日盘中一度涨超21%,最终收报14.71%的涨幅。

与整个电商行业的平均表现相比,拼多多Q2的业绩,呈现出了令人振奋的逆市上升之势。这个势头在供应端和消费端两个方向上,同时表现出来。在供应端,拼多多的上升趋势直接表现为,厂商品牌对平台的信任度明显提升。这一点,从Q2销量最吃重的618大促时间节点上就可清晰看出。根据平台方透露的数据显示,今年618期间,来自手机、家电、美妆、日化等多个行业的品牌,纷纷在平台上布局官方旗舰店,并以此为依托采取全品类上线、开发定制化产品的方式,全面深化与拼多多的合作。以安踏、小米、vivo、完美日记为代表的知名品牌,还罕见地选择了拼多多的618平台,进行新品上线这样的重磅商业运作。

统计数据显示,今年618期间拼多多的“品牌专场”活动,吸引了包括美的、西门子、TCL、小米、娇韵诗、自然堂、安踏、特步、COACH、百雀羚、花王、蒙牛、海天、卡西欧、联合利华等在内的,超过500家国内外品牌参与。这些品牌厂商涵盖了衣食住行玩乐等,几乎所有生活服务品类。而消费者也同样对拼多多表现出越来越高的信任度,在品牌、用户两方面高度信赖的驱动下,平台全域消费在 618 期间迎来大幅增长,手机、家电、美妆、日化等行业均实现同比翻倍增 长。其中,手机行业全品类同比增长 148%,家电全品类销售规模同比 增长 103%,美妆行业全品类销量同比增长 122%、日化行业全品类同比 增长 110%。显然,随着各行业厂商普遍认可拼多多的平台价值,拼多多已经成为电商领域新的品牌高地,未来发展前景更加看好。

二、拼多多凭什么逆势增长

从客观上来说,拼多多逆势增长的动力来自于用户的选择。回顾平台的发展初期,拼多多一度在用户心智中被定义为平价、小品牌的流量平台,然而随着平台以大牌低价、“无套路”为核心吸引力的“百亿补贴”政策出台,拼多多已经逐渐构筑起“实惠”、正品”的用户心智,将越来越多一二线城市的年轻消费者吸引过来。数据显示,到2022年3月底,拼多多的年平均活跃用户数已经达到8.8亿人水平。数量更多、消费力更强的用户选择了拼多多,自然也反过来吸引了更多品牌向平台的入驻。而上半年出现的品牌入驻潮,以及超过500家中外知名品牌在拼多多618活动中的积极参与,更表明拼多多平台已经完成了从过去“五环外”性价比平台,向“五环内”主流消费平台的成功升级。

与拼多多突飞猛进之势形成鲜明对比的是,老牌的传统电商头部平台阿里巴巴、京东等,却在开始收缩战线。从用户规模方面来看,拼多多年活跃买家数从2021年初开始,连续5个季度保持正向增长。而阿里巴巴在今年Q1活跃用户数登顶之后,却呈现出疲态,Q2不再公布用户增长数据。另一个巨头京东,年活跃用户在Q2环比只新增了30万,几乎停顿。与此同时,在疫情冲击和经营缺乏亮点的多重因素之下,这些传统平台的业绩增长也面临瓶颈。例如,阿里4月份整体收入出现了低个位数负增长,而京东也连续几个季度被迫持续保持低利润率运营。这种情况下,阿里、京东都开始在业务层面上采取关停并转措施,以实现降本保运营。尤其是在下沉市场上,阿里、京东等纷纷停止了扩张,而以农货上行和下沉市场起家的拼多多,却通过加大技术和农业投入获得了高增长。总的来看,用户、品牌日益强化的信任度,以及竞争对手增长乏力、对用户吸引力下降的现状,形成了综合效应,成就了拼多多Q2脱颖而出的增长“奇迹”。

而从主观角度上来看,拼多多逆势增长的深层驱动力,来自于对实惠好物的深耕、以及用户为本的服务理念。在上半年反复疫情冲击之下,消费者普遍开始精打细算,无论是一二线城市消费者还是三到六线的小镇青年,都开始对包括纸制品、日化等生活用品进行“囤货”,而对手机等电子消费者则注重“货比三家”。而拼多多长期坚持的实惠好物经营理念,在这种环境下可谓是正逢其时。在“百亿补贴”政策下涌现出来的大量大牌正货商品,既符合了消费者以优质好物提升生活品质的要求,又以“全网最低价”的实惠,让用户尽享红利,自然对更多消费群体形成了强大吸引力。

更令用户满意的是,拼多多平台在提供实惠好物的同时,并没有降低对服务的关注度。为了让用户尽可能满足即时购买、即时送达的消费意欲,拼多多不断在物流配送上发力。其致力构建的“多多驿站”网络,仅用4个月时间就实现了3000万单/天的快递代收量,让更多用户得到了升级的消费体验。而在商品品质方面,拼多多通过百亿补贴政策的落地实施,明确承诺,所有贴着“百亿补贴”标记的商品都是正品,并以正品险的形式,为用户带来“假一赔十”的贴心保障。在售后服务方面,拼多多在行业内率先为用户带来了“退货自由”,能够做到对退货要求“系统秒同意”,并且提供上门取件、退款迅速到账等服务。在实惠好物和保姆级的无忧售后服务双重利好之下,用户深深体验到了拼多多“低价大牌”、“正货正品”、以及用户为本的消费体验。而广大用户的口碑,则反过来让拼多多的逆势上升顺理成章!

三、为什么拼多多总能给市场带来惊喜?

从营收、利润的大涨,到股价的跃升,拼多多总是给行业、投资者带来惊喜。而这种惊喜的背后,是拼多多用本分、务实的企业文化,不断占据消费者心智,进而实现逆势增长的发展脉络。

拼多多的本分务实,首先体现在对消费者、品牌厂商需求痛点的深刻洞察和主动解决上。考虑到今年疫情压力下,品牌商家普遍经营受困的情况,拼多多并没有跟随惯性思维,用收缩战线的方式来回避压力,而是连续发布多项补贴政策和纾困举措,助力品牌和商家提质增效,从而促进消费回暖。例如,拼多多在618主会场开辟了“品牌专场”,并先后以发放30亿消费红包,百亿补贴二次覆盖、满300返50、大牌直降、买一送一等多种方式,帮助入驻品牌直连平台消费者。

对于消费者而言,拼多多在购物节等营销环节上的“无套路”,更是让他们感受到了本分和务实的作风。例如,在百亿补贴政策的执行上,拼多多一直坚持最高补贴力度超过40%的“真补贴”。在许多平台只把补贴政策是做购物节期间吸引客户的手段时,拼多多却坚持将其扩展为长期战略,消费者不用苦等618、双11,不用担心“手慢无”,实惠好物可以随用随买。而在全民关注的农货上行和乡村经济振兴方面,拼多多更是不遗余力,通过补贴和投资原产地、打通农货物流渠道,以及加码小区团购,用集采集配的方式打通最后100米等举措,在疫情等不利条件下,也实现了降低农货产销不确定性、便利消费者线上采购的目标。拼多多本分、务实的企业文化,在实践中赢得了消费者、品牌厂商、合作伙伴的普遍认可和高度赞誉,直接助力平台实现了快速增长、逆势上扬。

在务实、本分的企业文化基础上,拼多多对业务模式的创新却从来不保守。以平台赖以成功的百亿补贴为例,当许多平台在补贴上犹豫不决,甚至用定金、满减、做任务赢优惠等套路 “敷衍”用户时,拼多多却大胆做出决策,用无套路直接降价的形式,把上百亿红利直接分享给用户,用一场连续数年的“攻坚战”赢得了用户心智。

除了大胆的决策之外,拼多多在策略执行上却展现出小心求证的务实精神。例如,在友商纷纷因为疫情压力以及巨额推广费用,在社区团购领域遭受重创的同时,拼多多旗下的多多买菜,却摒弃了行业常见的“撒币”拉新做法,而是通过精细化运营,以退出部分网点为代价,依靠平多多主平台精准的流量支持,实现了主站用户人群和追求低价社区团购人群的精确匹配,终于在竞争对手被迫收缩后撤之后,实现了减少亏损和向盈利方向的推进;物流方面,拼多多同样没有走诱惑极强的大开大合之路,而是与多多买菜携手推进,从2月份开始在部分城市试点推广,成功跑通业务循环后,才在全国迅速铺开。终于在短短4个月时间内,创造了一个活跃于快递末端市场的新“极兔”,在互联网经济界再度创造了一个前景无线的“新物种”。

如今的拼多多,通过大胆假设、小心求证的路径,用最小的成本实现了在电商、物流、以及团购等关键环节上的最优化布局,不但打造了自身强大的核心竞争力,而且还连续多个季度,用快速增长、逆势上升的业绩“成绩单”,向行业、以及资本市场讲述了一个全新的成长故事。

相关推荐

CANoe SOME/IP实战:从ARXML到VCODM的完整配置与调试

本文详细介绍了使用CANoe进行SOME/IP通信测试的完整流程,从硬件环境准备、ARXML文件处理到VCODM文件配置与调试。通过实战技巧和常见问题解决方案,帮助工程师高效完成从ARXML到VCODM的配置,确保SOME/IP通信的稳定性和可靠性。

weixin_29169899的博客 465

京东向下沉市场打出“京喜”,拼多多和阿里惊不惊喜?

图片来源于网络 文|陈小江 来源 | 螳螂财经(ID:TanglangFin) 天猫和京东双11数钱大战又开始了。 2019年天猫双11全球狂欢节大家玩得很嗨,只用96秒就帮天猫成交额突破100亿,比去年早了29秒。 紧接着,12分49秒成交额突破500亿,1小时3分59秒成交额突破1000亿。截至11月11日14点21分27秒,成交额突破了2000亿,比去年早了8小时7分10秒,接...

694

gdb对dwarf调试信息的解析和使用

gdb的对dwarf的调试信息的解析到使用的过程分析

JS072110的专栏 9564

拼多多是如何做用户增长的?

作者:Bruce全文共 4921 字 14 图,阅读需要 11 分钟———— / BEGIN / ————从2017年以来,线上流量增长天花板到来的言论不断地出现在各大媒...

人人都是产品经理 6716

数学建模--十大经典常用算法

数学建模十大算法:灰色预测,蒙特卡洛,遗传算法,模拟退火法,组合算法,神经网络,动态规划,聚类算法,类比法,概率算法,Floyd算法

qq_51533426的博客 5646

STM32H743实战(三)-- 时钟系统配置

本文详细讲解了STM32H743时钟系统的配置方法,重点解析了为何选择400MHz而非理论极限480MHz作为稳定运行的主频。通过STM32CubeIDE环境,手把手指导如何从外部晶振配置、电源电压设置到PLL锁相环参数调整,最终实现稳定可靠的400MHz系统时钟,并提供了代码验证与常见问题排查指南。

weixin_29164185的博客 367

“原本我不会在拼多多购物,但它补贴实在太多了”

“原本我不会在拼多多购物,但是它补贴的实在太多了。”——来自某网友评论在用不用拼多多购物上,有消费者的情绪被莫名拉扯。一方面是对拼多多有偏见不愿去这里购物,一方面是面对切实利益的诱惑...

优快云资讯 3077

使用网分对晶体ESR/L1/C1/C0进行测量计算

Use R&S Vector Network Analyzer test XTAL ESR/L1/C1/C0 測量方法:使用儀器的Port1端口,測量XTAL的S11,通過諧振的參數計算出ESR/L1/C1/C0的值。 實際晶體的等效模型:通常方便晶體分析,使用下圖(b)的等效模型,但實際測量發現晶體存在多個串聯諧振點,實際等效模型更接近(c)。 儀器測量到的S11,其中M...

qq_39138630的博客 2081

店宝宝:拼多多加码”菜市场”如何布局

卖菜,它看上去很low,实际上却是一笔大买卖。 为什么这么说呢? 首先,卖菜足够高频,每一个家庭几乎每天都要买菜,不买菜就只能吃外卖,你说你买不买;其次,卖菜现金流足够充裕,虽然可能每一笔金额不大,但是,体量乘以金额就是一笔大买卖。 或许,正是因为如此,才会有越来越多的玩家开始将目光聚焦在卖菜身上,卖菜从“旧时王谢堂前燕”飞入了“寻常巨头家”。就连拼多多创始人黄峥就曾经说,要是将来亏钱了,兄弟们一起去卖菜。 表面上看,这是黄峥的戏谑之语,实质上拼多多已经开始了在卖菜上的布局,多多买菜..

xhlylxhl的博客 284

嵌入式学习笔记- 关于电容的纹波电流

纹波电流是导致电解电容发热、影响其寿命的关键交流电流成分。它不是一种特殊的电流,而是电路中必然存在的现象。要重视,不能忽视。必须保证电路中的纹波电流 < 电容的额定纹波电流。电容鼓包爆浆,要怀疑是否是纹波电流过大或电容ESR变大所致。希望这个解释能帮助您彻底理解这个概念!二 电容纹波电流与频率的关系在大多数情况下,频率越高,电容所能承受的额定纹波电流值越大。【个人理解:因为频率越低ESR越大,具体见第三节ESR与频率的关系】下面我为您详细解释为什么会这样,以及在实际应用中如何考虑。

qq_35771411的博客 2187

最新Python爬虫实战(入门爬虫篇)——案例13:某乎热榜数据采集(详细爬虫思路截图+抓包动图演示+完整爬虫代码+详细注释)

本次案例通过Python爬虫技术,成功实现了基于Cookies认证的某乎热榜数据爬取与Excel保存。代码采用模块化设计,包含Cookies解析、HTML请求、结构化解析、Excel持久化等完整流程;通过配置浏览器请求头+Cookies认证,有效突破某乎基础反爬策略,保证请求稳定性。整个爬虫逻辑遵循“Cookies认证 → 页面请求 → HTML解析 → 数据清洗 → 保存到Excel”的标准流程,与需要会话验证的网站爬取范式高度一致。Cookies解析与认证。

努力让自己发光,对的人才能迎着光而来 33万+

拼多多DSR评分不达标怎么处理?

大家好!我是面兜兜,关注面兜兜每天学习不同的店铺运营知识!今天,面兜兜要为大家分享的是关于dsr评分问题。      随着时代的进步,互联网的发展,当前拼多多平台发展的是越来越好,也有越来越多的商家开始纷纷入驻拼多多,但随着入驻的商家越来越多,市场也就变得越来越小,今天拼多多商家们若想要在众多的商家中脱颖而出是一件不容易的事情,必须尽可能的做好每一个方面,而拼多多dsr就是值得商家们十分重视的一个点,但拼多多dsr评分不达标怎么办?如何提升拼多多dsr评分?      1、重新审视自己的产品      若商

miandoudou2019的博客 3697

UCIE Specification详解(五)

Logical Physical Layer(逻辑物理层)

Crazzy_M的博客 1219

京东追赶拼多多的焦虑

虽然京东具有拼多多无可比拟的行业竞争壁垒优势。但是目前,在各大电商平台争先“下沉”三五线城市的游戏中,京东的处境越来越尴尬。 京东“下沉”恐没有惊喜 虽然阿里巴巴和拼多多两家的Q1财报还未发布,但是就京东本年度第一季度财报数据表现来看,京东下沉并没有任何“京喜”。 根据其财报显示,尽管京东的净收入和单季新增活跃购买用户数都保持了高增长,但是净利润却出现了暴跌的情况,这也是近三年来为数不多的几次净利润下跌现象。这背后也反映出京东在进入三五线城市过程中存在“水土不服”的可能。 另外,最需要注意的是.

科技谷说 644

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

拼多多市值再次超越京东:进攻才是最好的防守!

作者丨风清来源丨电商头条(ID:ecxinwen)转载请联系授权(微信ID:laodianzhuli)事实证明,语言真的威力无穷!历史上,刘备一言杀吕布。最近,黄峥讲了一席话,拼多多市值应声暴涨60亿美元,一举超过京东成中国电商第二极。黄峥一言上位二当家黄峥讲了什么话这么有魔力?实际上在拼多多的业绩会上,他只讲了三点:1、拼多多真实支付的GMV(成交总额)已经超过京东。在2018年拼多多上市...

<sdffdsfsdfdfs>sfsfsfsdfsdffds</sdfsDS>Fsd 520

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

阿里正面阻击拼多多?店宝宝:百亿补贴进入新战场

2020年刚开始,拼多多送给市场和客户的一个新年惊喜。对于市场来说其市值再次出现飙涨,1月2日涨逾9%,市值重回479亿美元之上。这个市值相比11月21日的365亿美元低点,又出现了114亿美元的上涨。看这态势,一不小心又冲上500亿美元也未可知。 不过,与前面几次“过山车”大多数是因为财报表现不同的是,这一次飙涨,却是因为四个字——百亿补贴,这也是拼多多给客户的惊喜。 凭借百亿补贴,拼多多站稳电商前三的位置。而百亿补贴的目的就是抢流量,实质上就是抢人、抢用户。自推出百亿补贴以来,拼多多平台的活跃用

diaobaobao01的博客 359

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

这次,黄铮亲手“砍了一刀”拼多多

一封创始人写给股东的信,直接导致股价大跌超10%,市值蒸发超千亿人民币。这封信比拼多多发明的“砍一刀”贵多了。写信的人,正是拼多多创始人黄峥。这封信被附在拼多多最新的财报后面,惊喜变惊吓,...

m0_37586850的博客 479

当拼多多加入价格战:我们要如何参悟今天的电视风云?

电视机,无比熟悉的字眼、从上世纪五十年代就进入中国产品、很多人人生中见到的第一块屏幕,如今正在重新焕发生机。 华为、荣耀、红米都在高调进入这一领域,并且提出了“智慧屏”的概念,将其定义为与手机、智能音箱以及其他智能家居...

cqu67371的博客 338

【美港探案】拼多多:逆“市”翻盘,果然爱拼才会赢

当笔者统计完这些数据编制图表的时候,着实让拼多多这吊炸天的业绩惊倒了,最近写了这么多财报分析,几乎所有的厂商都提到因为疫情以及宏观环境影响,导致业绩受损,但是看到拼多多这些逆势增长的数字,不知道那些叫苦连天的大厂会做何感想。如果单看拼多多的数据可能不会很直观,笔者将京东和阿里巴巴的最近6个季度的毛利率与拼多多进行了对比分析,拼多多的毛利率在三者之中一直都是最高的,处于绝对领先地位,京东的毛利率不到拼多多的一般,只有36.92%,阿里巴巴的数据更糟糕,不足15%。拼多多的财报看来最有料的。......

weixin_41873801的博客 134

揭秘拼多多API:智能电商时代的数据驱动新篇章

随着电商行业的迅猛发展,拼多多凭借其独特的社交电商模式,迅速崛起并占据了市场的一席之地。为了满足开发者和商家对于更高效、更精准的数据获取和分析需求,拼多多开放了丰富的API接口,让数据驱动成为智能电商时代的核心动力。拼多多API为开发者和商家提供了丰富的数据接口,包括商品数据、订单数据、用户数据等,帮助商家实现精准营销、智能推荐、数据分析等功能。总之,拼多多API为商家提供了丰富的数据资源和强大的技术支持,使得商家能够在智能电商时代实现更高效、更精准的数据驱动营销和运营。二、拼多多API的技术特点。

Jernnifer_mao的博客 1285

拼多多携手渭南邮政,开辟农产品上行极速通道

中新网1月22日电 “目前平均发货时长比同行短17.78小时,签收时间比同行快15.75小时,到货时长比同行快29.22小时。”在距陕西渭南市区20分钟车程的邮件处理中心,渭南邮政分公司(以下简称“渭南邮政”)市场营销部业务主管乔宇站在刷刷吐着订单的打单机前,介绍他们领先全行业的“极速发件模式”。由于渭南邮政直接入驻新电商平台拼多多开了官方店铺,全国各地消费者下单后,渭南邮政邮件处理中心即刻打单,...

weixin_34008784的博客 663

腿上有泥的拼多多,才是新电商该有的样子

出品 | 何玺 排版 | 叶媛 2022年3月21日,拼多多公布了2021年全年和第四季度的最新财报,在营收、利润、GMV、用户数量等多方面均有亮眼成绩,给资本市场交出了一份满意的答卷。 01 拼多多告别野蛮生长 如果说2021年以前的拼多多是疯狂生长的拼多多,那么2021年应该是拼多多迈向成熟的起点,从财报里面,我们看到了一个更注重健康发展和成熟发展的拼多多,更注重对存量用户的价值挖掘和盈利模式的调整升级,这无论对于拼多多的消费群体还是投资群体来说,都应当是一件值得庆幸的事情。 这意味着...

hexi008的博客 204

企立方电商:拼多多下载安全吗

说到拼多多渠道,我们应该都不生疏吧,许多人都想要下载拼多多的软件,可是又忧虑拼多多软件的下载会有危险,所以心里感到十分的纠结,不知道应该怎么办,下面为我们进行介绍哦。 拼多多下载app有危险吗? 前阵子的万人水果团,不得不让人们重新认识拼多多,能够说拼多多现已成为了一个火爆电商渠道了,下载拼多多自然是安全的。 为何这么多人忧虑? 人们之所以有这种主意,首要是由于上一年拼多多突然在使用商城下架,一时间引起了众多网友的热议,很多人以为拼多多这样的下场是咎由自取,由于拼多多上面的产品很多都由于质量问题,遭到过用户

510

淘宝2022年年货节”惊喜券“玩法说明{打单发货接口}

大家好,我是小编v兔。年货节下半场(2022年1月13日12:00:00起至2022年1月15日23:59:59)期间,当消费者进入其购物车、大促会场、我的淘宝页面、搜索页面等,有机会展示并可领取使用。需要进销存或打单软件的欢迎前来咨询v:vtupaofu8888。

weixin_49215176的博客 3941

财报惊喜不断,京东彻底走出阴霾?

7月22日,美国《财富》杂志公布了2019年世界500强排行榜,已经连续四年上榜的京东集团,在过去一年凭借稳扎稳打的零售业务和高速发展的服务业务,今年在榜单中的排位跃升至139位,较去年提升42位,连...

710

拼多多激活山村经济微循环:跨越峡谷“天堑” 助力山民买全国、卖全国

李诗菊说,尽管路途遥远,拆开包裹后,羊肉依然冻得硬实,泡沫箱外的冰袋还没融化,真空包装也完好无损,“肉确实新鲜,吃起来没有膻味,真的好”。11月初,驿站内一派火热。他总是将订单攒两三天才去镇上发一次,不仅客户抱怨发货慢,而且,路上多耽搁一天,水果损耗风险就加一分,因此导致的损失,一个月可能有好几千元,“好东西困在山里,卖不起价,更走不远。作为人口输出型的山村,村里日常生活的主体是50岁以上老人和学龄孩童,物流“最后一公里”的障碍就像一道“无形沟壑”,一度阻挡了村民们的消费需求,让网购成为能免则免的事。

yidiancaijing的博客 725
上一篇: 新能源汽车智能化,集度先行一步
下一篇: 华为要用MateBook E Go系列开辟一个新市场
京比特
博客等级 码龄8年 69粉丝 373原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值