腾讯科技讯 7月1日,国外媒体周一发表文章称,中国电子商务巨头阿里巴巴可能已经主导了基于PC平台的中国在线零售市场,但尚未将这种成功复制到智能手机和其他移动设备上。阿里巴巴今年晚些时候即将赴美IPO(首次公开招股)。当前中国有6.18亿网民,其中80%(约5亿)通过移动设备上网。为此,阿里巴巴正投资数十亿美元,希望将其在PC市场的成功复制到移动互联网市场。阿里巴巴上个月曾表示,移动设备日益成为重要的交易平台,如今已占到阿里巴巴在线市场商品交易额的1/4。但向移动商务转移也是一把双刃剑:移动商务的营收明显低于传统电子商务营收。当前,移动平台用户的一时冲动性购买为商家带来的营收明显较低,而基于智能手机的广告难题还没有几家互联网公司能够很好的解决。这两大问题势必将威胁移动商务的未来盈利能力。更糟糕的是,阿里巴巴竞争对手腾讯已经将微信普及到智能手机屏幕上。而且,这款几乎无处不在的应用已经从一款简单的移动消息工具演变为一把数字化的瑞士军刀。科技分析师萨米尔·辛哈(Sameer Singh)称:阿里巴巴不仅要与其他电子商务公司竞争,还要面对微信等消息应用的挑战。这将在很大程度上影响阿里巴巴的竞争优势,我认为他们不可能取得与PC时代同样的利润率。今年,阿里巴巴已经在移动领域投入30多亿美元。在最新提交给美国证券委员会(SEC)的招股书中,移动(mobile)一词出现304次,在线(online)一词出现264次,互联网(internet)被提及144次,而计算机(computer)仅被提及36次。防御性投资知情人士称,阿里巴巴在PC市场的主导地位对于其在移动市场的竞争还是大有裨益。例如,阿里巴巴已经走出传统优势领域,试图控制用户如何在移动设备上访问其内容。这就是社交消息应用来往,试图挑战腾讯微信。但到目前为止,来往尚未得到中国网民的太多关注。阿里巴巴还投资了美国消息应用公司Tango,对移动浏览器UCWeb和数字地图公司高德软件各自投资10多亿美元。目前这些投资尚处于初级阶段,阿里巴巴也承认,获得投资回报尚需时日。阿里巴巴在IPO招股书中称:我们的战略投资和并购可能影响未来的财务数据,包括净营收和利润率下滑。同时,阿里巴巴还在推动移动GMV(总成交额)所占比重。今年第一季度,移动GMV占整体GMV的比例从一年前的10.%提高到27.4%。尽管移动平台已占到阿里巴巴在线市场商品交易额的1/4,但与阿里巴巴其他电子商务业务相比,利润明显不足。今年第一季度,移动交易营收仅占整体在线零售营收的1/8。不管怎样,阿里巴巴的移动商业化能力还是在提升。今年第一季度,阿里巴巴的移动商业化比率(移动营收占GMV的比例)从一年前的0.47%提高到0.98%,但仍不到整体电子商务商业化比率的一半。王牌在微信手中尽管阿里巴巴向移动平台转移取得了进展,但王牌握在腾讯微信手中。腾讯并未细分其国内和国际微信用户数量,但截至3月底的月活跃用户数量约为4亿。由于当前微信国际用户数量还有限,那么该数字意味着中国约4/5的网民使用微信。最初,微信只是一款消息应用,与WhatsApp类似,但支持贴图(sticker)、表情和语音短信。而如今,微信已经允许用户预定出租车、寻找附近餐馆、购买打折电影票和阅读新闻等。阿里巴巴执行副总裁蔡崇信对此表示:不可否认,每个人都在使用通信应用,如微信。但那只是通信,不是商务。蔡崇信还称:用户使用商务功能才真正具有更高价值,我们专注于提升自己的电子商务应用的使用率和互动。腾讯的触角并不局限在通信市场。今年3月,腾讯还收购了京东商城15%的股权。京东是中国第二大电子商务公司,也是阿里巴巴的主要竞争对手。通过将京东在线购物与微信相整合,腾讯凭借其数亿用户直接成为阿里巴巴的竞争对手。上周,腾讯还收购58同城20%的股权,旨在提升微信和其他社交服务的基于地理位置的电子商务业务。另外,中国最大搜索引擎百度是中国另一家互联网流量看门人。其搜索应用被广泛
预装在智能手机中,因此能够掌握用户的大量互联网数据。阿里巴巴依靠其用户流量来鼓励商家投放广告,这也正是阿里巴巴的主要营收源。在截至3月底的上一财年,阿里巴巴超过50%的营收来自在线营销服务。科技分析师本·汤普森(Ben Thompson)称:广告在移动平台上的盈利能力一直欠佳,阿里巴巴当前所面临的挑战就是找出适合的移动业务模式,正如Facebook当初必须要做的。(谭然)
阿里巴巴面临移动商业化挑战
时间: 2024-09-10 18:00:12
阿里巴巴面临移动商业化挑战的相关文章
个性化推荐技术究竟面临着哪些挑战?
个性化推荐经常被人误解为细分市场和精准营销这两个概念.虽然它们之间有一些联系,但实质上却相差甚远.本文不仅清楚地讲述了个性化推荐技术,更列出了其所面临的十大挑战. 很多人都知道个性化推荐,却有不少认识上的误区.有的人认为个性化推荐就是细分市场和精准营销,但实际上细分市场和精准营销往往是把潜在的用户分成 很多群体,这与基于全体的统计相比固然有了长足的进步,但距离"为每一个用户量身定做的信息服务"还有很大的差距,只有做个性化才能实现亚马逊CEO Jeff Bezos的梦想"如果我
电子银行面临第三方支付挑战 转型势在必行
近几年来,中国的电子银行业务发展非常迅速,这对于银行业务转型发挥了积极的作用.但电子银行也面临着"成长的烦恼",比如如何在增强安全性的同时兼顾客户体验?如何应对第三方支付机构的冲击?怎样实现传统服务模式向网络经济服务模式的转变?<每日经济新闻>记者就以上这些问题,对中国建设银行电子银行部总经理徐捷进行了专访. 兼顾安全性和客户体验 NBD:日前,央行发布的<网上银行系统信息安全通用规范(试行)>涉及网上银行系统的技术.管理和业务运作三个方面,分为基本要求和增强要
分类信息网站58同城上市前调查:面临三大重要挑战
58同城递交招股书赴美上市的消息,意味着一度麻烦缠身的分类信息网站出现了重大行业转机吗?且慢乐观. 招股说明书显示,58同城营运及自由现金流已经连续4个季度为正,2013年第二季度更是大爆发:当季营收同比增长61%达3511万美元,同比扭亏实现净利496万美元.在过去两年资金链断裂.高管离职.裁员.转型失败等一系列负面消息后,这些数字不啻于美妙仙音. 但58同城财报"逆转"背后的信息仍需进一步解读和分析,特别是今年第二季度业绩井喷的原因.仅从表面看,今年58同城的商业模式并没有特别大的
《SEO的艺术(原书第2版)》——1.4 确定搜索者意图:营销人员和搜索引擎面临的共同挑战
1.4 确定搜索者意图:营销人员和搜索引擎面临的共同挑战 好的营销人员具有同情心.精明的SEO从业人员和搜索引擎有共同的目标,就是为搜索者提供与其查询相关的结果.因此,要构建围绕SEO和搜索排名的在线营销策略,关键的要素就是理解你的受众.一旦掌握了目标用户搜索服务.产品或者资源的方式,你就能更有效地接触和留住这些用户.搜索引擎营销人员必须意识到,搜索引擎是工具--意图所驱动的资源.使用搜索框和在浏览器的地址栏输入URL.点击书签或者从启动页面选择一个链接前往某个网站有着本质的不同,和点击Stum
智能传感器在物联网领域面临的三大挑战
当今的智能传感器模块包含与原始传感器集成的某些处理能力,在物联网的世界里,微机电系统(MEMS)传感器是搭建用户与其周边众多设备(如智能手机.可穿戴设备.机器人和无人机)之间的桥梁.然而,仅仅凭借设备的传感和连接根本不足以实现物联网的远大目标. 随着周遭环境的日益复杂,各类设备对众事物无时无刻的传感功能也让传感器供应商面临着巨大的挑战.它所面临的主要挑战可归结为以下三点: 第一个挑战是技术本身.供应商欲利用其核心MEMS和系统技术来完成这项不可能完成的任务.对于工程师来说,这是一种物理限制的挑战
云计算时代 传统虚拟化网络面临着哪些挑战?
云计算的发展,正让许多传统的IT技术发生变化,其中传统网络虚拟化就是一个.在最早的通信行业,网络承担着"传输"和"路由"两大任务,但因为搅在一起,搞得效率越来越低. 当大规模的数据中心出现后,设备.网络等变得越来越复杂.于是乎,为了解决网络问题,从而把"传输"和"控制"层面分开,虚拟网络化出现. 何为虚拟网络?本质上,它是把传统网络中的"传输"层面和"路由(控制)"层面分开,把传统的网络
新概念,数字游民面临的一些挑战和应对举措
随着网络技术日新月异的发展,一二线都市中开始盛行soho办公,只要有一根网线,一身超乎常人的技能,很多工作就可以在家完成,再也不用挤早晚高峰的地铁.公交,彻底摆脱上下班打卡的约束. 眼下,国外的soho办公已经成为人们主流的工作方式之一,同时digital nomad开始流行起来,只要有无线网络覆盖的地方,想在哪儿办公就在哪儿办公,家都不用呆了:践行digital nomad工作方式的人群被称为数字游民(数字游民指无需办公室等固定工作地点,而是利用技术手段,尤其是无线网络技术完成工作的人),这已
火爆的背后,高通量测序面临5大挑战 | 深度
雷锋网AIHealth栏目按:基因测序作为医疗健康行业的火爆技术,近年来越来越得到临床的认可,并逐步被应用到各大领域中.尤其是精准医疗概念提出以后,基因测序更是备受青睐,它为精准医疗解答了很多未知的问题. 如今,基因测序已经形成了一定的产业规模,大量的企业以不同形式跻身进来.但是,在表面飞速发展的背后,技术上仍有大量的挑战.外媒<GEN>Shawn C. Baker博士撰文讲解该领域面临的困难与挑战,雷锋网(公众号:雷锋网)AIHealth栏目编译如下: 过去十年里,高通量测序技术经历了跨越式
数据科学面临的共同挑战有哪些?
随着我们进入2017年下半年,是时候看看那些使用数据科学和机器学习的公司面临的共同挑战.假设你的公司已经在大规模收集数据,需要用到分析工具,而且你已经认识到数据科学可以发挥重大作用(包括改善决策或企业经营.增加收入等等),并进行了优先排序.收集数据和识别感兴趣的问题并非小事,但假设你已经在这些方面起了个好头,那么还剩下哪些挑战呢? 数据科学是一个宽泛的话题,所以我要说明一下:本文主要探讨的是督导式机器学习的使用现状. 一切从(训练)数据开始 假设你有一支处理数据摄取和整合的团队,以及一支维护数据