读图后时代 人工智能能否破解图片社交困局?

前几年,国产的图片应用一波浪潮接着一波浪潮打马而过,前有堆糖、花瓣网、嘀咕网、优美图,后有足记、脸萌、疯狂猜图、魔漫相机。相关数据统计显示,在全球20亿部智能手机上,每天发送图片表情和动图的总数达到60亿。如今,各类诙谐风趣的表情图片变身为用户沟通交流的新方式,现在的年轻人愈发热衷于使用图片来完成自我表达,这个迹象意味着以文字作为主要社交语言的时代正在成为过去。

读图后时代 人工智能能否破解图片社交困局?-DVBCN

90后、00后表达方式的改变,让图片市场有了需求。随着表情图片、美颜图片成为商家内容运营、流量营销的一把利器,“图片经济”也在其推动下随之成为一块极具商业潜力的市场。

用户个性化需求汇出社交读图时代

随着信息技术的发展,飞鸽传书、邮递信件等交流方式早已被智能手机里的社交软件所取代,但是隔着屏幕进行文字交流难免有错误解读的时候,而当文字不足以准确地表达某种感情和态度时,图片就成为了文字的补充。与语言文字相比,图片社交的优势在于,它在准确完成表达的基础上显得更为直接而不失趣味性,这是图片社交受到年轻人欢迎的主要原因。

据了解,目前社交分享中68%为视觉内容。随着各类图片在网络上的疯狂传播,资本家无疑看到了商机——利用被转载的图片传递品牌信息。用户对视觉内容的强烈需求一定程度上左右了社交产品发展的方向和形态的变化,以In、Nice为代表的图片社交应用应运而生。

这类图片社交平台倾向于通过兴趣来做社交,由此覆盖各类人群。一方面用各种文艺范的活动将用户细分,高冷的表现形式辅以私聊和圈人的功能,帮助用户形成属于自己的高逼格。另一方面通过各种生活化的自拍场景、品牌偏好来对用户进行标签化的划分。

除此之外,在超级社交平台上,人们习惯以时下流行的明星、影视截图为素材,配上一系列相匹配的文字,用以表达特定的情感。这类图片以搞笑居多,且构图夸张,富含趣味性,“斗图”已经成为年轻人之间十分普遍的社交场景。就微信、微博、QQ这样的超级社交应用而言,图片社交尽管只是其丰富的功能之一,但庞大的用户基数决定了“小图片”就能掀起的“大波澜”。

图片社交之所以能够逐渐替代文字成为流行的社交方式,一方面是因为图片的生产方式便捷,目前中国智能手机保有量非常巨大,并且正在以比较快的速度增长,所以任何拥有智能手机的人都可以成为图片的生产者,手机智能化正在加速图片产业的生产和传播。

另一方面是,现在的很多年轻人都喜欢自拍进行网络分享,艾瑞集团《中国在线图片行业趋势解读》数据显示,我国日均图片用户上传人数有5.5亿,浏览人数4.4亿,24%左右的人会进行分享,大概33%的人会点赞,而这个人群的比例未来一定还会上升。

图片社交打破了传统社交模式在语言上的局限性,让生活变得更有乐趣,相较传统的文字社交,图片直观的信息传递方式和低门槛的特性让图片成为用户利用社交应用交流时更倾向的信息载体,图片已经成为年轻人社交互动的主要方式,互联网社交也进入了读图时代。但是新、奇、酷的图片社交应用起起落落,来得的快去得也快,国内图片社交陷入了活不长的怪圈。

国内图片社交应用遭遇难题,陷入社交迷途

2010年上线的图片分享平台Instagram用户数量一度超越Twiiter,2012年被Facebook以7.15亿美元收购之后,估值持续攀升甚至逼近400亿美元。无独有偶,成立于2010年的图片社交应用Pinterest近期完成新一轮1.5亿美元融资,融资后估值达123亿美元。国外社交平台的发展证实了图片社交的前景广阔。但国内图片经济在实际运营中却面临模式变现的难题,以及语音、视频等新兴社交方式的冲击。

在国内,copycat似乎都没做好,nice基本上已经没有声音了,in也只能垂直到时尚街拍这个方向,网易的lofter一直也就是个小众app, copycat花瓣小众到都只能面向设计师群体……盈利模式不清晰、变现难、产品同质化等问题让图片社交产品陷入迷途,虽然创业者、资本家对图片社交仍然充满希望,但投资行为、创业行为已经变得非常谨慎。

一、产品同质化严重,缺乏高质量的图片内容

在手机技术及互联网的双重发展带动下,智能移动设备的普及让大众有更多的机会来创造并消费图片信息,图片社交市场也随之热闹起来。但值得注意的是,目前国内图片社交应用领域还是存在产品同质化的问题。

以IN和NICE为例,两者的逻辑模式非常相似,都是建立在instagram式的“图片+标签”之上,并通过用户自发打在图片上的品牌、地点、心情、活动等标签衍生出了图片搜索。而且,图片社交用户使用习惯偏向消遣性,图片内容的优质生产者偏少。

产品同质化加剧了图片社交应用间的竞争,图片社交应用面对有限的市场容量,大量同质化产品涌入,到处都是价格战、营销战。这种同质化现象影响企业的利润收入和融资筹措,产品研发和品牌化建设往往随之搁浅,维持在一个整体水平不高的竞争状态,严重影响市场的良性发展。

二、图片社交不成熟,难逃社交产品变现魔咒

人人网创始人陈一舟曾表示:“尽管现在做社交的创业者依旧很多,投资人也喜欢往里面投钱,但大多数人并不清楚知道其中的困难,指望社交变现是一件非常困难的事情。”变现难是社交类产品的老问题,综合美国的Instagram以及中国微信的商业化尝试会发现,这些产品大都遵循了这样一条铁律:在守住工具本分的同时,还需不断探索新的边界,为用户创造更大价值。因此,大多数社交平台流量变现模式以品牌商广告收入和用户增值服务为主,图片社交也不例外。

目前来看,图片社交平台的变现模式仍然大部分依靠广告和增值服务,也有些尝试电商变现,但还处于萌芽阶段。图片社交变现模式相对传统,且收入不稳定,现阶段想要增加盈利还需琢磨出新颖的变现模式。

三、图片社交应用用户基数小、粘度低

物以类聚,人以群分,一个人只有在社交平台形成自己的圈子,才会在平台上玩得更久。图片社交相对其他社交平台来说更容易被工具化,成为消遣型应用,用户停留时间短导致内容沉淀困难,所以国内大多数图片社交应用都是火了一阵就销声匿迹。此外,在数量和质量的积累上,多数平台缺乏增强用户黏性的策略,没有黏性意味着留不住人,这样的平台自然很难做起来。

而且,BAT等互联网巨头攫取了大部分的流量和目光,用户图片上传平台的首选一定是微信、微博、QQ等社交巨头,而非图片社交应用。创业者们即使有新的项目,也很难获得聚焦和用户的关注。

综上所述,图片经济火热的背后,其实也暗藏危机——社交用户群体还处在从文字媒介向图片媒介转化的过程中,虽然拥有巨大流量,但是沉淀下真正忠实于自己的用户仍需时日,只有让图片社交产品变得不可复制,图片经济的未来才有可为。

读图后时代,人工智能携手图片社交玩新花样

在互联网社交产品井喷的当下,全球都在进入一个图片分享时代,从专业摄影图片到日常生活图片以及表情包“斗图”,未来几年全球将会进入读图时代。尽管国内图片社交依旧不温不火,从用户规模来看,中国6.5亿的网民在图片分享平台的用户规模渗透率不足10%。但是,近几年快速崛起的“斗图文化”正在带动读图时代的发展,图片社交应用的使用率将会越来越高。

更为重要的是90、00后新兴群体是一个“看脸”的群体,对他们来说颜值即正义。他们热衷于P图、美颜、整形、文艺、搞怪、逗逼等新兴元素,取悦他们将成为读图产业爆发的关键。

最近几年,国内AI、图像识别、机器学习、自然语言理解等产品快速爆发,图片社交平台开始使用机器对用户在平台分享的图片进行处理,利用大数据智能匹配算法,通过人工智能的方式去解决图片社交应用问题。

对于图片社交平台来说,现阶段的大数据和人工智能都只是提升效率的工具。但是,图片社交平台中旋网负责人曾说:“我们不相信算法在未来会代替人们的工作。但是我们相信AI会在某种程度上增强人的技能。现在我们在做的就是给图片加上思想。”图片社交平台未来还会在图片领域深耕AI技术与图片的结合,增添如人脸识别、语义识别等有趣的功能,优化用户体验。

据悉,孟买的社交网络平台VoxWeb允许用户在上传的图片上加上声音。凭借这一特定功能,VoxWeb已获得了第三轮100万美金融资。VoxWeb支持IOS和Android系统,自2015年上线以来已拥有超过50万用户。

无独有偶,结合人工智能AI和机器学习技术,eBay app推出新的产品搜索方式。据悉,2017年秋季,eBay购物者可以在移动设备上通过Image Search和Find it On eBay搜寻产品。搜索功能与机器学习结合,随着时间发展,eBay识别图片的能力会逐渐提高,找到的产品也会越来越准确。由此可见,未来的图片可能不只是“会说话”,也许还会“翻译各国语言”、“识别人脸”。

整体来看,中国网民低龄化趋势日益明显,这些90后、00后用户群喜欢尝试新奇的东西,人工智能融入图片的新奇玩法,使得图片社交更吸引具有猎奇心理的年轻群体,AI技术的发展或许会成为图片社交发展的契机,同时5G时代也将推动图片处理技术的进步,图片社交平台或将迎来快速发展的增长期。

相关文章
四川省:2027年算力总规模达到40EFLOPS,5G基站总数达32万个
四川省:2027年算力总规模达到40EFLOPS…
【破局】这家广电有线省网将率先成立人工智能(AIGC)实验室?
【破局】这家广电有线省网将率先成立人…
中国电影电视技术学会发布《AIGC媒体应用产业图谱(1.0版)》
中国电影电视技术学会发布《AIGC媒体应…
以数实融合创新未来,探访泉城看得见的数智化新进展
以数实融合创新未来,探访泉城看得见的…
工信部陶青:5G行业应用覆盖到76个行业大类,间接带动总产出约14万亿元
工信部陶青:5G行业应用覆盖到76个行业…
工信部赵志国:全国已累计建成207个千兆城市,GAI服务大模型注册用户超6亿
工信部赵志国:全国已累计建成207个千兆…
我还没有学会写个人说明!