当前位置：网站首页 > 技术分类 > 正文

品牌商争先利用虚拟现实技术做营销

ztj100 2025-03-06 00:00 17 浏览 0 评论

（YiViAn 2016年4月23日）很多品牌和零售商都希望借助虚拟现实和增强现实技术来提高顾客对其产品的关注度。

一些奢侈品牌如Dior（法国时尚消费品牌）和Tommy Hilfiger（美国悠闲精品）还有TOMS（鞋履品牌）已经在其门店为顾客提供虚拟现实体验。而在实体店中提供电子科技体验正成为零售商们下一步的推广策略。

Razorfish的Jason Goldberg告诉YiViAn说，把像虚拟现实这样的电子科技技术融入到实体店中是非常昂贵的，而且对大公司来说也是很困难的。

品牌商需要为每一家门店支付头显，同时需要足够的电脑力量来运行这些设备。加上他们必须确保虚拟现实和增强现实应用能够和他们的购物体验无缝对接。

下一步，这些品牌和零售商们应该把目光移向可以提高用户体验的智能手机应用上，因为智能手机应用只需要提供软件，而不需要购买昂贵的硬件设备，所以这对零售商来说是相对便宜的一种方法。

智能手机可以为零售商提供更多的工具支持，例如推送，商标信息，应用介绍。其中一个例子是塔吉特（Target）的 Cartwheel应用。 Cartwheel可以允许用户扫面二维码，而这些二维码会有优惠券和现金券。在2015年中，全美有1300万人使用这个应用，而这为塔吉特创造了10亿美元的营收。

【来源: YiViAn.com，微信: ovalplus】

cartwheel

上一篇：VR、交互、概念店，数字店内技术该怎么玩?
下一篇：(4) 四轮参数

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练: 好的！以下是TensorFlow需要掌握的核心内容，用列表形式呈现，简洁清晰（含表情符号，<300字）：1.基础概念与环境TensorFlow架构（计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型: 准确预测Fitbit的睡眠得分在本文的前两部分中，我获取了Fitbit的睡眠数据并对其进行预处理，将这些数据分为训练集、验证集和测试集，除此之外，我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧: 机器学习模型常常需要大量数据，但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法，用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化: 作者：ValentinaAlto编译：ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化，帮助更有针对性...

超强，必会的机器学习评估指标: 大侠幸会，在下全网同名[算法金]0基础转AI上岸，多个算法赛Top[日更万日，让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能，这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习: 1.回顾与引入上节课我们谈到了机器学习的一些实战技巧，比如如何处理数据、选择模型以及调整参数。今天，我们将更深入地探讨机器学习的两大类：监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础: ...

Python 模型部署不用愁!容器化实战，5 分钟搞定环境配置: 你是不是也遇到过这种糟心事：花了好几天训练出的Python模型，在自己电脑上跑得顺顺当当，一放到服务器就各种报错。要么是Python版本不对，要么是依赖库冲突，折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型，高斯核!!: ...

神经网络与传统统计方法的简单对比: 传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程: ...

自回归滞后模型进行多变量时间序列预测: 下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如，sparklingwine。如何建立一个模型来进行预测呢？一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石: 苹果AI策略的深度原创分析，结合技术伦理、商业逻辑与行业博弈，揭示其“慢哲学”背后的战略智慧：一、反常之举：AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛，苹果的克制显得格格不入：功能延期：App...

时间序列预测全攻略，6大模型代码实操: 如果你对数据分析感兴趣，希望学习更多的方法论，希望听听经验分享，欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN: ...

取消回复欢迎你发表评论:

一周热门

最近发表

首页
收录
顶部