二手书市场是由两个截然不同的市场组成,一部分是教科书,校园交易是这个市场的核心,具有超强的流动性,商品种类相对较少,买家和卖家多如牛毛,容易以合适的价格买到中意的产品,但就存货会因为版本的更新而被清洗一次。一部分是非学术用书,流动性较差,商品种类很多,买家和卖家数量不足,找到合意产品的概率很小。
Alibris就是一个长尾集合器,将上万家二手书店的藏书连为一体,用信息的力量在一个原本缺乏流动性的市场中创造一个流动性的市场。集合器印证了长尾的第二大力量——普及传播工具。
商业集合器主要分为五大类:
- 有形产品(如亚马逊,eBay)
- 数字产品(如iTunes, iFilm)
- 广告/服务(如google, Craigslist)
- 信息(如google, 维基百科)
- 网上社区/用户自创内容(如MySpace, Bloglines)
第一类企业称为混合零售商,是邮购经济学和网络经济学的混合体,产品是通过邮寄或联邦快递运送的,其效率一方面用集中化仓储方法降低供应链成本,一方面利用网站的搜索功能和其他信息优势提供无限的产品选择。
亚马逊的CD经营模式远胜于一般的唱片店,沿着音乐长尾前进1/4的路程,但并没有进行到底,因为每一张CD都有存货风险,每一次销售都有运输成本,一张CD上的歌曲不能单独出售,销售的CD不包括CD时代之前的音乐已经从未发行过的车库乐队的音乐。
要想一路走到长尾之末,唯一的方式就是抛弃"原子",将所有的交易都建立在"字节"的基础上。
第二种称为纯数字零售商,其产品几乎没有任何的存储成本,传输成本就是宽带字节,产品可以独立出售。

混合零售商亚马逊如何开拓长尾?
首先,在线厂商既可以拥有邮购商家的集中化配送,也拥有目录零售商的直销优势。
其次,继续降低公司的存货风险,不再毫无必要的为存在自家仓库中的产品付出成本。亚马逊用寄售工程,一个作者支付29.95美元的年费,把书寄到亚马逊,如果书卖掉了,将获得45%的销售额。这样既可以确保一个作者的书可以轻松可得,也可以用年费来弥补一下存货成本。
第三,将虚拟存货模式加以扩展,引入其他大零售商,利用他们与生产商和分销商的现有关系。亚马逊利用市集工程,为大大小小的商家提供服务,任何的零售商和分销商都可以把自己的产品列在亚马逊上,于亚马逊自家仓库中的存货没有两样,而且顾客们购买这些产品与购买亚马逊的产品同样轻松。这样全部存货风险都转嫁给了第三方卖家。
第四,即需即印。在理想化情况下,一本书在出售之前一直只是数字文件,一旦有人订购,激光打印机马上打印出来。最初亚马逊在仓库里有自己的工业打印机,随后收购了即需即印的企业BookSurge。但是现在一直受技术和经济上的限制,包括成本较高,版式和纸张不匹配,版权问题等。
降低成本的终极方法就是完全消灭原子,用字节处理一切。纯数字集合器企业只需把产品存储在硬盘上,通过宽带运送它们。生产,存储,销售成本接近于零,即需即制。

- 大小: 33.9 KB
分享到:
相关推荐
### 《跟我学SEO从入门到精通-张新星》精华读书笔记第十一章 #### 11.2 做网站的准备工作和建设内容 - **选择熟悉领域**:选择自己熟悉的行业来创建网站,这有助于更好地理解目标受众的需求,并能够提供更高质量的...
### 2021-2025年中国Wi-Fi 6行业调研及利基市场战略咨询报告 #### 第一部分:Wi-Fi 6技术综述 **Wi-Fi 6概述** Wi-Fi 6(也称为802.11ax)是一项最新的Wi-Fi标准,旨在提高网络效率和速度,特别是在密集环境中的...
铅笔头识别数据集,1692张原始训练图,640*640分辨率,91.1%的正确识别率,标注支持coco json格式
高校网络教学的体系规划与创建.docx
SpringBoot的学生心理咨询评估系统,你看这篇就够了(附源码)
内容概要:本文详细介绍了如何使用遗传算法优化BP神经网络,以提高交通流量预测的准确性。文中首先解释了BP神经网络的基本结构及其局限性,即容易陷入局部最优解的问题。随后,作者展示了遗传算法的工作原理,并将其应用于优化BP神经网络的权重和偏置。通过定义适应度函数、选择、交叉和变异等步骤,实现了对BP神经网络的有效改进。实验结果显示,优化后的BP神经网络在交通流量预测中的精度显著高于传统的BP神经网络,特别是在处理复杂的非线性问题时表现出色。 适用人群:对机器学习、深度学习以及交通流量预测感兴趣的科研人员和技术开发者。 使用场景及目标:适用于需要进行精确交通流量预测的应用场景,如智能交通系统、城市规划等领域。主要目标是通过遗传算法优化BP神经网络,解决其易陷入局部最优的问题,从而提高预测精度和稳定性。 其他说明:文中提供了详细的Python代码实现,帮助读者更好地理解和实践这一优化方法。同时,强调了遗传算法在全局搜索方面的优势,以及其与BP神经网络结合所带来的性能提升。此外,还讨论了一些具体的实施技巧,如适应度函数的设计、交叉和变异操作的选择等。 标签1,标签2,标签3,标签4,标签5
内容概要:本文详细介绍了H5U框架在PLC与触摸屏集成方面的应用,特别是在总线伺服控制和跨平台移植方面。文章首先解析了伺服控制的核心代码,如使能模块和绝对定位指令,强调了标准化控制流程的优势。接着讨论了触摸屏交互,通过直接映射PLC的DB块地址简化了数据处理。然后介绍了总线配置,尤其是EtherCAT总线初始化及其容错设计。此外,文章还探讨了框架的移植性和报警处理设计,展示了其在不同PLC品牌间的易用性和高效的故障恢复能力。 适合人群:从事工业自动化领域的工程师和技术人员,特别是有PLC编程经验和需要进行伺服控制系统开发的人群。 使用场景及目标:①快速搭建和调试基于PLC和触摸屏的自动化控制系统;②提高多轴设备的调试效率;③实现跨平台的无缝移植;④优化报警管理和故障恢复机制。 其他说明:该框架不仅提供了详细的代码示例和注释,还包含了丰富的实战经验和最佳实践,使得新手能够快速上手,而资深工程师可以在此基础上进一步创新。
内容概要:本文档《UE5开发.txt》全面介绍了Unreal Engine 5(UE5)的基本概念、安装配置、项目创建、文件结构及常用功能。UE5是一款强大的游戏引擎,支持实时渲染、蓝图创作、C++编程等功能。文档详细描述了UE5的安装步骤,包括硬件要求和环境配置;项目创建过程,涵盖项目模板选择、质量预设、光线追踪等设置;文件结构解析,重点介绍了Config、Content和.uproject文件的重要性。此外,文档深入讲解了蓝图编辑器的使用,包括变量、数组、集合、字典等数据类型的操作,以及事件、函数、宏和事件分发器的应用。蓝图作为一种可视化脚本工具,使开发者无需编写C++代码即可快速创建逻辑,适用于快速开发和迭代。 适合人群:具备一定编程基础的游戏开发者、设计师和对游戏开发感兴趣的初学者,尤其是希望深入了解UE5引擎及其蓝图系
餐馆点菜系统概要设计说明书.doc
5+1档轿车手动变速箱设计说明书.doc
1万吨自来水厂详细设计说明书.doc
wordpress外贸电商企业产品主题 页面展示图https://i-blink.csdnimg.cn/direct/e45b2e2e8e27423eb79bda5f4c1216d7.png
低效林改造作业设计说明书.doc
西门子200smart编程软件V2.8.2.1
135调速器操纵手柄 设计说明书.doc
内容概要:本文档为蓝桥杯全国软件和信息技术专业人才竞赛提供了全面的指导,涵盖竞赛概述、流程与规则、核心考点与备赛策略、实战技巧与避坑指南以及备赛资源推荐。蓝桥杯竞赛由工信部人才交流中心主办,涉及算法设计、软件开发、嵌入式系统、电子设计等领域。文档详细介绍了参赛流程(报名、省赛、国赛、国际赛),并针对软件类和电子类竞赛分别阐述了高频考点和备赛建议。对于软件类,强调了算法与数据结构的重要性,如排序、动态规划、图论等;对于电子类,则侧重于硬件基础和开发工具的使用。此外,还提供了详细的答题策略、常见陷阱规避方法及工具调试技巧。; 适合人群:高校本专科生、研究生,尤其是对算法设计、软件开发、嵌入式系统等领域感兴趣的计算机科学及相关专业的学生。; 使用场景及目标:①帮助参赛选手熟悉竞赛流程和规则,明确各阶段任务;②提供系统的备赛策略,包括高频考点的学习和专项突破;③指导选手掌握实战技巧,避免常见错误,提高答题效率和准确性。; 阅读建议:此文档不仅提供了理论知识,还包含了大量实战经验和备赛资源推荐,建议读者结合自身情况制定个性化的备赛计划,充分利用提供的资源进行练习和准备。
基于行块抽取正文内容的java版本的改进算法.zip
内容概要:本文详细介绍了基于西门子S7-200 PLC和MCGS组态软件的快递分拣系统的设计与实现方法。首先阐述了硬件配置的关键要点,包括IO分配表的具体设置以及传感器和执行机构的连接方式。接着深入解析了PLC程序中的梯形图逻辑,涵盖主传送带的连锁保护、机械臂动作的自保持逻辑和安全复位机制等核心部分。同时探讨了MCGS组态画面的应用,展示了如何通过脚本实现动态效果和数据统计功能。此外,文中还分享了一些调试经验和常见问题的解决方案,如防止传感器抖动、优化数据传输效率等。 适合人群:从事工业自动化领域的工程师和技术人员,尤其是对PLC编程和组态软件有一定了解的人群。 使用场景及目标:适用于需要构建高效可靠的快递分拣系统的物流企业或相关项目开发者。目标是帮助读者掌握从硬件选型到软件编程的一整套实施流程,确保系统能够稳定运行并达到预期性能指标。 其他说明:文章不仅提供了理论指导,还结合实际案例进行了详细的步骤讲解,有助于读者更好地理解和应用于实践中。
该资源为joblib-0.12.5-py2.py3-none-any.whl,欢迎下载使用哦!
内容概要:本文详细介绍了三种经典的机器学习分类算法——决策树、随机森林和KNN分类器,在Python的sklearn库中的具体实现方法。首先,通过加载鸢尾花数据集进行数据准备,并将其划分为训练集和测试集。接着分别实现了决策树、随机森林和KNN分类器,展示了每种算法的关键参数配置及其对模型性能的影响。对于决策树,重点讨论了max_depth参数的作用以及如何通过可视化工具理解其分裂过程;随机森林部分强调了n_estimators参数的选择和特征重要性的评估;而KNN分类器则着重于特征标准化的重要性和n_neighbors参数的优化。此外,文中还提供了关于模型选择的指导,帮助读者根据不同应用场景选择合适的算法。 适合人群:对机器学习感兴趣的初学者和有一定编程基础的研发人员。 使用场景及目标:①理解并掌握决策树、随机森林和KNN分类器的工作原理;②学会使用sklearn库快速构建和评估分类模型;③能够根据具体问题特点选择最适合的分类算法。 其他说明:本文不仅提供了详细的代码示例,还分享了许多实践经验,如参数调优技巧、模型评估方法等,有助于读者更好地理解和应用这些算法。