消费者在眉州东坡(国贸店)就餐,摄影:周沫
和合谷品牌外卖业务负责人孙越表示,疫情期间,堂食门店的生意迎来低谷,现在已经强劲反弹,据了解,其部分门店堂食已经恢复到80%。“按照这个复苏速度,在春节前后,就能达到这三年中最好的状态。”孙越说:“当然若要完全恢复到2019年前,可能还需要一段时间,但是曙光已现。今年春节,我们已经在线上推出了两款新春合家欢套餐,春节后会同步上线‘开工大吉套餐’,预计会迎来一波新订单量的增长。”
另一家北京餐饮品牌“潮粥荟”则表示,不管是商场店或者单独的门店,在今年春节期间都坚持线下线上不打烊。“我们将全力以赴,在春节档赢得开门红。外卖用户下单年夜饭套餐,会重点考虑家里老人、小孩的口味,因此粤菜非常受欢迎。餐厅将增加2倍人手,专职负责外卖打包。”潮粥荟负责人王霞介绍,“我们的堂食和外卖都坚持一锅一煮,有专门的保温配送盒,能够保证口味,让市民足不出户也可以吃到热乎乎的粥”。
拐点已至 线上外卖和线下堂食迎来双增长
“通过近期的年夜饭预订等数据,我们发现线上订单较快增长的同时,线下消费也在加速恢复。今年春节预计是一个行业消费复苏的拐点。”胡大饭馆运营负责人张胜滔介绍。
以经营夜宵场景为主的胡大饭馆,决定抓住兔年春节这一拐点,尝试新的经营机会,在线下、线上都开拓了丰富的年夜饭套餐供市民选择。“为稳岗留工,我们鼓励员工就地过年,安排错峰休假,春节还为在京人员准备了开工红包,让大家更有获得感和幸福感。”
当前,疫情防控进入新阶段,餐饮门店的堂食在快速复苏。而随着各行各业的复工复产,外卖订单也保持着兴旺状态。餐企商家们正在摆脱不确定性,走向确定性。发力线上线下双主场,将特殊时期积累的经验和优势进一步放大,则是不少商家认为餐饮行业能够较快复苏的原因之一。
眉州东坡外卖负责人王铮介绍,2022年6月到12月,自品牌推动线下线上“双店长”以来,外卖业务同比提升30%以上。因此,公司的“双店长”制度于2023年1月份全面落地,包括门店岗位、政策福利等都会统一安排。眉州东坡“双店长”的新尝试,实际上也是后疫情时代餐饮行业“双主场”发展的一大趋势。“以前门店人员可能只会外卖打包,现在对各种外卖运营策略都非常熟悉。疫情期间不仅外卖占比不断提升,更为品牌培养了大批优秀的外卖人才,这也让我们有底气将外卖和堂食置于同等重要地位。春节期间,在外卖服务上,我们会配备充足人手,由专门的店长负责跟进用户服务体验,保证市民足不出户也能品尝到新鲜、好吃的年夜饭。”
外卖骑手从眉州东坡门店取餐,摄影:周沫作为一家北京知名餐饮品牌,和合谷的门店数从2019年的110多家上涨到目前的200余家,实现了逆势增长。这离不开和合谷三年以来深耕线上线下“双主场”。和合谷孙越介绍,一直以来,和合谷将打造高品质产品以及为顾客提供好的服务放在首位。以外卖为例,和合谷会对所有订单评价展开多维度的分析处理,做好与用户互动,并在餐品、餐具研发上不断发力。比如商家有几类定时定温的自研设备,能够减少人工误判,保证出餐品质的稳定性。打造“外卖实验室”,每季都会推出新餐品以满足消费者尝鲜需求。“做外卖帮助我们留住了老用户。随着门店生意的加速复苏,不少线上用户也成为了堂食常客。”
为了更好地帮助餐饮商家经营,美团外卖也基于季节特点以及消费趋势,上线“冬季吃点好的”等多场营销活动,助力商家增长。同时推出“外卖管家服务”,由具备专业数字化运营能力的外卖运营师为受疫情影响的餐饮商户提供一对一帮扶,服务涵盖经营诊断、店铺装修、餐品设计、活动策划、推广营销、运营优化等六项内容。
面对行业的“确定性增长”,众多餐饮商家铆足了劲,希望能够抓住春节这波复苏红利期,添柴加火,助燃“人间烟火”。业内人士表示,除了节日消费促进作用外,餐饮行业之所以能够获得较快复苏,另一个重要原因是线上外卖与线下堂食相互促进,为今年餐饮复苏增添了新动力。
提速近10倍!基于深度学习的全基因组选择新方法来了****** 近日,中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用,将助力深度学习在全基因组选择中的应用,为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物(Molecular Plant)》上。 全基因组选择作为新一代育种技术,通过构建预测模型,根据基因组估计育种值进行早期个体的预测和选择,从而缩短育种世代间隔,加快育种进程,节约成本,推动现代育种向精准化和高效化方向发展。 统计模型作为全基因组选择的核心,极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型,难以捕捉基因型和表型间的复杂关系。 相较于传统模型,非线性模型(如深度网络神经)具备分析复杂非加性效应的能力,人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机,深度学习算法的优化将会提高全基因组选择的预测能力。 该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料,通过创新深度学习算法框架开发了全基因组选择新方法。 与其他五种主流预测方法相比,该方法有以下优点: 可以利用多组学数据开展全基因组预测;算法设计中包含批归一化层、回调函数和校正线性激活函数等结构,可以有效降低模型错误率,提高运行速度;预测精度稳健,在小型数据集上的表现与目前主流预测模型相当,在大规模数据集上预测优势更加明显;计算时间与传统方法相近,比已有深度学习方法提速近10倍;超参数调整对用户更加友好。 该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。 学术支持 中国农业科学院作物科学研究所 记者 宋雅娟
(文图:赵筱尘 巫邓炎) [责编:天天中] 阅读剩余全文() |