ofo押金处理再寻出路 推“押金升级折扣商城金币”

2023-10-15 05:10

本文主要是介绍ofo押金处理再寻出路 推“押金升级折扣商城金币”,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

新京报讯(记者 陈维城)继“押金转理财产品”折戟之后,ofo小黄车又为押金处理寻找出路。3月1日,记者登录ofo小黄车APP发现,99元押金可升级为150金币,金币可用于APP内折扣商城消费,1金币等于1元。截至发稿,ofo方面并未回应。

前“理财产品”,后“金币”

根据兑换规则,金币目前只可用在ofo平台的押金进行兑换,押金为99元,可兑换150金币,押金为199元,可兑换300金币。用户在ofo平台的押金转化为金币后,不但会获得在折扣商城使用金币进行消费的权力,而且,还会获得ofo平台提供的免押骑行权益。

ofo小黄车为处理用户押金问题费尽心力。2018年11月,ofo小黄车与PPmoney合作上线押金转理财产品,ofo 99元押金用户一键升级为PPmoney的新用户后,即认可并同意将ofo 99元押金成功升级变为PPmoney的100元特定资产。升级成功后,特定资产默认出借PPmoney新手福利项目,享受历史年化利率8%+8%的新手福利,锁定期30天,锁定期满后用户可申请退出,并在退出成功后获取相应本息。

然而,该合作一经上线就引发关注,随后,双方表示,由于某些合作细节问题,经双方协商后,对该活动进行了暂时下线处理,上线时间将另行通知。

2018年12月,ofo小黄车出现了押金难退情况。用户陈先生于2018年12月18日申请退款,排队10198862位,截至3月1日,排队数已更新为9435244位。

业内认为,面对巨额押金未退,ofo小黄车也是想方设法进行处理。不可否认,押金升级金币也是一种方式,但兑换与否仍需用户主动选择,后续效果需要观察。

相关部门加快出台押金管理办法

随着共享单车的发展,押金问题走进了人们视野。2月28日,国家信息中心发布《中国共享经济发展年度报告(2019)》也指出,造成共享单车行业发展困境的原因多方面,其缺乏有效的盈利模式,同时强势资本之间的竞争和博弈也使得企业面临的市场竞争环境恶化,网络效应和规模扩张超速也使得一些原本就存在的矛盾和问题集中爆发和扩大,如押金管理的问题、城市慢行基础设施不足等问题。

酷骑单车、小鸣单车、小蓝单车发生押金难退,也令主管部门对押金问题更加重视。2018年两会期间,全国政协委员、交通运输部党组书记杨传堂表示,共享单车的治理需要坚持多方共治原则,针对押金和预付金的监管办法正在制定过程中,将按照工作程序报批后尽快发布实施。

2018年底,拥有更大用户量的ofo小黄车也面临押金难退问题。2月28日,国新办举行深化改革推动交通运输高质量发展发布会,就涉及共享单车押金难退等方面。交通运输部副部长刘小明表示,共享单车是移动互联网和租赁自行车融合发展的交通运输新业态,近几年发展速度很快,“但是和其他新业态一样,共享单车在发展过程中,也存在着企业主体责任履行不到位,恶性竞争、无序停放、用户权益保障不足等问题。”

刘小明介绍,为建立押金长效管理制度,交通运输部及相关部门正研究制定《交通运输新业态用户资金管理办法》,将进一步细化用户押金管理,加快出台押金管理办法。

新京报记者 陈维城 编辑 程波 校对 柳宝庆

320X320.png

这篇关于ofo押金处理再寻出路 推“押金升级折扣商城金币”的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/215521

相关文章

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

Thymeleaf:生成静态文件及异常处理java.lang.NoClassDefFoundError: ognl/PropertyAccessor

我们需要引入包: <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-thymeleaf</artifactId></dependency><dependency><groupId>org.springframework</groupId><artifactId>sp

macOS升级后SVN升级

问题 svn: error: The subversion command line tools are no longer provided by Xcode. 解决 sudo chown -R $(whoami) /usr/local/Cellar brew install svn

jenkins 插件执行shell命令时,提示“Command not found”处理方法

首先提示找不到“Command not found,可能我们第一反应是查看目标机器是否已支持该命令,不过如果相信能找到这里来的朋友估计遇到的跟我一样,其实目标机器是没有问题的通过一些远程工具执行shell命令是可以执行。奇怪的就是通过jenkinsSSH插件无法执行,经一番折腾各种搜索发现是jenkins没有加载/etc/profile导致。 【解决办法】: 需要在jenkins调用shell脚

明明的随机数处理问题分析与解决方案

明明的随机数处理问题分析与解决方案 引言问题描述解决方案数据结构设计具体步骤伪代码C语言实现详细解释读取输入去重操作排序操作输出结果复杂度分析 引言 明明生成了N个1到500之间的随机整数,我们需要对这些整数进行处理,删去重复的数字,然后进行排序并输出结果。本文将详细讲解如何通过算法、数据结构以及C语言来解决这个问题。我们将会使用数组和哈希表来实现去重操作,再利用排序算法对结果

8. 自然语言处理中的深度学习:从词向量到BERT

引言 深度学习在自然语言处理(NLP)领域的应用极大地推动了语言理解和生成技术的发展。通过从词向量到预训练模型(如BERT)的演进,NLP技术在机器翻译、情感分析、问答系统等任务中取得了显著成果。本篇博文将探讨深度学习在NLP中的核心技术,包括词向量、序列模型(如RNN、LSTM),以及BERT等预训练模型的崛起及其实际应用。 1. 词向量的生成与应用 词向量(Word Embedding)

使用协程实现高并发的I/O处理

文章目录 1. 协程简介1.1 什么是协程?1.2 协程的特点1.3 Python 中的协程 2. 协程的基本概念2.1 事件循环2.2 协程函数2.3 Future 对象 3. 使用协程实现高并发的 I/O 处理3.1 网络请求3.2 文件读写 4. 实际应用场景4.1 网络爬虫4.2 文件处理 5. 性能分析5.1 上下文切换开销5.2 I/O 等待时间 6. 最佳实践6.1 使用 as

Level3 — PART 3 — 自然语言处理与文本分析

目录 自然语言处理概要 分词与词性标注 N-Gram 分词 分词及词性标注的难点 法则式分词法 全切分 FMM和BMM Bi-direction MM 优缺点 统计式分词法 N-Gram概率模型 HMM概率模型 词性标注(Part-of-Speech Tagging) HMM 文本挖掘概要 信息检索(Information Retrieval) 全文扫描 关键词

PHP7扩展开发之数组处理

前言 这次,我们将演示如何在PHP扩展中如何对数组进行处理。要实现的PHP代码如下: <?phpfunction array_concat ($arr, $prefix) {foreach($arr as $key => $val) {if (isset($prefix[$key]) && is_string($val) && is_string($prefix[$key])) {$arr[