大數據下產品智能變革

　　摘 要：隨著大數據與人工智能時代的到來，產品觸達消費者的渠道變得越來越智能化，商業模式也隨之發生著巨大的改變。

　　關鍵詞：大數據;人工智能

　　1.智能產品發展變革

　　互聯網作為信息革命的一大象征，我們不可離開它的六大理論基礎：摩爾定律、吉爾德定律、梅特卡夫原則、病毒擴散原則、六度分割理論、馬太效應。而排在第一位的就是摩爾定律，它驅動著計算機處理能力的持續增長，揭示了信息技術進步的驚人速度。

　　在大數據時代，信息和數據很容易被混淆。信息往往具有一定的傳遞效率，但數據是人造物，可以被隨意創造，沒有意義之說。數據本身是可觀存在的，但隨著文明的進程，它的范疇不斷變化和擴大。如此龐大的數據，他們本身是沒有用處的，處理數據并從中獲取有用的信息，通常而言，這些信息和知識是一種規律，是可觀存在的，而這也才是有意義的。但該類規律只有該領域專業的人才能挖掘出意義，因為他們擁有對這些數據的處理能力。通過處理這些數據，人們就會獲得知識。

　　要利用大數據，我們就需要模型。從古代西方的天文研究甚至東方的八卦陣中都可以看出，人類文明運用數據的過程是一個獲取數據，分析數據，建立模型，再到預測未知的一個過程。其實，模型就是一個尋找關聯性的過程。在龐雜的數據中，常常隱秘著一種關聯性，也就是背后的規律。模型的建立往往非常復雜，但當數據足夠的時候，就可以用若干個簡單的模型取代一個復雜的模型，這個方法被稱為數據驅動法：先有大量數據，然后用狠毒簡單的模型去切合數據。盡管用多個模型會存在偏差，總體上而言是等效的。

　　如今，數據驅動法是主流，而對大數據的運用已經逐漸演變成一門現代科學，它的全稱是數據密集型科學，且它能解決許多問題。大數據的應用源于需求，所有的產品都需要經過無數的試驗和打磨，才能迭代出當下最好的版本;大數據也得益于技術的發展，服務器所能承載力越來越強大，存儲量也越來越豐富，當能獲得總體樣本時，抽樣調查中樣本的選擇問題以及可能存在的幸存者偏差問題已被最大化地削弱甚至消除。大數據被廣泛應用在互聯網中，例如早期谷歌使用大量文本數據培養出來的六元模型，例如統計搜索量變化的谷歌趨勢和百度趨勢。搜索量如何與日常生活產生聯系呢，這就需要建立聯系了。當人們無法直接獲取信息的時候，就可以通過建立聯系來預測變化。比如根據過去的搜索量變化(實際上它也代表著一種人們的關心度的變化)，與正在發生的事態的變化之間的關系，我們可以找到新的規律。人們也原來越愿意用數據驅動法去運用數據，其犯法的優勢在于，當面臨問題時，可以通過大量的數據去套用多個簡單的模型，而不用再運用一個復雜模型去解決所有問題。

　　可見，大數據是一個機器學習的過程，而大數據的使用，最大的意義莫過于能讓機器完成過去人類才能做的事情，使機器從智能轉向智慧，從智商轉型情商，從計算轉向算計，從專才轉向通才。它為人工智能奠定了很強的基礎。

　　在人工智能中，我們常提到機器智能，我們必須看到它的條件。阿蘭?圖靈提出了一種檢驗機器有誤智能的判別方法：讓人和機器對話，并看該人能否判斷出對方是否是人。而這一重要標準也在類似的科幻片《西部世界》中有所體現，劇中有一處設置，用人甚至已經成熟的人工智能機器人去測試該人工智能的真實性。在過去，人工智能帶來的問題是，如何能讓機器做到像人一樣給出回應。而這一問題引申出了兩派，一派為“鳥飛派”，即通過機器進行模仿，來達到效果;另一派為數據驅動方法派，他們認為內在核心驅動是不一樣的，機器更多是依靠數據和統計進行的。在過去，大部分傳統的人工智能還是進行模仿和對照，但隨著互聯網的發展，數據不斷增加，形成了大量的數據資產，慢慢地，傳統智能的方法開始向數據驅動方法過度或被替代。

　　《智能時代》中吳軍提及了一個重要觀點：機器智能革命的發生來自大數據量的積累達到質變的奇點。2016年AlphaGo戰勝了李世石，標志著智能時代的開始。這就是機器學習積累到質變的一刻。實際上，谷歌的人工智能成功也有李世石的功勞，因為機器也在不斷學習對手的戰略，從多次分析對方戰略來進行決策。它的學習與人類學習不同，它不靠邏輯推理，而是靠大數據和智能算法。這意味著人工智能的決策更有依據。

　　2.大數據下產品商業化

　　大數據和人工智能不僅與技術螺旋式交互革新，同時也改變了人們的思維方式。在美國，警察利用智能電能表收集數據排查在外型為家實際內部是大麻種植場的非法用戶，稅務局排查偷稅漏稅。在過去，人們尋求規律非常困難，但大數據降低了這個成本，因此，它也開始被商業化了。互聯網下，大數據從用戶的基本信息收集開始，記錄人們的動作，包括購買偏好和消費特征等行為特征，然后與另外觀察到的行為特征構建聯系和相關性，并陳述給出有說服力的證據，引導產品或營銷的走向。

　　關于大數據的商業運用，有這樣一個代表性案例：波爾的數據分析團隊經過對懷孕顧客行為的分析發現，這些女性在懷孕的不同階段購買的東西有很大的相似性。比如在最初階段購買潤膚油，然后是養生品呢，最后購買嬰兒用品時，大概快到分娩時間了。因此，他們一類的推斷當女性開始買潤膚露、大挎包和維生素等用品時，就可估計她懷孕可能性是87%。而這個數據的用處在于，在孕婦懷孕的不同時期向他們推送商品優惠券，可以促進他們的消費。類似的例子還包括亞馬遜數據廣告服務，微信廣告精準營銷，今日頭條新聞推送等等。

　　我們可以從以上的大數據運用案例中看出，相關性、時效性和個性化對于商業化是非常重要的，下面我們分別闡述它在產品定制方面的意義。

　　尋找相關性，在某種意義上而言，它是傳統意義上數據的應用，都是根據經驗和規律慢慢被觀察到的，但在數據的世界里，觀察來得快一些，也精準一些。這一方面的例子，主要體現在互補品的捆綁銷售優惠政策，根據用戶習慣增加捆綁購買的可能性。例如亞馬遜的“購買這些產品的人還瀏覽過……”有針對性地給用戶推薦商品，并且精準到具體的商品;但沃爾瑪實體公司只能將相關的兩類商品放在一起。另一方面，也體現在推薦功能，例如Netflix根據用戶推薦對應風格的電影，并借助這一優勢，Netflix為全世界除了中國提供在線電影服務。

　　時效性是大數據下互聯網所有的重要特征，且這一特征幾乎是所有其他特征的基礎和關鍵一步，沒有時效性，相關性和個性化的效果都會大打折扣。例如亞馬遜和沃爾瑪同為零售業，但亞馬遜可以將交易數據完整記錄，隨時可用，且可以分析，而沃爾瑪擁有的信息卻是支離破碎的;另外，亞馬遜的，調整價格，發放優惠券和捆綁商品等，不受現實營業時間控制。

　　個性化是基于相關性和時效性而產生的，它在商業中體現的是，在同一決策行為過程中，商家會基于大數據對用戶過去行為的分析，來推薦不同的內容。例如在搜索方面，谷歌可以針對關鍵詞來提升個性化，讓兩個不同用戶輸入一半關鍵詞，并給他們的提示常常是不同的，甚至對特定的用戶，根據過去的某個時間行為，以及當前使用谷歌產品你的場景，自動產生搜索關鍵詞。

　　大數據下的營收模式是顛覆式的，也是投機的，如果掌握得好，運用到妙處，數字營銷將帶來空前的驚喜。但是當大數據只能被利用在營銷和廣告領域，作為消費者，是否會感覺不適呢?如何更好地掌握數據，并以合理的方式觸達消費者，是每個大數據化商家應思考的課題。

　　推薦閱讀：《數據》依托政府統計機構權威數據優勢，月度發布宏觀經濟、地區發展、投資走向、行業比較、消費趨勢、地產、金融等經濟社會熱點數據信息。