今天不是人工智能的爆炸時(shí)代，卻是場(chǎng)景構(gòu)建的基礎(chǔ)元年

一邊是看似神奇的人工智能時(shí)代的爆炸，一邊是企業(yè)對(duì)于大數(shù)據(jù)無(wú)用論的抱怨、或是對(duì)大數(shù)據(jù)的全然不知。人工智能時(shí)代真的來(lái)臨了嗎？

事實(shí)上，今天大數(shù)據(jù)在企業(yè)實(shí)際商業(yè)應(yīng)用中存在兩大困難，一是今天的人工智能還無(wú)法做到對(duì)場(chǎng)景的常識(shí)理解；二是即使大數(shù)據(jù)技術(shù)有一些發(fā)現(xiàn)，也尚未在實(shí)際商業(yè)中發(fā)揮直接作用。

作為企業(yè)，到底如何少踩坑地跨入大數(shù)據(jù)時(shí)代？

我們用原力大數(shù)據(jù)一路填過(guò)的坑來(lái)談企業(yè)應(yīng)該如何應(yīng)對(duì)。

人工智能爆炸時(shí)代尚未來(lái)臨

1.    看似神奇的人工智能時(shí)代的爆炸？

最近經(jīng)常接觸大型企業(yè)客戶(hù)，他們是真正的大數(shù)據(jù)應(yīng)用者，他們總和我說(shuō)“我們要搞人工智能“，“我們接下來(lái)要做的就是深度學(xué)習(xí)”，或者問(wèn)我，“原力大數(shù)據(jù)的平臺(tái)有沒(méi)有用深度學(xué)習(xí)算法”。

以至于讓大家產(chǎn)生一種錯(cuò)覺(jué)，人工智能技術(shù)就是一切，人工智能的爆炸時(shí)代來(lái)臨了。

2.    企業(yè)對(duì)大數(shù)據(jù)的全然不知，或抱怨大數(shù)據(jù)無(wú)用？

事實(shí)上，業(yè)內(nèi)人都知道，大數(shù)據(jù)在企業(yè)的應(yīng)用面臨著困境——傳統(tǒng)行業(yè)和中小企業(yè)根本不懂大數(shù)據(jù)，很多用過(guò)大數(shù)據(jù)的企業(yè)也不認(rèn)可大數(shù)據(jù)。

絕大多數(shù)的實(shí)體經(jīng)濟(jì)企業(yè)或中小企業(yè)（比如：零售連鎖、房地產(chǎn)、藥品、物流等）只聽(tīng)說(shuō)過(guò)大數(shù)據(jù)，并不知道大數(shù)據(jù)有什么用、不清楚從哪里可以獲得數(shù)據(jù)，更不知道自己要如何使用大數(shù)據(jù)。

而對(duì)于真正使用過(guò)大數(shù)據(jù)的一些企業(yè)（比如：銀行、通信運(yùn)營(yíng)商），我卻常常聽(tīng)到客戶(hù)抱怨大數(shù)據(jù)沒(méi)用，“精準(zhǔn)營(yíng)銷(xiāo)還沒(méi)有我拍腦袋靠譜”“某AI語(yǔ)音客服平臺(tái)很扯”“客戶(hù)識(shí)別模型根本不準(zhǔn)”。

3.    人工智能時(shí)代真的來(lái)臨了嗎？

一邊是看似神奇的人工智能時(shí)代的爆炸，一邊是企業(yè)對(duì)于大數(shù)據(jù)無(wú)用論的抱怨、或是對(duì)大數(shù)據(jù)的全然不知。

我特別贊同美國(guó)三院院士、加州大學(xué)伯克利分校教授MichaelI. Jordan對(duì)于今天人工智能的描述：“現(xiàn)今的我們，并非處于一個(gè)人工智能的神奇大爆炸時(shí)代。我們有可能要花上百年的時(shí)間，人工智能這個(gè)高樓大廈才能真正地建立起來(lái)?！?

對(duì)此，我的觀點(diǎn)是：

今天不是人工智能的爆炸時(shí)代，卻是大數(shù)據(jù)應(yīng)用場(chǎng)景構(gòu)建的基礎(chǔ)元年；

人工智能這座大樓建立的核心，就在于構(gòu)建大數(shù)據(jù)應(yīng)用的基礎(chǔ)場(chǎng)景。

大數(shù)據(jù)在企業(yè)實(shí)際商業(yè)應(yīng)用中存在兩大困難

目前，大數(shù)據(jù)在企業(yè)的實(shí)際商業(yè)應(yīng)用中存在兩大困難：

困難1：今天的人工智能還無(wú)法做到對(duì)場(chǎng)景的常識(shí)理解

馬未都先生關(guān)于北京話(huà)規(guī)則的解讀可以清晰地說(shuō)明這種情況

曉說(shuō) 2017：口述歷史:對(duì)談馬未都(下) 京城舊事

事實(shí)上，在我們?nèi)粘Ｉ詈凸ぷ鲌?chǎng)景中都面臨著很多看似有規(guī)則實(shí)際沒(méi)有規(guī)則的常識(shí)場(chǎng)景，而這些問(wèn)題是人工智能沒(méi)有辦法幫我們解決的。正如視頻里面同樣的句式、語(yǔ)法、邏輯，如果用人工智能建立語(yǔ)義識(shí)別的規(guī)則，就會(huì)產(chǎn)生錯(cuò)誤。這就是人工智能在實(shí)際商業(yè)應(yīng)用中產(chǎn)生的第一個(gè)困難。

困難2：即使大數(shù)據(jù)技術(shù)有一些發(fā)現(xiàn)，也尚未在實(shí)際商業(yè)中發(fā)揮直接作用

我們?cè)诖髷?shù)據(jù)應(yīng)用領(lǐng)域還有一個(gè)更大的困難，今天即使大數(shù)據(jù)的技術(shù)和能力能夠幫助我們有一定發(fā)現(xiàn)，但是這些發(fā)現(xiàn)都沒(méi)有真正地在商業(yè)中發(fā)揮直接作用。

以大數(shù)據(jù)輿情系統(tǒng)為例，輿情系統(tǒng)可以告訴我們一件事情是正面、負(fù)面、影響力有多大、擴(kuò)展趨勢(shì)如何等等。

一個(gè)企業(yè)如果面臨正在傳播中的負(fù)面信息，企業(yè)會(huì)做的是找媒體公關(guān)公司進(jìn)行澄清、控制負(fù)面報(bào)道；另一方面會(huì)雇水軍傳播正面言論。

當(dāng)企業(yè)發(fā)現(xiàn)一個(gè)熱點(diǎn)事件，會(huì)借勢(shì)進(jìn)行熱點(diǎn)營(yíng)銷(xiāo)，找營(yíng)銷(xiāo)策劃公司來(lái)做營(yíng)銷(xiāo)方案，然后找廣告投放公司在合適的媒介進(jìn)行宣傳。

你會(huì)發(fā)現(xiàn)在一個(gè)真實(shí)的商業(yè)場(chǎng)景中，輿情平臺(tái)沒(méi)有帶來(lái)任何實(shí)質(zhì)性的商業(yè)價(jià)值，這就是今天大數(shù)據(jù)產(chǎn)品普遍面臨的尷尬和困境。

今天的大數(shù)據(jù)和人工智能大多仍然在關(guān)注技術(shù)和算法，這是導(dǎo)致大數(shù)據(jù)用不起來(lái)或者效果不好的根本原因。

今天的大數(shù)據(jù)和人工智能更多關(guān)注的仍是技術(shù)和算法，這些技術(shù)和能力還無(wú)法為客戶(hù)進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)、挽回流失用戶(hù)產(chǎn)生實(shí)際價(jià)值和回報(bào)，這是導(dǎo)致大數(shù)據(jù)用不起來(lái)或應(yīng)用效果不好的根本原因。

人工智能、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、遺傳算法、決策樹(shù)，這些算法只是技術(shù)和能力，并不等于它能夠搞定精準(zhǔn)營(yíng)銷(xiāo)、幫你把要流失的用戶(hù)找回來(lái)，這就是我們大數(shù)據(jù)應(yīng)用的現(xiàn)狀。

構(gòu)建大數(shù)據(jù)的應(yīng)用場(chǎng)景，

是實(shí)現(xiàn)大數(shù)據(jù)技術(shù)到應(yīng)用落地的關(guān)鍵

從大數(shù)據(jù)技術(shù)到應(yīng)用落地的中間還缺少非常重要的一環(huán)，就是構(gòu)建大數(shù)據(jù)應(yīng)用場(chǎng)景。只有構(gòu)建有效的大數(shù)據(jù)應(yīng)用場(chǎng)景，才能實(shí)現(xiàn)大數(shù)據(jù)技術(shù)的應(yīng)用落地。原力大數(shù)據(jù)一直聚焦于大數(shù)據(jù)應(yīng)用場(chǎng)景的構(gòu)建，在這里分享我們?cè)跇?gòu)建大數(shù)據(jù)應(yīng)用場(chǎng)景三個(gè)方面的認(rèn)知和實(shí)踐：

1.    把場(chǎng)景細(xì)化到最小粒度，解決AI無(wú)法做到的對(duì)場(chǎng)景的常識(shí)理解

把場(chǎng)景細(xì)化到最小粒度，因?yàn)橹挥屑?xì)化到最小粒度，才能解決AI無(wú)法做到的對(duì)場(chǎng)景的常識(shí)性理解。

客戶(hù)流失對(duì)于每一個(gè)企業(yè)的損失都是特別大的，也是很常見(jiàn)的一個(gè)應(yīng)用場(chǎng)景，每個(gè)企業(yè)都會(huì)做提前的預(yù)警和干預(yù)來(lái)防止高價(jià)值用戶(hù)的流失。

我們就以最常見(jiàn)的客戶(hù)流失預(yù)警為例：

大多數(shù)企業(yè)的做法是把一堆的數(shù)據(jù)丟進(jìn)去，然后采用分類(lèi)預(yù)測(cè)類(lèi)的數(shù)據(jù)建模，生成一份潛在客戶(hù)流失清單，然后采取無(wú)差異的客戶(hù)挽留措施，可效果通常不太好。

導(dǎo)致客戶(hù)流失的原因可能有很多，無(wú)差異的建模、再進(jìn)行無(wú)差異的客戶(hù)挽留措施，效果必定不好。

我們的做法是把場(chǎng)景細(xì)分到最小粒度。

以一個(gè)游戲用戶(hù)流失的案子為例，資費(fèi)、產(chǎn)品、競(jìng)爭(zhēng)等原因都會(huì)導(dǎo)致客戶(hù)流失，僅資費(fèi)而言，可能又涉及到產(chǎn)品的資費(fèi)過(guò)高或者手機(jī)流量消費(fèi)過(guò)高。把費(fèi)用過(guò)高的原因細(xì)化到N個(gè)不同的情況，針對(duì)每一個(gè)具體場(chǎng)景進(jìn)行分析和算法模型的構(gòu)建，再針對(duì)一個(gè)具體的場(chǎng)景進(jìn)行營(yíng)銷(xiāo)執(zhí)行，比如一個(gè)客戶(hù)是由于免費(fèi)到付費(fèi)狀態(tài)導(dǎo)致的流失，為了避免這種情況再發(fā)生，我們應(yīng)該增強(qiáng)對(duì)付費(fèi)用戶(hù)權(quán)益的宣傳。

大量實(shí)踐案例表明，只要把場(chǎng)景細(xì)分得合理，我們就能夠讓大數(shù)據(jù)應(yīng)用變得有效。我們就一個(gè)案例做效果評(píng)估，流失挽留率平均提升了158%，最高提升6.6倍，這就是為什么我們說(shuō)要把場(chǎng)景細(xì)化到最小粒度。

2.    把人的因素納入場(chǎng)景設(shè)計(jì)，降低大數(shù)據(jù)應(yīng)用門(mén)檻

很多數(shù)據(jù)分析應(yīng)用工具不能大規(guī)模推廣的原因在于設(shè)置的門(mén)檻太高，這是大數(shù)據(jù)產(chǎn)品目前存在的最大局限。

今天的大數(shù)據(jù)應(yīng)用與計(jì)算機(jī)DOS操作系統(tǒng)時(shí)代非常類(lèi)似，DOS時(shí)代使用電腦需要輸入命令行，只有從事計(jì)算機(jī)工作或者經(jīng)常用的人才會(huì)用，所以很難普及。

我們今天的大數(shù)據(jù)分析應(yīng)用產(chǎn)品如同DOS時(shí)代，做數(shù)據(jù)應(yīng)用的人也需要理解業(yè)務(wù)、理解數(shù)據(jù)、懂得簡(jiǎn)單的SQL操作，甚至有一定的建模能力。這對(duì)于一般崗位的人來(lái)說(shuō)太難了，畢竟不是每一個(gè)工作人員都是技術(shù)人員。

對(duì)應(yīng)用而言，目前大數(shù)據(jù)應(yīng)用的門(mén)檻過(guò)高，我們需要像Windows升級(jí)一樣，把我們的應(yīng)用場(chǎng)景構(gòu)建成傻瓜式的簡(jiǎn)單操作，并且界面需要十分友好。也就是說(shuō)當(dāng)我需要真正進(jìn)行大數(shù)據(jù)應(yīng)用的時(shí)候，這個(gè)人并不需要懂?dāng)?shù)據(jù)，也不需要懂技術(shù)、懂建模。產(chǎn)品使用起來(lái)足夠簡(jiǎn)單，針對(duì)某項(xiàng)崗位的具體工作，不再需要關(guān)心數(shù)據(jù)提取或數(shù)據(jù)分析建模，這個(gè)時(shí)候，我們才能降低大數(shù)據(jù)應(yīng)用產(chǎn)品的使用門(mén)檻。

在這給大家分享一個(gè)比較成功的大數(shù)據(jù)產(chǎn)品——原力大數(shù)據(jù)智慧營(yíng)銷(xiāo)平臺(tái)，它服務(wù)于企業(yè)的存量運(yùn)營(yíng)。我們針對(duì)不同的場(chǎng)景設(shè)計(jì)了4個(gè)簡(jiǎn)單工具，數(shù)據(jù)識(shí)別（告訴你什么事重要）、用戶(hù)洞察（不用數(shù)據(jù)操作、不用提數(shù)，就可以做客戶(hù)畫(huà)像）、精準(zhǔn)營(yíng)銷(xiāo)（里面有一堆的模型和規(guī)則，幫你解決每一次營(yíng)銷(xiāo)的數(shù)據(jù)和客戶(hù)獲取問(wèn)題）、應(yīng)用評(píng)估（不讓你干活，自動(dòng)生成報(bào)告告訴你這次營(yíng)銷(xiāo)效果怎么樣，是成功還是失敗，事后如何優(yōu)化）。

原力智慧營(yíng)銷(xiāo)平臺(tái)的成功歸功于兩點(diǎn)。第一，底層仍然是大數(shù)據(jù)的模型和算法，足夠細(xì)分的場(chǎng)景和模型保證了良好的使用效果；第二，上層應(yīng)用層足夠切合場(chǎng)景，沒(méi)有使用難度，不增加客戶(hù)工作量，客戶(hù)體驗(yàn)良好。

在這里分享一個(gè)智慧營(yíng)銷(xiāo)平臺(tái)在手機(jī)實(shí)體連鎖企業(yè)的應(yīng)用案例。針對(duì)這個(gè)手機(jī)連鎖企業(yè)，我們?yōu)樗诘讓訕?gòu)建了32個(gè)細(xì)化場(chǎng)景和模型，滿(mǎn)足日常的營(yíng)銷(xiāo)和運(yùn)營(yíng)需求。這些場(chǎng)景中包含客戶(hù)數(shù)據(jù)的真實(shí)性和有效性核查；是否在換機(jī)周期（3-7個(gè)月）內(nèi)購(gòu)買(mǎi)過(guò)手機(jī)（如果購(gòu)買(mǎi)過(guò)，意味著他的購(gòu)買(mǎi)率很低，日常營(yíng)銷(xiāo)就不要再向他發(fā)宣傳彩信）等。通過(guò)這個(gè)大數(shù)據(jù)產(chǎn)品的應(yīng)用，我們把彩信到店引流的成本降低了一半，到店人流量增長(zhǎng)了20%。

事實(shí)證明，大數(shù)據(jù)應(yīng)用產(chǎn)品只要有效，且操作起來(lái)沒(méi)有門(mén)檻，產(chǎn)品就能夠被客戶(hù)接受。

3.    創(chuàng)造新的大數(shù)據(jù)場(chǎng)景化工具

我們未必非要用人工智能來(lái)預(yù)測(cè)未來(lái)，也可以用大數(shù)據(jù)技術(shù)來(lái)提高效率。我們的產(chǎn)品——原力大數(shù)據(jù)熱點(diǎn)庫(kù)，基于爬蟲(chóng)技術(shù)爬取公開(kāi)媒體渠道及網(wǎng)絡(luò)內(nèi)容，該產(chǎn)品的設(shè)計(jì)來(lái)源于服務(wù)的需求，告訴你現(xiàn)在最重要的熱點(diǎn)或者行業(yè)資訊。

互聯(lián)網(wǎng)時(shí)代，每個(gè)企業(yè)都有運(yùn)營(yíng)公眾號(hào)的需求，對(duì)于企業(yè)來(lái)說(shuō)原力大數(shù)據(jù)熱點(diǎn)庫(kù)是一個(gè)剛需產(chǎn)品，畢竟不是每個(gè)企業(yè)都有一個(gè)“咪蒙”，每一篇文章都能像大V一樣做到10w+、100w+，我們做的是用大數(shù)據(jù)解決知識(shí)問(wèn)題和效能問(wèn)題。文案不是最重要的，追熱點(diǎn)更重要。原力大數(shù)據(jù)熱點(diǎn)庫(kù)把熱點(diǎn)營(yíng)銷(xiāo)文案水平維持在60-70%左右，把2-3人工作減少到1人，用機(jī)器和算法實(shí)現(xiàn)，使得企業(yè)對(duì)熱點(diǎn)的響應(yīng)速度更快，提升30%左右的拉粉速率。

今天是大數(shù)據(jù)應(yīng)用場(chǎng)景構(gòu)建的元年，還有很多企業(yè)沒(méi)有應(yīng)用大數(shù)據(jù)或沒(méi)有用好大數(shù)據(jù)，大數(shù)據(jù)應(yīng)用存在巨大機(jī)會(huì)。各個(gè)行業(yè)中都存在大量、豐富的大數(shù)據(jù)應(yīng)用場(chǎng)景需求，與行業(yè)、與企業(yè)深度合作，共同探索和構(gòu)建有效的大數(shù)據(jù)應(yīng)用場(chǎng)景，是實(shí)現(xiàn)從技術(shù)到應(yīng)用落地的最關(guān)鍵一環(huán)。