今天不是人工智能的爆炸時代，卻是場景構建的基礎元年

作者：江穎

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

事實上，今天大數(shù)據(jù)在企業(yè)實際商業(yè)應用中存在兩大困難，一是今天的人工智能還無法做到對場景的常識理解;二是即使大數(shù)據(jù)技術有一些發(fā)現(xiàn)，也尚未在實際商業(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)時代?

我們用原力大數(shù)據(jù)一路填過的坑來談企業(yè)應該如何應對。

人工智能爆炸時代尚未來臨

1. 看似神奇的人工智能時代的爆炸?

最近經(jīng)常接觸大型企業(yè)客戶，他們是真正的大數(shù)據(jù)應用者，他們總和我說“我們要搞人工智能“，“我們接下來要做的就是深度學習”，或者問我，“原力大數(shù)據(jù)的平臺有沒有用深度學習算法”。

以至于讓大家產(chǎn)生一種錯覺，人工智能技術就是一切，人工智能的爆炸時代來臨了。

2. 企業(yè)對大數(shù)據(jù)的全然不知，或抱怨大數(shù)據(jù)無用?

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

絕大多數(shù)的實體經(jīng)濟企業(yè)或中小企業(yè)(比如：零售連鎖、房地產(chǎn)、藥品、物流等)只聽說過大數(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)。

而對于真正使用過大數(shù)據(jù)的一些企業(yè)(比如：銀行、通信運營商)，我卻常常聽到客戶抱怨大數(shù)據(jù)沒用，“精準營銷還沒有我拍腦袋靠譜”“某AI語音客服平臺很扯”“客戶識別模型根本不準”。

3. 人工智能時代真的來臨了嗎?

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

我特別贊同美國三院院士、加州大學伯克利分校教授MichaelI. Jordan對于今天人工智能的描述：“現(xiàn)今的我們，并非處于一個人工智能的神奇大爆炸時代。我們有可能要花上百年的時間，人工智能這個高樓大廈才能真正地建立起來?！?/strong>

對此，我的觀點是：

今天不是人工智能的爆炸時代，卻是大數(shù)據(jù)應用場景構建的基礎元年;

人工智能這座大樓建立的核心，就在于構建大數(shù)據(jù)應用的基礎場景。

大數(shù)據(jù)在企業(yè)實際商業(yè)應用中存在兩大困難

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

困難1：今天的人工智能還無法做到對場景的常識理解

馬未都先生關于北京話規(guī)則的解讀可以清晰地說明這種情況

曉說 2017：口述歷史:對談馬未都(下) 京城舊事

事實上，在我們?nèi)粘Ｉ詈凸ぷ鲌鼍爸卸济媾R著很多看似有規(guī)則實際沒有規(guī)則的常識場景，而這些問題是人工智能沒有辦法幫我們解決的。正如視頻里面同樣的句式、語法、邏輯，如果用人工智能建立語義識別的規(guī)則，就會產(chǎn)生錯誤。這就是人工智能在實際商業(yè)應用中產(chǎn)生的第一個困難。

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

我們在大數(shù)據(jù)應用領域還有一個更大的困難，今天即使大數(shù)據(jù)的技術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、負面、影響力有多大、擴展趨勢如何等等。

一個企業(yè)如果面臨正在傳播中的負面信息，企業(yè)會做的是找媒體公關公司進行澄清、控制負面報道;另一方面會雇水軍傳播正面言論。

當企業(yè)發(fā)現(xiàn)一個熱點事件，會借勢進行熱點營銷，找營銷策劃公司來做營銷方案，然后找廣告投放公司在合適的媒介進行宣傳。

你會發(fā)現(xiàn)在一個真實的商業(yè)場景中，輿情平臺沒有帶來任何實質性的商業(yè)價值，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注技術和算法，這是導致大數(shù)據(jù)用不起來或者效果不好的根本原因。

今天的大數(shù)據(jù)和人工智能更多關注的仍是技術和算法，這些技術和能力還無法為客戶進行精準營銷、挽回流失用戶產(chǎn)生實際價值和回報，這是導致大數(shù)據(jù)用不起來或應用效果不好的根本原因。

人工智能、深度學習、神經(jīng)網(wǎng)絡、遺傳算法、決策樹，這些算法只是技術和能力，并不等于它能夠搞定精準營銷、幫你把要流失的用戶找回來，這就是我們大數(shù)據(jù)應用的現(xiàn)狀。

構建大數(shù)據(jù)的應用場景，是實現(xiàn)大數(shù)據(jù)技術到應用落地的關鍵

從大數(shù)據(jù)技術到應用落地的中間還缺少非常重要的一環(huán)，就是構建大數(shù)據(jù)應用場景。只有構建有效的大數(shù)據(jù)應用場景，才能實現(xiàn)大數(shù)據(jù)技術的應用落地。原力大數(shù)據(jù)一直聚焦于大數(shù)據(jù)應用場景的構建，在這里分享我們在構建大數(shù)據(jù)應用場景三個方面的認知和實踐：

1. 把場景細化到最小粒度，解決AI無法做到的對場景的常識理解

把場景細化到最小粒度，因為只有細化到最小粒度，才能解決AI無法做到的對場景的常識性理解。

客戶流失對于每一個企業(yè)的損失都是特別大的，也是很常見的一個應用場景，每個企業(yè)都會做提前的預警和干預來防止高價值用戶的流失。

我們就以最常見的客戶流失預警為例：

大多數(shù)企業(yè)的做法是把一堆的數(shù)據(jù)丟進去，然后采用分類預測類的數(shù)據(jù)建模，生成一份潛在客戶流失清單，然后采取無差異的客戶挽留措施，可效果通常不太好。

導致客戶流失的原因可能有很多，無差異的建模、再進行無差異的客戶挽留措施，效果必定不好。

我們的做法是把場景細分到最小粒度。

以一個游戲用戶流失的案子為例，資費、產(chǎn)品、競爭等原因都會導致客戶流失，僅資費而言，可能又涉及到產(chǎn)品的資費過高或者手機流量消費過高。把費用過高的原因細化到N個不同的情況，針對每一個具體場景進行分析和算法模型的構建，再針對一個具體的場景進行營銷執(zhí)行，比如一個客戶是由于免費到付費狀態(tài)導致的流失，為了避免這種情況再發(fā)生，我們應該增強對付費用戶權益的宣傳。

大量實踐案例表明，只要把場景細分得合理，我們就能夠讓大數(shù)據(jù)應用變得有效。我們就一個案例做效果評估，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要把場景細化到最小粒度。

2. 把人的因素納入場景設計，降低大數(shù)據(jù)應用門檻

很多數(shù)據(jù)分析應用工具不能大規(guī)模推廣的原因在于設置的門檻太高，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)應用與計算機DOS操作系統(tǒng)時代非常類似，DOS時代使用電腦需要輸入命令行，只有從事計算機工作或者經(jīng)常用的人才會用，所以很難普及。

我們今天的大數(shù)據(jù)分析應用產(chǎn)品如同DOS時代，做數(shù)據(jù)應用的人也需要理解業(yè)務、理解數(shù)據(jù)、懂得簡單的SQL操作，甚至有一定的建模能力。這對于一般崗位的人來說太難了，畢竟不是每一個工作人員都是技術人員。

對應用而言，目前大數(shù)據(jù)應用的門檻過高，我們需要像Windows升級一樣，把我們的應用場景構建成傻瓜式的簡單操作，并且界面需要十分友好。也就是說當我需要真正進行大數(shù)據(jù)應用的時候，這個人并不需要懂數(shù)據(jù)，也不需要懂技術、懂建模。產(chǎn)品使用起來足夠簡單，針對某項崗位的具體工作，不再需要關心數(shù)據(jù)提取或數(shù)據(jù)分析建模，這個時候，我們才能降低大數(shù)據(jù)應用產(chǎn)品的使用門檻。

在這給大家分享一個比較成功的大數(shù)據(jù)產(chǎn)品——原力大數(shù)據(jù)智慧營銷平臺，它服務于企業(yè)的存量運營。我們針對不同的場景設計了4個簡單工具，數(shù)據(jù)識別(告訴你什么事重要)、用戶洞察(不用數(shù)據(jù)操作、不用提數(shù)，就可以做客戶畫像)、精準營銷(里面有一堆的模型和規(guī)則，幫你解決每一次營銷的數(shù)據(jù)和客戶獲取問題)、應用評估(不讓你干活，自動生成報告告訴你這次營銷效果怎么樣，是成功還是失敗，事后如何優(yōu)化)。

原力智慧營銷平臺的成功歸功于兩點。第一，底層仍然是大數(shù)據(jù)的模型和算法，足夠細分的場景和模型保證了良好的使用效果;第二，上層應用層足夠切合場景，沒有使用難度，不增加客戶工作量，客戶體驗良好。

在這里分享一個智慧營銷平臺在手機實體連鎖企業(yè)的應用案例。針對這個手機連鎖企業(yè)，我們?yōu)樗诘讓訕嫿?2個細化場景和模型，滿足日常的營銷和運營需求。這些場景中包含客戶數(shù)據(jù)的真實性和有效性核查;是否在換機周期(3-7個月)內(nèi)購買過手機(如果購買過，意味著他的購買率很低，日常營銷就不要再向他發(fā)宣傳彩信)等。通過這個大數(shù)據(jù)產(chǎn)品的應用，我們把彩信到店引流的成本降低了一半，到店人流量增長了20%。

事實證明，大數(shù)據(jù)應用產(chǎn)品只要有效，且操作起來沒有門檻，產(chǎn)品就能夠被客戶接受。

3. 創(chuàng)造新的大數(shù)據(jù)場景化工具

我們未必非要用人工智能來預測未來，也可以用大數(shù)據(jù)技術來提高效率。我們的產(chǎn)品——原力大數(shù)據(jù)熱點庫，基于爬蟲技術爬取公開媒體渠道及網(wǎng)絡內(nèi)容，該產(chǎn)品的設計來源于服務的需求，告訴你現(xiàn)在最重要的熱點或者行業(yè)資訊。

互聯(lián)網(wǎng)時代，每個企業(yè)都有運營公眾號的需求，對于企業(yè)來說原力大數(shù)據(jù)熱點庫是一個剛需產(chǎn)品，畢竟不是每個企業(yè)都有一個“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)解決知識問題和效能問題。文案不是最重要的，追熱點更重要。原力大數(shù)據(jù)熱點庫把熱點營銷文案水平維持在60-70%左右，把2-3人工作減少到1人，用機器和算法實現(xiàn)，使得企業(yè)對熱點的響應速度更快，提升30%左右的拉粉速率。

今天是大數(shù)據(jù)應用場景構建的元年，還有很多企業(yè)沒有應用大數(shù)據(jù)或沒有用好大數(shù)據(jù)，大數(shù)據(jù)應用存在巨大機會。各個行業(yè)中都存在大量、豐富的大數(shù)據(jù)應用場景需求，與行業(yè)、與企業(yè)深度合作，共同探索和構建有效的大數(shù)據(jù)應用場景，是實現(xiàn)從技術到應用落地的最關鍵一環(huán)。