树人论文网一个专业的学术咨询网站!!!
树人论文网

大数据下产品智能变革

来源: 树人论文网发表时间:2019-11-18
简要:摘 要:随着大数据与人工智能时代的到来,产品触达消费者的渠道变得越来越智能化,商业模式也随之发生着巨大的改变。 关键词:大数据;人工智能 1.智能产品发展变革 互联网作为信

  摘 要:随着大数据与人工智能时代的到来,产品触达消费者的渠道变得越来越智能化,商业模式也随之发生着巨大的改变。

  关键词:大数据;人工智能

大数据论文

  1.智能产品发展变革

  互联网作为信息革命的一大象征,我们不可离开它的六大理论基础:摩尔定律、吉尔德定律、梅特卡夫原则、病毒扩散原则、六度分割理论、马太效应。而排在第一位的就是摩尔定律,它驱动着计算机处理能力的持续增长,揭示了信息技术进步的惊人速度。

  在大数据时代,信息和数据很容易被混淆。信息往往具有一定的传递效率,但数据是人造物,可以被随意创造,没有意义之说。数据本身是可观存在的,但随着文明的进程,它的范畴不断变化和扩大。如此庞大的数据,他们本身是没有用处的,处理数据并从中获取有用的信息,通常而言,这些信息和知识是一种规律,是可观存在的,而这也才是有意义的。但该类规律只有该领域专业的人才能挖掘出意义,因为他们拥有对这些数据的处理能力。通过处理这些数据,人们就会获得知识。

  要利用大数据,我们就需要模型。从古代西方的天文研究甚至东方的八卦阵中都可以看出,人类文明运用数据的过程是一个获取数据,分析数据,建立模型,再到预测未知的一个过程。其实,模型就是一个寻找关联性的过程。在庞杂的数据中,常常隐秘着一种关联性,也就是背后的规律。模型的建立往往非常复杂,但当数据足够的时候,就可以用若干个简单的模型取代一个复杂的模型,这个方法被称为数据驱动法:先有大量数据,然后用狠毒简单的模型去切合数据。尽管用多个模型会存在偏差,总体上而言是等效的。

  如今,数据驱动法是主流,而对大数据的运用已经逐渐演变成一门现代科学,它的全称是数据密集型科学,且它能解决许多问题。大数据的应用源于需求,所有的产品都需要经过无数的试验和打磨,才能迭代出当下最好的版本;大数据也得益于技术的发展,服务器所能承载力越来越强大,存储量也越来越丰富,当能获得总体样本时,抽样调查中样本的选择问题以及可能存在的幸存者偏差问题已被最大化地削弱甚至消除。大数据被广泛应用在互联网中,例如早期谷歌使用大量文本数据培养出来的六元模型,例如统计搜索量变化的谷歌趋势和百度趋势。搜索量如何与日常生活产生联系呢,这就需要建立联系了。当人们无法直接获取信息的时候,就可以通过建立联系来预测变化。比如根据过去的搜索量变化(实际上它也代表着一种人们的关心度的变化),与正在发生的事态的变化之间的关系,我们可以找到新的规律。人们也原来越愿意用数据驱动法去运用数据,其犯法的优势在于,当面临问题时,可以通过大量的数据去套用多个简单的模型,而不用再运用一个复杂模型去解决所有问题。

  可见,大数据是一个机器学习的过程,而大数据的使用,最大的意义莫过于能让机器完成过去人类才能做的事情,使机器从智能转向智慧,从智商转型情商,从计算转向算计,从专才转向通才。它为人工智能奠定了很强的基础。

  在人工智能中,我们常提到机器智能,我们必须看到它的条件。阿兰?图灵提出了一种检验机器有误智能的判别方法:让人和机器对话,并看该人能否判断出对方是否是人。而这一重要标准也在类似的科幻片《西部世界》中有所体现,剧中有一处设置,用人甚至已经成熟的人工智能机器人去测试该人工智能的真实性。在过去,人工智能带来的问题是,如何能让机器做到像人一样给出回应。而这一问题引申出了两派,一派为“鸟飞派”,即通过机器进行模仿,来达到效果;另一派为数据驱动方法派,他们认为内在核心驱动是不一样的,机器更多是依靠数据和统计进行的。在过去,大部分传统的人工智能还是进行模仿和对照,但随着互联网的发展,数据不断增加,形成了大量的数据资产,慢慢地,传统智能的方法开始向数据驱动方法过度或被替代。

  《智能时代》中吴军提及了一个重要观点:机器智能革命的发生来自大数据量的积累达到质变的奇点。2016年AlphaGo战胜了李世石,标志着智能时代的开始。这就是机器学习积累到质变的一刻。实际上,谷歌的人工智能成功也有李世石的功劳,因为机器也在不断学习对手的战略,从多次分析对方战略来进行决策。它的学习与人类学习不同,它不靠逻辑推理,而是靠大数据和智能算法。这意味着人工智能的决策更有依据。

  2.大数据下产品商业化

  大数据和人工智能不仅与技术螺旋式交互革新,同时也改变了人们的思维方式。在美国,警察利用智能电能表收集数据排查在外型为家实际内部是大麻种植场的非法用户,税务局排查偷税漏税。在过去,人们寻求规律非常困难,但大数据降低了这个成本,因此,它也开始被商业化了。互联网下,大数据从用户的基本信息收集开始,记录人们的动作,包括购买偏好和消费特征等行为特征,然后与另外观察到的行为特征构建联系和相关性,并陈述给出有说服力的证据,引导产品或营销的走向。

  关于大数据的商业运用,有这样一个代表性案例:波尔的数据分析团队经过对怀孕顾客行为的分析发现,这些女性在怀孕的不同阶段购买的东西有很大的相似性。比如在最初阶段购买润肤油,然后是养生品呢,最后购买婴儿用品时,大概快到分娩时间了。因此,他们一类的推断当女性开始买润肤露、大挎包和维生素等用品时,就可估计她怀孕可能性是87%。而这个数据的用处在于,在孕妇怀孕的不同时期向他们推送商品优惠券,可以促进他们的消费。类似的例子还包括亚马逊数据广告服务,微信广告精准营销,今日头条新闻推送等等。

  我們可以从以上的大数据运用案例中看出,相关性、时效性和个性化对于商业化是非常重要的,下面我们分别阐述它在产品定制方面的意义。

  寻找相关性,在某种意义上而言,它是传统意义上数据的应用,都是根据经验和规律慢慢被观察到的,但在数据的世界里,观察来得快一些,也精准一些。这一方面的例子,主要体现在互补品的捆绑销售优惠政策,根据用户习惯增加捆绑购买的可能性。例如亚马逊的“购买这些产品的人还浏览过……”有针对性地给用户推荐商品,并且精准到具体的商品;但沃尔玛实体公司只能将相关的两类商品放在一起。另一方面,也体现在推荐功能,例如Netflix根据用户推荐对应风格的电影,并借助这一优势,Netflix为全世界除了中国提供在线电影服务。

  时效性是大数据下互联网所有的重要特征,且这一特征几乎是所有其他特征的基础和关键一步,没有时效性,相关性和个性化的效果都会大打折扣。例如亚马逊和沃尔玛同为零售业,但亚马逊可以将交易数据完整记录,随时可用,且可以分析,而沃尔玛拥有的信息却是支离破碎的;另外,亚马逊的,调整价格,发放优惠券和捆绑商品等,不受现实营业时间控制。

  个性化是基于相关性和时效性而产生的,它在商业中体现的是,在同一决策行为过程中,商家会基于大数据对用户过去行为的分析,来推荐不同的内容。例如在搜索方面,谷歌可以针对关键词来提升个性化,让两个不同用户输入一半关键词,并给他们的提示常常是不同的,甚至对特定的用户,根据过去的某个时间行为,以及当前使用谷歌产品你的场景,自动产生搜索关键词。

  大数据下的营收模式是颠覆式的,也是投机的,如果掌握得好,运用到妙处,数字营销将带来空前的惊喜。但是当大数据只能被利用在营销和广告领域,作为消费者,是否会感觉不适呢?如何更好地掌握数据,并以合理的方式触达消费者,是每个大数据化商家应思考的课题。

  推荐阅读:《数据》依托政府统计机构权威数据优势,月度发布宏观经济、地区发展、投资走向、行业比较、消费趋势、地产、金融等经济社会热点数据信息。