2個案例，講解AI如何加速全新營銷模式的形成
內容來源：2018年1月6-7日，由人人都是產品經理主辦「2017中國產品經理大會：解碼未來產品經理」活動，朱文偉作為嘉賓進行了主題演講。筆記俠作為獨家活動筆記合作夥伴，經主辦方和講者審閱授權發布。
封圖設計 | Holly 責編 | 蘇文炳
第 1968 篇深度好文：8403 字 | 8 分鐘閱讀
點此聽精華版音頻 更多精彩內容，還需閱讀全文哦~
獨家首發·完整筆記·人工智慧
本文新鮮度：★★★★ 口感：山楂
筆記君邀您，先思考：
AI能解決哪些核心問題？
如何通過AI構建新營銷模式？
如何進行有效地收集數據和清洗數據？
我今天分享的主題是：如何通過AI加速千人千面，以及營銷新模式的建立。
我們先通過京東叮咚的音箱來了解一下人工智慧的應用。
叮咚音箱
第一，叮咚音響是智能語音交互上一個巨大的貢獻，我們可以通過叮咚音箱實現人類和機器的對話，語音識別和自然語言處理的技術讓機器理解了人類的意圖，幫助用戶實現了點歌聽歌的操作。
除此之外，通過和喜馬拉雅團隊深度的內容合作，這些非常優質的內容也可以通過叮咚音箱來收聽。
第二，在京東APP內打開叮咚音響的詳情頁後，可以看到3D展示的入口，點進去可以看到叮咚音箱的3D呈現。通過觸碰和旋轉，全方位地感受到音箱的現實模樣。
叮咚音箱3D呈現頁面
另外左下角有一個AR的入口，點進去，音箱產品的3D模型形態會在現實環境里得到很好地展示，提升你對商品的理解，並且完成購買，提升用戶的決策效率（對京東平台來講）。
這個例子說明：京東已經在整個人工智慧領域有大量地涉獵。在2017年年初，東哥（劉強東）在開年大會上介紹了京東下一年的戰略，叫科技12年。前12年，京東是一個零售公司，後續是科技公司。
未來京東會做什麼事情？
我們在矽谷成立了自己的研發中心，並且在去年和今年相繼成立了X事業部和Y事業部。X事業部負責無人倉、無人機、無人車，我們叫「三無產品」，這個是褒義。Y事業部負責整體供應鏈優化。
我們2018年的目標是，80%以上的商品通過自動化補貨，而不是人工下單完成。
所以，今天我會結合AI和營銷上的想法以及落地實踐的經驗，分享我們的一些思考。
一、數據是AI的根本
數據很重要。我們稱現在是人工智慧的第三次浪潮，有兩個決定因素比較能論證這件事情是可以成功的：
第一個，是計算力。舉例來看，英偉達最近兩年的股票價格增長是600%，從一家市值一百多億美金的公司，到現在已經突破了一千兩百億，這是一個巨大的飛躍，得益於人工智慧的興起。
第二個，是數據。互聯網在經歷了這十幾二十年之後，已經把用戶的習慣和數據慢慢從線下引到線上。現在互聯網時代整體收集數據和清洗數據成本比以往要低得多，我們可以看一下數據的重要性。
這兩個圖中，左邊是現場接收到的報名信息裡面，大家工齡的分布，可以看到大部分聽眾是在五年以下的工作經驗。右邊這張圖是性別分布。
這裡面涉及到兩部分，第一部分是數據收集，第二部分是數據清洗。這兩張圖可以理解為數據清洗的結果，而獲取數據，其實是收集的過程。
1.數據收集
數據收集的來源
京東擁有我認為幾乎是互聯網上最完整、最精準、最高、最長完整鏈條的數據。
第一方面，京東商城一年有大幾千億的銷售額，十幾萬的商家，10億以上的商品每天沉澱在平台上，有大量的數據可以為整體的後續營銷和人工智慧建設服務。
第二方面，我不知道大家有沒有用過京東白條？實際上像京東白條，包括理財產品，對用戶來講是有非常高價值的數據。
第三方面是物流。今年4月份，京東宣布整個物流子集團成立，意味著京東物流從一個供給自身商城業務，擴展到社會化物流。
我們現在也開始給大量的品牌方服務，可能這個商家在天貓開店，但它是用京東的倉庫，用京東的整個物流體系。各個地區行業的數據獲取可以更高，當然數據是永遠沒有止境的。
數據收集的原則
互聯網真正地採集了大量的數據，這是人工智慧的第一戰場。在整個數據收集過程里有幾個點，是我想強調的：
第一個，數據並非越多越好
如果有些數據是無效的，也不用刻意地生產很多畫像。
第二個，沒有應用場景的畫像沒有任何價值
舉個例子，比如你喜歡吃核桃，你又打王者榮耀，你覺得王者榮耀知道你喜歡吃核桃這件事情有任何價值嗎？他可能給你出個核桃的裝備嗎？聽上去好像沒有什麼商業意義。
第三個，大部分畫像都是一種概率
大部分數據，包括畫像，你可以認為它是一種概率。比如，在我們家大部分電商的消費都是我來完成的，我會幫我老婆買一些女性用品，由於我其他行為也不多，可能我就會被定義為一個女性用戶。
但是實際上我在很多其他方面的行為並不是一個女性用戶，所以它會存在偏差。
第四個，不要過度關心用戶，避免用戶焦慮
這個在互聯網早期比較多，總讓用戶填一些個人信息問卷，其實很少有人會認真地去填，所以盡量不要去打擾用戶。
再舉個例子，比如說杜蕾斯很火，我可能算出來了，你兩周肯定會買一次。那到點了，我就在APP首頁全部推送杜蕾斯，被別人看見，你是會覺得隱私被侵犯的，所以盡量地避免過度去關心。
2.數據清洗
有了完整數據之後，還是要落地到商品的數據、內容的數據、店鋪品牌的數據，以及最重要的用戶畫像上。
我們在有一套標準的體系收集用戶整體鏈路之後，基於畫像的過濾和清洗形成了幾個維度：
第一個，人口屬性
比如你是哪裡人？ 現在我們在互聯網上都要實名認證，通過你的身份證號可以得到你的性別，你的出生地，這些信息都是比較完整的，但我們絕對是保密的。
我自己也都查不到每個用戶的信息。
第二個，用戶的屬性偏好
你在京東的很多行為，我們會定義為你的品類偏好，品牌偏好，包括商品的偏好，更細分的會在品類上。
以購買力舉例：你是買一千塊錢的手機，還是買一萬塊錢的手機，這裡會存在一個價格歧視的問題，但這個價格不是說一千塊錢的手機賣給你是一千，賣給他是一千五，而是說由於品牌的影響，可能兩個商品的差異非常小，但由於我覺得你的溢價能力是比較強的，那可能就會把更貴的商品推給你。
第三個，垂直標籤
舉個例子，母嬰人群。很多人知道備孕的時候要吃葉酸，一旦你在京東買葉酸了，我就知道你可能離懷孕不久了。
我們基於這個用戶的行為，可以推算出她在整個母嬰過程裡面的狀態，是在懷孕周期，還是baby剛出生。從懷孕到兩歲的過程，我們都定義為母嬰人群。
我可以在你的周期里給你推一段奶粉、二段奶粉、三段奶粉，這是一個非常強的應用場景。
第四個，外部標籤
最後是我們和京X計劃一起獲取到的數據。我們會有很多外部廣告投放，可以獲取到外部的一些用戶標籤，這是電商所不具備的。
二、AI的本質是：
解決複雜場景的效率問題
AI可以結合營銷場景，做很多在營銷上的實際應用。在實際應用中我們定義，AI是解決複雜場景的效率問題。
AI不僅僅是一個用戶產品，其實對內部提升運營效率也特別有幫助。我舉一個不是那麼複雜的場景為例:
案例：京東秒殺
1.資源分配管理成本
我們在2016年年初才開始推秒殺的智能化，最早期是這樣做的：每天有十幾個秒殺場次，每個場次有50個商品，我們現在有六個事業部，基於每個事業部不同的GMV目標，運營同事把這些坑位一個個分給事業部。
現在通過AI來處理，第一個資源位和第五十個資源位產生的價值是完全不同的，如果是最後一個和第一個來比，可能GMV貢獻度只有10%。這會導致資源管理的成本非常高，因為要精確到每一個資源位來看它的效率。
2.資源撬動、激勵
從前端運營的角度，必然想把更好的商品放到更好的位置。
比如，三隻松鼠，本來賣五折，基於歷史銷售來看，五折其實不是一個很有競爭力的價格，我希望賣到三折。現在是很難去要求的，因為你給他的資源曝光已經非常固化了。放在第十個坑位就是那麼多曝光，只是三折的轉化率稍微高一點。
如果通過AI技術決定商家商品的坑位，商家能夠通過加強折扣力度提升排序，那麼就能夠激勵商家給出更有競爭力的價格。
3.複雜場景下的用戶行為差異
這個例子是跟用戶相關性更高的，特別典型。現在是冬天，大部分同學從北京到深圳來，他可能要帶很多衣服，因為深圳現在氣候不是很寒冷，但是在北京，大家可能都穿著羽絨服。
所以不同區域，用戶其實有很大的差異，但不僅在於區域，可能在很多行為上會存在很大的差別。基於單一頻道，我們有很多通用的模型，並且基於同一個頻道做了一些差異化建設。
第一個，考慮資源撬動的問題。
不僅考慮打幾折，還要考慮這個折扣和歷史最低價、歷史銷售的對比；不僅考慮它自身的銷售怎麼樣，還會考慮它在品類里排行如何。
針對秒殺這種強促銷的頻道，我們會更多地考慮它的銷售庫存，因為一件賣一百塊錢的商品，賣一百件和賣一萬件，對頻道的價值差異是非常大的。
第二個，看商品的實時效果。
除了正常的數據以外，引入兩個基於這個頻道特性的數據：一個是預約量，我們會做24小時提前曝光。
看這個商品曝光之後，有多少用戶真正關心它，願意來搶。另一個是售謦率。實時跟進銷售進度，銷售進度越高，會給一個權重。銷售很低的，從銷售補充的角度來講，也會給一些權重。
第三個，最重要的用戶的偏好。
除了正常的品類、品牌偏好之外，我們會加上品類協同。可能這個用戶在A品類沒有什麼行為，但我們發現用戶在A品類和B品類上，是有一些銷售關聯度的，以及在某些品類上可能會有復購的問題。
比如你買個手機，一般人應該不會在六個月到半年之內再去買第二台。這樣的商品我們往往會給它做降權。
基於這些模型，我們去做整體點擊率和訂單轉化的優化，看哪些效率高，哪些效率不高。基於一個運營場景，比如針對618、雙11、優惠券等這樣強促銷的頻道，我們會給出不同的解決方案。
因為大促期間用戶的行為差異很大，我們會基於去年618或者去年雙11的數據，做專門的模型訓練，讓用戶在這個周期裡面的行為表現，更趨向於我們預測的現實結果。
可能有人覺得秒殺或者像淘寶、聚划算、淘搶購，它的促銷信息太強了，好像AI在裡面也起不了什麼效果，但從我們實際結果上來看，整體提升率能到30%。
秒殺在雙11周期裡面，11月1號我們的銷售額突破了一百億。通過AI這個模型的優化，提升30%是一個非常大的量級。
哪些場景可以藉助AI解決？
第一個，從運營端來看，人的數量永遠是有限的。
秒殺頻道有接近100號員工，這是一個非常大的量級。 京東內部的活動，每天線上有5000個，如果一個人負責一個活動，也要需要5000個人，這個規模是不能再去擴充的。
第二個，在京東這樣平台，包括阿里，很多資源和流量都是按品類來管理的，每個品類都有銷售額KPI，當它做活動的時候，比如生鮮做活動，是不太可能賣家電的。
結合這樣兩個場景，我們去看有沒有辦法提供一種更場景化的鏈路，來完成AI賦能。
案例：準備婚禮
在操辦婚禮的時候，有很多事情要做，可能會買家電，要裝修房子，可能買喜糖，都是一些跨品類的非常長鏈路的行為。有沒有辦法把很多場景通過一個機器挖掘出來，再通過自動化的方式有效組織，以非常簡化的結構推薦給用戶。
在這個過程里，有一些問題是必須要解決的。
第一個問題，場景怎麼來？很多場景很細分，而且幾乎很少有一個運營懂全局。
第二個問題，內容怎麼來？場景裡面有很多商品，有很多內容，總要有一個地方來確定這個規則去選品。
第三個問題，頭圖怎麼來？頁面里會有個頭圖，它是一個氛圍圖。怎麼生成？ 以及整體頁面結構，頁面樣式怎麼確定？
考慮到這個場景確實非常大，我們最後的結論是讓機器來完成所有的事情。
如果場景數量是一個非常可控的量級，比如說50個，可能有幾個運營同事就可以搞定了，但當整個數量達到5000甚至更大的時候，人的力量是非常有限的，不可能為了這個頻道去招一千個人，從公司整體效率上來講也是不可行的。
同時所有的場景都在動態變化。舉個例子，比如叮咚音箱，包括小雅音箱，它也是一個場景，但這個場景可能在最近兩年才起來，明年可能有另外的場景方向，這是需要一個動態調整過程的，我們希望整體過程都是可以機器化生產的。
場景怎麼來？
我們把這件事情真正地交給機器，清洗了大量底層的數據，把所有的商品、內容、店鋪、商家、達人標籤化。然後去看所有用戶的行為，搜索行為，訪問行為以及去扒全網的，比如百度上熱搜，今天發生了什麼變化，以及去看不同的人群。
總會有那麼一群人，他的行為是領先的，我們稱他為達人。他可能先穿著這件衣服，由於他穿著這件衣服就引領時尚了。這些人在京東的行為是怎麼樣的，我們希望可以把它聚類出來，形成一個場景挖掘。
到現在我們挖了至少上千的頻道、場景出來。但是頻道、場景挖出來之後，至少要輸出到前端給用戶。純粹的後台數據是無法完成這個事情的，所以我們又設計了一個機制叫場景生成器。機器挖掘結果出來之後，提交給人，這個人負責總結頻道的名字和副標題。
它寫出來的東西特別是這種短標題，往往是人無法理解的，或者它可能是一個純粹的品類詞，場景感非常弱，所以現在我們這部分是人在做的。確定名字之後，內容質量是人可以理解的場景下，我們會調用整個的場景頻道服務。
場景生成器的作用
第一，判斷品類特徵，找到適應它的結構。比如我買快消品，你買可樂，幾乎沒有人會去看商品詳情頁，大部分人是在列表加購，但是你去看3C商品，買手機的時候不太可能搜iPhone直接加購，這個決策成本是不太可能在這麼短的鏈路里完成的，我們基於這種不同場景會生成不同的頁面結構。
第二，抓取場景下內容自動生成頭圖。京東內容生態已經生產了大量的內容，在這裡面，我們抓取合適這個場景的圖片，結合標題生成頭圖。
第三，基於機器學習方法召回排序。基於前面挖掘的結果，通過一系列召回策略，生成一個頻道，並且把它投到線上。
三、AI是持續學習的過程
AI不是一蹴而就的，從前面的增長數據來看：
第一，需要經過大流量的驗證
AI除了數據以外，就是計算。通過流量的驗證，可以收集到大量的用戶行為數據。
這個和AlphaGo是不太一樣的，AlphaGo的規則相對簡單，只要告訴它怎麼下是合法的，怎麼樣算贏就可以了。所以在10月份的時候，當DeepMind團隊宣布了AlphaGoZero通過40天的自我學習，沒有接受其他任何在網路上收集的棋譜數據，就打敗了原來的AlphaGo Master。給它數量只有兩個，第一個，下棋的規則。第二個，怎麼算贏？它不斷地自己和自己下。
我所說的很多人都無法想像的一些策略，但是在電商的領域，或者大家面對很多To C用戶的時候，用戶的數據才是價值，這是需要強輸入的。
第二，基於用戶體驗
還是舉前面的例子，幾乎不太會有用戶希望自己被推薦出來杜蕾斯。當別人看見的時候，發現你跟我用的是一個牌子。所以有些場景機器是不了解的，但是人了解，這個體驗需要人來設定規則去做控制。
第三，業務的平衡
大家都知道京東的強項是3C，是家電。如果任由機器去做，導致的結果可能是你看到的永遠都是3C，都是家電，因為從GMV產出來講，這樣的品類效率是最高的。
比如，買一台iPhoneX，現在是一萬塊錢，但買生鮮的客單價可能就是一百多，這是無法相比的。所以在這裡面我們要考慮更多的業務場景，包括品類的均衡。
在用戶看到的時候，不僅是體驗，也是業務因素，要給他更豐富的品類，以及當一些品類新出來的時候，比如京東的7 FRESH（京東7 FRESH生鮮超市）剛開張，像這樣的新品類，如果不靠一些戰略扶持，冷啟動是非常難的。
京東7 FRESH生鮮超市
因為沒有任何的用戶偏好，用戶沒有任何的行為，更談不上品類協同，這就需要一些人為的加權來做干預。
四、平台化，賦能更多場景
整體上，如果我們只是做單點的研究去推薦，那麼AI這件事情其實就失去了價值。
因為這樣的話需要基於所有的場景做獨立化訓練，實際上並不用。可以把它建成一個平台化的能力，讓它可以應用到更多的場景，我們建設的平台叫京東營銷投放平台。
它集成了基礎的個性化推薦、精準投放、業務補充和自動化運營能力。
簡單的以精準投放能力為例，對於7 FRESH，在APP里，只有當你在那家店周邊三公里它的可配送範圍內，我們才會把入口開放給你。
有很多很複雜、很繁瑣的事情，包括一些業務信息的補充，異常過濾，演算法的分流，數據的清洗，這是一個持續優化的過程。我們通過這個平台建設，賦能到更多的業務場景。
現在通過京東營銷投放平台覆蓋到的APP的首頁，PC的首頁，618大促活動，包括一些三超的品牌活動，通天塔，優惠券頻道等，這些場景可以非常快速地接收，包括前端的埋點、數據清洗的整個過程。
當然很多時候我們提供的是一些比較通用的模型和方案。當一個大流量的業務需要做深度優化的時候，我們也會基於這個場景去做完整的深度鏈路的優化。
五、全新營銷模式正在加速形成
第一個，規則化
傳統的營銷模式，是基於人對流量和資源位的管理，但是類似於東家小院這樣的頻道，它是形成一個規則，人是不需要參與的，或者說人在裡面起到的是監督的作用。我知道什麼樣的商品能進來，什麼樣玩法的內容可以參與。
第二個，開放化
由於自動化引入，人的效率大大提升，或者說人可以釋放出來了，營銷曝光的資源更多了。京東現在有16萬商家，大量商家可以參與。可能在原始的運營模式裡面能參與的商家只有頭部，我們正常一個采銷管理的商家在500到1000左右。
在這個規模里，最多20%的商家可以在整個京東營銷資源流量里去玩，剩下怎麼弄？自己去做搜索，可能這是唯一活路了，或者去賣廣告。通過規則化的實施，更多商家可以參與進來。
第三個，個性化
前端流量效率的提升，伴隨而來的是銷售越來越長尾。京東從最早賣手機、賣家電這種標準化的東西開始向生鮮、向時尚這樣的品類去做，核心的因素就是，在大流量下用戶的需求差異化非常大。
而京東自身特別是做自營，其實做不過來。京東自營現在的SKU種類也就一百多萬，加上圖書可能有200到300萬。但是用戶的需求是永無止境的，十幾億的商品才能真正地滿足，可能這個量還不夠。
基於不同用戶個性化需求，可以讓很多細分領域的商家存活下來，在這個平台更茁壯地成長。
主辦方簡介——
人人都是產品經理（woshipm.com）是中國最大、最活躍的以產品經理、互聯網運營為核心的學習、交流、分享社群，集媒體、教育、招聘、社群活動為一體，全方位服務產品經理和運營人，微信公眾號woshipm。
成立7年以來舉辦在線講座500餘期，線下活動300+場，覆蓋北京、上海、廣州、深圳、杭州、成都等10餘城市，在互聯網業內得到了廣泛關注和高度好評。社區目前擁有300萬忠實粉絲，其中產品經理佔比70萬， 中國75%的產品經理都在這裡。
筆記俠爆款好文推薦：
曾鳴：看十年，勢在哪？干一年，點在哪？| 附完整PPT和視頻
葉茂中：一流營銷製造衝突，二流營銷發現衝突，三流營銷尋找衝突
貝佐斯：亞馬遜為何成功？23年只堅持3個原則
筆記俠實力好課程：
一堂用得上的商業課，沒有一滴雞湯
TAG:筆記俠 |