只要问1个简单问题 就能准确达到客户需求

作者: 艾瑞克・J・强森/译者: 林丽雪

人气 532

在互动式选择引擎中可以做到的一件事情,就是客制化选择架构。这可以创造更快乐的客户和更高生产力的公司。

早在二○一三年,网飞就制作了超过三千三百万个版本的网站。为了做到这一点,网飞必须了解一些关于客户的有用资讯。其中一些知识来自网飞的推荐系统。有人估计它为公司增加了十亿美元的价值。后文会讨论推荐系统,但我想先谈一个更广泛且有时更简单的概念,那就是使用者模型(user model)。

当我们为了增加对选择者的有用性,客制化一个网站时,是因为认为了解该使用者。这种认识,也就是对一个人的想像,促成了客制化。虽然使用者模型有时可能是复杂的分析系统,但也可能非常简单。

记住当你登入时网飞询问的第一件事,那就是谁在观看?旁边还有三个按钮,通常会是你的名字、你伴侣的名字和“子女”。网飞会在一开始就问这个问题,是因为每个使用者的客制化内容是不同的。

还记得先前谈过的那间德国大型汽车制造商GLAM吗?他们对客户提供许多选择(比如买家可以从十六部引擎中选择),但不明智地为他们和客户将最便宜的选项定为预设。由于预设引擎被选中的频率更高,他们开始担心预设引擎可能会让一些客户不高兴,更别提最便宜引擎的销售量增加所造成的不愉快了。

我们建议他们对不同的客户做客制化的预设选项,并将此称为智慧型预设选项。主管们喜欢这个想法,但有一个小问题。他们不想投资一个复杂的推荐系统,来对每个用户推荐不同的预设选项。构建这样一个系统需要付出很多心力,而且可能没有这么有效。汽车不是经常要购买的商品,关于以往购买哪款车型的资料可能没那么有效,因为人们的需求在两次购车之间会发生变化。

一个三十岁的人,上次买的是一辆跑车,但现在可能需要一辆家用轿车或SUV,因为自从上次买车以来,他已经结婚生子了。而且,并不是所有在GLAM公司网站上购车的人,都是买过GLAM车子的顾客,他们甚至可能完全没有买过车。

GLAM有一个聪明又简单的想法:“我们为什么不直接问人们,他们想买什么样的车?”于是就打造了一个登入页面来问这个问题,选项如下:

●  一辆家用车。
●  一辆跑车。
●  一辆省油轿车。
●  一辆越野系房车。

光是知道对这个简单问题的回答,就已经足够用来设定预设选项。

跑车的选择不仅预设为具备先进性能的引擎,还预设了其他属性,例如:真皮内部座椅、更昂贵的木制方向盘和换档装置,以及高性能的镀铬胎框和轮胎。而寻找家用汽车的人则得到不同的预设选项,比如侧边气囊和儿童座椅安全带。不需要昂贵的人工智慧,一个问题就改善了结果。

我们可以称这些为“足够智慧型预设选项”(smart-enough default),因为它们以非常少的建模工作,就产生了智慧型预设的大部分好处。根据GLAM表示,客户相当满意。

这些足够智慧型预设也增加了收入,我们的研究显示,与他们最初策略所犯的错误(使用最便宜的选项当做大规模的预设)相比,这些足够智慧型预设导致每辆车的平均销售收入增加八百欧元。

足够聪明型预设也可以根据一些简单的事物来做,比如知道选择者的年龄。我们讨论生命周期基金,谈到了这种基金随着我们的年龄增加,如何透过增加债券而减少股票的配置方式,来降低退休账户的风险。只要问到出生年份,基金就会为适合你年龄的高风险股票和较安全的债券,配置相对应的预设投资组合。

更重要的是,随着年龄的增加,基金会自动帮你改变投资组合,这是大多数的人都会忽略的事情。这也显示了客制化并不困难,选择者回报的一个数字,就可以改善预设。这个特定的智慧型预设不仅在购买时提供利益,而且在储户的整个生命周期内都提供利益。

当然,也有更复杂的方法。一种可能更强大的方法就是协同过滤。它搜集使用者过去买过的商品资料,并使用人工智慧来预测人们未来可能购买哪些商品。这些方法既可以使用“外显资讯”,比如使用者对选项的评分,也可以使用“隐含资讯”,像是他们是否在网飞上看完了特定的节目。也许最著名的协同过滤,就是亚马逊网站使用它来生成“买了这样物品的人也买了”的清单。

协同过滤需要大量用户的过去行为,来进行预测。这是Apple Music提出建议、推特建议“跟随谁”名单,以及Tinder网站上推荐适配对象的核心。是的,Tinder显然会根据你滑手机的结果,改变它向你推荐的对象。向右滑动将改变你未来看见的人。

重要的是要知道,在协同过滤的纯粹形式中,并不使用关于选项本身的深入资讯。当苹果音乐推荐一首曲子时,它对歌曲的节奏、节拍、歌词或使用的乐器一无所知。它只知道像你这样的人,都喜欢那首歌。

一名训练有素的音乐学家会花二十到三十分钟聆听每一首歌曲,并根据数百个面向或潘朵拉称为基因的属性上,对这首歌进行评等。一种算法则使用这些评等来挑选相似的歌曲。与协同过滤不同的是,这个算法对歌曲的了解更多,对人的了解较少。

潘朵拉于二○一八年被天狼星XM(SiriusXM)以三十五亿美元收购,目前这项科技被用来为天狼星XM旗下的一些网路电台筛选歌曲。时间一久,协同过滤和内容算法被组合在一起使用。由于它们有互补的优缺点,这么做也是有道理的。

但需要注意的是,使用者模型并不是花俏人工智慧的同义词。如果我们想了解客户的一些情况,通常可以透过问一个简单的问题来进行重要的客制化,比方说,问客户:“你想买怎样的车?”或者“你几岁了?”

大多数关于推荐系统的讨论,往往都强调替换选择。另一个看法则是,使用者模型让设计者得以扩展选择架构。当我们使用选择架构来协助做出选择时,也许需要考虑的是扩增智慧(intelligent augmentation, IA),而不是人工智慧。

(※网站专文)

〈本文摘自:《选择,不只是选择:全美决策领域最知名教授,告诉你选项背后的隐藏力量》,先觉出版。〉

.远距工作者必备6项软实力 AI也难取代你
.AI是威胁也是机会 如何突破职场变迁的困境?
.脸书为什么知道“你可能认识的朋友”?

责任编辑:曾臻

相关新闻
远距工作者必备6项软实力 AI也难取代你
人工智能医生可信吗? 会诊断却做不出解释
人工智能面临新挑战:怎样解除学习?
【名家专栏】您的人工智能觉醒了吗?
纪元商城
这种肥皂不会耗损 永远陪伴你
每日更新:春天里的素色清道夫 不知疲倦
这种杯子为何如此火爆 加州女子偷65个被捕
这些亚马逊好物 让你生活品质大提升
如果您有新闻线索或资料给大纪元,请进入安全投稿爆料平台
评论