0
| 本文作者： 溫曉樺 | 2017-03-24 08:15 |
提到人工智能，提到AI，很多在傳統(tǒng)行業(yè)打拼的朋友覺得是離自己很遙遠的事。事實上，人工智能在傳統(tǒng)行業(yè)中有著非常廣闊的應(yīng)用天地，它可以在金融、醫(yī)療、教育、零售、商業(yè)智能等領(lǐng)域發(fā)揮作用，其最終達到的效果就是幫助提高公司業(yè)績。
但是，對很多傳統(tǒng)行業(yè)從業(yè)者，或者是AI應(yīng)用開發(fā)者來說，更大的問題也許是難以摸清AI落地企業(yè)的著眼點和運用方式。本次雷鋒網(wǎng)公開課AI+商業(yè)智能專場，我們邀請到了趨享智能CEO柏曉樂博士來分享他的從業(yè)經(jīng)驗，講解AI在傳統(tǒng)行業(yè)中有著怎樣的作用，以及在實戰(zhàn)中人工智能怎么落地，以及落地的關(guān)鍵問題。
柏曉樂，趨享智能CEO。 有10年以上的使用和開發(fā)人工智能來解決實際問題的經(jīng)驗。曾在美國多個著名公司帶領(lǐng)商業(yè)智能，個性化銷售服務(wù)，顧客關(guān)系管理，定價策略，競爭智能等多個團隊，以人工智能作為平臺和方法依托，給眾多傳統(tǒng)行業(yè)如保險、銀行、百貨、信用卡、超市、線上線下零售等各種規(guī)模公司實現(xiàn)數(shù)據(jù)挖掘，發(fā)現(xiàn)機遇，提升業(yè)績。美國俄亥俄州立大學(xué)計算機博士，著有頂級論文40多篇，全球引用超過2600次，獲杰出科研獎。
柏曉樂博士
以下是柏曉樂博士公開課演講實錄，雷鋒網(wǎng)做了不改變原意的編輯：
大家晚上好。今天很高興有機會借雷鋒網(wǎng)AI掘金志這個平臺和大家做些分享。
我在這里假設(shè)大家對人工智能的概念還是有些了解的。關(guān)于什么是人工智能， 人工智能的前沿研究和未來，還有相關(guān)的概念比如說機器學(xué)習(xí)，深度學(xué)習(xí)等等，這些都是很有趣的題目，但這里就不多提了。這次公開課我們多花點時間說說在實戰(zhàn)中人工智能如何落地，又如何幫助公司提升業(yè)績。
提到人工智能，很多在傳統(tǒng)行業(yè)打拼的朋友覺得是離自己很遙遠的事。我曾經(jīng)和一個開加服裝加工廠的朋友聊到人工智能，他第一個反應(yīng)就是那玩意兒高科技高大上，自己廠小用不上。還有一個開餐館的朋友，聊到人工智能，她第一個反應(yīng)說：“機器人服務(wù)員，不好使，成本又高，不能用?！边@些都是對人工智能落地這件事了解得不夠，理解不全面造成的誤區(qū)。這種反應(yīng)其實十分可以理解，因為很多人工智能相關(guān)的新聞都和一些很先進的應(yīng)用聯(lián)系在一起，比如說無人駕駛汽車等等，這自然會給人一種錯覺，覺得人工智能的是高科技行業(yè)的專屬品。
麥肯錫在2016年末的時候有個報告，它在國內(nèi)做了個調(diào)查，結(jié)果是84%的調(diào)查對象認(rèn)為人工智能的大贏家是互聯(lián)網(wǎng)相關(guān)的公司和一些初創(chuàng)公司，所以認(rèn)識不全面的這個現(xiàn)象還是有一定廣泛性。其實，人工智能在傳統(tǒng)行業(yè)中同樣有非常廣闊的應(yīng)用天地，人工智能可以在各種傳統(tǒng)行業(yè)的公司里的很多個方面發(fā)揮作用，最終達到的效果就是提高了公司業(yè)績，所以傳統(tǒng)行業(yè)每個公司都可以在人工智能的平臺上成為大贏家。
我對人工智能在傳統(tǒng)行業(yè)中落地這件事的感受比較深。我們的資深數(shù)據(jù)科學(xué)家團隊在這個領(lǐng)域有超過十年的經(jīng)驗，在美國服務(wù)過幾十家客戶，當(dāng)中很多是傳統(tǒng)行業(yè)的客戶，有大有小，有線上，也有線下，積累了大量經(jīng)驗。麥肯錫在一份2016年底的報告中也提到，目前國內(nèi)人工智能產(chǎn)業(yè)里從事人工智能的大概只有25%的人有10年以上的經(jīng)驗。所以，今天我們就用一些實例為基礎(chǔ)，分享一下人工智能在傳統(tǒng)行業(yè)發(fā)揮作用的這些實戰(zhàn)經(jīng)驗。
這里分享一些我們的解決方案，重點并不在于介紹什么具體算法，人工智能實現(xiàn)一個目的可以有很多方法，重點而是在于分享運用算法的場合和目的，也就是落地的角度。 今天我準(zhǔn)備了十個點：
顧客關(guān)系管理對傳統(tǒng)行業(yè)更是重要，但是，做得好做得壞差別很大。你在顧客生日的時候給個相關(guān)的打折券，顧客可能比較感動，你每天給她發(fā)十封郵件就變成騷擾了，效果會差別很大。
有個客戶，是一家總部位于加州的中高檔家具燈飾銷售公司。它在美國、加拿大、菲律賓、墨西哥和澳大利亞有超過200家分店。它面臨的問題是利潤下滑明顯。我們把數(shù)據(jù)拿過來分析以后，發(fā)現(xiàn)是它的顧客關(guān)系管理出現(xiàn)問題了。
它是基于傳統(tǒng)的顧客關(guān)系管理。從很多實際的接觸來看，我們發(fā)現(xiàn)傳統(tǒng)的顧客關(guān)系管理往往有以下幾個特點：
只基于歷史，不做預(yù)測沒有前瞻性。比較常見的方法就是RFM模型，即只看歷史消費額，消費頻率，和最近一次來是什么時候，根據(jù)這三個來決定怎么管理顧客關(guān)系。
維度單一。只著眼于顧客這個維度，只顧抓顧客的屬性，其它維度像商品的維度，支付渠道的維度，購物壞境的維度等考慮不足。
沒有系統(tǒng)性，零敲碎打，頭痛醫(yī)頭腳痛醫(yī)腳，一個一個市場行為之間沒有太多聯(lián)系。
那么人工智能怎樣在這里起作用呢？ 主要有兩個方面：
第一個方面是，人工智能有能把不同維度上的屬性考慮進去，進行先進的對顧客聚類的能力。有些顧客之間的相似性是隱形的，不明顯，這時聚類算法，簡單的如分級聚類和近鄰參照聚類等，能把這種相似性給找出來。比如說，以前我們把顧客群體月消費1000元以上和以下分成兩類（明顯，單維），現(xiàn)在用人工智能就可以把大概每隔20多天回來一次，喜歡產(chǎn)品有類似性，消費額度消費方式比較接近的顧客分成類（不明顯，多維）。
第二個方面，通過我們把顧客的行為特征在不同的時間段作特征提取和基于模式識別地交叉映射，我們可以得到一個全面的顧客生命周期模型并確定一個顧客現(xiàn)在處于哪個階段。比如說張三有潛力擴大消費，處于成長期，而李四的消費能力已經(jīng)飽和。所以對張三的顧客關(guān)系管理的重點是幫助他成長，讓他再花的多些，對李四的顧客關(guān)系管理的重點是把他留住，想辦法讓他消費更多的利潤比更高的商品。對處于每個階段的顧客關(guān)系管理的重點是不一樣的，市場行為的設(shè)計和執(zhí)行就不一樣。
目前，顧客關(guān)系管理的趨勢正在發(fā)生一些轉(zhuǎn)變——從單純的理解顧客向引導(dǎo)顧客改變行為轉(zhuǎn)變，從按組群管理向每個顧客可以得到不同的精細化管理轉(zhuǎn)變，從以顧客為中心的體系向顧客和企業(yè)多方位考慮的優(yōu)化體系轉(zhuǎn)變，人工智能提供了這種轉(zhuǎn)變的平臺。
忠誠策略是指一種結(jié)構(gòu)化的市場手段，用來獲得、培養(yǎng)、維持、獎勵顧客的忠誠度，目的是系統(tǒng)性的加強和顧客的紐帶，最終提高業(yè)績。 典型的忠誠策略的例子就是搞積分。很多地方在搞，有的有效果，有的效果就不明顯。
那么在給公司量身定制重新設(shè)計的忠誠策略里，利用人工智能的點是什么呢？在前面顧客關(guān)系管理中，我們提到了兩個點，一是先進的聚類，二是人工智能挖掘出來顧客生命周期。這里這兩點也用到了，還要加一點：人工智能能引導(dǎo)我們挖掘出最大化的顧客價值主張 (Customer Value Proposition)，就是讓我們企業(yè)了解什么對顧客來說是最有意義的，找到顧客最感興趣的點，找到他們的真實需求。
這里需要基于人工智能平臺做兩步工作，先是充分利用第一個點和第二個點的結(jié)果來設(shè)計調(diào)研，問一些有價值的，結(jié)果交叉以后能夠最大化信息量的問題，然后第二部用人工智能對調(diào)研結(jié)果進行有目標(biāo)的系統(tǒng)的數(shù)據(jù)挖掘，如運用重點因素分析算法，把最大化的顧客價值主張給找出來。比如張三說他喜歡點數(shù)，李四說他喜歡禮品，人工智能就能找到都比較滿意的平衡。把發(fā)現(xiàn)的最大化的顧客價值主張貫徹到忠誠策略的設(shè)計中去。
這樣的設(shè)計理念，對各個行業(yè)（從珠寶銷售到餐飲）各種類型（B2C，B2B）處于各個階段的公司（有的公司要扭虧，有的公司要擴張）來說都是實用的，設(shè)計出來的忠誠策略會很成功。我們看到的結(jié)果往往是人氣旺了，顧客的回頭率大大提高，平均到每個顧客的消費額也會增加 。
再分享兩點，一是搞忠誠策略早比晚好，別人搞你不搞，要把顧客從別人那里搶過來往往要花更多的資金和精力。二是忠誠策略要慎重，這個策略一旦實行了，經(jīng)常換不好，有個持續(xù)性。
說白了就是怎么制定價格，東西賣多少錢。對傳統(tǒng)行業(yè)來說，尤其是零售業(yè)，是很關(guān)鍵的一環(huán)。定價過高，影響銷量；定價過低，影響利潤。
這里很關(guān)鍵的一點是，人工智能能挖掘聯(lián)系，抓住關(guān)聯(lián)性，像著名的Apriori算法。這種關(guān)聯(lián)性主要包括了顧客和產(chǎn)品之間的關(guān)聯(lián)性，產(chǎn)品和產(chǎn)品之間的關(guān)聯(lián)性，還有顧客和顧客之間的關(guān)聯(lián)性。人工智能能挖掘出來這種關(guān)聯(lián)性是定價策略的關(guān)鍵。
在這個實例里，我舉個場景：我們運用人工智能發(fā)現(xiàn)有個牌子（Keurig）的自動咖啡機專用的一小杯一小杯的咖啡粉很能吸引顧客。那么這個貨物的主要功能就可以定位成吸引顧客流量，我們就把它的價格定的低一些，犧牲一點利潤，但是把顧客給吸引到店里來。這就是利用顧客和產(chǎn)品之間的關(guān)聯(lián)性。進一步，人工智能可以告訴我們，顧客買這些小杯咖啡粉的常常喜歡買些零食啥的，我們就搞些零食類的和小杯咖啡粉捆綁在一起賣，作為一種選擇。顧客很高興，方便了，省錢了，商店也很高興，賣的多了，周轉(zhuǎn)也快。
顧客和顧客之間的聯(lián)系可以從社交網(wǎng)絡(luò)上拉數(shù)據(jù)，用半監(jiān)督學(xué)習(xí)方法做分析，但問題是比較難和來店里的顧客對應(yīng)上，有這么個信息整合的屏障，所以在我做過的定價的實戰(zhàn)中并沒有怎么用到，但是經(jīng)常用來做市場。
對于線上的網(wǎng)店，我制定過動態(tài)的定價策略。這個背后的算法比較復(fù)雜，但是主線不變，用人工智能抓住關(guān)聯(lián)性的點還是一樣的，用關(guān)聯(lián)性來確定對于不同顧客群體的不同關(guān)鍵商品，這些商品的價格根據(jù)需要在不同的時間段里浮動，來達到不同的目的。
比如說你有好幾家在不同地方的分店，想評估它們員工的表現(xiàn)。單維的從銷售的角度是不能得到一個全方位的理解的，比如說是不是把潛力發(fā)揮出來了。單維的從銷售的角度而且也很容易讓員工覺得不公平，開在兩個不同地方的店，顧客群體就可能不同，消費能力很可能就不一樣，一個店賣的多些，一個店少些，你就比較難下結(jié)論說賣的少的店做的不好。
利用了人工智能的評估體系方案主要體現(xiàn)在強大的綜合能力。每個店有很多特殊的客觀屬性，我們把這些客觀屬性放在不同的維度上，這些維度有商品、價格、競爭環(huán)境、周邊環(huán)境、交通狀況、店面屬性等，每個維度里還有多個屬性。市場行為等雖然和商店業(yè)績相關(guān)，但是屬于被評估的對象，是主觀可以改變的，所以不在我們的維度里。
利用人工智能，可以找到一個合適的方法，簡單的像多元線性回歸，把每個店所有客觀維度的各個屬性和這個商店的業(yè)績聯(lián)系上，得到一個量化的關(guān)系，再利用歷史數(shù)據(jù)把所有店的這種關(guān)系綜合起來，給出宏觀上的，一個有指導(dǎo)性意義的，關(guān)于客觀因素和業(yè)績關(guān)系的模型。這個模型就是參考體系。每個店的實際業(yè)績和這個人工智能發(fā)現(xiàn)的參考體系給出的業(yè)績之間的關(guān)系，就是我們建立評估的基礎(chǔ)。
這個評估體系得到了各個管理層的認(rèn)同，可以規(guī)范管理，提高士氣。實際上這個基于人工智能的評估體系還有其它一些優(yōu)點，比如說有效過濾掉大的經(jīng)濟環(huán)境的影響，還能用來做預(yù)測，等等。
很多時候一個公司的各個部門對一些事物看法，對一些結(jié)果的理解會很不一樣。常碰到的例子就是市場部和銷售部。比如說，市場部搞了個很成功的營銷宣傳活動，有很多潛在的客戶就出現(xiàn)了，然后市場部就把這些名字給銷售部門，要把這些潛在的客戶變成真正的客戶。當(dāng)轉(zhuǎn)化率低的時候，就有可能部門間意見不一致，銷售部會覺得市場部的這些潛在客戶沒有挑好，市場部覺得是你銷售部能力不行。
我們給一個美國的專業(yè)的健康保險公司做了個項目。這個公司在其行業(yè)全美是排第二位，它的市場部和銷售部有這方面的需求，要對潛在顧客的優(yōu)先級有個大家認(rèn)同的排序。
前面提到過，人工智能有很多聚類的算法，這個功能在這里就用上了。具體來說，我們把每個潛在客戶的屬性先提取出來，這些屬性也是在多個維度上的，然后通過人工智能把屬性接近的那些客戶歸為一類。因為人工智能可以從數(shù)據(jù)的角度挖掘很多不明顯的相似性，所以我們在用人工智能分完類以后會做一些描述性的分析，主要是把各個類別之間的差異從商業(yè)的角度來顯式化。然后我們用深度學(xué)習(xí)對每個類別里的各個潛在客戶，都會做一個的關(guān)于投入（花多少時間精力才能把他變成真正的客戶）產(chǎn)出（成為真正的客戶后對公司的價值）的預(yù)測。這個預(yù)測的結(jié)果決定了潛在客戶優(yōu)先級。這樣就有效的統(tǒng)一了意見，提高了的市場部和銷售部的合作氛圍和合作效率。
在這個部門協(xié)調(diào)這個問題上，用人工智能解決問題一定要了解每個部門關(guān)心的是什么。在上面這個例子里，客戶轉(zhuǎn)化就是兩個部門關(guān)心的關(guān)鍵問題。不同部門對事物理解不一致很多時候是由于該事物維度太多，對本質(zhì)不好把握，或者說沒有一個系統(tǒng)的方法來把握。找到關(guān)鍵問題以后，人工智能這時就能發(fā)揮作用，簡單的說就是能把眾多維度綜合，降低維度，最后收斂在一個比較好理解的層面上。
個性化戰(zhàn)略是現(xiàn)在商業(yè)的一大趨勢。給一個顧客推薦怎樣的商品，提供怎樣的服務(wù)，一切都是圍繞這個顧客個體的特殊性來展開的，使得用戶的體驗迅速提升。精準(zhǔn)銷售是這個戰(zhàn)略的通常體現(xiàn)之一。
我?guī)ьI(lǐng)數(shù)據(jù)科學(xué)家團隊給一家美國公司做過它的個性化核心引擎。這個公司是世界第五大零售商其在全美有超過3千家超市，年銷售額超過1千個億美元，2016 年Fortune排名在20左右。它經(jīng)營范圍非常廣泛，從蔬菜、水果、零食、肉類到服裝、珠寶等都有包括。這個核心引擎的作用是，支持各種個性化的產(chǎn)品，包括了個性化的產(chǎn)品推薦、菜譜、打折卷、價格、宣傳等等。
具體的實現(xiàn)過程是：通過多層特征提取和挖掘，我們可以把顧客消費的規(guī)律性給挖掘出來，簡單的規(guī)律像張三總是周末來購物，復(fù)雜一點像李四總是在某個階段只要有打折就會買某一類產(chǎn)品。進一步，我們把線上線下的信息也結(jié)合進來，構(gòu)成顧客的精準(zhǔn)畫像。
人工智能還能把一些購物背景給綜合到挖掘出來的規(guī)律里，例如我們發(fā)現(xiàn)天冷的時候有一類人特別喜歡買罐裝的湯。天冷就是背景，還有其他的天氣因素，像下雨下雪。還有一些背景像住的地方的房價等等，因為房價通常和消費能力有關(guān)聯(lián)，都可以考慮進去。此外，我們還可以把產(chǎn)品之間的關(guān)系確定出來，比如說，哪些產(chǎn)品可以互相替代，哪些產(chǎn)品經(jīng)常在一起被購買，哪些產(chǎn)品有很強的互斥性，等等。這三個方面都給挖掘出來以后，再通過隨機森林和排序?qū)W習(xí)等方法，給不同的個性化產(chǎn)品提供接口。
在顧客同意的情況下，我們還收集顧客的手機定位信息，這樣我們不但能知道推薦什么給顧客，而且通過深度學(xué)習(xí)等，知道什么時候是相對比較好的時機把這個推薦信息給發(fā)出去，比如當(dāng)這個顧客在這個超市附近逛其他店的時候。
用人工智能實現(xiàn)個性化戰(zhàn)略往往需要處理的數(shù)據(jù)量是巨大的，所以需要很好的平臺支持。
我做過一個保險公司的項目。這個保險公司成員超過5千萬，在美國成長非常迅速。美國現(xiàn)在有一種購買保險的方式，對每個企業(yè)，讓4個不同的保險公司把產(chǎn)品和標(biāo)價公開的放在一個平臺上，讓這個企業(yè)的員工自己選購。在這個平臺上公開之前，4個保險公司的保險價格相互是不知道的。所以要解決的是保險價格多少合適的問題。
基于人工智能的方案框架包括三步：
第一步先從平臺的歷史數(shù)據(jù)中學(xué)習(xí)出對于不同的的企業(yè)類型，各保險公司的報價的規(guī)律性。比如制造業(yè)的企業(yè)，報價就會比IT為主的企業(yè)低些，小企業(yè)會比大企業(yè)高些，等等。
第二步是從自己的歷史數(shù)據(jù)中學(xué)習(xí)，得到對于不同的企業(yè)，不同的報價，購買我們這個保險公司的人數(shù)，這幾個方面和我們這個保險公司可以得到多少利潤率的這么個聯(lián)系的理解。深度學(xué)習(xí)在這第一第二部都可以用。
第三步是把前兩步的結(jié)果作為輸入，設(shè)計一個蒙地卡羅模擬過程，通過這個模擬過程來找到最佳的報價點。最佳的報價點的意思就是，一方面不能太高，太高了顧客不買，在這么個合適的位置非常有效的爭取到了顧客的數(shù)量，另一方面不能太低，太低了公司虧錢，在合適的位置能保證公司的利潤。
欺詐檢測和預(yù)防和風(fēng)險控制是金融行業(yè)的重頭戲。人工智能在這個領(lǐng)域的作用是非常突出的。今天我舉另一個例子，想說明欺詐檢測這個事不僅僅是金融行業(yè)獨有的事，人工智能在其它行業(yè)也可以用來反欺詐。
在美國梅森市有個公司，其主要服務(wù)是通過和它簽約的人向顧客提供的。這些簽約的人再通過出示給顧客提供服務(wù)的憑據(jù)來公司報銷一定的開銷。公司長期知道有欺詐存在，但是由于業(yè)務(wù)的復(fù)雜性，預(yù)先有個大致的方向后最后需要人工去確定是否欺詐，美國人工很貴，人手有限，由于不能及時有效的檢測出不該報銷的要求，公司每年損失了大量的收入。而人工智能的介入下，每年為公司減少損失超過2百萬美元。
解決欺詐檢測依靠模型，這樣的模型構(gòu)建起來是：一是有監(jiān)督的機器學(xué)習(xí)模型，從欺詐歷史數(shù)據(jù)中把眾多欺詐特征都綜合考慮，做出檢測。二是無監(jiān)督機器學(xué)習(xí)模型，主要是用來發(fā)現(xiàn)可疑的案例，這些案例沒有歷史或者特征不明顯，有監(jiān)督的機器學(xué)習(xí)模型比較難捕捉。三是基于規(guī)則的一些鎖定和分類。
上層是一個綜合化的模型，考慮下層的結(jié)果，學(xué)習(xí)在不同情況下如何綜合，輸出是欺詐的概率。通過概率排序以后，就成為了進一步調(diào)查的優(yōu)先級的重要查考。
每個公司資源總是有限的，要做的事總是很多。有一種資源優(yōu)化項目，我們經(jīng)常碰到的，就是市場部只有一定的預(yù)算，市場活動有不同的渠道，市場部想把這一定的錢最有效的分配到不同的渠道做活動，來得到最大化的回報率。
事實上，利用歷史數(shù)據(jù)，我們能對每個顧客預(yù)測其對一個特定渠道市場活動的反應(yīng)程度，也可以預(yù)測顧客的對應(yīng)于市場活動的花銷額度。我們基于這種預(yù)測，把所有的顧客進行排序。我們知道，不同渠道的市場活動，平攤到每個顧客的成本是不一樣的，電子郵件很便宜，而寄給顧客一本購物宣傳冊就比較貴。把這種成本和人工智能預(yù)測的收益的排序相結(jié)合，就能得到最佳的分配方式。
我還負(fù)責(zé)過一個總部位于德克薩斯州的公司的相關(guān)項目。這個公司的業(yè)務(wù)是為客戶提供私有品牌的信用卡支持，并幫助執(zhí)行以數(shù)據(jù)為依托的商業(yè)策略，2015年銷售額超55億美元。 這個公司有龐大的復(fù)雜的電話客服體系，要求在不同時期，對不同的客戶，對不同的產(chǎn)品都要達到不同電話客服的質(zhì)量要求 （比如說，等候時間），但同時要節(jié)約成本，不想雇傭多余的人，所以想要預(yù)測每個時間段有多少電話打進來。
我?guī)退麄兘⒘嘶谌斯ぶ悄艿念A(yù)測模型。這個模型是分層結(jié)構(gòu)的時間序列分析。最上層是預(yù)測到月，中間層是把月電話量分解到星期，下一層是把星期的電話量分解到天，最后一層分解到小時。 這個模型準(zhǔn)確率是非常高的，這樣，客服中心預(yù)先就知道要在哪個時間段安排多少人，沒有必要雇傭多余的人了，運營成本顯著降低了。
人工智能在資源配置優(yōu)化方面的角度是很多的。資源配置優(yōu)化非常重要，它不是銷售額，他直接作用在成本上，給利潤上升有效提供空間。
人工智能還能在新品開發(fā)和上市中起到指導(dǎo)作用。解決方案基本可以分為特征挖掘，反饋設(shè)計，和結(jié)果分析這三步。具體來說：
首先是用人工智能的方法來確定顧客最感興趣的產(chǎn)品特征，和特征水平的范圍。從顧客和產(chǎn)品的關(guān)聯(lián)度出發(fā)，檢查這些產(chǎn)品特征和特征水平是不是新產(chǎn)品理想中的目標(biāo)人群。
然后設(shè)計聯(lián)合分析的問卷調(diào)查，在目標(biāo)顧客群體中作調(diào)研，收集針對不同產(chǎn)品特征和特征水平的顧客的態(tài)度。
最后用人工智能的方法在收集到的數(shù)據(jù)的基礎(chǔ)上作挖掘。這個挖掘的目標(biāo)不局限于從收集的信息中分離出消費者對每一特征以及特征水平的總體偏好值，就是我們常說的特征的總體效用值，其它的目標(biāo)還包括哪些特征是對某些有特征的顧客特別有吸引力等。 這個方案系統(tǒng)的給新品上市指明了方向，影響很大，效果很好。
以上這十點，遠遠不能涵蓋所有人工智能在傳統(tǒng)行業(yè)的落地點。人工智能在提高傳統(tǒng)企業(yè)業(yè)績方面還有很多其他應(yīng)用，像物流、商店選址、網(wǎng)站優(yōu)化等等。
下面說一下人工智能在傳統(tǒng)行業(yè)中落地的最重要的因素和幾個關(guān)鍵問題是什么。
對這個問題，不同人有不同的角度，有的人覺得數(shù)據(jù)最重要，有的人覺得算法最重要，有的人覺得科學(xué)家人最重要，這些都是對的。我和種種公司打交道這么多年，想從人工智能落地，偏重落地，這個角度分享一下我的看法。
我覺得最重要的因素是開放思想（open mind）。
一方面，CEO們要開放思想，即不要自高自大覺得人工智能不用我不也過的好好的，等等再說，看看再說，也不能妄自菲薄覺得自己公司比較小，或者條件不成熟，或者要處理的問題好像挺簡單的，人工智能不會有用武之地。
另一方面，從事人工智能的從業(yè)者也要開放思想，不要認(rèn)為自己的人工智能只能服務(wù)于高科技行業(yè)，需要擴寬思路來幫助傳統(tǒng)行業(yè)。
這也是我這次分享的主要目的，從實戰(zhàn)的角度擴寬大家的思路。 多年的實戰(zhàn)，我也發(fā)現(xiàn)了落地的三大關(guān)鍵問題，這里分享一下：
明確的商業(yè)目標(biāo)。經(jīng)常性的，我們發(fā)現(xiàn)客戶不知道需要解決什么問題，或者有時，客戶覺得需要解決的問題的往往不是最主要的問題。這就需要深入理解客戶業(yè)務(wù)的流程，操作，和需求，并以此為基礎(chǔ)，梳理商業(yè)目標(biāo)，建立一些解釋或假設(shè)，然后根據(jù)相關(guān)的數(shù)據(jù)來驗證調(diào)整這些解釋和假設(shè)，發(fā)現(xiàn)問題，把問題按不同的維度細化。人工智能在這個階段也可以幫助分析，挖掘一些不容易注意到的問題。
好的人工智能平臺。好的人工智能平臺有三個特征。一是靈活性。人工智能落地的企業(yè)多種多樣，數(shù)據(jù)量有大有小，運算要求有高有低。好的人工智能平臺能夠適應(yīng)企業(yè)的要求，而不是讓企業(yè)去適應(yīng)它。二是平臺的設(shè)計能夠比較好的滿足行業(yè)應(yīng)用的需求。這里經(jīng)驗的積累就比較重要，會對設(shè)計有影響。 一個好的人工智能平臺會把多年的經(jīng)驗融合進去，高效的發(fā)現(xiàn)問題，很快的能抓住關(guān)鍵點，不但解決問題效率高，而且方案的思路也會比較實際可行。這樣人工智能落地的效率就會比較高。三是平臺后面的團隊。既要有資深的領(lǐng)先的數(shù)據(jù)科學(xué)和工程團隊，也要有要有資深的領(lǐng)先的商業(yè)分析團隊，才能實際有效的幫助對接，讓平臺充分發(fā)揮作用。
結(jié)果的有效交流溝通。這里的結(jié)果，不是指方案實施以后的結(jié)果，而是指人工智能分析出來的結(jié)果，往往在有解決方案之前，很多客戶CEO，并不關(guān)心人工智能的具體算法，大多也沒有這方面的技術(shù)背景，怎樣的交流才能讓你用人工智能得到的一些洞察得到他們的認(rèn)同是很關(guān)鍵的。沒有達成一致的認(rèn)同，就不會有方案，就算有方案，執(zhí)行也是問題，落地就是問題。所以建議要了解你的聽眾是誰，用他們的語言而不是你的語言講問題，站在他們的角度思考。
人工智能落地這件事和純搞科研有很大不同。一是本質(zhì)上關(guān)心的東西不一樣，科研人員很多關(guān)心的是挖掘一些基礎(chǔ)性的東西，越是基礎(chǔ)方面的突破，貢獻成就就越大，因為到處都能用?？墒窃谌斯ぶ悄茉谛袠I(yè)落地的時候，都是在殘酷競爭下的實戰(zhàn)，客戶關(guān)心的問題，也自然是我們關(guān)心的問題。
第二點是，經(jīng)驗反復(fù)驗證，方案能不能實用化，實用化的ROI非常重要。科研的時侯提高1%，有的時候不到1%，就是很好的事，實戰(zhàn)的時候不但關(guān)心1%的提高，還關(guān)心為了得到1%公司要投入多少資源，1%的回報有多少。每個企業(yè)公司都有自己的限制，也有自己的規(guī)劃，這些都是落地時要考慮的。
很多科研的中心是算法。算法固然非常重要，但很多時候可能只是人工智能落地諸多環(huán)節(jié)中的一環(huán)。人工智能落地，提升業(yè)績，還要考慮很多實際的和商業(yè)對接的問題。
今天就講這些了，希望對擴寬大家對人工智能在傳統(tǒng)行業(yè)中的落地的思路有幫助。
謝謝大家。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
