一场泛零售数智化要如何做？
发布时间：2022-01-07 22:42:35 所属栏目：大数据 来源：互联网
导读：01 扫雪危机 坐标北京潘家园，古玩市场人群熙熙攘攘。地摊上，玉器、书画、钱币、木器、古币散摆了一地，客人一屁股稳坐在摊口的破皮子小马扎上，粗糙的手指反复盘弄一个炭黑色老底子铅酒壶，把玩将近20分钟了，摊主无动于衷。 这位摊主，难道要等客人摸到
|
01 扫雪危机 坐标北京潘家园，古玩市场人群熙熙攘攘。地摊上，玉器、书画、钱币、木器、古币散摆了一地，客人一屁股稳坐在摊口的破皮子小马扎上，粗糙的手指反复盘弄一个炭黑色“老底子”铅酒壶，把玩将近20分钟了，摊主无动于衷。 这位摊主，难道要等客人摸到“铅中毒”了才看出来“购买意愿”吗？ 计算机里的人工智能可明白着呢，每当用户点商品，加购物车，翻详情页，读评论……它就一通忙活。因为这些用户的动作，可太重要了，这可是人工智能眼里宝贵的“用户实时反馈”，用于准确判断用户兴趣。 假如一位京东APP用户也选购商品20分钟，人工智能过了三天三夜才懵懵懂懂反应过来“用（购）户（买）兴（意）趣（愿）”。那就永别吧，人工智障。 发现兴趣是第一层功力，还要发现兴趣是变化的。剁手党总是善变，一会爱这个，一会爱那个，兴趣变，品味变，潮流变。如果推荐商品的时候，用户看了20分钟鞋子，兴趣已然消耗殆尽，APP还在一（傻）味（傻）推荐鞋子，APP离被卸载的悲剧，也不远了。 总而言之，卖货，要反应快。体现在计算机里的人工智能身上，就是实时性。反应越快，越能“做成买卖”，所以，实时性是人工智能做零售这门生意的时候的IQ水平。打分标准很简单，效果好，IQ高。延时多，效果差，IQ低，俗称傻呼呼。 目前，整个科技界公认的做法分两步。 第一步，把AI模型做得很大。足够大，才能在这么大规模的群体中精准刻画用户特（兴）点（趣）。第二步，在这个大体量压力下，性能还要好。 说白了，就是在山崩雪啸中清理雪道，难度可想而知。当AI模型超大（TB级别）的时候，传输，更新，就好比把富士山的雪块，全部搬到北海道去。 那应该怎么办呢？答案不是搬雪，而是扫雪。 “扫雪”的水平要高，及时又精准。 及时扫雪，举一个例子。假如你和我都用京东APP，这些海量参数里，有一批参数表达了你，有一批参数表达了我。你点击了，就是你的用户行为有反馈了，及时更新你的参数（特点）。 精准扫雪，举一个例子。一大堆雪，要能区分，是谁家门口积雪。扫错了门前雪就是错误地更新了别人家的参数（特点）。 在来京东之前，他曾担任谷歌中国工程研究院副院长，英文名字是Paul，发音简短上口，所以，大家日常称呼，Paul总。2013年，Paul总初到京东，看到这样一番景象，场景多，需求多，研发团队忙得脚打后脑勺。谈创新？谁也顾不上。Paul总说，这样不行，京东研发体系是采销体系的坚强后盾。他在一张神秘蓝图的留白处，批了八个字：标准、自动、规范、智能。 02 最骚操作 追溯八年时光，再看烟火热闹。 那些年，虽然生意亮眼，但是技术欠些火候。Paul总在谷歌公司的时候，曾经穿越谷歌与必应搜索世纪大战的硝烟，战绩斐然。在他心里，无论业务是什么，技术实力要对标硅谷。 顶尖人才需要愿景驱动。于是，Paul总用这张神秘蓝图招揽人才。 2014年春，Paul总面试了一位年轻人，包勇军，他身形挺拔清瘦，对技术的热情像白色水蒸气一样往外冒，简历里写满全球顶尖项目，反而很少有人提他是北京大学毕业的。据说，包勇军看过那张神秘蓝图后，转身就入职了，带广告算法团队。 有一件事，大家都知道。 Paul总的身上，没有时差，一直过着中美两个时区，电话会议开到深夜，一觉睡醒，京东ME里总有Paul总的指导性留言。次日清晨的技术选型会上，又见Paul总的身影。 团队在Paul总的领导下，避大坑，绕雷区，躲弹片，不恋战，从不为了技术而技术。只为速穿火线，荡平山头，拥兵破阵，策应业务，用技术驱动零售。 时光流转，代码质量被史无前例地提升，技术在业务场景里加速创新。Paul总当初定下的目标没有变，标准、自动、规范、智能。想做到这几点，绝对少不了一个强大的算法底座。算法和算法底座虽为两件事，但又密不可分，刚柔并济。干的活完全不同，还又要彼此理解。 一般来说，一个业务场景，由一个算法团队负责，一个算法底座团队来打配合。表面合理，本质错误。若是日后业务场景里的算法数量翻10倍，算法底座团队数量是不是也翻10倍？一路放任，无法无天。 这打法又俗称“堆人战术”，明显是错的，来一个工单，堆一波人。这就好比下雪了，派人扫雪，下大雪了，派更多的人扫雪。可是效率呢？技术研发很少讲绝对，但是“研发人效低了”绝对不行。 认错很难，尤其是错了很久之后。所以，早期判断，弥足珍贵。 包勇军是怎么干的呢？他把队伍分成两路，上路纵队专攻算法，下路纵队专攻算法底座。上路猛冲狠打，下路火线支援。算法冲锋，算法底座支援。战场上，增援和冲锋同样重要。否则一味冲锋，孤军惜败。 软件开发是一个创造性的过程，但也有许多重复性的工作。尤其是工程越大，重复性的工作越多，还容易引起混乱。得有个“以一顶百”的东西，这个“顶”有顶住、支撑之意，这个东西就是“算法底座”，也有人管这个叫“中台”。 你用，他用，都要用，有一种公共属性。 所以，“算法底座”让所有团队共用，从人力角度，整支部队就能“缩编减冗”“效率大增”。更重要的是，无论是堆机器、堆人力，都无法在数据的快速膨胀、业务的高速增长和平台的稳定易用高效上取得比较好的平衡。 理论上讲，线上业务离不开人工智能算法，几亿用户，几十亿量级商品，没有算法，京东“停摆”。事实上讲，更是如此。 如果你不信，那得先了解一下，那些人工智能算法是什么样的。 全世界所有电商公司的人工智能算法，都是为了提高购买率（点击率CTR和转化率CVR）。不搞技术就不用记这个，请记住“点击”这个动作。这个动作可是网购界的“最骚操作”。 推荐算法做什么呢？比如，预测每个商品被用户点击的可能性，预测用户点还是不点，点的可能性大的排在前面。网红奶茶店门口，人排队。反过来了，货排队，人不排队。当然，这是推测出来的，换一拨人，这个思路可能完全不对。 （编辑：源码门户网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
