谁来颠覆低频刚需?

这篇文章是我2017年写的草稿但一直没有发布，那时候 Google 刚刚提到 AI First 的战略，互联网的迭代重点还是以推荐系统和深度学习为核心。时至今日 LLM 的出现让这个问题有了些许答案，想了想还是把文章发布出来。

推荐系统的胜利

过去五年,机器学习在推荐系统领域的研究,给高科技企业带来了巨大的收益。我们在Facebook上一遍遍地刷着系统推荐的文章与广告,在Amazon上看到个性化推荐,在Spotify上被"惊喜"的歌单打动。今日头条的信息流,背后也是一套极为庞大复杂的个性化推荐系统。

随着信息化时代的浪潮,人类越来越多的行为发生在互联网上。机器记录着每一个输入,每一次点击,最后通过对人类行为的理解,推荐你可能感兴趣的内容。模型越来越大,自动化程度越来越高,互联网公司从每个用户身上获取的收入也超乎想象。Facebook、亚马逊这些公司,在高频刚需领域通过大规模个性化推荐,实现了完全的算法驱动。

低频刚需的新机会

推荐系统几乎完全颠覆了高频刚需领域,而在低频刚需领域,一种新的产品设计理念正在悄然兴起,我称之为"Extreme Personalization"。

Extreme Personalization 与传统的个性化推荐算法有很多不同:

• 针对的是低频但刚需的场景,如房屋、汽车等大件商品的购买,以及法律诉讼、理财等专业咨询服务
• 除了利用机器学习实现非结构化数据的全面结构化,还需要更多人工参与,构建完善的知识库
• 通过Feed、聊天机器人、客服工具等触点,让每一位客户都能获得"私人定制"般的体验
• "人机结合",让人类员工装备上AI系统,使得一个人能服务更多客户

产品设计的新理念

当一项技术发展到一定程度,它就不再只是技术本身,而是演变成一种产品设计理念。

移动互联网刚出现时,人们只是把网站搬到了手机上。而随着移动开发的成熟,"Mobile First"已经成为一种设计原则。

当机器学习发展到没有障碍时,谷歌提出了"AI First"的产品设计理念。

而在低频刚需领域,个性化的关键不只是算法,更需要Extreme Personalization这种理念的践行。这需要前所未有地整合数据、知识、人力,打通线上线下,或许,这又会是一个新的风口。