专访拼多多CEO陈磊:AI将解决零售业的核心问题

亿欧网  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  
专访拼多多CEO陈磊:AI将解决零售业的核心问题

每当一个新技术到来时,大家往往都容易“短期高估、长期低估”,以至于热度过高时出现泡沫,泡沫破碎之后,资本信心受挫,长期来看对行业发展不利。2000年左右的互联网泡沫就是一个例证。

在经历了去年一整年的AI产业、创投热之后,今年开始,行业的关注焦点开始落到商业化上。“AI落地”、“AI in all”成为主旋律,即各行各业利用AI的力量来提升现有业务,从更实际的角度来发挥AI的作用。

比如,高盛就曾预测,到2025年, 人工智能 将为零售业每年节省540亿美元成本,创造410亿美元新收入。Gartner则预测,到2020年,消费者和零售商之间85%的互动都会由人工智能来解决。

在众多应用场景中,电商平台无论是对消费者的影响面,还是AI可以发挥的空间,都是最主流的场景之一。与传统的货架式、 搜索式电商 的“人找货”相比,拼多多代表的电商匹配场景里,“货找人”,即AI智能推荐将扮演更重要的角色。

搜索式电商通过设置关键词,分析用户浏览数据、账号信息等形成用户画像,最后进行推荐。拼多多则倡导从搜索到“商品流”的转变,因为很多时候消费者自己也不知道需要什么,推荐才能激发潜在需求,商业模式决定拼多多在技术上也与其他电商平台存在很大差异。

为此亿欧曾在2018年6月专访了拼多多CTO陈磊,他分享了很多近期AI在拼多多平台的实际应用和他对于技术价值观的思考。

AI如何解答零售业的核心问题

“大部分零售场景最后都在比拼性价比”

虽然中国人的生活水平在不断提升, 消费升级 看似是一个必然趋势,但精打细算、货比三家这样的消费习惯仍然深深根植于中国普通老百姓的理念里。如果说早期拼多多是通过微信平台接触到数量巨大的消费群体,那随后的复购与用户忠诚度还是要回归到商品的性价比。

“在物质消费决策中,高性价比是非常重要的因素,大部分零售场景最后都是在比拼性价比,消费者心中有杆秤”。陈磊表示,在所有类别的消费中,追求高性价比的日常消费是一种长久的需求,并且没有波峰波谷的周期。

“而且现在出现了很多有趣的现象,人们在虚拟世界的消费明显上升,而精神文化层面的需求是没有上限的,越来越多的人会进行文化消费,那么钱从哪来?本质上,物质消费在日常消费中的比例会不断减少,但是文化消费会无限增长。”

作为以技术驱动的电商平台,拼多多的机会在于,AI在用户习惯分析和商品匹配上可以运行地更加漂亮——庞大的用户群体、高频的交易和购物行为中加入了更丰富的社交维度,正在构建一个越来越聪明的数据库,既可以为AI的运算提供基本的数据量,人与人的交流展现出的图像、语音与语意理解,也能让AI的学习更精准,降低计算资源的消耗。

“电商平台要做的就是商品与人需求的匹配,匹配得越精准,创造的竞争环境越健康、越高效,消费者的需求就能被更好地满足。”陈磊说。

比如,拼多多通过AI实现选品、定价与流量分配,一方面规避了人工选品与定价可能存在的不公平情况,另一方面,AI在不断评估市场动态和竞争环境的变化,给出的解决方案也更加智能,突破人工的局限性。

“这其实是在将C端的消费行为数据通过平台实时反馈给供应链,而供应链在竞争环境中得到优化,通过AI来更好地实现C2B”,陈磊表示。

拼多多的商业模式特征是“少SKU、高订单、短爆发”,瞬间爆发的巨大单量可能会造成商家产能与交付能力跟不上,这时就需要对需求和供应链承受度有清晰把握,进行合理的平台资源适配。而在营销层面,拼多多利用AI为厂家推广提供数据支持,并将最终效果的成因反馈给厂家。

通过这样的精准匹配与正向激发,有效地促进了商家间健康的竞争——一方面,拼多多通过竞争提高商品性价比,另一方面,在平台合理控制毛利的同时,通过拼单联动消费者,以更有效率的方式传播,从而促进商品性价比的进一步提高。

“未来的电商平台,流量分配将会越来越智能,考虑的因素也会更加全面,商家不必担心流量从哪里来,也不必担心产能跟不上;在任何时候, 算法推荐 错的东西给消费者,都是在浪费他们的时间和金钱,算法推荐得越精准,效率就越高,同时也能够提升消费者购物的乐趣。”陈磊说。

独有“分布式AI”模型更懂人心

“以消费者为导向,在消费者习惯的场景提供高性价比的购物体验”

从搜索式购物、效率型购物逐渐过渡到逛街式购物,是电商行业的一大趋势。在这个过程中,AI算法推荐得到了越来越多电商平台的重视。

陈磊认为,基于商业模式的区别,拼多多的算法模型也与其他电商平台存在较大差异。“我们内部称之为‘分布式AI’”。

“拼多多将娱乐与分享的理念融入电商运营中:用户发起邀请,在与朋友、家人、邻居等拼单成功后,能以更低的价格买到优质商品;同时拼多多也通过拼单了解消费者,通过机器算法进行精准推荐和匹配。”拼多多的官网上如此定义。

“(因为拼单产生的)社交分享数据在传统电商平台体现地比较少,它们更多的是搜索和浏览的维度。”陈磊解释,传统意义上AI是由大数据驱动的,通过消费者的购物行为来描绘用户画像,从而打上标签。从结果来看,它的确能在一定条件下满足消费者的需求,但是,这也容易让消费者陷入“偏好囚笼”。

比如说,一个人某一天在入睡前买了点吃的,因为那天他肚子饿了。这并不是一个固定的需求,并且从长远来看,它并不能为消费者打造更健康的生活方式。这时,光靠浏览行为是不够的,朋友之间在购物时的分享、交流就会对用户画像的完善起到很大的补充作用。

“从算法的设计来看,需要设置合理的优化目标,但这个优化目标不能简单地定义为购物、点击,更重要的是消费者看到这件商品时的心理和行为,比如说和朋友的互动分享。”

人脑的复杂、精妙还远非目前阶段的深度学习所能比拟,从这个角度来看,社交平台上的流量只是拼多多崛起的表层原因,在这个过程中AI对人性的理解和学习才是根本。 

“可以把人与人之间的连接想象成大脑中的突触连接”。陈磊打了个形象的比喻,最终目的都是进行低消耗、高效率、有意识的运算。

“分布式AI”模型的好处还在于,用户本身还可以有意识地、更加主动地参与到模型的优化之中,前提是拼多多为用户设置足够吸引人的奖励机制。

在被问到如何处理自身App和外部社交平台的投入力度时,陈磊表示:“购物是长久的、持续性的需求,我们不会担心用户不买东西,只需要让技术更好地服务这个需求。以消费者为导向,在消费者习惯的场景提供高性价比的购物体验。” 

AI像个孩子,要帮助它培养正向价值观

“利用负向消费习惯可能会带来短期的利益,但长期来看,它并不能为消费者创造价值”

AI正在为各行各业效率的提升起到巨大推动作用,但AI不是一切,尤其是在直接面对C端的大平台上,最终还需要人来把关。

“从商品推荐来说,如果完全按照消费者的购物行为驱动,一个需要考虑的问题是,人是有两面性的,在算法的建立过程中,需要花精力鉴别哪些是正向的哪些是负向的(消费行为),利用负向的可能会带来短期的利益,但长期来看,它并不能为消费者创造价值,最终也不符合平台的商业价值。”陈磊说。

基于对人们社交分享行为的分析,拼多多对结果进行建模,观察在结果中有没有出现负面的因素,以及分析产生这种结果的原因,再通过算法去抑制不良因素的产生。这样不断地将复杂的现实状况反馈到机器进行训练,是一项颇为繁重的工作,但陈磊认为这是一个大平台必须做的事情。

“我们希望自己的算法是更加正向的。”陈磊表示,“点击数据和浏览数据是平台中量最大的数据,负面数据的量相比之下就小了很多,但是这些数据对于确保算法结果的正确性和完整性至关重要。在模型的建立上,负面数据量那么小的情况下,既要考虑随机因素,又要通过趋势做判断,这里需要进行深入的思考,投入很大的工程资源。”

事实上,AI要有价值观也在成为行业主流的思考方向。一个成熟的人工智能学者或者研究人员,不仅仅要是算法专家、建模专家,还需要对人性、对社会环境有深刻理解。

“机器的自驱动会容易演变成利用人性缺陷大于激发人的正向需求”,陈磊说,因为核心团队长期的电商经验,拼多多在建平台模型之初就考虑到了这点,只是AI的演进其实就像孩子的成长,需要长时间地倾注耐心与精力。

本文经授权发布,版权归原作者所有;内容为作者独立观点,不代表亿欧立场。如需转载请联系原作者。

随意打赏

提交建议
微信扫一扫,分享给好友吧。