热门分类: app推广
欢迎加入: QQ群(爱盈利CLUB) ASO推广/App运营/发文/友链,
关注本站微信
联系我们: 点击这里给我发消息

联系电话:010-58484096

从人性交互开启AI产品发展之路

产品运营 单利强 1032浏览 来源:

数据是鱼、算法是水,水没有鱼可以存在,但是数据没有算法的话将毫无用处。

从人性交互开启AI产品发展之路

本文先从产品观点算法和数据的关系出发,讲算法和数据时下和未来的一段时间是鱼和水的关系,数据是鱼、算法是水,然后讲身边的算法和具体的产品应用的例子,最后点题讲算法和故有数据之外的AI发展阶段产品与客户/用户交互的人性需求。

一、算法和数据谁重要

对一款AI产品来说,算法和数据谁重要?

我们都知道AI产品是由数据+算法+算力构成。

没有数据算法发挥不了作用,有点空中楼阁,落不了地。没有算法数据是待被开发的金矿,价值没有被挖掘出来。

在算法及未知算法的汪洋大海里对算法的发明就像对大海的探索一样充满神秘和魔性。

数据是鱼,数据越丰富代表鱼越多。但是一定程度上产品设计者需要懂算法作为水没有鱼可以单独生成,但是鱼数据没有算法的话将毫无用处。

所以说没有算法产品可以生产,初期好多的产品是这么走过来的。

例如我们熟知的BAT,阿里巴巴仅仅把商品搬到网上,腾讯仅仅是ICQ发个MESSAGE。发展到一定阶段开始步入AI阶段百度宣布ALLIN AI,阿里有淘宝时尚大脑和各种精准推荐算法。腾讯也有腾讯优图算法。

先不防说在创业初期可以没有数据,但是不能没有算法。

有了算法可以使得创业产品发展的更快,我们都知道创业产品初期数据稀少,可以考虑靠算法来补充。

笔者LineLine在《创新想法:AI赋能新媒体平台运营》一文中诠释了新创AI产品怎么综合运用AI技术解决冷启动。

二、身边的AI算法和应用

1. 神经网络算法压缩图像

AI神经网络算法是通过对生物神经系统的模拟,通过模仿其结构和各个结构的功能来进行非线性的预测。

神经网络法可以完成多种数据挖掘任务,例如:分类聚类等。该方法通过对权值的修改来进行具体的学习。

神经网络法对干扰的抵抗力比较强,并且能够进行非线性的学习,对较为复杂的情况也具有较良好的处理能力。

但是这种方法的学习过程是不可控和不能观察的,容易出现错误和漏洞,对输出结构的解释也较为困难,并且整个学习过程也需要耗费较多的算力。

我们看使用神经网络来压缩图像可以生成质量更高且数据量更小的压缩方案。

当你的产品有大数量的图文上传,且需要前端APP/PC重新展现的时候建议产品方案选择使用圣经网络算法。

基于神经网络的全分辨率有损图像压缩方法,产品架构使用了门控循环单元(Gated Recurrent Unit,一种允许单元保存激活和处理序列的 RNN)的一种新变体“残差门控循环单元”(Residual GRU: Residual Gated Recurrent Unit)。

该产品架构 Residual GRU 将已有的 GRU 和论文《Deep Residual Learning for Image Recognition》中介绍的残差连接(residual connections)结合了起来,从而在给定的压缩率下实现了显著的图像质量增益。

没有和今天所用的许多压缩方法一样使用 DCT 来生成新的位表示(bit representation),而是训练了两组神经网络——一组用于创造图像的编码(编码器(encoder)),另一组用于从这些编码中创造图像(解码器(decoder))。

系统可以迭代式地细化原始图像的重建,其中的编码器和解码器都使用了 Residual GRU 层,这使得更多的信息可以从一次迭代传递到下一次迭代。每一次迭代都会给编码增加更多比特,从而可以实现更高质量的重建。

在更进一步的每次迭代中,该网络都会获得更多有关压缩中所引入的误差的信息(这些信息可在残差图像中获取)。

如果其可以使用这些信息来预测残差,那也能得到更好的重建。该模型可以使用额外的比特,直到达到收益递减的程度——此时该网络的表达力(representational power)就耗尽了。

通过这样的神经网络算法图像数据量小25%同时还原质量度提升了。

2. 关联规则算法股市行业联动

关于这个算法有一个非常有名的故事:”尿布和啤酒”。故事是这样的:美国的妇女们经常会嘱咐她们的丈夫下班后为孩子买尿布,而丈夫在买完尿布后又要顺手买回自己爱喝的啤酒,因此啤酒和尿布在一起被购买的机会很多。这个举措使尿布和啤酒的销量双双增加,并一直为众商家所津津乐道。

关联规则是描述事物与事物之间的相关性和依赖性的,该算法的代表算法为 Apriori算法。

Apriori算法由R.AGRAWAl等学者提出,是一种影响力最大的挖掘布尔关联规则(非数值型关联)频繁项集 ( 全部支持度大于最小支持度 ) 的算法。

该算法较为简单,对数据的要求也不高,但是缺点也比较明显,如在计算支持度时会对数据库中的全部记录进行扫描,会增大计算机系统的开销等。

此算法在商业领域、移动通信领域等领域的应用极其广泛。

在股市行业联动现象分析上关联规则算法表现较好。

产品设计操盘步骤如下:

  1. 数据收集:首先我们利用同花顺IFIND软件下载AMAC行业指数历史涨跌幅数据。
  2. 数据清洗:由于板块指数每日涨跌幅度相比个股涨跌幅度小,且集中于-2%至2%之间,将行业每日涨跌幅分为六个阶段,在R语言中处理数据。假如在此次建模过程中,主要采取支持度和置信度两个指标对建模结果进行分析和优化。支持度表示规则发生的频率,置信度表示二者的关联性。
  3. 数据建模:建模并布关联规则核心代码。
  4. 找出规则。

我们可以从中得出行业间存在着显著的行业联动现象,且具有双向对称性,并且从中提取出具有强关联性板块有:

  1. 在行业上涨阶段,投资者在选择投资组合时可以同时投资xx行业、XX行业等上涨关联类行业以提高获得超额收益的概率。
  2. 在行业下跌阶段,投资者避免同时配置XX行业、XX设备、XX设备等下跌关联类行业。

根据实战经验,在股市行业联动现象分析上关联规则算法表现较好。

3. 机器学习算法情感分析

例子:Dataminr致力于从数据爆炸的社交网络如 Twitter 及其他公开信息渠道提取精简且价值的风险情报与挖掘关键信息,如:舆情热点、金融相关的非交易信息、公共机构安全预警、企业安全等,并直接向客户推送。同时提供早期预警系统,并实时推送警报。

Dataminr 机器学习算法综合考虑了 Twitter 用户的位置、用户的口碑、外部新闻源的展现形式、市场交易量以及市场价格等因素,在后端进行计算让用户在前端只看到重要的提示信息。

同时 Dataminr 也具有自我修正的能力,会使用算法来及时告知用户,防止误报。

此算法产品方案如下图:

从人性交互开启AI产品发展之路

通过机器学习算法、深度学习算法、和自然语言处理等技术,自动识别文本所表达的情绪,实时获取预警情报和洞悉重要资讯。

可以帮助产品实现,口碑分析、营销评估与市场调查,自动分析海量媒体数据中用户所表达的情感倾向,洞察客户相关品牌、产品或竞品的运营效果与口碑优劣,了解用户偏好及行业趋势,为市场推广、产品研发、商业分析和决策提供指导。

全媒体监测与危机公关服务,可结合行业字典热点话题及事件检测与追踪技术检测负面情绪与事件,进行近乎实时的情报监测、突发事件预警、品牌危机跟踪,帮助用户及时发现并了解所关注话题/事件的发展动态,为下一步决策提供有效的指引。

金融市场洞察与风险管控:自动侦探全媒体负面财经报导,结合社交媒体分析大众投资心理,第一时间掌握金融市场动态、发掘投资良机、或侦测信贷风险。

小结:常用的AI算法还有很多,像粗糙集算法、决策树算法、遗传算法等等。时下最常用的是深度学习算法,但是AI自身应市场的发展一直需要创造新的算法。

三、人性

人机协同从而用户增长,在AI迅猛发展的阶段笔者LineLian身边有许多员工对未来感到迷茫,疑虑重重,他们担心有一天会被机器取代,会失业。

这种事就是通过同理心感知人性而得,那么产品与客户/用户之间更会有这种需求。

在AI被强调和运用的公司Salesforce.com中,笔者LineLian调研发现,Salesforce Einstein企业用户可以轻松拓展 AI功能,拥有自己的数据科学和机器学习团队的机构可以通过平台上 Predictive Vision 和 Predictive Sentiment Services 等 API 功能来延展基本功能,使公司通过图像和视频的方式来了解其产品特性和消费者反馈。

融合所有 Salesforce Cloud 特性和功能的人工智能层,集成了自动化社区案例与专家系统的「社区云」平台,融合了智能数据挖掘技术的「分析云」平台以及内嵌了产品推荐系统「商务云」平台。拥有预测分析、机器学习、深度学习、自然语言处理和生成等能力。

Salesforce 想利用这一计划将 AI 部署在自己平台的各个方面,让自己的 CRM 系统更加智能化;与此同时,Salesforce 也有意开放自己的 AI 应用接口,吸引更多用户将智能应用建立在自己的平台上。

Salesforce应用AI部分如下图:

从人性交互开启AI产品发展之路

重点:Salesforce产品是如何将AI的发展阶段与客户人性化交互的?

其网站在演示版每个阶段,如果需要,登录网站的人都可以通过不同的渠道获得方便快捷的人工帮助。

这一点国内的BAT的AI客服并没有做。

在邀请客户参加晚宴时,一个聪明的做法是即邀请客户也邀请非客户参加这样的晚宴。因为客户与非客户交谈,前者不可避免的会把对其AI-CRM的使用经验分享给非客户。

有年轻的读者会问LineLian这跟产品有关系吗?

当然有,因为产品本身是给客户用的,你有一个很好的AI产品,但是在AI发展阶段用户何以会提早采用呢?

这一招是让AI产品快速且人性化普及的产品运营策略之一。

笔者LineLian在上一篇《AI产品经理的三重门》中强调AI产品经理必将携带AI产品设计能力上山下乡,因为传统产品经理时代产品经理可以只搞流程、原型,行业经验可以借鉴行业专家来配合。

但是AI时代行业经验必须由AI产品经理自己习得方能采用更对的AI技术切入。

AI产品的人性讲求克鲁拉克交互定律:即离行业越近,你的AI产品让他人观念产生的影响就越大。

爱盈利-运营小咖秀(www.aiyingli.com) 始终坚持研究分享移动互联网App运营推广经验、策略、全案、渠道等纯干货知识内容;是广大App运营从业者的知识启蒙、成长指导、进阶学习的集聚平台;

想了解更多移动互联网干货知识,请关注微信公众号运营小咖秀(ID: yunyingshow)

转载请注明:爱盈利 » 从人性交互开启AI产品发展之路

爱盈利
电话:010-58484096
寻求报道 |  广告合作
京ICP备15063977号-2
xml  网站地图
© 2012-2018 aiyingli.com. All Rights Reserved.
微信公众号
 

开发者服务

微信二维码
 

商务合作

微信二维码
 

运营小咖秀

微信二维码