专栏首页玉树芝兰罗胖怎么做知识服务?

罗胖怎么做知识服务?

盖布精兵于友军之阵,完其势以威敌也。

透明

《罗胖做的是知识服务吗?》一文中,我们分析后得出的结论是罗胖在做知识产品不是在做知识服务。

很多朋友读后误解了,认为我在指责罗胖吹牛和撒谎。我绝没有那个意思。商场如战场,没有哪个军事家在打仗之前会把自己的全部战略意图和战术动作都通知敌方,让他们做好准备的。虚虚实实,很正常。

罗胖不正常的地方在于他要倡导透明化。《时间的朋友》跨年演讲实际上就是一次战略展示。如果你记住了那5只黑天鹅的话,若干年后回忆起来,你会觉得罗胖太透明了,把公司要做的东西都说出来了。可是此时此刻,许多人其实并不真正完全理解这5只黑天鹅和罗胖的“得到”之间的关系。这也不奇怪,拆解、包装、打乱顺序、增加噪声……接收者得到的讯息自然会似是而非,近于混沌。为什么要这么做?

你猜。

《罗胖做的是知识服务吗?》一文中,我们拆解了“时间战场”和“服务升级”两只黑天鹅,确认了它们和“得到”战略目的之间的关联。那么“智能革命”、“认知迭代”和“后真相”呢?

听跨年演讲的时候你不觉得很奇怪吗?罗胖连人工智能的一些基本术语都无法理解。按说应该“不熟不做”啊,为什么要把人工智能的概念勉强抛出来呢?

因为后三只黑天鹅是“得到”从知识产品走向知识服务的步骤。要做到透明,就不得不提。我们来分析一下,只不过顺序要变一变。

认知迭代

汉语里面缺乏一样东西,就是时态

假设小时候说话迟的爱因斯坦,某天突然冒出来一句“我,世界上最伟大的科学家”,周围人会怎么看?最友好的反馈也是嘲笑吧?

但是你有什么理由嘲笑他?他说了此时此刻他是科学家了吗?没有。站在几十年后的角度回看这句话,有错吗?恐怕还要被传记作者大书特书,作为“有志者事竟成”的典型范例呢。

同样,罗胖那张幻灯片上写的是“得到,中国最好的知识服务商”。谁说他在描述事实来着?

他描述的是未来预期。等着若干年后人们去解读,甚至是去赞叹。

可是单单概念上抢占一块高地真的有用吗?基础矛盾怎么解决?

回顾一下知识服务的基础矛盾:

在今天,你做个性化的知识解决方案,价格不便宜。因为边际成本难以显著降低,尤其是难以降到几近为0的水平。

这个矛盾目前“得到”解决了吗?没有。

但是罗胖正在捋起袖子准备解决。方案其实他都已经告诉你了,采用智能革命的成果。

人工智能带来的个性化,早已不是新闻了吧?

你在亚马逊上面买了书,亚马逊会推荐你可能感兴趣的书。

你在豆瓣上评价了一部影片,豆瓣会猜出你可能喜欢的其他影片。

你在今日头条上阅读并喜欢了一篇文章,罗胖说根据该平台的“母爱算法”,你就甭想放下手机了。因为符合你口味的文章会源源不断扑面而来。

获得这种个性化的服务,从前依靠人力,成本要有多高呢?很高。因为有些问题你得找专家去咨询。

现在人工智能平台给你提供个性化推荐,成本如何?

0?你还不够大胆——成本是负的。

你的行为会给平台提供新的数据,使得平台在为其他用户提供个性化推荐服务的时候更加精准。你的行为数据做的贡献远远大于0。

人工智能不是某一家独有的买卖。亚马逊用得,罗胖为何用不得?用了人工智能,个性化知识解决方案的高成本问题便迎刃而解。

算法都是现成的,计算和存储资源可以用云平台来提供。用户多就多租一些,用户就少租一些。人工智能的应用中,其他的条件都不是问题,那罗胖为什么不一出手就把“得到”弄成个基于人工智能的个性化知识服务应用?

因为没有数据!巧妇难为无米之炊啊。没有数据怎么个性化?难道用属相和星座吗?

怎么办?

如果你是个理想完美主义者,你会纠结,那就陷入了“蛋-鸡悖论”的旋涡。

但如果你是个行动完美主义者,你就会迭代

先做产品,以产品聚拢用户,获得数据;然后利用数据改善产品,扩大市场份额,获得更多数据;有了足够多的数据,再逐渐提供服务……

这些技术的东西,用户并不关心。在用户看来,就是“得到”这款“知识服务”应用随着版本的更新,越来越好用了。

智能革命

刚才说的这些,你可能觉得很虚——罗胖在“得到”能获得什么数据?能做什么智能应用?

咱们不妨来看看。

“得到”上至少可以获得以下类别的数据:

  1. 行为数据;
  2. 文本数据;
  3. 关系数据。

行为数据种类很多。例如你关注什么样的栏目?试读了没有?你购买了什么样的栏目?从你关注到购买之间用了多长时间?注意这是一个很重要的数据,可以判断你的兴趣、财力、性格和决断力。

此外还包括用户的阅读、收听、打卡、点赞、分享……

有的人花钱订阅了专栏,却根本就不打开。有的人打开了,却根本没有读下去。有的人读了,但不是逐字阅读。通过你的页面停留时间、指尖在屏幕上滑动频率和幅度等,上述数据都可以轻松获得。

有的人喜欢阅读,有的人喜欢听音频。有的人一次读完或者听完,有的人用零碎时间多次才完成。你的偏好、你的可自由支配时间长度,乃至于你每天不同时段的作息规律都可以被应用掌握。

连续几天打卡可以获得勋章和奖励。有的人天天打卡、有的人隔三差五打卡,也有的人从不打卡。打卡这事儿看似很小,却足以判断一个人在没有外部约束的条件下,对于激励的反应。这比老师上课点名有效多了,至少没人替你喊到。 :-P

文本数据包括文章评论和小组讨论等。专栏作者只能够精选少部分评论放到文章后面,但那只是冰山一角。文本挖掘可以获取人们对于文章的综合评价、痛点与需求,甚至是热点话题趋势等。

人们在“得到”平台上可以建立关系。例如通过订阅形成兴趣小组、相互加好友、点赞争论等各种互动。这种关系数据重要吗?看看你的芝麻信用雷达图就知道了,你的社交网络甚至会影响自己的信用分数哦。

“得到”不仅对自己平台上面的关系数据了如指掌,还把手伸到了微信平台。你付费订阅了专栏,在微信上分享文章有名额限制,你会怎么使用?有人会直接扔到朋友圈,但许多人会定向发送。你了解某个朋友的口味和喜好,那么“得到”也就顺便掌握了相关数据。别忘了每一次朋友获得分享的时候都需要用微信登录一下才能看哦。

你在“得到”上面留下的痕迹越多,它对你就越了解。有的时候甚至你都不用提问,它就可以判断甚至预测你的需求,直接把一篇最为相关的文章推给你。“得到”内部的文章当然没有问题,将来甚至有可能利用外部资源,例如给你一篇微信公众号文章。当然这些都是要付费的,因为信息检索和筛选过程人家替你做了,你节省的不仅是时间、精力,还有好心情。你付费解决了问题,平台收了信息费,其余的钱可以直接作为赞赏打给微信公众号作者。多方共赢的事儿,我想公众号作者们也不会反对吧?

知识的生产也会从现在的“摸着石头过河”变成有的放矢。平台会自动匹配相关话题给最擅长该话题的作者,按需订制。再也不会有作者因为找不到话题而苦恼。因为大数据的透视功能直接抓到了特定信息用户群体的痛点。作者没有了寻找话题的压力会更加轻松,且因为目标受众足够多而获得更多的成就感。

读者之间的关联也会变得更加紧密。根据收入、兴趣爱好和认知水平,“得到”可以给你推荐适合在一起讨论特定问题的朋友,甚至是把潜在的合作伙伴推荐给你。人与知识的链接固然有用,但是人与人的合理匹配链接对于解决某些实际问题是不是更有益处呢?你也许听出来了,这跟相亲网站有点儿类似。 :-P

后真相

谁说“得到”只能服务内部了?为什么不能服务第三方呢?

例如招聘。

中国最靠谱的学习者、高水平劳动者和知识精英如果被一网打尽,那还有比“得到”更好的人力资源库吗?

行为数据的记录远比一个人的GPA靠谱,远比辅导员的推荐意见靠谱,简历……那破玩意儿还有什么用?!

你是个大学生,省吃俭用在“得到”上订阅若干专栏。逐字阅读、每日打卡、积极互动、乐于分享……结果人工智能判断你差不多该找实习工作了,直接给你发了消息,让你不必出门东奔西跑发简历求职,直接到XX地址去上班就好。

毕业包分配啊!听起来比上大学都有用!

这就是“父爱算法”。

一切听起来都是那么美好,不是吗?

不一定。

注意“父爱算法”和“后真相”是相互关联的。因为有的时候,这种关联经不起推敲琢磨,尤其是经不起抬杠。

没错,我减少了选择的难度,节省了时间,不必纠结。可是……

你怎么证明你给我的那篇文章是我最需要读的?

你怎么证明你推荐给我的新朋友最为靠谱?

你怎么证明你推荐我去上班的地方对我最合适?

你怎么证明你给我推荐的员工最适合我的公司?

……

还有你怎么证明你让我去的餐馆就一定适合我?

对人工智能来说,这些都不重要。研究因果,是科学家的事儿;研究关联,应用的效果却能立竿见影。

可能正像高晓松说的那样,每个人的人生都是一座独木桥,广阔大地不是为你准备的,也不是为我准备的。

人工智能觉得这样是为你好,就让你去做。它给你提供的未必是最优解,但是确实降低了你搜寻答案的成本,给了你一个至少也算过得去的解法,善莫大焉。

“得到”今天是不是“中国最好的知识服务商”?

在认知迭代者眼里,这个事儿的现实真相也不重要。向着目标日拱一卒,就可以了。

可是我们不得不问一句——真的吗?

真相就那么不重要了吗?今天我们全部的探讨都建立在理想化的前提下。好像这场伟大博弈的参与者只有“得到”、用户、专栏作者和一些受益的第三方……

你试试看跟航空公司商量:你把头等舱乘客的钱和信息都给我,让我为他们提供服务,剩下的乘客还是你来吧。好不好呀?

航空公司会怎么做?

讨论

你觉得罗胖的“得到”将来真的会成为“中国最好的知识服务商”吗?为什么?如果你创立一家企业与之竞争,你会怎么做呢?欢迎留言,咱们一起讨论。


本文分享自微信公众号 - 玉树芝兰(nkwangshuyi),作者:王树义

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-01-03

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 罗胖做的是知识服务吗?

    学生们和企业界的朋友似乎对于跨年演讲非常兴奋,纷纷转发其“干货版”。里面的很多金句截屏也被单独拿出来,发到了朋友圈。

    王树义
  • 罗胖做的还是知识服务吗?

    罗胖说他找到了“最长跑道”。你以为他说的是卖书?还是卖课?其实,他已经换了跑道,要开始“卖人”了。

    王树义
  • 坐自动驾驶汽车,是怎样的一种体验?

    我上课的时候,没少给学生播放 Tesla 那段脍炙人口的自动驾驶视频。学生们都觉得很惊艳。

    王树义
  • 人工智能与软件架构

    本文目录: 一、人工智能(AI)的目标是增强智能(IA),而不是替代人类 二、应对软件架构分而治之带来集成的挑战,探索智能的连接 三、从智能连接入手探索在软件架...

    yuanyi928
  • Nature杂志眼中的中国AI:人才少、钱多、数据足,或许能行

    为什么我说中国成为人工智能世界霸主的计划或许真的可行? ? 去年,中国当局发布了一项雄心勃勃的计划,要求中国在 2030 年前成为世界第一 AI 大国。国务...

    AI科技大本营
  • 易图秒懂の人工智能诞生

    人工智能,机器学习越来越火了, 这里想用读图的方式, 让你理解, 人工智能诞生、神经网络诞生、机器学习诞生和深度学习诞生的参与者。 这里先描述下下人工智能诞生。...

    史博
  • 2018年人工智能全景图与发展趋势分析

    摘要:风险资本家马特·图尔克(Matt Turck)最近发布文章,能力越大,责任越大,介绍了大数据与人工智能在2018年发展的趋势,并发布了全景图,涵盖基础架构...

    钱塘数据
  • 罗胖做的是知识服务吗?

    学生们和企业界的朋友似乎对于跨年演讲非常兴奋,纷纷转发其“干货版”。里面的很多金句截屏也被单独拿出来,发到了朋友圈。

    王树义
  • Teradata CTO:将筛选数据的时间用来决策,机器学习如何改变商业决策模式

    大数据文摘
  • 基于知识图谱的智能问答方案

    2012年谷歌首次提出“知识图谱”这个词,由此知识图谱在工业界也出现得越来越多,对于知识图谱以及相关概念的理解确实也是比较绕。自己在研究大数据独角兽Palant...

    机器学习AI算法工程

扫码关注云+社区

领取腾讯云代金券