满足不了新一代「数字原住民」?那你的产品可以去死了

一个数据原住民是一群希望自己的世界不只是数字,还有聪明并且能够及时调整自己的品味与习惯的人。

新兴科技的爆发已经让人们对便捷生活的期望值大大提升了,在科技浪潮中成长起来的「数字原住民」更是如此。然而,完全不精准的广告还会乱入屏幕,莫名其妙的单词被输入法拼出来,智能设备们压根谈不上「智能」……这是个有趣的困境。创新消费电子设备公司Jawbone被称为「苹果最应担心的创业公司」,这篇文章正是分享了Jawbone的副总裁Rogati的关于这个话题的观点。

想象一下,当所有来自于数据分析的创新,与所有硬件技术的进步在一个十字路口相遇,将是怎样的情景?而这正是Rogati在Jawbone的工作内容。作为数据部门副总裁,她组建了一个世界一流的科学家和工程师团队,共同开拓可穿戴设备、数据和物联网的边界。如今,她把更多的时间在建议那些想要充分利用他们数据的众多公司上。

如果要说有谁适合这个领域,那非她莫属。但这并不能掩盖很多公司在初期的时候学习利用数据来构建更具吸引力产品的事实。机器学习班之类的招生可能在上升,但塑造的知识转化为简单的,优雅的解决方案,为群众超出了大多数度的范围。当然,这一切都使得消费者开始需求更复杂的数据,这一点要比以往任何适合都要强烈。

“大约10年前,有一段视频在YouTube上很流行,视频中一个小孩拿着一纸杂志试图把它当成iPad来用,想拿它来刷卡和变焦拍摄。显然是它无法实现这些功能的,所以她只能不解地盯着它看,现在这种情况必须打破。”Rogati说。 “这是新一代的数字原著民的明显证据。今天,我们正在经历一场新的革命,我们在见证世界如何变得“智能”,借助数据无缝地满足人们的各种需求。”

未来可能会出现一款产品,它能通过你的需求和需要来预测你可能需要的服务。在这篇文章里,Rogati分享了公司如何能借助他们的资源来实现这样一种新型的消费方式。

「数据原住民」是个啥

作为一个数据原住民超越了精通技术和数码参与的范畴。这不仅仅是你喜欢你的信息提供了展示平台或是一个舒适的平台。数字革命发生这样的时代,一个被计算机与互联网所构建的有利于人类成长的平衡所包围 。Rogati认为,我们正处在一个与数据看似不同却又有关联的革命的之中。

“一个数据原住民是一群希望自己的世界不只是数字,还有聪明并且能够及时调整自己的品味与习惯的人。”她说,“举个例子,一本杂志不应该仅仅是数字化与互动性——它应该是个性化的。它会告诉你你需要知道基于你兴趣、未知、偏好的东西是什么。这种期许已经转变。”

一个数字原住民可能自己设置一下他们的室温调节器也觉得没什么,但是一个「数据原住民」就希望这个调节器能够自动设置好。一个数字原住民可能会用星巴克的app来点一杯咖啡和一份早餐,但是一个「数据原住民」希望星巴克的app能够在早上合适的时间,自动点好他们最喜欢的饮料——这还不够,他们希望app可以有「场景感知能力」,知道什么时候要点那些自己经常习惯的品类,什么时候顺便也推荐一发新品来给他们尝尝鲜。

数字原住民关心的是他们可以用技术来做点什么。现在,数据原住民希望知道技术可以为自己做什么。

这个观点正在随着联网设备的爆发而加速。根据Cisco’s的最新研究,到2019年,联网设备的数量将是全球人口的三倍。麦肯锡表示,到2015年,物联网将撬开一个价值6.2万亿美元的市场。就在三年前,Home Depot提供了100种不同的家庭智能设备,如今它的股票已经远远超过600了。

Rogati所在的Jawbone智能手环部门正在趁着这股浪潮向前,不仅仅是帮助人们管理及激励他们自身,还要帮他们在需要的时候打开咖啡机,在他们睡着的时候自动关上电灯。

然而,现在无数号称「智能」的设备压根赶不上日益上升的需求。“你的GPS记不住你喜欢的路线,它仍然给你展示十万八千里的餐馆。广告依然读不懂你的真正需求。有一天一个广告告诉我说「只要7天,学位不用愁」,事实上我早在7年前就拿到了博士学位。”Rogati说道。“你的手机还会在输入「LOL」的时候跳出来「lollipop oligopolistic」——鬼知道这是什么东西。数据早该被收集以便智能化,但那些单词还傻傻地会出现。”

这是个有趣的困境。按理说,新兴科技本来已经吊足了人们对于未来可能性的胃口。现在,这帮人正眼巴巴地等着那些真正「懂」他们的产品横空出世。

数据产品:怎样才能赶上「智能」世界

让我们从这个操作型定义开始吧:“通过从你和其他人乃至整个世界搜集过来的数据,数据产品可以提供个性化的内容。”Rogati说。这意味着,搭建一个数据产品的关键在于,要缩短反馈回路,以便产品可以快速地吸收大量数据。

给用户提供推荐,然后从他们的选择中学习,这就个清晰的例子。你提供的推荐越多,就可以在用户的记录和反馈中变得越智能。这也是为什么亚马逊35%的营收来自于推荐类目,而这也是Netflix 75%的内容流量都是基于推荐的原因。

在Jawbone,Rogati和她的团队正在致力于通过利用数据整合来帮助他们的手环用户运动更多,睡得更长,吃得更健康。他们是怎么做的呢——自动检测锻炼方式并对其进行分类,提供饮食建议,帮助智能设备扮演「智能教练」的角色——让你比平常多喝三杯水,多走1000步,或者让你早睡10min。

“那些还是基于个人的层级,而当这些事情开始进入规模化层面的时候,事情就变得真正有趣起来了。”Rogati说道,“如果足够数量的人们在同一时间做这件事,我们就可以感知App里鼓励的声音还是钻头的声音更让人们积极回应。我们可以发现人们在跟他人合作或分享时更能得到激励——比如让大家一起跑满100miles或者彼此竞争。”

如果我们没做错的话,所有的数据科学就隐藏在这些场景背后。它无关图表或者曲线,它关于个人体验的深度解读。

所以,从哪里开始呢?

从数据开始的数据产品

在你能够开始分析、建立一个推荐系统、或者训练机器学习之前,你需要先剖析一些基础数据。Rogati说,“这个目标不仅仅在于数据量之大上,更重要的是数据的广度。”这意味着你应该尽可能多地记录你应用上的登录数据,因为有些数据可能会永远丢失。

Rogati举例说,“仅仅记录一个用户对某个产品推荐的一次点击是远远不够的。你必须知道被推荐的项目是什么、其他推荐列表,以及这个推荐项目在屏幕上的位置。”你必须记录下这次你的算法版本、参数以及那些展示在用户面前的字符。因为所有这些信息会在几个月后,你做产品迭代的时候用到。

可靠的数据流

如果你没有一个可靠的数据流,那么最好的机器学习算法和最好的仪器也做不出无米之炊。如果你忽视了一些事件,如果你基础设备没有强大的容错能力,那你费力研究的数据可能就是错误的。Rogati说,数据流的确可能存在问题,但是它对你的数据产品更为重要。

只有当你把数据反馈给用户的时候,数据流被破坏的后果才会显现出来。因为你没有根据数据提出好的建议,就可能让你因此而失去一个用户或者一笔交易。或者因为错误的数据流备份,你的应用就可能因为失去用户的信任而崩溃。

简练的数据— —快速迭代

有很多文章写到了有关如何清理数据的争吵。“数据专家们花了80%的事件来清理数据”,这个论点我们已经在他们的报告里面听得耳朵都起茧子了。其实应该是数据专家花了80%的时间来抱怨他们需要清理数据。而Rogati,则希望数据专家们能够更“享受”清理数据的过程。

其实清理数据就是一整套数据准备的过程,毕竟数据可不会在你脚下乖乖把自己准备好。好的数据准备就像一份侦探的工作,他需要你的直觉、经验、智慧,以及脚踏实地。

Rogati说,“其实你的付出是值得的。因为相比于你选择一套怎样的算法,数据准备可以在更靠前的位置,也会对你的结果产生更重要的影响。”

而真正的挑战在于,数据出错的可能性千变万化,你不可能全部都能预见到。对此,补救的方法其实就是快速迭代。

这是一个良性闭环

从数据产品和传统的分析策略来看,用户体验是这个难题中的最关键的一环。无论你的数据在后端是如何有序简洁,你还是需要拥有一个良好的用户界面。这意味着你需要有一个不用痛苦冗长的摸索,不学就会的操作方式。为了能够最大限度的利用数据以及从中提炼有创造力的观点,每一个人都需要对这个事情本身怀有充足的好感。所以说,一个写惨了的用户界面就是未来打脸的一记重拳。

对数据产品而言,用户体验就是一个门槛级的因素。“用户交互体验必须要流畅、直接,最好贴近用户自身的本能。要知道你的用户可能一帮是随时会误解你,随时会点到错误的按钮上,或者随时有着奇奇怪怪不可预测的心理预期的人们。”

超凡的用户体验和伟大的数据,才是使得产品「智能化」的根本。

对数据产品来说会有正反两面,而这两面会相互作用产生一个良性的反馈循环。说白了,在现实生活中,你需要的是可以无缝渗入各种生活场景中的、非常易用好用的软件和硬件,这样才能够获取到更大规模和更高质量的数据。

Rogati从自身的案例出发举了一个生动例子:比如你现在在用Jawbone的app在记录你的用餐信息,「快速自动补全」这个功能就变得非常重要。记录信息越快速,记录行动产生的才可能越频繁,进而Jawbone才有可能获取更多连续性、稳定的高质量数据。如果能够马上自动补全人们的想法,就可以有效避免很多因为错误拼写、概念误用而产生的无效数据。”

回到上文提到的良性循环当中,我们会发现当我们积累了越来越多的高质量数据的时候,类似自动补全的智能功能也可以相应的运行地越来越快速、稳定——这就是流畅和惊喜的用户体验的来源。“这就是为什么最好的数据产品都是需要稳定的数据流、快速迭代,以及严密明晰的反馈闭环——所有在服务层面上的更好的用户体验,都会最终落在「真正智能」的最终期盼上。”


评论:

登录 后发表评论