当当网CTO李海涛：机器决策对电商的影响

当当网CTO李海涛

　　新浪财经讯 “2017中国（海南）首届智慧商业大会”于11月17日在海口举行。当当网CTO李海涛出席并演讲。

　　以下为演讲实录：

　　李海涛：我是当当的李海涛，我从机器和人做决策的角度来阐述智慧商业，我们先举几个例子。我先举一个例子，就是诺贝尔奖每年都颁一次，谁得奖，只要谁得奖，那个商品就会大卖，卖得非常好，比如说莫言的书，不仅是加印，而且都是套装套装的。

　　对于一个商业者来说，涉及两个问题，平时的选品，选什么商品？库存，拿多少货？这个奖得得非常突然，那个得奖是《试飞英雄》，是一个非常冷门的作家，大多数人都不知道，我们有一个专门每年定这个谁得诺贝尔奖去备这个商品，然而今年他完全不知道谁得了奖金，但他其实最后定对了这个货，怎么定？每年的工作方法是国外的网站去看这个赔率，天天听这个赔率赔得更多，好像这几年都是日本的一个作家赔得特别多，大多数人都去定那个作家的商品，这个名字从赌博网站出来，最初谁拿这个货不可能的，其实生产厂商也不可能生产那种，他完全靠个人编辑，完全靠个人姓名，所以当时就没有想到这个人会得诺贝尔奖，如果知道的话当时就把这个人给包下来了。

　　当天得奖，我们基本不可能有这个人的商品，所以大家可能几乎没有，因为那个货只有一个出版社有这个产品。这个货非常依赖于人的灵机一动，很多商业团体决策中一个常见的形态，就是依赖于一些的明星产品的员工，就是他依据其自己的个人能力，或个人平时的你说不清到底是不是积累。

　　很可能说是另一种做法，比如说做促销，大家都知道有几个产品都会做促销的，全年可能有很多种促销的，很难判断你的竞争对手组织多大规模的促销，很可能打断的你的商业结构。比如你的商品原来是100块钱，后来可能是80块钱，后来咱们传统间谍很重要，互相打听别人的情报，这是非常常见的。各行各业中都要盯着所谓的竞争对手，特点的情报是什么？最近组织什么活动，完全靠外界的报道，无意中听到对方的工作人员干什么，去哪出差了？这就是传统的商业智慧了，就是经常听一些人的主观的东西。

　　再往下就是一个电商企业，流量是分配的。除了涉及到每个商家会对用户更好之外，对企业来说有可能点像一个幼儿园个人喜好的商家，可能会给商家多一些，咱们有一些电商做的很好的城市，夜总会曾经是80%的包间是某电商的，原因很简单，就是要靠商业智慧来决定的，这个是传统企业非常头疼的一件事，涉及到营销策略，就是营销的钱特别多，花到哪个家广告公司上面，审美，会长什么样子，具体的设计人员观点、专业都不一样。有很多争议，一般就是上线看看数据等等，但是那都是之后的，这是电商经常都会遇到这样的问题，这个大数据的智慧发生一些变化，拿我们公司来例子。

　　我们先从统计数据，一个人如果在我们的电商网站，大电商都有这一套数据，大同小异，能收集到数据。根据你买的商品或者你浏览，或者不用买，浏览就可以，基本能猜99%的准确率，这个准确率非常准。你的加固行为，停留时长，大概一个月一年内消费。比如说，大概是几千的电商还是几万，都有很多办法去给你做判断的，还有很多第三方大数据中心，可能会买其他的数据。这些数据既含有电商，也可能是媒体网站的，也可能是比如说广告公司，跟踪你的一些行为。总之，会有很多第三方公司。微博，可能会有一些聚焦媒体的出来，所以如果说一个公司愿意花钱，其实可以很快地建立一批用户的数据。

　　现在金融企业也非常看中这个方面，所谓互联网很大的一点从电商、社交媒体等等买数据。通过消费的这一层，所以大数据是可以卖钱的，通过用户的一些画像，然后你的时间、空间都可以作为你的数据。作为电商来讲，你打车，利用手机打车，你的地址、信息其实很值钱的，你是否经常打车打到哪哪哪？如果数据多了，住在什么地方，住在小区什么地方、环境、档次去的档次，基于什么商业机构，都能成为模型，其实用贷款，大概判断出一些基本的条件，你是否具备？这个设备数据带来的决策发生的巨大变化，原来靠人的灵机一动，现在很多必须改用数据模型，这个公司不会批准你的一些决定的。

　　而且，现在大量的决策是靠机器算出来的，变成了找机器做的或者明显离谱的东西，反馈做错了，还是变成机器学习的材料，这已经是很多公司非常常见的形态了，大量的形态还是靠机器。这个人能够划成什么样，这其实只是一小部分了，基本上所有的路径都内串一条线，从一个网站的首页开始怎么浏览、哪个商家等等，加了几次购物车共5个商品、只买了两个，有的几个没有买，上面都有数据的。只要你买过儿童用品，小孩的年龄和用品的数据就出来了，这个数据越来越全，有时候看得时候没有想到，有的时候看自己的数据画像。

　　原来是这个方面，而且猜得也挺准的，每来一个新的浪潮，比如说滴滴火的时候，就产生一个完全想象不到的数据，现在电商卖的东西越来越多，有的商品以前不是在网上买的，线下是零散的数据，但是无法聚合，如果在网上找各品类要购买的商品会越来越多，生活的方方面面都在网上完成，在网上买东西，交水电费，物业费等等，其实我这个人的行为，如果我的公司收集这个数据，应该比我自己了解得还多一些，这个是技术上非常进步的地方，它使整个商业流程发生非常巨大的变化。

　　还有一个问题，我们在实践中发现，现在为什么没有到人工智能大数据的时候，大数据好像不够大，虽然叫大数据，我们在推进改进的时候，跟我汇报的时候，跟我汇报说数据不够，说改进的效果还没有出来，我们的数据还不够吗？我们做的市场突出领先，数据没有做好是不是你自己的问题，等等几个步骤中数不够，在局部的时候，会出现一些时间，这数据其实是用传统算法或者统计的方法会做得好，为什么呢？这宣传的时间太好了，下围棋的记忆怎么算的？它也要收集很多的排队，对于不够的对人类的这些地，它就自己先自己加，因为他来模仿黑棋子和白棋子它都能模仿，最后自己模范出很多的数据，然后拿数据做运算，解决数据不够的问题。

　　在实际商业中，我们关注的是是用户的行为，必须有真实用户过来，而且真实用户的行为每个月发生的变化挺大的，上个月拿到这个月来的话很可能不对的，人不可能有这么多，除非有一个机器能猜，它能模拟人的行为，像睡觉的时候不停地模拟人的行为。比如说电商看这个商品，决定点不点，购买不购买，这台机器说明解决了，这台机器不休息、每天模仿全世界的各种人，然后看到商品就作出各种反映，数据绝对就不缺了，但是机器现在做不到这一点。

　　这种机器就不缺大数据没有想象那么大，它的数据很可能也是不够的。因为我们看到，也搜索为例，每个关健词都要有大量的数据，等你搜集的关健词没法对你经常使用，所以真正要拆分到细节之后，这些数据有可能不够的。大数据逐渐有一些机器人能够部分模拟人的行为时候，那时候的人工智能发展速度会更加加速，这个时代也即将到来，对整个行业的冲击会很大，还会及其大数据的情况出现，技术人员正在做这个准备了。

　　整个咱们叫人工智能时代，我们从技术人员的角度来看，之所以成为这个时代要到来了，是因为好多数据是逐渐的铺垫的，铺垫到今天发现的其实可以做人工智能了，并不是这个算法原来没有，这个研究员突然发现的新大陆，好多算法在好多年前学校就学过了，可能有些学生就会，但是没有这么好的一个时机。比如，现在的手机号替代新时代的酷厅的东西，这么一个酷奇东西到网上盯你，然后设置手机号码，这样对人的跟踪会更准的，以前整理数据更麻烦。

　　还有GPS，这个能够知道你家住哪？经常去哪？这个有些软件在后台传播数据，后来搜集一连网，把平常好的数据上传，所以这个数据变成长时间再现，不是整理主动的时候在线。人脸识别就是生物学的特征，然后人脸识别，我觉得这个人脸识别很可怕，比如说苹果X。这个你用这个手机发动画表情的时候，好像是你的表情。这个可以完全捕捉你的微表情，这个心理有没有事，这个人脸识别可以做进一步地判断的，这跟以前银行业务员到你的现场，然后看你的资产，然后查你的好多信息，快速得多。整个这一套技术准备，未来可以用手机也好，新的设备也好，可能会成为人类新的助手，对商业整个的改变会非常地大。

　　再说说我们公司的尝试，就只能简单地说，因为这里面涉及到很多商业的背景没有办法解释，很大的选什么商品？淘汰什么商品，然后怎么管理库存，其实网站就是个卖唱，你进什么商场，摆什么东西，用什么颜色，有什么规格，还有什么花车，还有这些类似的东西，还有什么促销什么的，路线怎么走？走左边还是走右边，是直线还是拐弯等等，这些原来全都是很复杂的流程，我们公司基本上都在用机器来统筹，一个流量分配，一个网站APP80-90%是机器定的，但是效果比人做得好。因为等数据反馈，比人每天要速度要快得多，甚至用户点几下马上就可以发现左边的图片点得比右边好，甚至图片就换掉了，整个效果效率上提升非常多。

　　关于线上线下方面，我们也做了一些结合，这些数据不可以所谓的线上，也可以用于线下，我相信有商业价值，马上可以把成本定下来，这个商品摸了一下衣服，在模特身上看了半天，其实都可以捕捉下来的，这个到底产生什么价值？还有很多研究，很多事情可以引出一个话题，越掌握数据、细节和算法的公司，可能算法和大框架都知道了，这个员工号都变成自己的财产，这个东西越来越值钱了。这到底要不要开放，我认为是迟早会成为一个开放风潮的。如果不进行开放，形成垄断甚至出现社会财务分配不均，是非常有可能的，因为掌握数据越来越多，因为开放了，最后强到只能用用户来什么的？这个趋势数据，如果不管控的是不可以逆转的，如果一个公司你手里没有数据，要重新开始，很可能拿不下一个时代的门票。

　　我就给大家介绍这么多，也欢迎大家交流。整体方面，刚才介绍的内容会影响每个企业从你的决策流程到组织结构甚至到人才能力都会产生影响，所以每个人都要思考自己的能力会发生什么变化，每个公司都做什么样的变革迎接新的时代。

　　谢谢大家！

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。