未来已来(一)——技术变革

在上个周末,我去了一趟沃尔玛,发现两件神奇的事:

  1. 买菜称重不需要人,顾客自助。

  2. 扫码买单不需要人,用小程序。

卖菜的大妈很开心:现在大家都自助了,工作变轻松。

我不知道该怎么告诉她:这份工作,马上就要消失了。

这一幕让我想到许多东西。

不只是沃尔玛,这个世界最新一批的互联网公司在推进这一些炽热的变革,这是新的浪潮。

不只是卖菜大妈,还有许多传统行业的员工,甚至是传统互联网公司的员工,都会成为这一浪潮的受害者。

未来已来,事情在发生一些变化。

(一)抖音和微视

未来已来。

以技术做驱动,用算法做决策的公司正野蛮生长,让老牌的互联网巨头心生惶恐。

用算法替代人,这事正在发生。

说抖音和微视,刚刚,我去搜索了这两家的招聘需求。

2018-12-18-10-01-12
2018-12-18-10-01-20

根据搜索结果不严谨的对比,可以得出:

微视:总计28个职位描述,9个技术类,8个产品/项目类,2个市场类,9个内容编辑类。

抖音:总计59个职位描述,40个技术类,5个产品/设计类,1个市场/销售类,14个运营/编辑类。

这的确像腾讯的作风,虽然有着足够庞大的用户数据,包含一个人的方方方面,但各个部门之间的数据并不打通。

在算法上,各团队常去做重复工作,这和它的内部赛马机制不无关系:对内孵化也好,对外投资也好,腾讯都只做两件事:给钱,给流量。一个项目,多个团队去做。谁成了,算谁的。典型如微信,王者荣耀,都是这样诞生。

一个经典的吐槽是公众号体系,如果你去注册腾讯的公众号,你能发现:微信公众号、企鹅号、QQ公众号三大体系,彼此数据互不相通,许多媒体人要把一个稿件发生这三个平台,因为它们分属于三个不同的团队。

腾讯会花比较多的精力,做产品、运营、交互设计。他们看中用户体验,或说“产品经理,人为的用户体验”。

其中运营,很多时候工作内容是:流量。

内部合作流量,外部投放流量……等等。

然后招聘需求,就如你所见。

最后的结果,引用最近的一篇文章《全面反思腾讯的战略》,里面是这样描述的:

……近两年由于抖音发展非常迅猛,腾讯下了很大决心重启微视,抽调精兵强将,并出重金奖励优质内容(曾有传言说本年度会补贴30亿元),同时通过QQ、QQ空间、大王卡以各种奖励形式强推微视,上个月还把时下最火爆的综艺节目《创造101》的点赞机制引入微视,可以说传统上最强的拉新手段全都用上了,效果如何呢?

曾经有几天时间上了iOS免费榜的前几名,但可惜昙花一现,很快又跌回到100名以外。为什么效果这么差呢?最重要的原因是微视的算法还不行,用户画像还不精准,内容与用户的匹配并不精准,微视用户的粘性就培养不起来。

同样的内容,在抖音的分发效果就比在微视里要好得多。腾讯强推微视的决心不可谓不大,但是在算法没有突破的情况下,再砸钱,哪怕是100亿,其实都是扔到水里去的。

但是在抖音,是另一种做事方式。

据报导,2017年时,公司一共有1500名工程师,其中算法工程师占了800名,而且还表示愿意以300万美元的薪水(主要是期权)招聘最顶尖的算法工程师。

最后的结果显而易见,抖音占据了很长一阵app store的免费排行榜第一名。

而身边很少有人提起微视。

在今日头条的早期,就有说法:这家公司,没有编辑,一切基于算法。

直到后来,迫于政策压力。才加了编辑,但主要工作是负责审核敏感内容。薪资是非常低的,而且远离总部。这和其他门户网站的人力结构,完全不同。

(二)三个结论

我们可以得到三个结论。

  1. 替代就是替代,不需要通过模仿。

    之前我们看新闻,阿尔法狗围棋击败人类,人工智能玩dota击败准职业玩家。

    我们一方面担心被人工智能所替代。一方面我们觉得被替代这一天很遥远:人工智能下围棋行,但距离好多好多领域的生产力,还不行。

    “很遥远”的前提是:人工智能想要模仿人,然后超越人,这很难。因为人的情感,思考都是机器很难模拟的事。

    人类在此,傲慢了。

    因为只要一种生产力比旧的更高效,那么旧的就会被替代。

    算法超越人类,就是超越人类,根本不用模仿人类。

  2. “流量”的技术变革

    关于“流量”问题,在最近的二三十年,有三个明显的阶段。

    (1)第一站,传统媒体大水漫灌

    上世纪九十年代,是报纸、电视媒体的黄金时代。哪家企业占领了央视,哪家企业的次年销量必然爆炸。这是最早期,人们接触的媒介单一。

    那段时光,媒体、广告公司是最风光的地方。大把人才都在那里。

    年纪大一些的朋友可能还记得这些名字:孔府宴酒,秦池酒,爱多VCD, 步步高……

    (2)第二站,有人开始思考场景和体验

    在此,独领风骚的会是产品经理,他们开始思考“场景”,思考“交互”——我觉得用户在这种情况下,应该怎样,才会有更好的体验。
    2018-12-18-10-12-12
    (▲“如果你是微信的产品经理/交互设计师,请为微信的看一看做一次改版”——这是腾讯内部的一节产品经理基础课)

    这依赖天才型的产品经理出现。如马化腾,张小龙,乔布斯……

    他们负责思考:我觉得用户在这种情况下,应该怎样,才会有更好的体验。

    甚至,他们说:用户不知道自己想要什么,我来定义用户想要什么。

    定义用户想要什么。而且还定义成功了,就是天才。

    做产品,要依凭“用户觉得这个更好”,而不能依凭“我觉得,用户会觉得这个更好”。

    那么,如何感知到“用户觉得”?三种方式:

    ① 和用户谈。

    ② 自己作为用户,去亲身体验。

    ③ 用户的行为数据。

    传统的互联网公司,是利用 ① 和 ② 的,他们把这叫做“用户调研”。

    他们用“真正的聪明人,都在下笨功夫。”来赞美优秀的产品经理。意思是越是聪明,越是经验丰富,就越要走进用户,去了解他们。

    不然,容易陷入经验判断——“我觉得,用户会觉得”。

    而这种判断,很多时候都不可信。

    这是因为,用户的行为数据收集得不够多,不够好,算法设计得不够漂亮。他们相信自己眼睛和心的判断,胜过数据算法的判断。

    但是,数据会变好,因为它变好的速度比人的成长速度更快。

    当它变得比人的经验判断更可信,我们会来到第三站。

    (3)第三站,算法驱动。

    我们前面谈的微视、抖音、头条案例正是如此。

    他们可能会更多地思考:如果你是微信的算法工程师,请为微信的看一看做一次改版。

    这就会更多从数据取样,数据利用,算法搭建的层面去做设计。

    这是一种变化:

    ① 产品思考场景和交互;工程师去实现;用户给反馈;返回第一步。

    ② 工程师设计算法;工程师索要数据;产品思考如何拿到数据;产品设计场景和交互;工程师去实现;数据给反馈;返回前面的某一步。

    后面,我们还会接着举例。

  3. 技术变革发生在当下

    当算法的能力越来越强,直到有天它突破一个阈值,这个阈值是人类工作的平均效果。

    那么算法,就会在一瞬间,摧枯拉朽地干掉大部分人的工作。

    而剩下的那一小撮人,也会被算法一点点干掉。

    因为算法的进化速度,比人类的学习速度更快。

    旧的生产力,被摧枯拉朽地替代掉。这种事,在人类历史上,尤其是近几年,已经发生了太多次。

    弄死一个钱包生产公司的不是一个更好的钱包公司,是微信支付和支付宝。

    人们不再需要钱包。

    弄死服装店的不是一个更大的服装店,是淘宝。

    人们开始去线上消费。

    事情在一开始是温和的:一些公司,开始更努力地招聘算法工程师。

    就像现在,正发生的事情。

    许多人今天不喜欢今日头条,觉得它low。

    但这就像多年前我们看腾讯,说它抄。腾讯的本质是产品驱动,是社交。

    今日头条的本质是字节跳动,是算法。

    他们的公司名已经说明一切:字节跳动。而字节,是计算机数据最基础的组成单元。

(三)一个预告

这篇稿件我们讲了许多内容,但核心就一句:算法替代人,发生在当下。

我会在下一篇里去讲:

如果被替代是不可逃避的宿命。那么作为个体,应该如何应对此事。——拥抱技术。

(四)补一个案例

补充一个案例,Netflix。

可能你没听说过它,简单说就是拍《纸牌屋》的那家。

但这家公司不简单,在今年6月它的市值最高超过1800亿美元,市盈率超过300倍。

与之对比,腾讯今天的市值换算美元大概是4000多亿,京东480多亿,阿里4300多亿。

即便是同行业,传统的剧透迪士尼,市值是1680亿美元。

2018-12-18-10-21-03

这是关于市盈率的解释。一般的科技公司市盈率就几十。

但netflix能到三百。

背后的含义是一边是高风险,另一边是:它被资本高估,资本喜欢它。

那么问题来了,这样一个娱乐巨头做的是什么生意?

我用大家比较容易理解的方式来总结,它是:今日头条+爱奇艺+豆瓣。

netflix最早是做租碟生意的。后来,转型成现在的样子。

它给人看剧,也自制剧,比如纸牌屋这种剧。这是它像爱奇艺的地方。

不同之处是它的所有用户,都是付费用户。只不过你有一个月的免费试用。

然后它也像豆瓣(豆瓣电影)。让你写评论,让你给打分。

最后,是它做了非常好的推荐算法。根据你所看过的,根据你的喜好,根据你的身份信息……去推荐给你内容。这是它像今日头条的地方。

2018-12-18-10-21-29

我花了很多篇幅,去讲这家公司的状态。现在要去讲它用算法做了哪些事。

  1. 利用算法,干预内容选择和生产。

    导演大卫•芬奇曾拿着《纸牌屋》的改编剧本,找过美国多家电视台,却没有一家敢掏钱,谁也说不准一部20年前的老剧是否还有市场。

    Netflix进行了“电视剧消费习惯数据库”分析,他们发现:喜欢观看1990年BBC版本《纸牌屋》的观众,同样是《社交网络》、《七宗罪》鬼才导演大卫•芬奇的拥趸同时,他们还是奥斯卡影帝凯文•史派西的忠实影迷。有了强大的大数据分析支持,Netflix已经完全可以预测受众和市场的反应,将原版《纸牌屋》的粉丝和凯文•史派西与大卫•芬奇的粉丝整合在一起,投拍新版《纸牌屋》,一炮而红。

    他们统计“暂停/快进”来寻找剧情尿点,利用“分享/回放”寻找传播点,干涉剧情创作。

  2. 利用算法,做兴趣推荐。

    Netflix一直举办大型比赛招贤纳士,来提高自己的数据挖掘处理能力。2005年底,Netflix设立百万美元奖金征集能使其推荐系统性能上升10%的算法和架构。最终,一个由工程师、统计学家、研究专家组成的团队BPC夺得了百万奖金,成功地将Netflix影片推荐引擎的推荐效率提高了10%。

    与利用算法相对应。许多时候,也是算法在利用人。

    人需要效益,算法需要数据——大量的、便于计算的数据。

netflix也做了很多努力,来喂数据给算法。

  1. 基础设施建设

    2010年,Netflix完成了两次数据迁,移一次是将Netflix数据中心迁移到亚马逊ASW之上,另一次就是将Oracle数据库迁移到SimpleDB。到了2011年,又从SimpleDB迁移到Cassandra,利用Cassandra提供的路由配置,集群可以被部署在多个大洲。

  2. 产品形态的修改

    他们干掉了五星打分机制,改成了好和不好,单一判断。

    他们取消用户评论功能。

    这样做,都是为了数据更加干净,减少干扰因素。

    这在传统的产品经理眼里,都属于大胆的决策。

    但netflix做了,因为出发点不同。netflix要规整的数据,喂给算法,让算法来生产效益。

    他们信任算法,更胜过人的判断。

    然后,他们获得成功。

“未来已来(一)——技术变革”的178,902个回复

  1. 这是一条用于存储cookie到本地而发出的留言 by slybootslion

  2. 这是用session方式发出的一条评论,这条评论将被之后的刚开始学这门爬虫课的人爬取。 by slybootslion

  3. 这是一条通过python发送的评论 by slybootslion

  4. 我的comment_post_ID必须是13才有值,你们呢

发表评论