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：

买菜称重不需要人，顾客自助。
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。

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。
“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。

(▲“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。
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。

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。
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。

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。
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。