关闭了多伦多智慧城市项目

过去在银行场景，我们描述一个客户的金融属性，只能根据该客户的年收入、存款、还款记录这些客观维度去判断是否为他的信用卡套现风险。

现在在AI 技术的帮助下，我们可以使用让机器去分析人类没法辨别的数据，通过更精细化的数据结果，分析这个客户的资产健康状况，并且给出更为准确的客户套现风险判断。

如邓雄博士所言：人工智能代表了一个大的变革，我们不再把用户看成中心，以围绕用户来开展各种工作。而是把用户变成数据，将一切用户行为都变成数据，用数据的方式反映到产品中，这种模式就是数据思维导向的结果。

认知升级，颠覆式创新

在传统产品创新这块，梁宁老师曾总结过两种典型方式。

一种是将另一个领域的知识经验借鉴到另外一个领域，例如婴儿恒温箱最早是借鉴了动物园使用的恒温箱，从而创造出适合新生儿使用的产品;

另一种是引用跨行业的新要素，让产品看起来依然是原来的产品，但它实际上已经成为一个新的物种，例如朵亚朵亚酒店采用众筹这个新要素，这种消费转投资的方式让他们成为朵亚最忠诚的客户，形成商业内核的改变。

而今，AI技术的升级同样带动了产品经理的认知升级。我们在产品解决方案上实现的变革是一种颠覆式的创新，这种变革不仅仅是旧元素之间的重组，而是用AI的方式升级新的生产要素。


 

前面我们提到过，AI创新的起点，可以从一个很小的场景开始。先从一个细分场景入手评估做还是不做?如果做的话可以做什么?

有一年我们做平安电话进线导航的优化，当时的背景是平安95511电话系统每天海量进线的导航时长偏高，在这个环节浪费了很多电话费。经过几轮评估和脑爆以后我们有一个大胆的想法，是利用AI的方式预测用户进线的意图，从而减少导航的时间。

一开始我们想做一个极致简单的方案。电话进来，预测意图，询问您是否需要办理XX业务，回答是的话直接跳转到该业务线。实际上要去做这件事相当复杂，一方面平安的进线选项高达一千余种，另一方面数据的残缺以及时效性会影响机器的判断。

所以我们选择从一个小的场景开始，从技术可行性以及产能提升方面考虑，只预测进线频率最高的三十余种意图。整个呈现的方案不仅是对交互的方式做了设计，也考虑到很多模型缺陷下提升用户体验的细节。一个小场景做好了以后，再去想办法优化下一个小场景，最后组成一个完整的解决方案。

当我们决定对某个场景进行AI升级以后，接下来我们还要考虑升级服务的进入方式，也就是具体的AI技术到底是自研还是和外部厂商合作。我个人的建议是，如果企业的技术储备能力不足，横向扩张能力也不大并且非核心场景的情况下，我们尽量选择市场上成熟的解决方案去做。

除此以外，我们还要从智能化服务提供模式以及市场成长周期两个方面去考虑。提供模式考虑的主要问题是怎么做?以及实现的难点在哪里?

我们可以参考市场整体发展形势以及同类竞品他们所选策略的优缺点去评估技术实现方案。这样不至于需要我们从头开始学习，又能知道成熟的方案都是怎么做的，快速应用到自身的场景中。

从用户思维转变为数据思维

在互联网时代，流量为王，“用户至上”成为了各大互联网企业的共识。无论是电商领域还是社交领域，产品经理们每天都在研究用户的行为与表现，希望以此挖掘用户内心的想法，创造出满足用户需求的产品。

到了人工智能时代，数据为王，数据成为了企业的风向标。我们的产品、用户都能用数据去描述他，而不是想当然的经验主义去思考这个用户要什么。这时候我们有更具象、可量化的方式判断客户的需求。

（编辑：广元站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!