新興科技的爆發(fā)已經(jīng)讓人們對便捷生活的期望值大大提升了，在科技浪潮中成長(cháng)起來(lái)的「數字原住民」更是如此。然而，完全不精準的廣告還會(huì )亂入屏幕，莫名其妙的單詞被輸入法拼出來(lái)，智能設備們壓根談不上「智能」……這是個(gè)有趣的困境。創(chuàng )新消費電子設備公司Jawbone被稱(chēng)為「蘋(píng)果最應擔心的創(chuàng )業(yè)公司」，這篇文章正是分享了Jawbone的副總裁Rogati的關(guān)于這個(gè)話(huà)題的觀(guān)點(diǎn)。

想象一下，當所有來(lái)自于數據分析的創(chuàng )新，與所有硬件技術(shù)的進(jìn)步在一個(gè)十字路口相遇，將是怎樣的情景？而這正是Rogati在Jawbone的工作內容。作為數據部門(mén)副總裁，她組建了一個(gè)世界一流的科學(xué)家和工程師團隊，共同開(kāi)拓可穿戴設備、數據和物聯(lián)網(wǎng)的邊界。如今，她把更多的時(shí)間在建議那些想要充分利用他們數據的眾多公司上。

如果要說(shuō)有誰(shuí)適合這個(gè)領(lǐng)域，那非她莫屬。但這并不能掩蓋很多公司在初期的時(shí)候學(xué)習利用數據來(lái)構建更具吸引力產(chǎn)品的事實(shí)。機器學(xué)習班之類(lèi)的招生可能在上升，但塑造的知識轉化為簡(jiǎn)單的，優(yōu)雅的解決方案，為群眾超出了大多數度的范圍。當然，這一切都使得消費者開(kāi)始需求更復雜的數據，這一點(diǎn)要比以往任何適合都要強烈。

“大約10年前，有一段視頻在YouTube上很流行，視頻中一個(gè)小孩拿著(zhù)一紙雜志試圖把它當成iPad來(lái)用，想拿它來(lái)刷卡和變焦拍攝。顯然是它無(wú)法實(shí)現這些功能的，所以她只能不解地盯著(zhù)它看，現在這種情況必須打破?！盧ogati說(shuō)。 “這是新一代的數字原著(zhù)民的明顯證據。今天，我們正在經(jīng)歷一場(chǎng)新的革命，我們在見(jiàn)證世界如何變得“智能”，借助數據無(wú)縫地滿(mǎn)足人們的各種需求?！?/p>

未來(lái)可能會(huì )出現一款產(chǎn)品，它能通過(guò)你的需求和需要來(lái)預測你可能需要的服務(wù)。在這篇文章里，Rogati分享了公司如何能借助他們的資源來(lái)實(shí)現這樣一種新型的消費方式。

「數據原住民」是個(gè)啥

作為一個(gè)數據原住民超越了精通技術(shù)和數碼參與的范疇。這不僅僅是你喜歡你的信息提供了展示平臺或是一個(gè)舒適的平臺。數字革命發(fā)生這樣的時(shí)代，一個(gè)被計算機與互聯(lián)網(wǎng)所構建的有利于人類(lèi)成長(cháng)的平衡所包圍 。Rogati認為，我們正處在一個(gè)與數據看似不同卻又有關(guān)聯(lián)的革命的之中。

“一個(gè)數據原住民是一群希望自己的世界不只是數字，還有聰明并且能夠及時(shí)調整自己的品味與習慣的人?！彼f(shuō)，“舉個(gè)例子，一本雜志不應該僅僅是數字化與互動(dòng)性——它應該是個(gè)性化的。它會(huì )告訴你你需要知道基于你興趣、未知、偏好的東西是什么。這種期許已經(jīng)轉變?！?/p>

一個(gè)數字原住民可能自己設置一下他們的室溫調節器也覺(jué)得沒(méi)什么，但是一個(gè)「數據原住民」就希望這個(gè)調節器能夠自動(dòng)設置好。一個(gè)數字原住民可能會(huì )用星巴克的app來(lái)點(diǎn)一杯咖啡和一份早餐，但是一個(gè)「數據原住民」希望星巴克的app能夠在早上合適的時(shí)間，自動(dòng)點(diǎn)好他們最喜歡的飲料——這還不夠，他們希望app可以有「場(chǎng)景感知能力」，知道什么時(shí)候要點(diǎn)那些自己經(jīng)常習慣的品類(lèi)，什么時(shí)候順便也推薦一發(fā)新品來(lái)給他們嘗嘗鮮。

數字原住民關(guān)心的是他們可以用技術(shù)來(lái)做點(diǎn)什么?，F在，數據原住民希望知道技術(shù)可以為自己做什么。

這個(gè)觀(guān)點(diǎn)正在隨著(zhù)聯(lián)網(wǎng)設備的爆發(fā)而加速。根據Cisco’s的最新研究，到2019年，聯(lián)網(wǎng)設備的數量將是全球人口的三倍。麥肯錫表示，到2015年，物聯(lián)網(wǎng)將撬開(kāi)一個(gè)價(jià)值6.2萬(wàn)億美元的市場(chǎng)。就在三年前，Home Depot提供了100種不同的家庭智能設備，如今它的股票已經(jīng)遠遠超過(guò)600了。

Rogati所在的Jawbone智能手環(huán)部門(mén)正在趁著(zhù)這股浪潮向前，不僅僅是幫助人們管理及激勵他們自身，還要幫他們在需要的時(shí)候打開(kāi)咖啡機，在他們睡著(zhù)的時(shí)候自動(dòng)關(guān)上電燈。

然而，現在無(wú)數號稱(chēng)「智能」的設備壓根趕不上日益上升的需求?！澳愕腉PS記不住你喜歡的路線(xiàn)，它仍然給你展示十萬(wàn)八千里的餐館。廣告依然讀不懂你的真正需求。有一天一個(gè)廣告告訴我說(shuō)「只要7天，學(xué)位不用愁」，事實(shí)上我早在7年前就拿到了博士學(xué)位?！盧ogati說(shuō)道?！澳愕氖謾C還會(huì )在輸入「LOL」的時(shí)候跳出來(lái)「lollipop oligopolistic」——鬼知道這是什么東西。數據早該被收集以便智能化，但那些單詞還傻傻地會(huì )出現?！?/p>

這是個(gè)有趣的困境。按理說(shuō)，新興科技本來(lái)已經(jīng)吊足了人們對于未來(lái)可能性的胃口?，F在，這幫人正眼巴巴地等著(zhù)那些真正「懂」他們的產(chǎn)品橫空出世。

數據產(chǎn)品：怎樣才能趕上「智能」世界

讓我們從這個(gè)操作型定義開(kāi)始吧：“通過(guò)從你和其他人乃至整個(gè)世界搜集過(guò)來(lái)的數據，數據產(chǎn)品可以提供個(gè)性化的內容?！盧ogati說(shuō)。這意味著(zhù)，搭建一個(gè)數據產(chǎn)品的關(guān)鍵在于，要縮短反饋回路，以便產(chǎn)品可以快速地吸收大量數據。

給用戶(hù)提供推薦，然后從他們的選擇中學(xué)習，這就個(gè)清晰的例子。你提供的推薦越多，就可以在用戶(hù)的記錄和反饋中變得越智能。這也是為什么亞馬遜35%的營(yíng)收來(lái)自于推薦類(lèi)目，而這也是Netflix 75%的內容流量都是基于推薦的原因。

在Jawbone，Rogati和她的團隊正在致力于通過(guò)利用數據整合來(lái)幫助他們的手環(huán)用戶(hù)運動(dòng)更多，睡得更長(cháng)，吃得更健康。他們是怎么做的呢——自動(dòng)檢測鍛煉方式并對其進(jìn)行分類(lèi)，提供飲食建議，幫助智能設備扮演「智能教練」的角色——讓你比平常多喝三杯水，多走1000步，或者讓你早睡10min。

“那些還是基于個(gè)人的層級，而當這些事情開(kāi)始進(jìn)入規?；瘜用娴臅r(shí)候，事情就變得真正有趣起來(lái)了?！盧ogati說(shuō)道，“如果足夠數量的人們在同一時(shí)間做這件事，我們就可以感知App里鼓勵的聲音還是鉆頭的聲音更讓人們積極回應。我們可以發(fā)現人們在跟他人合作或分享時(shí)更能得到激勵——比如讓大家一起跑滿(mǎn)100miles或者彼此競爭?！?/p>

如果我們沒(méi)做錯的話(huà)，所有的數據科學(xué)就隱藏在這些場(chǎng)景背后。它無(wú)關(guān)圖表或者曲線(xiàn)，它關(guān)于個(gè)人體驗的深度解讀。

所以，從哪里開(kāi)始呢？

從數據開(kāi)始的數據產(chǎn)品

在你能夠開(kāi)始分析、建立一個(gè)推薦系統、或者訓練機器學(xué)習之前，你需要先剖析一些基礎數據。Rogati說(shuō)，“這個(gè)目標不僅僅在于數據量之大上，更重要的是數據的廣度?！边@意味著(zhù)你應該盡可能多地記錄你應用上的登錄數據，因為有些數據可能會(huì )永遠丟失。

Rogati舉例說(shuō)，“僅僅記錄一個(gè)用戶(hù)對某個(gè)產(chǎn)品推薦的一次點(diǎn)擊是遠遠不夠的。你必須知道被推薦的項目是什么、其他推薦列表，以及這個(gè)推薦項目在屏幕上的位置?！蹦惚仨氂涗浵逻@次你的算法版本、參數以及那些展示在用戶(hù)面前的字符。因為所有這些信息會(huì )在幾個(gè)月后，你做產(chǎn)品迭代的時(shí)候用到。

可靠的數據流

如果你沒(méi)有一個(gè)可靠的數據流，那么最好的機器學(xué)習算法和最好的儀器也做不出無(wú)米之炊。如果你忽視了一些事件，如果你基礎設備沒(méi)有強大的容錯能力，那你費力研究的數據可能就是錯誤的。Rogati說(shuō)，數據流的確可能存在問(wèn)題，但是它對你的數據產(chǎn)品更為重要。

只有當你把數據反饋給用戶(hù)的時(shí)候，數據流被破壞的后果才會(huì )顯現出來(lái)。因為你沒(méi)有根據數據提出好的建議，就可能讓你因此而失去一個(gè)用戶(hù)或者一筆交易?；蛘咭驗殄e誤的數據流備份，你的應用就可能因為失去用戶(hù)的信任而崩潰。

簡(jiǎn)練的數據— —快速迭代

有很多文章寫(xiě)到了有關(guān)如何清理數據的爭吵?！皵祿?zhuān)家們花了80%的事件來(lái)清理數據”，這個(gè)論點(diǎn)我們已經(jīng)在他們的報告里面聽(tīng)得耳朵都起繭子了。其實(shí)應該是數據專(zhuān)家花了80%的時(shí)間來(lái)抱怨他們需要清理數據。而Rogati，則希望數據專(zhuān)家們能夠更“享受”清理數據的過(guò)程。

其實(shí)清理數據就是一整套數據準備的過(guò)程，畢竟數據可不會(huì )在你腳下乖乖把自己準備好。好的數據準備就像一份偵探的工作，他需要你的直覺(jué)、經(jīng)驗、智慧，以及腳踏實(shí)地。

Rogati說(shuō)，“其實(shí)你的付出是值得的。因為相比于你選擇一套怎樣的算法，數據準備可以在更靠前的位置，也會(huì )對你的結果產(chǎn)生更重要的影響?！?/p>

而真正的挑戰在于，數據出錯的可能性千變萬(wàn)化，你不可能全部都能預見(jiàn)到。對此，補救的方法其實(shí)就是快速迭代。

這是一個(gè)良性閉環(huán)

從數據產(chǎn)品和傳統的分析策略來(lái)看，用戶(hù)體驗是這個(gè)難題中的最關(guān)鍵的一環(huán)。無(wú)論你的數據在后端是如何有序簡(jiǎn)潔，你還是需要擁有一個(gè)良好的用戶(hù)界面。這意味著(zhù)你需要有一個(gè)不用痛苦冗長(cháng)的摸索，不學(xué)就會(huì )的操作方式。為了能夠最大限度的利用數據以及從中提煉有創(chuàng )造力的觀(guān)點(diǎn)，每一個(gè)人都需要對這個(gè)事情本身懷有充足的好感。所以說(shuō)，一個(gè)寫(xiě)慘了的用戶(hù)界面就是未來(lái)打臉的一記重拳。

對數據產(chǎn)品而言，用戶(hù)體驗就是一個(gè)門(mén)檻級的因素?！坝脩?hù)交互體驗必須要流暢、直接，最好貼近用戶(hù)自身的本能。要知道你的用戶(hù)可能一幫是隨時(shí)會(huì )誤解你，隨時(shí)會(huì )點(diǎn)到錯誤的按鈕上，或者隨時(shí)有著(zhù)奇奇怪怪不可預測的心理預期的人們?！?/p>

超凡的用戶(hù)體驗和偉大的數據，才是使得產(chǎn)品「智能化」的根本。

對數據產(chǎn)品來(lái)說(shuō)會(huì )有正反兩面，而這兩面會(huì )相互作用產(chǎn)生一個(gè)良性的反饋循環(huán)。說(shuō)白了，在現實(shí)生活中，你需要的是可以無(wú)縫滲入各種生活場(chǎng)景中的、非常易用好用的軟件和硬件，這樣才能夠獲取到更大規模和更高質(zhì)量的數據。

Rogati從自身的案例出發(fā)舉了一個(gè)生動(dòng)例子：比如你現在在用Jawbone的app在記錄你的用餐信息，「快速自動(dòng)補全」這個(gè)功能就變得非常重要。記錄信息越快速，記錄行動(dòng)產(chǎn)生的才可能越頻繁，進(jìn)而Jawbone才有可能獲取更多連續性、穩定的高質(zhì)量數據。如果能夠馬上自動(dòng)補全人們的想法，就可以有效避免很多因為錯誤拼寫(xiě)、概念誤用而產(chǎn)生的無(wú)效數據?！?/p>

回到上文提到的良性循環(huán)當中，我們會(huì )發(fā)現當我們積累了越來(lái)越多的高質(zhì)量數據的時(shí)候，類(lèi)似自動(dòng)補全的智能功能也可以相應的運行地越來(lái)越快速、穩定——這就是流暢和驚喜的用戶(hù)體驗的來(lái)源?！斑@就是為什么最好的數據產(chǎn)品都是需要穩定的數據流、快速迭代，以及嚴密明晰的反饋閉環(huán)——所有在服務(wù)層面上的更好的用戶(hù)體驗，都會(huì )最終落在「真正智能」的最終期盼上?！?/p>