精华内容
下载资源
问答
  • 外汇黄金白银MT4超强一键下单,用过不后悔,非常好用
  • 一般都认为,亚马逊的成功要归功于它鼎鼎大名的“一键下单”功能,但“一键下单”的背后,还需要一个成单量极高的智能推荐系统,来驱动消费者不停地在亚马逊上“买!买!买!”。这就是用户点击分析、机器学习和个性化...


    一般都认为,亚马逊的成功要归功于它鼎鼎大名的“一键下单”功能,但“一键下单”的背后,还需要一个成单量极高的智能推荐系统,来驱动消费者不停地在亚马逊上“买!买!买!”。这就是用户点击分析、机器学习和个性化推荐的综合力量。本文的目的,正是回顾亚马逊这个以成单率著称的个性化推荐系统的发展历程


    本文作者是2003年那篇“久经考验”的亚马逊推荐系统论文的作者,他们在这里分享的是这篇经典论文发布后的新发现与新见解。如果你想阅读这篇经典论文,请在公众号会话回复“亚马逊”,即可获得完整论文。


    作者 | Brent Smith,Greg Linden

    编译 | AI100(rgznai100)

    参与 | Reason_W,波波


    二十年来,亚马逊已经为每位顾客建立了一个个性化的商城。每个来到亚马逊的人看到的都不一样,因为它会根据顾客的兴趣个性化生成。就好像你进了一家商店,货架会开始重新排列,把你可能想要的移动到前排,你不太可能感兴趣的排列到远处。


    尽管其目录中有数百万种物品,亚马逊的推荐功能会根据您当前的资料和您以前的行为挑选您可能喜欢的一小部分产品进行推荐。算法不是魔术,它们只是与你分享其他人已经发现的东西。算法会完成所有的工作,当然也需要电脑来帮助那些设计算法的人一起实现这些事。


    亚马逊在1998年推出了基于项目的协同过滤算法,使得推荐系统能够以一种前所未见的规模处理数百万商品并为数百万的顾客提供服务。


    自从2003年我们在IEEE Internet Computing中公开了该算法后,它已经在网络上得到了广泛的使用,包括YouTube、Netflix等。该算法的成功来自于其简单性、可扩展性,经常令人惊讶但却十分有用的推荐结果,以及互联网计算所需要的属性,例如可以根据有关客户的新信息进行即时更新,并能够用一种容易理解的方式解释它为什么以某种方式推荐某些内容。


    2003年IEEE Internet Computing发表的文章所描述的内容一直面临着很多挑战,这么多年过去也已经有了很多的发展。在这里,我们会介绍基于项目的协同过滤算法的一些更新,改进和改编,并提供了我们对于协同过滤,推荐系统和个性化的未来发展的看法。


    算法


    正如我们在2003年描述的那样,基于项目的协同过滤算法是直接的。 在20世纪90年代中期,协同过滤通常是基于用户的,这意味着该算法的第一步是先搜索其他用户以找到具有类似兴趣的人(例如类似的购买模式),然后查看那些类似用户已经发现而你还没有发现的内容。 不同的是,我们的算法从寻找目录中的每个商品的相关商品开始。 “相关”这个术语在这里可以有几个含义,但是在这里,我们将它简单地定义为“购买一件商品的人非常有可能购买另一件商品”。因此,对于每个商品i1,我们想要找到的商品i2应该是那些购买i1的人购买频率非常高的商品。


    一旦构建了相关的商品列表,我们可以快速生成推荐的商品以备用户进一步查询。对于每件商品,它和该客户当前的资料和以前的兴趣点有关,我们都会查找和它相关的商品,将它们组合以产生最有可能的兴趣商品,过滤掉已经看到或购买的项目,然后将保留下来的商品推荐给用户。


    该算法相对于旧的基于用户的协同过滤具有许多优点。最重要的一点是,大部分计算是离线完成的——包括相关商品的批量构建,推荐的计算步骤可以实时完成以进行一系列查找。这些推荐不仅高质量而且有用,特别是在给定足够的数据时。即使是和过去二十年中新提出的算法进行比较,在明显可以感觉出来的推荐质量方面仍然保持着足够的竞争。该算法可扩展到数千万商品和数亿用户,而无需借助采样或其他会降低推荐质量的技术。它可以即时更新有关个人兴趣的新信息。最后,直观的说,推荐系统可以解释成根据客户放到购物车里的商品列表进行推荐。


    经受时间的考验
    作为IEEE Internet Computing 20年出版物的一部分,我向编辑委员会推荐了我们从我们的杂志中挑选的一篇文章,在过去20年中,它经受住了“时间的考验”。在选择文章时,我们对二十年来被称为“常青”研究领域的20多篇候选文章的观点进行了评价,然后根据IEEE Xplore的下载,引用和流行媒体中提及的工作,对这些文章进行了评定。该信息被提交到了由以前的杂志编辑组成的委员会。感谢由Arun Iyengar领导的编委会选拔委员会,包括Fred Douglis,Robert Filman,Michael Huhns,Charles Petrie,Michael Rabinovich和Munindar Singh。本委员会通过对每项工作内容以前和未来的重要性进行评估,评选出了排名前三的文章。
    我很高兴能够认识委员会的官方“时间考验”获奖者:2003年1月/ 2月,由Greg Linden,Brent Smith和Jeremy York发表的一篇名为“亚马逊推荐系统:商品到商品的协作过滤”的工业界的文章,(发行IC(见doi:10.1109 / MIC.2003.1167344))。现在距这篇文章发表已经过去十四年了,它在IEEE Xplore的月下载量达到125次,2011年1月以来的下载量超过12,754次。文章目前在Google学术报告中引用达4,258次。我很高兴选拔委员会推荐了一篇工业界的文章,因为它符合杂志在学术,研究和工业人群中的无障碍的宗旨。
    除了对这篇文章表示肯定之外,我们还要求作者写下这篇回顾性的论文,讨论一下他们从发表这篇获奖的“时间考验”文章之后发现的研究和见解,同时展望未来。
    展望未来,这本杂志希望每2-3年评选一次“历经时间考验”的文章。我希望你喜欢这篇回顾性文章,请花点时间祝贺格雷格·林登,布伦特·史密斯和杰里米·约克。
    - 布莱恩·布莱克
    IEEE Internet Computing总编辑
    德累斯顿大学教授和杰出教授


    2003年:Amazon.com、Netflix、YouTube等


    当我们在2003年把文章发布到IEEE的时候,基于项目的协同过滤已经被广泛地应用到亚马逊官网上。主页会根据您的购买记录和在商店浏览过的商品,突出地显示推荐商品。搜索结果页面会推荐与您的搜索相关的商品。购物车会推荐您可能已经在考虑要补充到购物车里的商品,或者某些您可能在下单前最后一分钟才突然想到要购买的商品。在完成订单时,会出现更多推荐,提示一些您以后可能会订购的商品。亚马逊网站上的许多页面,包括使用电子邮件,浏览页面,产品详细信息页面等,都会有一些推荐的内容,来尝试建立每个客户的个性化商店。


    其他不少网站也使用了该算法。 2010年,YouTube被报道使用它来进行视频推荐。许多开源代码和第三方供应商也都包含了该算法,并在网络零售,旅游,新闻,广告等领域进行了广泛应用。在以后的几年中,推荐系统被亚马逊广泛使用,一份微软的研究报告估计亚马逊30%的网页浏览量都来自于推荐系统。同样,Netflix也在非常广泛地使用推荐系统,其首席产品官Neil Hunt表示,Netflix上用户80%以上的电影都是通过推荐系统看到的,其推荐系统每年产生的价值超过10亿美元。


    当我们一开始开发基于项目的协同过滤算法时,亚马逊官网主要是一个书店。此后,亚马逊的销售额已经增长了百倍以上,销售范围已经不限于书籍,扩大到了非媒体类的商品,笔记本电脑、女装等。这种扩张对我们原始算法中的许多假设都造成了挑战,需要算法适应新的和不断变化的环境。通过经验,我们找到了改进算法的方法来为许多新的应用程序提供更相关的建议。


    关于推荐系统和协同过滤的一些观点
    作为一名博士生,我的工作使用定制推荐技术和协同过滤来选择把工作分配给互联网上的哪些外包人员。这期文章对我来说特别有意义。协同过滤是一种通过利用其他类似用户的体验,针对用户兴趣定制生成推荐来个性化用户体验的技术。传统上,该技术用于电子商务平台,通过将有针对性的推荐转换为购买来提升销售量. 这项技术比全面投放广告获得了更好的结果,能够更有针对性地定制个人用户的购买体验。尽管算法取得了这么大的成功,但是仍存在两个主要挑战:实时可扩展性和推荐质量。这些问题直接影响用户的个人体验,或者说,使用该技术的平台的成功。
    作为首先要考虑的问题,可扩展性受到当今廉价和不断发展的存储和计算能力的影响。这些都导致了压倒性数量的数据的生成和收集。不幸的是,算法(包括传统的协同过滤)在实时或在线模式下处理这一新数据量的能力还没有得到发展。为了解决可扩展性的问题,研究人员采用了各种技术来以结构化的方式减少数据集。这些方法包括用户抽样,由物品分类驱动的数据分区,以及过滤高频或低频项目以将其他项目放到推荐列表的顶部。这些办法在寻求可扩展性问题的同时,也会影响到推荐的质量;这直接影响我们关心的第二个问题。
    鉴于这些问题,研究界和从业者有义务制定一种可以在不牺牲推荐质量的情况下获得可扩展性的优势的方法。基于项目的协同过滤是目前最成功的方法。在主要的如亚马逊等大型电子商务平台中,其算法的持续性成功也显而易见。它通过用户的购买历史或商品评价进行推荐,将它们与已建立的指标进行类似的项目配对,最后组成类似商品的列表作为推荐。与以用户为中心的手段采用的减少数据集的技术相反,这种方法是以项目为中心,大大减少了评估的数据空间。正如IEEE Internet Computing的“历经时间考验的文章”和其他相关的工作所说,这种数据空间缩减可以达到其原始大小的三个数量级。以项目为中心,它克服了传统方法中用户数据稀疏的问题(这种方法在很大程度上有助于克服不必要的评估)。它也克服了与其个人资料相关联的重度用户大量数据的的密度问题。
    基于项目的协同过滤仍然需要离线处理来配对相似的项目。通过离线预处理信息,基于项目的协同过滤可以在在线模式中实时生成推荐列表。这样可以为用户提供简单,快速,更个性化的推荐。与整个数据集中的其他项目相反,类似的项目列表是针对用户的购买或评级历史的一组光滑子集。它也克服了具有稀疏历史的新用户和轻度用户的挑战,因为类似的项目列表侧重于用户的历史,而不是其他用户的历史。这种技术更有效率,但对推荐质量没有任何不利影响;因此,它仍然是实时,在线协同过滤和推荐算法的首选技术。
    — Julian Jarrett
    PhD Student, Computer Science, Drexel University


    定义“相关”商品


    推荐的质量在很大程度上取决于我们所谓的“相关”。例如,假设您购买了X,我们所谓的“非常可能”购买物品Y是什么意思?当我们观察到用户购买了X和Y时,我们可能会想知道如果这两个商品是无关的,有多少X买家会随机购买Y。推荐系统最终是统计性质的应用。人们的行为信息充满了噪声,我们的挑战就是要在随机事件中发现有用的模式。


    估计购买X和Y的用户数量的一种方式是假设普通X的买家有相同的概率购买Y, ,同时将作为对购买X和Y的客户期望数量的估计。我们2003年发表的论文以及2003年以前的大部分工作都使用了类似的计算。


    然而,有一个有趣的事实是,对于几乎任何两个X和Y商品,算法结果是购买X的客户都比一般人更有可能购买Y。怎么会这样呢?想象有一个重度买家,购买了目录中的所有商品。当我们寻找所有购买X的客户时,该客户肯定会被选中。同样, 1,000次购买记录的客户被选中的概率将比只有20次购买记录的人高约50倍;随机抽样购买记录并不能让所选的客户保持均匀的分布。所以我们有一个有偏样本。对于任何项目X,购买X的客户都将比一般顾客更有可能购买其他商品。


    这种客户购买记录的不均匀分布意味着我们在试图估计预期随机购买Y商品的X买家数量时,不能忽视X买家。我们认为对有很多机会购买Y商品的客户进行建模是有用的。例如,对于有20次购买操作的客户,我们将这20次操作中的每一次都作为一个独立购买Y的记录。


    更正式地,对于购买X的指定客户c(由c∈X表示),我们可以估计c购买Y的概率为1-(1-PY)|C|,其中| c |是根据c和 或任意随机选择的购买商品为Y的概率得出的不购买X的顾客。然后,我们可以通过对所有X买家进行求和并使用扩展二项式来计算X买方中预期购买Y商品的买方的数量(见下图)。

    http://mmbiz.qpic.cn/mmbiz_jpg/BnSNEaficFAaNVTErvpF0mhPFSlbY7REZY7nR0PPYianUZSAdZM0iahIwjDbwbU7erKHAafYibvmjYDkgLueAMJlmQ/640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy=1


    根据X买家购买Y的多个可能推导预期购买X和Y项目的用户数量。


    我们可以将EXY作为PY中的多项式写入,其系数完全依赖于X。实际计算的时候,PY很小,因此可以用有界k进行近似逼近。此外,可以预先计算所有商品的PY和αk(X),然后可以通过预先计算的值的简单组合对EXY进行近似。


    通过这种鲁棒的方法计算EXY的值,我们可以用它来评估观察到的买入X和Y的客户数量NXY是高于还是低于随机预期。例如,NXY-EXY给出了非随机同现数量的估计值, 给出了与预期随机同现的差的百分比。这些是创建相似性评分函数S(X,Y)以观察和预计购买X和Y的用户数量的两个示例。第一个,NXY-EXY将偏向流行的Y,比如《哈利波特》这本书,所以推荐结果可能被认为是太明显或无关紧要。第二个,[NXY-EXY] / EXY,这让低销量商品很容易得到高的分数,所以推荐结果可能被认为是模糊的和随机的,特别是大量不受欢迎的商品。相关性评分需要在人气这方面和不受欢迎的商品的分配规则这方面之间取得平衡。卡方积分是一个保持这种平衡的例子。


    相关性评分函数还有其他一些选择和参数可以考虑,并从相关商品中得到建议。我们的经验是,没有一个得分可以在所有设置中都能奏效。最终,明显可以感觉到的质量才是对推荐结果的判断;当人们发现推荐有用时它才有用


    机器学习和可控的在线实验可以了解用户实际喜欢的内容,挑选最佳参数以便提供具体的使用建议。
    我们不仅可以衡量哪些推荐是有效的,而且还可以提供关于人们喜欢、点击的推荐商品的反馈信息,整合进我们的算法中,了解到底是什么帮助客户最多。


    例如,兼容性是一个重要的因素。我们可能会观察到,购买特定数码相机的客户非常喜欢购买某种存储卡,但这并不能保证该存储卡适用于该相机。客户购买存储卡有很多原因,我们观察到的相关性可能是随机的。事实上,亚马逊的商品目录中有成千上万的存储卡,其中许多都是与相机随机相关的。许多电子商务网站使用一个手工制作的兼容性知识库,这维护起来不仅昂贵而且容易出错,特别是对亚马逊这样的数据规模来说。我们发现,给定足够的数据和关于商品相关性的鲁棒指标,兼容性可能在人们的行为中体现出来,结果是虚假信号失效,真正适合的商品显现出来。


    奇怪的是,我们发现由数据引起并由客户自己发现的相关商品也可以很特殊。考虑一下人们浏览的物品与他们购买的物品,对于书籍来说,音乐和其他低成本商品,人们倾向于浏览和购买相同的东西。对于许多价格较高的物品,特别是对于非媒体类的商品,人们浏览的和他们购买的商品可能截然不同。例如,人们倾向于浏览许多电视机,但只能购买一台电视机。他们在浏览电视机的时候看的东西往往是其他电视机。但他们购买的东西往往会成为购买特定电视机(如蓝光播放器和壁挂式显示器)后为了增强使用体验的补充。


    时间的重要性


    了解时间的作用对于提高推荐的质量很重要。例如,当计算相关商品表时,一次购买与另一次购买的相关性在很大程度上取决于它们在时间上的接近程度。如果客户在购买一本书后五个月购买了另一本书,与客户在同一天购买了这本书的相关性相比,相关性就更弱。时间的方向性也是有帮助的。例如,客户倾向于在购买相机之后购买存储卡,而不是相反,这可能是一个很好的提示,当有人购买存储卡后,我们不应该再推荐相机。有时,物品是按顺序购买的,如书籍,电影或系列电视剧,推荐应该是下一步要做的事情。


    亚马逊的商品目录在不断变化。每天都会有成千上万的新物品到达,有很多其他的商品过时。这个周期在某些类别中尤其明显。例如,服装有季节性潮流,消费电子技术创新迅速。新商品可能处于不利地位,因为他们没有足够的数据与其他商品产生很强的相关性。这被称为冷启动问题,通常需要一个探索/开发的过程来给尚未有机会的商品提供一个被展示的机会。诸如新闻或社交媒体帖子之类的时效性项目是一种特别具有挑战性的冷启动形式,通常需要使用基于内容的算法(学科,话题和文字)与基于行为的算法(使用购买,观看或评级)混合数据。


    用户也有一个生命周期,并且会经历他们自己的冷启动问题。当我们对新用户的兴趣信息非常有限时,想要知道为他们推荐什么商品一直是个问题。什么时候利用有限的信息,什么时候使用普遍受欢迎的商品来确保推荐结果的稳定是一个很容易出错的微妙转换。


    即使对于老客户,正确地对时间建模也对推荐的质量有很大的影响。随着年龄的增长,以前的购买行为与客户当前兴趣的相关性会逐渐变弱。这种情况很复杂,因为这种相关性针对不同类型的商品会以不同的速率衰减。例如,一些购买 - 例如在大海上航行的手册 - 可能表明持久的长期兴趣。其他如洗碗机修理工具,在用户过完周末的活动之后,可能变的并不相关。甚至有一些购买,如婴儿摇铃,推荐结果必须改变很长一段时间;四年后,我们应该推荐平衡自行车和书籍,而不是婴儿奶瓶和牙胶。一些商品,如书籍,通常只买一次;其他商品,如牙膏,两次购买的时间间隔具有相当的可预测性。


    我们可以做出的推荐的质量不仅取决于过去购买的时间,而且取决于购买的商品。我们发现买一本书可以反映出客户的很多兴趣,让我们推荐几十个高度相关的商品。但是,非媒体类商品中的许多购买行为都只反映一点点客户的兴趣。从购买订书机的行为中可以得到什么信息?买一双袜子可以做出什么令人惊奇和有见地的推荐?推荐给用户胶带分配器或更多的内衣在现在可能有帮助,但长期来看却是很乏味的推荐。因此,我们必须开发算法来学习哪些购买行为会导致有用的推荐,那些时候应该忽略某些那些购买行为。


    最后,各种推荐的重要性是众所周知的;有时最好给出各种相关的商品,而不是一个有限的目标清单。 亚马逊有许多类型的产品,会产生大量的目录,这种广泛性也产生了一个独特的挑战,在单一产品类别的商店(如书店)中未见到。例如,向重度读者推荐更多书籍可能会导致把书卖出去,但是通过发现他们在另一个产品系列中从未考虑过的商品,人们的长期受益反而会增加。即时意图也是多样性的一个因素。当顾客明确寻求具体的内容时,推荐应该精准化,以帮助他们快速找到所需要的内容。但是,当意图不明确或不确定时,推荐的目标应该变成探索性的和意外的发现。在建议的多样性中找到适当的平衡,需要大量的实验和长期进行优化。


    未来:无处不在的“推荐”


    推荐系统的未来是什么我们相信在我们面前有大量的机会都将超越我们。想象一下未来的智能互动服务,在里面购物会像谈话一样容易。


    这超出了现在我们还要在搜索框中键入关键字再跳转到目标网页的框架。使用推荐系统应该像与一个了解你的朋友聊天一样,他知道你喜欢什么,会和你一起工作,并预计你的需要。


    这是一个智慧无处不在的愿景。你的每一次和推荐系统的互动都应该反映出你是谁,喜欢什么,帮助你找到和你类似的人已经发现的东西。当你看到一些显然不是你的东西时,它应该感到空虚和悲哀;你现在不认识我吗?


    要实现这一点,需要一种全新的方法来设计推荐系统,不应该再有推荐特征和推荐引擎。相反,理解你,其他人和可用的信息应该是每次互动的一部分。


    推荐系统和个性化就生活在我们在世界各地创造的数据之海中,包括我们寻找的,我们发现的,以及我们所爱的东西。我们相信未来的推荐系统将进一步建立在利用集体人力智能的智能计算机算法上。未来将继续属于帮助研究人员实现算法造福别人的电脑。


    二十年来,亚马逊向数以百万计的客户推出了数百万商品的建议,帮助人们发现自己可能找不到的内容。从那时起,原始的算法已经扩散到大部分的网页上,被改编为帮助人们观看视频或者阅读新闻的算法,受到其他算法和其他技术的挑战,并被修改以改善其多样性和发现,近因,敏感性或商品顺序,以及许多其他问题。由于其简单性,可扩展性,可解释性,适应性和相对高质量的推荐结果,基于项目的协同过滤仍然是当今最流行的推荐算法之一。


    然而,该领域仍然是非常开放的。为每位用户的构建个性化的体验仍是一个没有完全实现的愿景。大量的改变需要被智慧地和个性化地添加到每个系统的每一部分中,创造出一种看起来像一个知道你,你喜欢什么,以及其他人喜欢什么的朋友的体验,并了解你们有什么选择。推荐的本质是发现,用他们帮助你发现的东西为你提供惊喜和喜悦。每次互动都应该是一次推荐。


    作者

    Brent Smith已经为亚马逊的个性化推荐系统工作了17年,一直在领导这场面向消费者的快速创新革命。他是加州大学圣地亚哥分校的数学学士、华盛顿大学的数学硕士。他的邮箱是smithbr@amazon.com。


    Greg Linden如今是微软的数据科学家了。发表那篇经典论文的时候,他是在亚马逊,随后又去过Google和其他几家创业公司。他此前的工作多集中在推荐系统、个性化、人工智能、搜索和广告方面。Linden是华盛顿大学的计算机硕士、斯坦福大学MBA。他的邮箱是glinden@gmail.com。


    原文地址


    展开全文
  • 一键下单MT4插件

    热门讨论 2013-09-17 21:38:57
    本来这是某些平台特有的下单插件,这里提取出来给会员免费使用。 功能就是为了手工快速下单,实话说,用起来比看起来还爽! [注意]插件只能用于小数点后为4或2位的MT4平台
  • 一键下单:杰夫·贝佐斯与亚马逊的崛起》—— 读后总结  这本书讲述了亚马逊的成长历史以及杰夫·贝佐斯的创业生涯,从基金公司到亚马逊书店,从在线书店到万货商店,从云计算到蓝色起源,...

    《一键下单:杰夫·贝佐斯与亚马逊的崛起》—— 读后总结

      这本书讲述了亚马逊的成长历史以及杰夫·贝佐斯的创业生涯,从基金公司到亚马逊书店,从在线书店到万货商店,从云计算到蓝色起源,了解贝佐斯的故事,也能发现他成功的秘密。

    第一 痴迷于顾客

      贝佐斯一直以顾客为首要的考虑对象,他自己也时刻接收顾客发送的邮件,有时候会督促下属解决顾客问题。曾经有一家类似京东的自主配送在线商店,由于一直以顾客为目标,贝佐斯十分看重这家公司,最终在收购后,仍然保留公司的工作习惯和氛围,这是很不容易的。贝佐斯还说过,“我们不能让迎来的顾客,因为系统问题流失”。

      如此顾客至上的想法,又怎么会做不好产品。

      第一个现实中的场景,就是用户的操作、易用性。

      平时工作的时候,经常会听到易用性、用户习惯、顾客至上等等说法,但是其实开发的时候如果自己去设计UI、设计处理逻辑,很多程序员都会陷入技术至上的泥沼,无法自拔。因为用到了某种流行的技术,而忽略了是不是用户需要的;因为想到了某种奇特的功能,而不考虑是不是用户要使用的,就添加进去。结果就导致整个产品杂乱不堪。

      另外一个问题,就是用户的反馈。

      很多公司开发产品都会有反馈的邮箱,但是有些其实根本就不读的,有的也是敷衍了事。我记得第一次试用XX脑图的时候,改用了IE的浏览器,结果界面直接崩溃,我就直接给他们的邮箱反馈了这个消息,他们建议我更换浏览器,这种还算是比较舒服的,大多数时候提出的反馈都杳无音讯。自己所在的部门也有这种问题,很多缺陷或者需要支持的东西,都被推来推去,第一是没有人去做,第二就是对于维护原有的东西有心无力、有力无心。

     

    (顾客至上,贴心服务最重要)

     

    第二 坚持不懈

      对于这点,亚马逊就是很现实的例子。在线书店最开始几年是不盈利的,很长的时间公司做的都是在改善和吸引用户。几年后网站稳定才开始宣布盈利,后期随着业务的扩展盈利的手段也就多了。

      这让我想到了目前的状况,老大分配的任务明码标价,直接就把期限和营业额给限定了。

      对于大型的公司来说,肯定不会把金钱投入到没有盈利机会的方向。但是创新或者变革,不是说想几个点子,砸人砸钱就能摇身一变成为互联网大佬的。这期间需要一个循序渐进的过程,一方面了解市场的需求,一方面看清市场的竞争,即适应市场的变化,也能快速为产品做到改进和改善。产品基本功能还没有完成,市场定位还没有清晰,就着急赚钱,最后只能变成一锤子买卖的外包。这些问题,经验丰富的老大们肯定不会想不到,但是身为领导者看重的可能更多是公司的利益,而不是以一个产品负责人的角度,去经营这个产品。

      因此,最后衡量的指标不是说产品在行业有多少的影响力,而是它最后能带来多少钱——也许,这就是现实与理想的差距。

    第三 专注于长远目标

      贝佐斯小的时候就有一个太空梦,在亚马逊业务稳定,收入不菲的时候,他创立了蓝色起源公司,用于开发太空船推进系统后期变成了逃生系统。对于太空项目来说,这个肯定是一个长期的投入,也许十年几十年才能看到结果,但这也是对梦想的追求吧。

      最开始贝佐斯选择在线书店创业,也不是说他是书迷,虽然小的时候确实看过不少的书,但是还没有到达以书为生的地步。只是看中了这个行业,抓住了这个机会,而且在短时间内占据了市场。后期也有不少的书店类的公司成立,但最后也都没什么起色。贝佐斯抓住了书籍这个行业,最终也打败了两大实体书商——巴诺和博德斯。

    第四 创新与挑战

      拥有稳定的业务和收入,也不能保持公司的发展,很有可能被一次经济危机击垮。所以在稳定的主干业务基础上,还要积极的创新,迎接新的挑战。

      亚马逊通过收购的手段,吸收了不少的先进技术,也在在线书店的基础上开拓了很多的业务。

      最开始亚马逊只是一个在线书店,后期发展成了类似淘宝的模式,可以引进个人店铺,依靠收取交易费用盈利。后期又开拓了云应用,到了现在亚马逊在云计算也是领军人物。而在07年kindle的推出更是冲击了图书行业,而这个产品也是经过几年的研发才发布出的。

      每个公司都需要不断的创新,就像一棵树,在主干茁壮的基础上枝叶健康的成长,才能成为一颗茂盛的树。主干营养萎缩,即便是枝叶繁茂,最终也会夭折;类似的,如果仅仅是主干粗壮没什么枝叶,也就是一根柱子而已。

      公司需要挑战和创新,个人也是一样。

    posted @ 2015-09-19 09:38 xingoo 阅读(...) 评论(...) 编辑 收藏
    展开全文
  • 虽然无屏交互在 Alexa 中也曾应用,但它的语音购物为人们所诟病,比如,它只能做到一键购物,购买之前买过的东西,此外,由于屏幕交互的时候是一目十行,速度上明显要快于语音交互,“尤其在音响上用纯语音购物,...

    “我坚定的不看好智能音响作为语音的入口,Echo 自己也不看好,要不然干嘛推出 Echo Show?” 蓦然认知联合创始人龚思颖反问道。

    在她看来,现在语音入口的设备,包括电视、手表和眼镜,最终的形态现在依然没有定论。但她坚信的一点是,要让语音真正落地,成为被用户所接纳的最常用交互方式,最终要解决的是用户头部需求。 

    “不论是查天气还是查时间,都非头部需求,这些需求只是一种测试语音助手基础功能的最基本条目,而衣食住行是用户的基本需求,沟通需求也是用户的基本需求。许多专注语音的团队都将目标定位在家居、车载等方向上是有道理的,比如在车载环境下,打电话、发短信就是头部需求,而在家居场景下打电话和发短信就没有那么重要了,起码在电视上没那么被需要了。在衣食住行场景下,分别对应着不同需求:语音购物、点餐、订餐馆、订酒店、预订出行飞机票以及景点门票,都是大众的生活服务需求。”她说。

    在此基础上,龚思颖告诉雷锋网,最近,蓦然认知做出了第一个语音对话购物服务,用户可以通过对话实现订咖啡、订外卖、购买电影票以及一系列多维度的购物需求。

    “我们 9 月 15 日开了一个大 Party,所有的闭环研发人员都有参加,大家围在电视旁用对话买买买,订了晚餐和夜宵,还有周末电影票。本身做闭环的小哥一边演示一边接受询问,产品和测试当场也记下来一些产品改进意见和 Bug 。语音对话闭环就是在不断调试、测试中成长起来的,解决的都是头部需求。 ”

    不过,不同于诸如 Magic 这种助理型产品,MOR 全部以 AI 语音交互完成服务,全程无人工干预。据其介绍,其可规模化程度高,运营成本低。

    现有的服务闭环是基于屏幕的手触操作,在手触之外扩展了语音对话的交互,可以满足用户在更多生活场景下、不同需求下的交互方式。以订咖啡为例,只需说上一句“给我订一杯拿铁”,MOR 就可以将咖啡送达到用户手上,如果你有“加奶不加糖”的需求,也只需要再说一句需求即可。当然,语音交互还能实现多硬件移植,没有屏幕也可以实现交互。

    不过,GUI 与 VUI 结合才能为用户带来更好的体验。 虽然无屏交互在 Alexa 中也曾应用,但它的语音购物为人们所诟病,比如,它只能做到一键购物,购买之前买过的东西,此外,由于屏幕交互的时候是一目十行,速度上明显要快于语音交互,“尤其在音响上用纯语音购物,这种方式就已经被行业认定为是一个失败的案例。”龚思颖说道。

    因此,之后的 Echo 则变成以屏幕交互和语音交互相结合,在最近暴风发布的新一代 AI 电视里的语音对话购物与此类似,而它在语义理解部分的技术方案由蓦然认知提供。

    不过,GUI 跟 VUI 的结合也面临一些挑战,最难的还是同步问题,但蓦然认知目前也有自己的解决方案去做进一步优化。

    “因为中间的语音理解、语义理解就已经很难了,然后你把 VUI 做完之后,它有时不能快速告诉用户想要的结果,你也只能够以语音对话的方式交互。但这样,有的时候我就是觉得我按一下更快,那这个时候就叫 GUI”,如果只做 GUI,就跟传统的方式没有任何区别,龚思颖向雷锋网(公众号:雷锋网)解释说 。

    还有一点是要改变用户传统的 GUI 方式,改变用户习惯是一件循序渐进的事,他们要做的就是让语音交互成为主导,从而增加用户黏性。

    除了上述问题,龚思颖向雷锋网表示,就上下文对话的语义理解这项技术而言,在整个行业里都是一个难点,“95% 以上的(AI)公司都会被排除在外”,她的隐含意思很明显,另外的 5% 必然有蓦然认知一席之地。其次,如果要解决衣食住行这些庞杂的头部需求,就要有一个强大的知识图谱来支撑,此外,因为要接不同的服务,“系统就要有一套快速可移植的对话模型,而不只是像以前单纯的写规则。”

    作为一家在商业模式和市场拥有清晰定位的创业公司,龚思颖表示,蓦然认知今年依然还是瞄准智能车载和智能家居行业,他们在智能车载中的产品在逐渐落地,在未来,他们会继续将语音与生活服务结合在一起,更好的完善语音对话购物。MOR 也会集成于汽车、家居等硬件设备上,为用户提供人机对话及决策服务,打造一个可快速移植、实时学习、多场景融合的对话交互及决策系统。



    本文作者:王金许
    本文转自雷锋网禁止二次转载,原文链接
    展开全文
  • 至今已经17年整; 老老实实写了17年代码,经历了“程序员只能吃青春饭,到了30岁必须转行”的尴尬,也经历了“因为爱(代码)所以爱(写代码)”的个人喜好; 跌跌撞撞来到40岁,不论生活如何残酷,对代码的情怀始终...

    在这里插入图片描述

    俺从2004年开始入行,从asp写到c++、.net、java、ruby、PHP、object-c、单片机;至今已经17年整。

    老老实实写了17年代码,经历了“程序员只能吃青春饭,到了30岁必须转行”的尴尬,也经历了“因为爱(代码)所以爱(写代码)”的个人喜好。

    跌跌撞撞来到40岁,不论生活如何残酷,对代码的情怀始终难以放下;即使在创业倒闭,欠下高利贷的日子,也不曾放弃过奉献了青春的代码行业。

    生活投俺以残酷的现实,俺不曾后悔更不曾放弃。

    但万万没有想到的是,生活没有让俺倒下,舆论却让俺不得不面对现实,一直在思考一个问题:程序员要想有饭吃,到了40岁就必须改行吗?

    事情是这样的,俺受人之托,一个人全部使用原生态写了一个出租车一键下单电话叫车软件,该出租车打车软件系统包含乘客公众号端、乘客安卓版APP端、司机安卓版APP端、电话叫车硬件端、PC管理服务端,全部费用仅仅3万元。

    本来以为能满足年轻的乘客通过公众号一键下单叫到出租车,老年的乘客电话叫到出租车,附近的司机能收到通知并接单就完事。

    但是没有想到被同事网上发帖骂代码写的太烂,从此背上了骗子的骂名。

    在这里插入图片描述

    所有流程都能顺利走通、并且已经在几个城市投入使用,但是一直想不通为什么还是骗子?

    下面给大家介绍一下开发出来的功能,如果不信的朋友请尽管联系俺,俺给您发演示版验证俺说的话的真假。

    已经开发出的出租车电召软件的乘客端的功能如下:

    一、电话叫出租车、一键下单叫出租车、语音叫出租车、指定目的地叫出租车、替人叫出租车、预约叫出租车、乘客充值。

    在这里插入图片描述

    二、优惠券发放与使用。

    三、现金付出租车打车费、优惠券抵扣出租车打车费、充值余额付出租车打车费、积分抵扣付出租车打车费、线上付出租车打车费。

    四、分享邀请好友使用;邀请好友使用返利。

    五、出租车订单管理:订单取消、订单评价、订单投诉。

    六、下单前可见附近有多少出租车空车。

    七、下单后可见通知了多少出租车司机,有多少人抢单、多少人拒绝。

    八、下单后3分钟内重复呼叫多次出租车司机。

    在这里插入图片描述

    九、出租车司机接单后可以看到出租车司机的车牌号、车辆类型、接单次数、服务分、评价分、电话号码。

    十、出租车司机起身来出发地时,可以看到出租车司机车辆的所在位置和行车路径。

    十一、出租车司机到达出发地时,可看到出租车司机已经到达信息并开始等待。

    十二、在未上出租车之前,皆可取消订单;上出租车后司机按照要求开往目的地。

    十三、在行车途中,可以看到出租车行驶所花费的时间、距离、费用,同时开始行程录音。

    十四、到达目的地后,APP系统上传行程录音;出租车司机推送账单。

    十五、双方互评结束此次用车。

    在这里插入图片描述

    已经开发出的出租车电召软件的司机端的功能如下:

    一、出租车资格行驶证、驾照申请认证,申请的结果会以短信和APP站内信息以及语音的方式通知出租车司机。

    二、服务分管理,每天超过限定取消次数取消操作扣相应服务分;被乘客APP投诉、电话投诉扣除一定服务分;服务分达不到及格分数不能收到平台推送订单。

    在这里插入图片描述

    四、在线时长管理,每天统计出租车司机在线时长。

    五、当日所有订单统计,查看当日该城市的所有出租车订单,每条订单均显示状态,无人接单或哪个出租车司机接单。

    六、当日订单统计,显示该出租车司机当天的所有已接、已取消、进行中的订单。

    七、邀请好友分享,可以邀请乘客入驻,也可以邀请出租车司机入驻。

    在这里插入图片描述

    八、邀请好友返利统计,显示出所邀请进来的好友的打出租车记录和金额。

    九、当天收入统计,显示该出租车司机当天所获得的收入明细。

    十、上下班打卡,出租车司机每天上下班时需要打卡,平台只向打卡上班的出租车司机进行订单推送。

    十一、接单范围设置,在平台接单范围的基础上,可以再增加出租车接单的公里数。

    十二、充值续费,出租车司机可以每一单的提成收取平台服务费,也可以按照包月来收取平台服务费,在即将到期前三天,每次出租车司机打卡上班时均会语音提醒继续充值。

    十三、接单管理:如果乘客通过一键下单叫出租车,该出发点附近的出租车司机能收到推送通知,在语音报单的前提下,还能以弹屏的方式显示该订单信息;包括乘客在哪里上车,距离出租车司机多远距离;如果恰逢此时出租车司机在开车未听清此订单信息,APP系统会在3分钟内循环播报此订单信息,如果在语音播报的同时又来一条新订单,APP系统会等待正在进行中的语音播报结束后才开始下一条语音的播报;直到出租车司机点击接单、忽略或订单被别的司机接单或乘客取消。

    在这里插入图片描述

    十四、如果乘客通过电话或语音下单叫出租车,该出发点附近的出租车司机能收到推送通知,在语音报单的前提下,还能以弹屏的方式显示该订单信息;此时仅仅播放乘客的电话或语音录音在哪里上车,出租车司机可以根据自己距离乘客的距离来决定是否接单;如果恰逢此时出租车司机在开车未听清此订单信息,APP系统会在3分钟内循环播报此订单信息,如果在语音播报的同时又来一条新订单,APP系统会等待正在进行中的语音播报结束后才开始下一条语音的播报;直到出租车司机点击接单、忽略或订单被别的司机接单或乘客取消。

    十五、出租车司机接单后,APP系统会第一时间拨打乘客电话,拨打完乘客电话后,自动进入接乘客的界面;在接乘客期间,如果路不熟悉,可以开启导航前往乘客上车地点;到达乘客上车地点后,出租车司机开始等待乘客上车;乘客上车后,出租车开始行程前往目的地,此过程中,不论是乘客端或是司机端均会显示此次行程目前行驶公里数、花费时间、计价费用;当然,乘客端显示的价格是全价,司机端显示的价格是经过抽成的价格。

    十六、在行程期间,开始行程录音,行程结束后APP系统自动上传行程录音,如果在行程中有过桥过路费的产生,出租车司机可以将此费用添加进去后再向乘客推送账单。

    十七、行程结束后双方互评结束。

    在这里插入图片描述

    十八、出租车司机每天接到单后,可以有免费取消的次数,超过此次数则会被扣除接单服务分。

    已经开发出的出租车电召软件的管理端的功能如下:

    一、出租车司机审批管理,可以设置为每个出租车司机免费使用时长,可以冻结与恢复每个出租车司机账号。

    二、出租车起步价收费标准设置,每天分为白天、夜晚、凌晨三个时间段,不同时间段的起步价不同,收费标准不同。

    十三、出租车司机返程费公里数设置、返程费收费标准设置。

    十四、出租车司机等待时长标准设置,等待费设置。

    十五、出租车公司管理,按照城市归属来添加和管理出租车公司,可以允许一个城市具备多个出租车公司。

    十六、不同收费标准管理,不同地方、不同出租车公司的收费标准可以单独设置。

    十七、出租车订单管理,出租车订单可以强制性结束,可以免金额强制性结束,可以不免金额强制性结束;行程结束后可以监听听行程录音,可以查看行程行驶轨迹。

    十八、统计查询管理,可以单独查询指定出租车指定时间段订单、收入,可以查询指定出租车公司指定时间段订单、收入并导出Excel。

    十九、分享推荐统计查询,可指定出租车司机指定时间段内的分享统计。

    二十、分享推荐打出租车统计查询,可指定出租车司机指定时间段内的分享打出租车统计。

    二十一、服务分标准管理,设置服务分的接单门槛。

    二十二、服务分扣分管理,可以设置允许司机每天免费取消次数,超过此数每次扣多少服务分。

    二十三、差评扣服务分管理,可设置乘客对出租车司机差评扣除服务分标准。

    二十四、APP投诉扣服务分管理,可设置乘客对出租车司机APP投诉扣除服务分标准。

    二十五、人工投诉扣服务分管理,可设置乘客对出租车司机人工投诉扣除服务分标准。

    二十六、人工客服代出租车乘客给指定区域出租车司机下单,搜索指定区域,给该区域的出租车司机下单。

    二十七、人工客服代出租车乘客给指定出租车司机下单,指定出租车司机的手机号,给该出租车司机下单。

    程序员人到中年,写代码虽然不体面、不光彩,但是出于热爱,还是会继续写下去;之前一个英国同事,60岁仍然在写代码,一样活的很快乐。不在于年龄,在于把项目的细节处理到位、把市场的需求踏实落实到位。

    欢迎结识更多的同样大龄程序员朋友,煮酒论代码,把酒话明天。

    展开全文
  • 思达国际下单助手-物流快递信息一键填报 Style Logistic是一家专业的代运公司, 我们拥有多年的经验,拥有...现在通过一键下单助手我们能更好的服务大家,一键下单主要是真对淘宝购买货物的客户。 支持语言:中文 (简体)
  • 闪闪比特币下单助手,帮你一键下单。 近日比特币中国(btcchina.com)非常不稳定,使用该助手,直接通过网站API下单,快速有效,成功率和效率远远超过网页下单。
  • 闪闪比特币下单助手,帮你一键下单。 近来比特币交易量猛增,btcchina的服务器不堪重负,使用网页下单,延时较多,且操作复杂,很容易错失良机,有了闪闪助手,让你下单无忧! v1.2版: 1、新增了最新的行情显示,...
  • 闪闪比特币下单助手,帮你一键下单。 近来比特币交易量猛增,btcchina的服务器不堪重负,使用网页下单,延时较多,且操作复杂,很容易错失良机,有了闪闪助手,让你下单无忧! v1.3版: 1、实时行情修改为每5s刷新...
  • 闪闪比特币下单助手,帮你一键下单。 近来比特币交易量猛增,btcchina的服务器不堪重负,使用网页下单,延时较多,且操作复杂,很容易错失良机,有了闪闪助手,让你下单无忧! v1.4更新: 1、优化了市场深度的显示...
  • 闪闪比特币下单助手,帮你一键下单。 近来比特币交易量猛增,btcchina的服务器不堪重负,使用网页下单,延时较多,且操作复杂,很容易错失良机,有了闪闪助手,让你下单无忧! v1.4更新: 1、优化了市场深度的显示...
  • Buyfom-crx插件

    2021-04-01 16:50:12
    语言:中文 (简体) 一键生成订单自动获取淘宝天猫商品一键下单
  • 现在电商开店,都会习惯的在淘宝、阿里、拼多多拿货、找供应商下单、拿货的代发商还是很多的,拼多多平台是最近新兴起的社交+电商模式的电商平台,... 如何快速在淘宝一键下单呢?商家们在客户下单之后就需要在发货...
  • 功能介绍 快期的速度 快期行情速度和报单、回单速度均高于同类软件 快期支持多种下单模式的组合 其中键盘一键下单、鼠标一键下单、一键平仓、一键撤单改单、一键反手等功能受到广大速度交易者的喜爱 快期很贴心...
  • 淘宝全自动下单——解放双手

    千次阅读 2020-10-22 23:47:11
    家里的卫生纸用的特别快,经常性需要买纸,一次买太多又放不下,双十一囤货省的钱不多,反而是占了家里的地方,所以就考虑设计一个脚本,可以完成一键下单,省去繁琐购买步骤。 我喜欢用卫生纸牌子比较固定,在淘宝...
  • 一键下单 签名及二次签名 调取支付 其它设置 一键下单参数说明,可以参考:[微信支付一键下单](https://pay.weixin.qq.com/wiki/doc/api/app/app.php?chapter=9_1)这里面的坑虽多,比如金额的单位是
  • 汇海导航交易助手.zip

    2020-03-24 00:53:53
    MT4交易助手,支持一键下单,一键平仓,自动止盈止损,移动止损,账户统计,方便快捷。是交易必备的工具。
  • 一键下单市新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义...
  • 跨平台订单同步

    2021-04-09 15:54:43
    店铺平台与采购平台之间的订单同步,涉及一键下单,订单备注,一键发货,利润计算等常用功能,如淘宝到拼多多下单
  • 近日,阿里云云市场正式上线品牌馆频道,用户可在品牌馆一键下单购买使用SAP、用友、神州数码、Array等行业巨头的知名商品。随着云市场的快速发展,230万阿里云用户的巨大潜在收益和全球最强平台交付能力吸引业界...
  • MT4平台脚本

    2011-09-09 09:25:56
    MT4如何可以做到一键平仓?特别是秒杀行情,平不掉,如果可以一键平仓就好了 现在有了 一键成交 一键平仓 一键下单
  • 自动扫描运营商号池号码,筛选分类,便于查找自己心仪的号码,全部免费一键下单! 主要功能: 防频繁功能、多线程扫号、自定义规则、自定义间隔时间、一键全部卡种、一键全国地区、多卡种同时扫号、一键下单、...
  • 有一次淘宝搞活动,有姐妹跟我吐槽,说她在购物车一键下单商品,被淘宝提示最多只能一次下单50个商品,导致一些商品没有抢到……在电商直播系统中,购物车功能是非常常见且重要的基础功能,它负责暂时存放用户感兴趣...
  • 007DAIGOU_GO-crx插件

    2021-04-01 17:16:23
    语言:中文 (繁體) ...007代购网一键下单助手:在淘宝天猫随意逛,看到心仪的商品可以直接一键添加到我们的代购购物车, 然后完成代购,让您的代购更加的方便简单,不再一个一个的复制粘贴网址,省时又省力。
  • 喷绘王软件升级版聚图A6广告喷绘加工制作行业管理系统...一键下单,自动读取图片大小,自定义打印格式,喷绘王软件又一升级力作,最好的广告公司软件,安装简单,一键安装使用,维护方便,下单,对账,送货单打印好帮手
  •  登录甩手小应用----点击淘宝一键下单  进入采购页面---点击导入表格按钮----选择自己电脑上表格存放路径----选择导入文件----点击打开-----提示导入成功---点击确定  点击批量设置按钮----设置采购链接---...

空空如也

空空如也

1 2 3 4 5 ... 15
收藏数 289
精华内容 115
关键字:

一键下单