数据柔术(5)

主观意识

另一个值得探讨的是主观意识。用户对结果会有什么感受呢?LinkedIn的一个功能,是给用户推荐10个工作。一个问题是,用户会特别在意不好的推荐。如果其中9个是对口的一个不对口,用户会觉得产品做得不好。一个坏的体验就毁了一连串好的体验。又如果,在5个网页中,我们连续给出了49个好的结果,但第50个很不合理,用户依然觉得不爽。虽然比起不合理的结果出现在开头,这样要稍好一些,但不爽还是会有,而且难以弥补。通常我们的目标是给出很多不错的,夹杂几个极好的,而没有一个不好的。

故事还没完。你甚至不知道用户会对那些结果不爽。以下是两组工作推荐。第一组三个工作都在加州,两个是data scientists, 一个是research scientist。第二组五个都是data scientist, 其中三个在湾区,一个在纽约,一个在明尼苏达(按:威武我大明州!)

哪个因素更重要?工作,还是地点,还是头衔?用户看到一个工作推荐,完全对口,但要他搬去明尼苏达,会不会觉得很不爽?或者一份完全适合的工作,但用户渴望头衔里有“senior”它却没有,又会如何?你不会知道,而对推荐引擎来讲,这也是很难的问题。

推荐其他用户

用数据柔术的思维处理这类问题,我们东搭西搭,搭到社会系统去,借力打力。我们不直接将推荐发给用户,而是发给用户的朋友,让他的朋友转给他。试想一下,我的朋友Mike给我转来一个工作推荐。我瞄了一眼,觉得不好。接着,可能会发生以下两种情形之一:

1.我会认为,是Mike的不好。

2.我会试图理解,Mike为什么给我发这个工作。可能是旁观者清,我有一些特点他看到了我却没看到,也可能他对这公司有较多了解。

在很短的时间内,系统会因为不好的推荐得到反馈。然后系统会改善,减低推荐的“杀错率”。一个小小的转弯,化解了一个大难题。这类“奇技淫巧”是解决难题的一把利器。

问,就会有收获

我们总是限制自己在给定的数据里头。但若操作得当,你可以让用户给你更多有用的、高质量的数据。例如,你想建一个餐厅推荐的服务。你会问用户他的邮编。但如果你同时问他工作地点的邮编,你的信息就丰富起来了。你不但可以给他推荐两个地点附近的餐厅,还可以推测用户的上下班交通路线,从而推荐路上的餐厅。这样你给用户创造了更多价值,提高了推荐的多样性。

根据数据柔术的思维,推测上下班交通路线似乎不是初期该做的事情。你希望用最简单的办法将事做成。但问用户拿更多的数据,给了你更多的可能性,去建造更有力更有价值的产品。

要留意一点:别只知道问用户拿数据。你要告诉用户你为什么要这些数据。告诉他们你是用来给他们创造价值,而不是滥用,才能放下他们的戒心。重点是要记住,你是在跟用户交流,而并非让他们填一张长长的表。

为失败预留空间

正如我们所见,数据产品可能因为“杀错率”和“放过率”之间的矛盾产生的问题而失败。开发产品的时候,要假设它会失败。开发的时候,做好设计,即使产品失败了,你依然可以得到用户使用的经验。

有两个数据产品,是用户体验的绝好例子。一个是索尼的AIBO(机器人宠物),一个是IVR,类似航空公司自动电话回复的系统。

先看看AIBO。是一个精致的数据产品。它利用身上的感应器搜集信息,训练模型,然后作出反应。当你看到他摔倒了,或者做一些傻事,例如走到墙边走不下去了就使劲地撞墙,你会怎么想?你会踢他?咒骂他?不会。你会将它捡起来,帮它度过难关。在他失灵的时候你尽力去帮他。再想想,如果是一个端热咖啡的机器人,洒你一身咖啡的时候,你会怎么样?你可以生气到踢它,咒骂它。为什么会这么不同?根源在于产品的定位。将机器人做成一个宠物,索尼降低了你的期望值。你已经作好了原谅这个产品犯错的心理准备。

再来看看IVR系统。也是一个精致的数据产品。它试图理解你的问题,并导向正确的人给你回答。这并不简单。当你打给这个系统时,你第一个动作会是什么?如果是语音启动的,你会说“技术员”。如果不灵,或者试试“代理”或者“客服代表”。(我怀疑你甚至会对着话筒大喊“人类”)你还可能在电话上按0.有没有试过在整个过程以后,都依然感觉不错?感觉更多的,恐怕是挫败。

区别在哪?IVR系统是将一个正常过程变得麻烦(至少在用户的眼中是如此),限制了它解决问题的能力。而且,你没有办法驾驭这个系统。用户会觉得在跟一个自以为聪明的机器打交道,而机器总是跟他过不去。有人会说,这就是设计的目的。增加一些麻烦,减少用户跟客服代表的互动。但用户的感受是沮丧的。

为了让数据产品更容易成功,你要设定好用户的期望值。AIBO的期望值比较低:用户只要求它可爱。回到工作推荐系统。用数据柔术的思维,我们将适合用户的工作推荐发给他的朋友而不是本人,这样避免了一个看上去很聪明的系统,从而避免了用户对它的怨恨。让用户的朋友帮忙过滤,我们用人类做了推荐系统的挡箭牌。

一个设计数据产品的侧面,常常被人轻视,那就是用完以后的感受。用户会觉得好吗?觉得自己有了更多权力吗?还是有了更多的沮丧和无力感呢?类似AIBO的产品,或者将工作推荐发给用户的朋友,就是为了提高用后的好感度。

在许多应用里,为了提高用户的好感度,设计者会增加用户对结果的控制,甚至凭空造出一个互动界面来。例如,你开发一个协同推荐系统,系统会不断给出错误推荐。但你可以允许用户告诉你哪些结果不好。方法是在推荐上打叉。

Facebook在广告推荐上用了这个技术。他给了你权力去隐藏该广告,以及告诉他为什么你对这广告不感兴趣。对此的选项,可以从“与我无关”一直到“我感到被冒犯”。这增加了用户的参与感,也给了他们控制权。使用户从厌烦变成有权在手。从广告的被动受害者,变成主动控制者。

将数据柔术用于实际

你可能已经察觉到,数据柔术跟新生公司的某些想法有所类似:数据柔术主张最小而有力的产品,以及最简单而可用的产品。这些想法看似理所当然,但作为工程师,我们常为了将产品做得漂亮,做得功能齐全,做得大型而复杂,而纠结着。Rube Goldberg卡通如此吸引是有道理的。数据柔术就是要对你心里面的Rube Goldberg说不。

最开始我谈及获得干净的数据。再怎么说也难以过分强调它的重要性。任何数据项目中80%的时间都在清洗数据。如果你有办法,让原始数据一直都很干净(例如从邮编获得城市和州的名字),你就轻松不少了。数据从一开始就干净,这优势会在项目的后续步骤中大大体现。

数据柔术很多都是关于产品设计和用户体验。如果你可以将产品设计好,让用户愿意容忍它的错误(例如AIBO机器狗,或者LinkedIn的工作推荐引擎),你就领先很多了。如果你还能让用户帮你忙,那就领先好几个层次了。你让你的产品更加吸引,并为很多技术难题找到捷径。

数据产品开发的关键,是将产品放在第一位,数据放在第二位。换个说法,数据是一个工具,让你的产品受到用户关注。无论开发什么产品,你都要问三个问题:

  1. 我想让用户从中获得什么。
  2. 我想让用户拿这个产品做什么。
  3. 用户在使用过程中和使用以后,感受是什么。

如果你的产品成功了,你会有很多时间去玩复杂的机器学习算法,大型云计算,或者林林总总的其他东西。数据柔术不是封死你玩这些的路,而是给你一个好的开始,让你有机会可以玩这些。

 

 

廣告

發表迴響

在下方填入你的資料或按右方圖示以社群網站登入:

WordPress.com Logo

您的留言將使用 WordPress.com 帳號。 登出 / 變更 )

Twitter picture

您的留言將使用 Twitter 帳號。 登出 / 變更 )

Facebook照片

您的留言將使用 Facebook 帳號。 登出 / 變更 )

Google+ photo

您的留言將使用 Google+ 帳號。 登出 / 變更 )

連結到 %s

%d 位部落客按了讚: