笔趣阁

手机浏览器扫描二维码访问

05 智能商业的特征 向精准升维（第2页）

说到这里，解决精确问题的关键，又回到了如何才能构建协同网络上。伴随淘宝10多年一路走来，我们有了以下心得和体会。

降低准入门槛，扩大生态容量

要想构建协同网络，首先要能够通过赋能降低门槛，让原来不存在的供给者进入，这样才能极大地扩大生态容量，才有可能改变原来的格局。

在旧体制里改革，从来都是一件很难的事情。既然存量难改，那么你能做的只有增量改革。当增量达到一定程度后，新的东西才能把旧的东西囊括进去。

最早的淘宝，我们戏称它是“边缘人群卖边缘商品”。那时候只有找不到工作的大学生和下岗工人，才会到批发市场批发一些东西，将其放到网上来卖，而这些人在传统商业模式中根本无足轻重。渐渐地，这些人靠着自己的勤奋和新技术，“吃螃蟹”一般做出了示范效应后，才让一些稍微有点钱、有点能力的人愿意加入其中，就这样一棒一棒地传了下去。因此，我一直认为，低门槛是非常重要的一个竞争手段，越大的生态越需要低的门槛，这样才能保证足够的容量。

以协同为核心的不断演化

淘宝是怎么变成平台的？答案不是淘宝去发展关系，而是大家之间发生了关系。除了最开始的买家与卖家，绝大部分角色都不是我们按计划设计出来的。比如，从“窄带”到“宽带”之后，出现了模特需求，于是有一批人当起了网店模特；随后有一部分没有货源的卖家提供运营服务，于是就出现了名为“代运营商”的新物种；渐渐大家发现对快递服务的要求越来越高，于是就出现了几家来自桐庐小镇的快递公司……像这样的例子，还有很多很多。

新物种是不断演化的过程，是以协同为核心，让网络不断扩张的过程，这一点在中国非常特别。而在美国，因为传统商业极其发达，每个环节的效率都很高，所以电子商务很难在整体上重构美国的商业版图。

准确：数据智能的背后，是商业逻辑的根本改变

在展开讲“准”这个概念之前，我们先要对当前时代的宏观背景有个准确的认知：我们这个时代，已经从短缺经济变成了过剩经济。其实早在20世纪90年代，美国就已出现物质极大丰富的现象，绝大部分的商品都处于过剩状态。中国在赶超了40年之后，近几年也出现了产能严重过剩的情况，大部分标准化产品的竞争都无比激烈，因为标准化产品的市场已经饱和了。未来竞争的核心，将从满足显性的标准化需求变成挖掘潜在的个性化需求。

这是一个根本性的差别。在传统工业时代的逻辑下，广告和标准化的生产是相匹配的，先有标准化的产品，然后通过广告去激发需求，再通过渠道把这个激发的需求与产品匹配起来。进入互联网时代之后，我们能够做的是更好地挖掘潜在需求，而不是用标准化的服务去满足某种被广告激发的需求，这就回到了我们本节的关键词——准。

“准”指的是准确，而这只有通过智能化才能实现。依靠牛顿经典力学为代表的现代科学所发展起来的工业时代，是追求确定性的时代。在那个时代，人的信仰是科学能够发现一切规律，依靠规律就可以将一切事情做得准确。最近50年，随着量子物理和计算机科学的发展，新时代最大的特点就是开始接受不确定性，尝试用统计的方法来逼近准确性。所谓的机器学习和人工智能，就是先从一个非常粗糙的目标开始，逐步迭代优化，最后可以达到非常准确的高度。

谷歌翻译的准确率可以从一开始的40%，仅仅利用几年时间就达到很高的水平，就是因为它拥有了和工业时代完全不一样的思路。谷歌翻译是用统计、概率、学习、反馈来逼近精确，向越来越准确的最终目标前进。它要求“活”数据，而不是一般意义上的“大”数据。只有量是不够的，数据必须和业务完整地融合在一起，在此基础上有模型和算法，还要有云计算和大计算能力支撑海量数据处理。这就是未来商业真正比拼能力的地方，能否做到更加准确，这是商业逻辑的根本变化。

到了现在，如果还用工业时代的逻辑，三年计划一个产品，然后希望这个产品在未来某个时刻能打中人的需求，这样的概率几乎为零，没有任何准确性可言。所以，未来服务的准确度是去挖掘潜在的需求，我们要用一套全新的方法论去指导这种思考。而这个方法论想要变成一套完整的运营体系、业务流程，就需要拥有一个互联网化的支撑系统，才能提供更加准确的服务。

那接下来的关键问题就是：如何挖掘潜在需求，才能实现最高效率？

如果让人和一个个用户不断地进行互动，看他们到底想要什么，这是一种成本很高的方法。就像做所谓的定制化服装一样，要人跟人之间发生很多次的反复互动才能达到目的，性价比非常低。如果这种场景想要普遍化，最终还是要靠我们讲到的数据智能。你先要建立起一个有效的产品通道，将商家跟潜在的客户联结起来，再通过各种各样的方法去试探客户的反馈。最终双方动态的匹配形成某个时间节点的最优服务，而这个服务又会随着用户的需求不断演化。

想要完成这个目标，唯一的方法是通过持续的互动进行产品的迭代和优化，光靠人力注定无法完成，背后需要数据智能引擎的支撑。只有用机器决策取代人力决策，才能在足够短的时间内快速学习、提升和逼近可能的潜在需求，这样得出的判断才是准确的。用工业时代的思想无法企及准确这一高度，只有用数据时代的思想，人们才能用渐进的方法来快速迭代、试探。其实这种试探是双方的，只有经过多次的摸索、互动，最后才能找到一个当时足够满意的服务。

既然要靠试探和摸索，那便离不开数据智能的自我学习能力。在这方面，淘宝的经验或许能为你提供帮助。

在线记录数据

淘宝提供在线购物服务，用户所有浏览和购买行为自然就被记录了下来，这不是额外的动作，而是业务的自然过程，是记录数据而非收集数据。

收集所有的数据

淘宝不仅能够记录买家的购买数据和浏览数据，就连买家在两个浏览行为之间停顿多少时间这样微小的行为都会一一记录。这些数据的价值在当下或许不会得到体现，但在将来的某一天也许能够对你产生极大的帮助。先大范围地收集数据，数据的具体价值留待将来慢慢发现，这也是一种很不同的思路。

要想做到以上两点，就要把一切业务在线化、软件化，这是与ERP平台的根本差别所在。ERP是将管理行为固化，通过最佳实践的软件化传播来提升管理效率；而未来需要的是要将业务行为软件化表现出来。人能够通过潜意识对用户的一个线下行为进行预测，但无法让机器通过学习加以掌握。只有当你把业务的全部流程都用软件方式表现出来，并让其在线化之后，接下来的一切才有了开始的可能性。所谓机器智能，就是用最笨的方法做出最聪明的结果，这是第一步。

我们之前讨论过淘宝的网红店铺，为了追求在线实时业务流，很大一部分的网红店铺都在重写业务流程软件系统，抛弃了过去常用的ERP平台。在线化会带来庞大的数据流，在掌握了用户的全部数据之后，再使用预测反馈校正的方法指导业务决策。从这个角度讲，数据就是决策，而不是数据支持决策。智能化的第二步一定是自动化，就是直接让机器做决策。

用户在淘宝的搜索框中输入一个关键词，或者点击某个地方会出现什么内容，这些事情都是机器直接决定的。也许有人会产生这样的疑问：“我怎么知道机器做得好还是不好？”其实这就是模型、算法、反馈要改进的过程。一定要将决策数据化才能够加以持续优化。在优化的过程中，服务会逐步变得精准和智能。如果你的核心业务没有在线化、自动化、数据化，你就没有开始智能化的过程。请记住，“离线动物”是无法和“在线动物”较量的，因为“在线动物”有很多工具可供使用，这根本就不是一个量级上的竞争。

最后还有一个问题需要解决，那就是怎样才能快速进行智能化服务。关于这个问题，前面的不同章节都有涉及，这里再强调三点，希望能够对你有所启发。

数据化往往是一个很昂贵的过程

问一下自己，你是否有足够的创造性，能够找到一种适合你的方法完成数据的初始化？这一点非常重要。如果你能够用足够低的成本、在足够短的时间内，掌握足够大的数据量，你的胜出概率将大为提升。在互联网时代，谁能够找到有创意的数据化方法，谁就具有重要的竞争优势，也就能真正融入未来的智能商业中去。

只有上线，才能迭代优化

不上线就没有用户反馈，就不知道往哪个方向优化，迭代便无从谈起。这两年有一个很好的例子——特斯拉自动驾驶。在全世界范围内，有数量庞大的特斯拉电动车在路上飞驰，特斯拉公司自然能够收集到大量的数据进行优化，这是智能商业非常重要的一个方向。

用机器学习的逻辑贯穿整个业务过程

还有一个问题需要问问你自己：针对一个足够大的问题，你能否找到新的算法来挖掘数据背后的洞察？千万别小看这个问题，要知道，算法创新具备极大的实用价值。谷歌正是凭借两个别出心裁的算法，支撑起了自己5000亿美元的市值。再举个简单的例子，未来一定会出现某种算法，让餐厅实现按收费最大化的目标来安排订位。但在这个算法没被人发现之前，大家就享受不到这样的服务。换句话说，这是未来餐饮业的商机所在，相信无数有心人正摩拳擦掌，打算凭借自己的力量打下全新的商业版图。