“現(xiàn)階段成熟的物流體系讓人在中國(guó)的任何一個(gè)地方都很容易擁有一本書(shū)或者一個(gè)產(chǎn)品，但問(wèn)題是如何讓人能找到合適自己的，以及更多豐富多彩的東西?如果只推薦爆款，會(huì)不會(huì)讓人們變得單一?”微軟(亞洲)互聯(lián)網(wǎng)工程院副院長(zhǎng)李笛的這段話或許是微軟“小冰讀書(shū)推薦”存在的原因。

近日，言幾又與微軟(亞洲)互聯(lián)網(wǎng)工程院正式宣布，雙方在AI賦能文化零售產(chǎn)業(yè)展開(kāi)合作。其中，基于大數(shù)據(jù)推薦算法和情感計(jì)算框架的“小冰讀書(shū)推薦”已正式部署完畢，在言幾又廣州K11等實(shí)體店及微信服務(wù)號(hào)正式上線。在近兩個(gè)月的線上驗(yàn)證中，已有數(shù)千讀者通過(guò)微軟小冰的個(gè)性化薦書(shū)找到了心儀的書(shū)籍并下單購(gòu)買。

記者體驗(yàn)

小冰會(huì)問(wèn)兩類問(wèn)題以確定讀者喜好

據(jù)介紹，在一對(duì)一交流中，小冰會(huì)與用戶溝通“學(xué)生時(shí)代喜歡上什么課”“近一年來(lái)最大的收獲”“想去哪里旅游”等話題。通過(guò)對(duì)話引導(dǎo)了解和確認(rèn)讀者的個(gè)性特征、閱讀喜好及當(dāng)前閱讀需求后，結(jié)合對(duì)市面上海量書(shū)籍的學(xué)習(xí)，小冰將為讀者推薦最適合的專屬書(shū)單。

北京青年報(bào)記者掃描言幾又實(shí)體店活動(dòng)二維碼、進(jìn)入言幾又微信服務(wù)號(hào)，體驗(yàn)一下小冰選書(shū)的能力。

記者在和小冰交互過(guò)程中，感受到小冰提出的問(wèn)題大約分成兩類：一類和產(chǎn)品品類相關(guān)，一類是和用戶個(gè)性相關(guān)。和圖書(shū)品類相關(guān)的問(wèn)題大致上和書(shū)店里常見(jiàn)的圖書(shū)種類劃分一致：文學(xué)、社科、科技、生活……還有一些問(wèn)題則是和讀者自身相關(guān)。

“和讀者息息相關(guān)的部分又可以再細(xì)分成兩類：一類問(wèn)題是用戶的身份，比如是初入職場(chǎng)的白領(lǐng)，或者新手爸媽;另一類問(wèn)題是客觀的興趣，比如你是更偏文藝氣息還是更具有科技感。我們會(huì)在有限的8到10輪問(wèn)話當(dāng)中兼顧到這幾類不同的維度，以確保我們對(duì)內(nèi)容有很好的篩選，為讀者做出一個(gè)最適合TA本人的推薦。”微軟(亞洲)互聯(lián)網(wǎng)工程院微軟小冰產(chǎn)品總監(jiān)孫婷告訴記者，“系統(tǒng)在后臺(tái)提供一個(gè)彈性的部分，從結(jié)果上來(lái)看可能是無(wú)關(guān)的問(wèn)題，甚至是比較重復(fù)的，但這個(gè)對(duì)于系統(tǒng)來(lái)講是很重要的?？赡軙?huì)帶來(lái)更合適的結(jié)果。”

小冰優(yōu)勢(shì)

彌補(bǔ)人工不足幫讀者找到合適的書(shū)

為了能成為貼心的“人工智能書(shū)店店員”，小冰進(jìn)行了大量的機(jī)器學(xué)習(xí)以及向真人店員的請(qǐng)教。

在數(shù)據(jù)學(xué)習(xí)的部分，微軟小冰以每本書(shū)的ISBN編號(hào)和書(shū)名等主要標(biāo)簽作為學(xué)習(xí)的基礎(chǔ)，了解了書(shū)名、作者、簡(jiǎn)介、品類，甚至包括讀者相關(guān)的評(píng)論和標(biāo)簽等。在系統(tǒng)學(xué)習(xí)海量圖書(shū)后，當(dāng)言幾又給出書(shū)店在售的圖書(shū)列表之后，小冰就可以根據(jù)運(yùn)算結(jié)果只向用戶推薦該店在售的圖書(shū)。此外，微軟人工智能團(tuán)隊(duì)還采訪了言幾又書(shū)店的店員，以讓小冰補(bǔ)充人類店員的不足。

在孫婷看來(lái)，圖書(shū)銷售目前最大的痛點(diǎn)是讀者不知道看什么書(shū)。“讀者能否找到好書(shū)完全依賴于店員對(duì)這一領(lǐng)域有否了解。但一直滿意的概率很低，因?yàn)槊總€(gè)人都有擅長(zhǎng)的領(lǐng)域和空白的領(lǐng)域。另外，有的書(shū)店把榜單、熱門、暢銷書(shū)籍放在顯眼處，讓顧客參考解決。但這個(gè)辦法并不好。”

而且，通過(guò)店員向顧客推薦，存在不少缺陷：一是店員人數(shù)有限，忙的時(shí)候照顧不過(guò)來(lái)所有顧客，而人工智能店員的優(yōu)勢(shì)恰在可以同時(shí)服務(wù)許多人。二是也有一些主觀原因，“銷售意愿很強(qiáng)的店員會(huì)觀察顧客，在顧客需要時(shí)主動(dòng)上前詢問(wèn)，但同時(shí)也有一些銷售意愿不是很強(qiáng)的店員，書(shū)店對(duì)如何激勵(lì)他們也很頭疼。”孫婷說(shuō)。

行業(yè)反思

流量至上會(huì)失去看豐富內(nèi)容的可能性

還有更深層的問(wèn)題：如果店員的薪酬體系是底薪加推薦機(jī)制，銷售不同的書(shū)提成不同，一本書(shū)提成3元，另一本書(shū)提成10元，店員在推薦圖書(shū)的時(shí)候到底該依據(jù)讀者的需求來(lái)推薦，還是會(huì)為個(gè)人收入做考量呢?“小冰能做到從讓讀者更滿意這個(gè)角度出發(fā)去推薦書(shū)，這在一定程度上能抑制流量為王的發(fā)展趨勢(shì)。”微軟(亞洲)互聯(lián)網(wǎng)工程院副院長(zhǎng)李笛說(shuō)。

時(shí)下，很多互聯(lián)網(wǎng)平臺(tái)選擇用“銷售大數(shù)據(jù)排行”來(lái)為讀者推薦圖書(shū)。這種推薦帶來(lái)暢銷書(shū)的馬太效應(yīng)：好賣的書(shū)被推薦的次數(shù)越來(lái)越多，變成了霸榜的超級(jí)暢銷書(shū)，更多元的小眾的圖書(shū)因?yàn)闆](méi)有機(jī)會(huì)在暢銷榜單露面，永遠(yuǎn)深藏角落。

“傳統(tǒng)零售業(yè)提高零售的方式有三種，榜單、堆頭和促銷，但這三種方式對(duì)書(shū)以及更多的文化領(lǐng)域推薦都沒(méi)有幫助。因?yàn)檫@三個(gè)方式和產(chǎn)品質(zhì)量本身沒(méi)有關(guān)系，和生活品質(zhì)也沒(méi)有關(guān)系，實(shí)際上人們真正被一本書(shū)吸引的原因，是內(nèi)容。”李笛說(shuō)，“在信息爆炸的時(shí)代里，如果不用更好的推薦算法給用戶提供更豐富的選擇，就會(huì)逐漸使人變得狹窄。正如現(xiàn)在一切都是流量至上，所有人都在看某一個(gè)電視劇，這就讓人失去了看其他的可能性，最后造成更大的中心化了，這和互聯(lián)網(wǎng)的原意也是背道而馳的。”