My Secret Rainbow

人工智能如何重构商业模式？以3.0电商拼多多为例！

一. 背景综述

商家在淘宝上开店卖货给消费者构成了淘宝上有三方，商家，用户和淘宝平台。淘宝平台产生了划分商品的互联网系列专有名词：诸如品类、SKU/SPU等等。

凡是有SKU概念的平台几乎可以定义为传统电商平台或者叫做电商2.0平台。

电商3.0是不以品类来划分的，3.0平台是以实时计算和神经网络为底层驱动的货找人平台。

笔者同时也在谋划电商4.0的内容，有个同学说将来电商4.0可能是“人”即“场”，场实时近人所在社区的状态，对于此笔者另有看法。

本文先讲电商3.0，人工智能重构商业模式，下面以拼多多为例。

二. 人工智能团队

拼多多的高管团队成员大多是IT工程师出身，创始人及CEO黄峥、独立董事陆奇，以及联合创始人兼CTO陈磊，他们都有着强大的人工智能技术背景，拼多多极其重视并且持续大幅增加技术研发投入，2019年Q4及全年财报显示，2019年拼多多研发费用高达38.7亿元，较2018年同比增长247%，研发费用占收入比重为12.8%，远高于互联网行业平均水平，该部分投入主要为人才、算法，以及系统等无形资产的建设。可见，拼多多是一家在人工智能领域具有领先优势，以技术为核心驱动的公司，通过人工智能算法持续提升产品推广及匹配的精准度，其背后关于人工智能重构商业模式匹配性的机理值得深入挖掘。

三. 人工智能的前提数据化产品结构

拼多多的产品数据结构主要是围绕“人-货-场”的重塑，通过用户“人”，重构“货”，提供在“当地”“场”上的人的新需求。

“人”的数据结构图如下：

“人”是拼多多数据结构的第一个维度，拼多多的“人”有三个概念，其一是中心化的具体用户，其二是社会群体的人，其三是场景化的人。

另外“人”有主题，参与的用户和被需求牵引的用户，及个性化标签中的人和用户画像用户特征场景中的人。

以上这些“人”，是通过怎么样的模式实现的呢？主要有以下这些方法，通过低价拼团且降低拼团的难度，一两人即可成团，拼团成功非常容易，团购的商品性价比非常高，这样降低了用户参与的门槛，用户非常轻松参与其中。

“货”的数据结构图如下：

“货”的目的不仅仅是用来满足用户的物理需求，随着物质的丰富，货要能更多的是能从精神层面满足用户，这个时候的产品数据结构第二个维度“货”，就要具备24小时✖️7随时在线且是能够满足用户精神和物质两种需求的货。

物质层面的货容易理解，但是这点也是拼多多的核心竞争力之一，精神层面上例如通过与拼团者交友，及推荐好友等等实现更高频的互动，实现购物者的乐趣。

“场”的数据结构图如下：

场是第三个数据维度，场提供了货找人的机会和可能，场的数据来自场景，什么场景？什么时间？推荐不同的货实现一人千面。

四. 人工智能重构“人”“货”“场”

重构“人”

人工智能使得用户中心化、社群化和场景化！

上图中的用户即为人，“人”即用户，也是顾客、消费者及买家等概念的统称，从图中可见人工智能对“人”的重构旨在刻画用户特征，通过深度学习模型对用户人口统计学、社交网络、过往浏览行为等大量数据计算得到用户偏好等关键信息，是个性化推荐算法在用户层面的输入。

人工智能通过中心化、社群化和场景化重构“人”，中心化是社群化的基础，社群化是场景化的支撑，场景化又进一步增强中心化，以此刻画用户特征。

人工智能通过神经网络的运算重构了一个新“人”，这个人是抽象的数字化的用户。

重构“货”

人工智能使得产品在线化、精准化和情感化。

上图“货”即产品，也是商品、信息及服务等概念的统称，人工智能对“货”的重构旨在丰富产品属性，通过深度学习模型对产品基本描述、使用情境、相关评价等大量数据计算得到产品适配等关键信息，是个性化推荐算法在产品层面的输入。

人工智能通过在线化、精准化和情感化重构“货”，在线化是精准化的前提，精准化是情感化的保障，情感化又进一步改善在线化，以此丰富产品属性。

重构“场”

人工智能使得人货的匹配方式由“物以类聚”转变为“人以群分”，匹配程度由“千人一面”转变为“一人千面”，在重构过的场景里实现千人万面。

上图中“场”即人货匹配，人工智能对“场”的重构旨在实现多元化场景下用户特征和产品属性的精准对接，具体地，根据个性化推荐算法在用户和产品层面的输入信息，基于内容的推荐算法：

①通过寻求用户特征以及产品属性的相似交集实现用户和产品精准匹配，基于协同过滤的推荐算法；

②通过寻求相似用户以及相似产品的关联规则实现用户和产品精准匹配，同时，匹配结果也作为输入信息用于深度学习模型和个性化推荐算法的反馈循环和迭代优化。

在这个过程中，发现式购物取代了搜索式购物，故人工智能对“人”、“货”的改变重塑了“场”，使得人货匹配路径由“人找货”转变为“货找人”，其中，“人找货”以“货”为中心，是指用户借助互联网的便捷性，通过企业门户网站、导航页、搜索引擎等渠道，触达无差异化的目标产品、信息或服务的人货匹配路径，其人货匹配的底层逻辑为商品主导逻辑；“货找人”以“人”为中心，是指产品、信息或服务基于人工智能技术，根据用户不同的需求场景，通过社交关系网等渠道适时个性化推送至目标用户的人货匹配路径，其人货匹配的底层逻辑为服务主导逻辑。

基于人工智能对“人”和“货”的重构，“场”突出了多元化场景下用户特征和产品属性的精准对接，使得人货匹配路径由“人找货”转变为“货找人”，其特征差异表现为匹配方式由“物以类聚”转变为“人以群分”，匹配程度由“千人一面”转变为“一人千面”。

五. 人工智能重构电商3.0的商业模式

传统电商主要是商品主导，用户通过搜索找商品，商家上传的SKU越多越能满足用户的需求，用户越会搜索越能发现新奇的满足自己的需求的商品。传统电商即不直接销售商品，而是把所有商品及商家信息汇聚在平台上，通过搜索框让用户自行寻找并购买需要的商品，并且通过将首页和搜索后的好位置卖给商家以获取广告费，所以淘宝上商家对淘宝平台来说也是淘宝的客户。不过这个客户的具体表现形式是货。

作为3.0的新电商平台，拼多多改变了传统电商物以类聚、搜索式的购物，采取“人以群分”的服务主导逻辑，正如黄峥所言，“拼多多是错位竞争，争夺的是用户的不同场景。”拼多多用匹配场景代替传统的搜索场景，并个性化推荐商品给用户，故在拼多多App里，搜索框并不显眼，主要是由大数据和人工智能深度学习模型了解用户的场景化需求，从而进行商品的个性化匹配和推荐，提升购物体验。

人工智能重构的商业模式如下图：

人工智能重构后的新商业模式虽然SKU有限，但满足结构性丰富，并把海量流量汇集到有限商品里，以打造爆款商品，形成规模之后再反向定制：

一方面，用户可以低价买到特定商品；

另一方面，虽然商品价格低，但订单量大，薄利多销。

例如：拼多多通过“人以群分”积累的大数据，将每个用户的个性化需求汇集为每个产品的计划性需求，然后找到具备品控能力、规模供应能力和服务能力的相应商家，让商家根据用户需求个性化生产，去掉商品生产与流通环节中几乎所有的中间费用，提供给广大用户最大的实惠，做到了便宜有好货，长此以往对商家也极有意义，比如减少SKU，只做2到3个爆品，则采购原材料更具规模优势、更能抵抗价格波动风险，生产线也会更加稳定，规模化产能也能最大化减少库存、引爆消费，还能够帮助商家在拼多多平台形成品牌，这也是拼多多打造“拼工厂”的意义所在。

六. 人工智能使新商业模式“活”起来的启发

人工智能的本质是智能，不是数据。单纯的数据没有意义，换句话说人工智能需要的不仅仅是数据，更多的是智能，智能需要的不仅仅有算法，还有在用户购物过程中有无逛的体验？用户在购物过程中能否顺道发现到心目中想找但是一直没有找到的商品。

商业模式“活”起来是突破数据缺少的限制，突破SKU越多越好的怪圈，在人工智能神经网络的作用机制下每件商品在未生产以前已经带有了消费者的体验设计。

所以未来：

线下零售门店售卖的不仅仅是商品，更是提早设计商品的实验室！

线上3.0电商平台售卖的不是商品，是网络社交、情感归属和当地场景的包围！

小结：本文以人工智能为工具，讲述了人工智能重构“人”“货”“场”的作用。人工智能一方面从用户特征里提早了解到“人”的显性和隐性需求进而重构了“货”，另外一方面将3.0的货提早送达人工智能重构的“场”，完成“货”的物理价值到情感价值升华。

 

原文：https://mp.weixin.qq.com/s/kv6oe2SVs7xjlrVU9GuKpA