这次双十一，最好玩的是“预测算法”

图片来源@视觉中国

文｜IMS李檬

做过Google和腾讯高管的吴军教授曾抱怨说："临近年底最伤脑筋的事，就是家里没用的东西堆太多。"

中国有"双11"，美国有"黑色星期五"，购物季的冲动之后，很多人家里会堆了一大堆的平时不怎么穿的廉价鞋子、打折衣物和各种便宜货，如果有地方捐出去还好，实在不行也许就扔了。

短暂的购物狂欢之后，是漫长的无聊，以及一堆廉价的、从来不用又舍不得扔的东西。反而，没留下太多空间给一些更美好的记忆。

最后，你可能会感叹："双11"主要是凑热闹的娱乐体验，买东西还是要精致，细水长流。

况且，现在的"双11"要抢到便宜，特别考验你的大脑"算力"。

有人说，网购没一点奥数功底，都不配过"双11"了。

你看，现在"双11"的规则有多么复杂：

1、满XXXX减XXX。

2、疯狂抢X元劵。

3、领取神秘任务，消耗X元劵。

4、抢XXX减XXX。（这个和满XXXX减XXX是不一样的哦~）

5、付定金打X折。

6、付定金不止X折。

7、定金XXX抵XXX元。

8、前XXX名半价、XXX元。（很多人付了定金，却被告知没挤进前XXX名，没法打折）

......

有人据此总结了一个"双11"淘货公式：

你"算力"不够的话，可能会吃亏不少。

同样一件外套，同样的购入渠道，你以半价入手还美滋滋的，身边朋友使用各种劵、各种红包之后到手不到3折。你该怎样悲愤？

毕竟，信息能力在人群中的分布是不均匀的。你的"算力"追得上"双11"的红包吗？

01 一切商业都是娱乐业

永远记住一条："双11"最大的特质不是便宜，而是好玩。一切商业都是娱乐业，越是往后，越是如此。

现今，70后、80后多少还有一点"品牌忠诚度"的概念，90后、00后的喜好则瞬息万变，很难对哪个产品、对哪个品牌保持长久忠诚。

这很好理解，因为越是往后，就越是物质过剩、信息过剩。

今天只要20%的人口就足以生产全世界所需的各种生活品，只要中国开足马力生产，全世界的消费品就都够用了。

诸如旅游、餐饮、体育以及各种生活服务等等"泛娱乐性"职位，消化了欧美国家2/3的就业人口。

人毕竟是有思想的动物，不会满足于吃饱饭就完事了，必须想办法使他们把多余的精力和时间都消耗掉。

而各种娱乐消费、各种红人大V、各种综艺节目、各种热闹和烟火气被制造出来，你快消化不了，时间反而不够用了。

选择太多太多，物质的、信息的，今天的体验很快覆盖昨天的记忆，你越来越难以对哪个品牌、对哪个产品保持忠诚。

但商业还得继续，怎么留住人气呢？

有人问阿里巴巴集团CEO张勇："当年是怎么想出'双11'这个创意的？"

张勇的回答是："想出这个创意，其实是没办法的事，要活着，要坚持下去。不好玩的东西，消费者记不住。于是，就想做一个类似于'黑色星期五'的活动。"

纽约大学传媒系主任尼尔*波兹曼曾经尖锐直言："今天的现实社会，一切观点都渐渐要通过娱乐的方式出现和传播才有效果，这不仅仅是一种技术手段，它已经成了一种文化，甚至是这个时代的精神产物。"

之前特朗普和希拉里的竞选，很多美国人都是看戏的，有多少人关心政治理念、政策主张？

加拿大总理特鲁多、美国总统特朗普、高雄市长韩国瑜，他们赢得选举的核心密码就一条：永远比竞争对手更好玩。

很多世界一流的互联网公司，都想方设法向自身品牌注入更多娱乐属性。

如同因为"双11"，消费者才牢牢记住天猫，因为某个红人大V，消费者才牢牢记住你的产品，起初无非都是因为好玩。

网红产业不断与传统娱乐业的资源进行频繁互动，在全民娱乐的大环境下，网红店主大量出现，电商会成为最持久、最成熟的变现方式。

历年"双11"数据显示，在服装、零食、美妆等领域的一些网红电商，能以一人之力不断颠覆国际大牌，这一趋势仍在向奢侈品、母婴类、旅游类等垂直领域不断拓展。

奈飞(Netflix)则是直接向影视娱乐的原创内容部分，做持久投入。2013年开始陆续推出的经典美剧《纸牌屋》就是打造网红产品的关键一战---- 在用户的心智中，《纸牌屋》几乎与Netflix形成条件反射，想到《纸牌屋》，就本能想到Netflix。

公司高管直言："品牌要结合一个好的故事，加上讲得好、演得好，就足以跨越任何的语言障碍，在用户心中产生持久的共振。"

02 为何你总能被预测

"双11"归根到底是一波娱乐行情，可是，你知道这次"双11"最好玩的是什么吗？

是"预测算法"。

只要数据足够多，卖家就能清楚知道买家的态度，预测、引导买家的购买欲望。

智能商业不断在优化升级， "双11"则是一次集中练兵。

美剧《硅谷》当中有一段台词："Facebook拥有80%的移动社交流量，谷歌拥有92%的搜索流量，亚马逊的云服务份额比第二到第五名的总和还要多。没有人能够赢得了它们。它们跟踪我们的每一步，了解我们生活的每一刻，预测我们会怎么花钱......"

我在之前的文章《4G催生共享经济，5G催生追踪经济》具体谈过"跟踪经济"，现今的"智能预测"更是一次不可避免的加速进化。

几乎所有"双11"的卖家买家，都在贡献数据，这种贡献数据是无界限的，无处不在、无时不有，这是现代商业效率的最大驱动引擎。

你以为现代消费讲究个性化、定制化？你以为自己是一个拥有独立意志的消费个体？

在AI算法、大数据的监控下， "每一个消费者都是可以被预测的"。

以前，平台的数据运营水平还很一般，他们主要靠一些简单的分析方法，利用你我留下的流量和数据。

比如，哪个零售电商APP或网站，"双11"打折震撼到你了，你会进去看看，也可能成为注册用户，从访客到注册用户大约有15%的留存率。怎样提高这个留存率呢？

之前，你可能是靠直觉判断哪里可以改进，但是有了一定的分析能力以后，你可以把从访问到成为注册用户分成几步，分别查看这几步的转化率，哪一步流失最多，就优先在哪一步做优化，不断以效果来引导你的优化。这属于一般化的数据运营。

现今，平台那个"预测算法"的迭代进化，已经非常神奇，这里都难以谈原理了，只谈效果。

比如，Facebook天天都在预测你，核心商业机密就是一套叫做预测算法的东西。

通过这套预测算法，Facebook可以轻易击中那些更容易让你笑、让你感动、让你点赞分享的新鲜事，发掘你的哪些喜好会很快变成购买，甚至引导你和朋友的话题中会嵌入哪些关键词、哪些产品和品牌。

比如，你以为拼多多只会卖便宜货，可是这次"双11"，有人就说很多女性朋友最近发现拼多多给你投了海蓝之谜的广告，男性朋友发现自己收到了茅台酒的广告，还有很多人都收到了iPhone的广告。

为何你总能被预测，广告投放总能与你的想法匹配？

Facebook每年500多亿美金的广告收入，靠的就是那套预测算法。

它的生意做得越好，说明它的预测越精准，说明用户被了解越深。

你我会被"双11"购物季的商业策略融化，归根到底，是我们看到的东西越来越局限于我们喜欢的、我们熟悉的、我们沉迷的。

03 小结

这个智能商业时代，是一个"密集沉淀数据、反复优化预测"的精准过程，同时，粗糙的广告轰炸不断被淘汰出局。

哪怕你我只是"双11"的一个寻常卖家或者买家，但是我想，你我是否需要认真思考自己的参与和所得。

作为买家，为什么机器总能预测对，为什么你总能被机器算法、营销策略引导？

可能你并不完全了解你自己，因为你的生活已经有了惯性，只是你自己没有察觉。你已经被自己的生活惯性牢牢锁定，之后才是被机器算法锁定。

这不是坏事，这是顽固的人性和变化的时代。

作为卖家，为什么你的生意会轻易被机器算法主导？

如果你是一个聪明的卖家，你已没必要担心竞争对手了，因为竞争对手----机器算法无处不在，你担心也没用。

现在，随便一次"双11"的营销策略，就需要足够多的创意素材、足够好的数据支持，诸如视频素材、计划、文案就要匹配足够多的数据。

我见过一个几百员工的区域服装电商，不算大公司、大手笔，一次"双11"营销计划就是几万条子计划，不停测试，实时反馈广告匹配效果，并且给优化调整留了很大余量。

有人认为，"双11"并不只是简单的商家节日促销，更是一次全生态的压力测试。

不管是阿里内部的系统，还是物流快递，以及支付、仓储、供应链，甚至直到最后端的生产，每次节日就像是一次大型练兵，这么多年过后把中国整个的电商水平抬到了非常可怕的程度。

根据湖畔大学教务长曾鸣的表述，智能商业的显著标志除了"低成本实时服务海量用户"、"追踪千人千面的个性化需求（不同用户看到的页面和推荐完全不同）"，更重要是，可以智能学习、预测用户行为，实时跟踪、快速自我更新。

面对智能商业的高效精准，传统商业会变得不堪一击。

但是，智能商业不仅仅是那些机器算法、那些智能技术，更关键是你的干法----你要学会陪用户一起玩。

比如维基百科，它的创造并不是很多专业权威人士在一个命令下共同编辑，它是这个世界上的一些人自愿去参与的，共同编辑的，最后也是大家都能免费共享的一个知识库，而它的运转费用主要靠捐赠。

为何会这样？

因为千金难买我乐意，大家都只是乐意这样玩。

相比之下，"双11"购物节何尝不是一种千金难买我乐意？！网购本质上就是一种娱乐活动，热闹而且话题不断。

所以，好玩的商业才会有更多的互动和分享，那种"有温度的数据和流量"，产生更加细腻的精准商业，智能商业的核心要义也不过如此。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

作者暂无likerid, 赞赏暂由本网站代持，当作者有likerid后会全部转账给作者（我们会尽力而为）。


Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: