可视化|为什么大数据的出口是AI( 二 )

一般基于数据的运营是，产品/运营人员按照业务经验或规则进行人群筛选，例如在暑期来临时，做迪士尼景区的促销活动，人群的圈选条件可能是：有酒店或火车票订单，过去有预定过儿童票等，这种方式相比较过去缺少用户画像数据时的营销已经算是精准了，但是这个过程潜在的问题是：

用户的圈选需要人工介入，占用人力资源
人工经验可能并不正确
营销后人群标签的正负向影响需要耗费较多分析时间，再作为经验积累，优化后期营销动作

借助AI的能力呢，则可以针对迪士尼的消费或浏览用户进行更多维度的特征分析（几十个甚至上百个特征标签），利用机器学习算法模型，找出更高意向的用户，进行触达，不仅可以带来更高的转化，还可以节省运营人力，而且模型可以不断学习优化。
在这个过程初期，需要进行AB实验，以确保算法的效果较人工有更好的转化。
四、AI促进产品智能产品智能常见的包括三个典型的场景：一是个性化推荐，二是合规性审核，三是产品自动化优化。
个性化推荐，大家应该都非常熟悉，比如我们打开淘宝或京东时，首页推荐的商品大概率是我们有过一定关系的，比如自己浏览过、购买过等，或者系统判断我们可能会喜欢的商品。
合规性审核，对于UGC的平台，内容的合规性关于一个产品甚至是企业的生死存亡，用户发布涉黄、涉政、涉赌、毒等，都需要进行安全审查，而对于像抖音这种日活七八亿的国民级App，每时每刻都有大量视频内容发布，纯靠人工审核需要多少人力资源呢。
这个过程其实就是借助了AI的能力，系统无法识别的才会提交至人工审核。同时也会作为Badcase用来优化算法模型。
产品智能优化，当我们浏览旅游产品时，如果产品首页头图的非常美观，用户点击的意愿会相应提升，相反对于首图美感度差的产品，用户不会去点甚至反感。
借助图像识别的算法模型，对海量的图片数据进行挖掘分析，针对每个商品的图片进行美观度打分，从而实现产品头图的智能选择。除此之外，对于用户评价的文本进行NLP标签提取，给到新进浏览者更简单、快捷的评价标签。

五、总结数据产品经理，除了关注当下数据在分析决策、数据化运营等方面的应用外，也要着眼于让数据价值发挥的更加淋漓尽致的方向，比如大数据和AI能力的结合。
虽然现在阶段是数据产品经理向左，AI产品经理向右，但终究还是只有把两者更好地结合起来，才能把数据原油的价值榨取得更加充分。
#专栏作家#数据干饭人，微信号公众号：数据干饭人，人人都是产品经理专栏作家。专注数据中台产品领域，覆盖开发套件,数据资产与数据治理，BI与数据可视化，精准营销平台等数据产品。擅长大数据解决方案规划与产品方案设计。
本文原创发布于人人都是产品经理，未经作者许可，禁止转载。
【可视化|为什么大数据的出口是AI】题图来自Unsplash，基于CC0协议