在經歷了去年一整年的AI產業、創投熱之后，今年開始，行業的關注焦點開始落到商業化上。“AI落地”、“AI in all”成為主旋律，即各行各業利用AI的力量來提升現有業務，從更實際的角度來發揮AI的作用。
比如，高盛就曾預測，到2025年，人工智能將為零售業每年節省540億美元成本，創造410億美元新收入。Gartner則預測，到2020年，消費者和零售商之間85%的互動都會由人工智能來解決。
在眾多應用場景中，電商平臺無論是對消費者的影響面，還是AI可以發揮的空間，都是最主流的場景之一。與傳統的貨架式、搜索式電商的“人找貨”相比，拼多多代表的電商匹配場景里，“貨找人”，即AI智能推薦將扮演更重要的角色。
搜索式電商通過設置關鍵詞，分析用戶瀏覽數據、賬號信息等形成用戶畫像，最后進行推薦。拼多多則倡導從搜索到“商品流”的轉變，因為很多時候消費者自己也不知道需要什么，推薦才能激發潛在需求，商業模式決定拼多多在技術上也與其他電商平臺存在很大差異。
為此億歐專訪了拼多多CTO陳磊，他分享了很多近期AI在拼多多平臺的實際應用和他對于技術價值觀的思考。
AI如何解答零售業的核心問題
“大部分零售場景最后都在比拼性價比”。
雖然中國人的生活水平在不斷提升，消費升級看似是一個必然趨勢，但精打細算、貨比三家這樣的消費習慣仍然深深根植于中國普通老百姓的理念里。如果說早期拼多多是通過微信平臺接觸到數量巨大的消費群體，那隨后的復購與用戶忠誠度還是要回歸到商品的性價比。
“在物質消費決策中，高性價比是非常重要的因素，大部分零售場景最后都是在比拼性價比，消費者心中有桿秤”。陳磊表示，在所有類別的消費中，追求高性價比的日常消費是一種長久的需求，并且沒有波峰波谷的周期。
“而且現在出現了很多有趣的現象，人們在虛擬世界的消費明顯上升，而精神文化層面的需求是沒有上限的，越來越多的人會進行文化消費，那么錢從哪來?本質上，物質消費在日常消費中的比例會不斷減少，但是文化消費會無限增長。”
作為以技術驅動的電商平臺，拼多多的機會在于，AI在用戶習慣分析和商品匹配上可以運行地更加漂亮——龐大的用戶群體、高頻的交易和購物行為中加入了更豐富的社交維度，正在構建一個越來越聰明的數據庫，既可以為AI的運算提供基本的數據量，人與人的交流展現出的圖像、語音與語意理解，也能讓AI的學習更精準，降低計算資源的消耗。
“電商平臺要做的就是商品與人需求的匹配，匹配得越精準，創造的競爭環境越健康、越高效，消費者的需求就能被更好地滿足。”陳磊說。
比如，拼多多通過AI實現選品、定價與流量分配，一方面規避了人工選品與定價可能存在的不公平情況，另一方面，AI在不斷評估市場動態和競爭環境的變化，給出的解決方案也更加智能，突破人工的局限性。
“這其實是在將C端的消費行為數據通過平臺實時反饋給供應鏈，而供應鏈在競爭環境中得到優化，通過AI來更好地實現C2B”，陳磊表示。
拼多多的商業模式特征是“少SKU、高訂單、短爆發”，瞬間爆發的巨大單量可能會造成商家產能與交付能力跟不上，這時就需要對需求和供應鏈承受度有清晰把握，進行合理的平臺資源適配。而在營銷層面，拼多多利用AI為廠家推廣提供數據支持，并將最終效果的成因反饋給廠家。
通過這樣的精準匹配與正向激發，有效地促進了商家間健康的競爭——一方面，拼多多通過競爭提高商品性價比，另一方面，在平臺合理控制毛利的同時，通過拼單聯動消費者，以更有效率的方式傳播，從而促進商品性價比的進一步提高。
“未來的電商平臺，流量分配將會越來越智能，考慮的因素也會更加全面，商家不必擔心流量從哪里來，也不必擔心產能跟不上;在任何時候，算法推薦錯的東西給消費者，都是在浪費他們的時間和金錢，算法推薦得越精準，效率就越高，同時也能夠提升消費者購物的樂趣。”陳磊說。
獨有“分布式AI”模型更懂人心
“以消費者為導向，在消費者習慣的場景提供高性價比的購物體驗。”
從搜索式購物、效率型購物逐漸過渡到逛街式購物，是電商行業的一大趨勢。在這個過程中，AI算法推薦得到了越來越多電商平臺的重視。
陳磊認為，基于商業模式的區別，拼多多的算法模型也與其他電商平臺存在較大差異。“我們內部稱之為‘分布式AI’”。
“拼多多將娛樂與分享的理念融入電商運營中：用戶發起邀請，在與朋友、家人、鄰居等拼單成功后，能以更低的價格買到優質商品;同時拼多多也通過拼單了解消費者，通過機器算法進行精準推薦和匹配。”拼多多的官網上如此定義。
“(因為拼單產生的)社交分享數據在傳統電商平臺體現地比較少，它們更多的是搜索和瀏覽的維度。”陳磊解釋，傳統意義上AI是由大數據驅動的，通過消費者的購物行為來描繪用戶畫像，從而打上標簽。從結果來看，它的確能在一定條件下滿足消費者的需求，但是，這也容易讓消費者陷入“偏好囚籠”。
比如說，一個人某一天在入睡前買了點吃的，因為那天他肚子餓了。這并不是一個固定的需求，并且從長遠來看，它并不能為消費者打造更健康的生活方式。這時，光靠瀏覽行為是不夠的，朋友之間在購物時的分享、交流就會對用戶畫像的完善起到很大的補充作用。
“從算法的設計來看，需要設置合理的優化目標，但這個優化目標不能簡單地定義為購物、點擊，更重要的是消費者看到這件商品時的心理和行為，比如說和朋友的互動分享。”
人腦的復雜、精妙還遠非目前階段的深度學習所能比擬，從這個角度來看，社交平臺上的流量只是拼多多崛起的表層原因，在這個過程中AI對人性的理解和學習才是根本。
“可以把人與人之間的連接想象成大腦中的突觸連接”。陳磊打了個形象的比喻，最終目的都是進行低消耗、高效率、有意識的運算。
“分布式AI”模型的好處還在于，用戶本身還可以有意識地、更加主動地參與到模型的優化之中，前提是拼多多為用戶設置足夠吸引人的獎勵機制。
在被問到如何處理自身App和外部社交平臺的投入力度時，陳磊表示：“購物是長久的、持續性的需求，我們不會擔心用戶不買東西，只需要讓技術更好地服務這個需求。以消費者為導向，在消費者習慣的場景提供高性價比的購物體驗。”
AI像個孩子，要幫助它培養正向價值觀
“利用負向消費習慣可能會帶來短期的利益，但長期來看，它并不能為消費者創造價值。”
AI正在為各行各業效率的提升起到巨大推動作用，但AI不是一切，尤其是在直接面對C端的大平臺上，最終還需要人來把關。
“從商品推薦來說，如果完全按照消費者的購物行為驅動，一個需要考慮的問題是，人是有兩面性的，在算法的建立過程中，需要花精力鑒別哪些是正向的哪些是負向的(消費行為)，利用負向的可能會帶來短期的利益，但長期來看，它并不能為消費者創造價值，最終也不符合平臺的商業價值。”陳磊說。
基于對人們社交分享行為的分析，拼多多對結果進行建模，觀察在結果中有沒有出現負面的因素，以及分析產生這種結果的原因，再通過算法去抑制不良因素的產生。這樣不斷地將復雜的現實狀況反饋到機器進行訓練，是一項頗為繁重的工作，但陳磊認為這是一個大平臺必須做的事情。
“我們希望自己的算法是更加正向的。”陳磊表示，“點擊數據和瀏覽數據是平臺中量最大的數據，負面數據的量相比之下就小了很多，但是這些數據對于確保算法結果的正確性和完整性至關重要。在模型的建立上，負面數據量那么小的情況下，既要考慮隨機因素，又要通過趨勢做判斷，這里需要進行深入的思考，投入很大的工程資源。”
事實上，AI要有價值觀也在成為行業主流的思考方向。一個成熟的人工智能學者或者研究人員，不僅僅要是算法專家、建模專家，還需要對人性、對社會環境有深刻理解。
“機器的自驅動會容易演變成利用人性缺陷大于激發人的正向需求”，陳磊說，因為核心團隊長期的電商經驗，拼多多在建平臺模型之初就考慮到了這點，只是AI的演進其實就像孩子的成長，需要長時間地傾注耐心與精力。
京公網安備 11010502049343號