電商業(yè)務(wù)天生有AI化潛質(zhì)，用戶的每一個行為都表達(dá)出內(nèi)心的一部分需要， 從而順理成章地誕生了新功能，提升了用戶體驗(yàn)。

佛系朋友有三好：善傾聽，肯借錢，易推倒。

但有一種場景會讓人抓狂，對于組局者來說，最難搞的絕對是佛系好友：

• 吃啥？——隨便
• 在哪聚？離你近點(diǎn)？——都行
• 我叫那個誰誰誰了??？——看你
• 下周X晚上X點(diǎn)，你能到吧？——盡量

為什么大家越來越佛系？

因?yàn)槠綍r見過的套路太多了，相當(dāng)于提前經(jīng)歷，建設(shè)了足夠的心理預(yù)期，真正遇到的時候就沒有應(yīng)激反應(yīng)。

佛系用戶看破的不是紅塵，而是套路。比如平時見慣了打折促銷，對雙十一雙十二的折扣力度不那么在意了。

這么說來，

最容易遇見佛系用戶的，就是電商了。

離錢最近，營銷最6，套路最多。

作為理性分析派的電商產(chǎn)品經(jīng)理，相信你內(nèi)心有一堆公式——

• what+what=新用戶下單；
• what/what=復(fù)購；
• ∫what(x)e^(-2πix·what)dx=ARPU↑；

遇見白領(lǐng)套公式2，遇見大學(xué)生用公式1，遇見程序員公式3妥妥的……

遇見佛系用戶呢？

尼瑪……ta們是誰？ta們長啥樣？ta們在哪？ta們就是公式中的誤差參數(shù)吧！

在佛系用戶看來，你俗不可耐的營銷不過是浪費(fèi)時間而已。

ta們面無表情的點(diǎn)擊點(diǎn)擊點(diǎn)擊，再核對一遍早就準(zhǔn)備好的購物車，分享商品頁，領(lǐng)券，付款，關(guān)掉APP，刪了分享，繼續(xù)面無表情的刷朋友圈。

這就是為什么電商競爭逐漸向折扣力度競爭轉(zhuǎn)變。

舊電商一直在進(jìn)化，痛苦，艱難。

不管O2O，還是新零售，又或國外無處不在的Omnichannel，本質(zhì)和擴(kuò)品類一樣，都是為了讓電商“地盤”越來越大，將電商APP塞進(jìn)每一個可能產(chǎn)生消費(fèi)的場景?；蛘哌@些對佛系用戶或許好使，前提是他們愿意去線下體驗(yàn)。

內(nèi)容類電商火了禮物說、蘑菇街等一批平臺，但隨著用戶淘貨成本的進(jìn)一步上升，此類平臺的可信度大大下降。導(dǎo)致GMV中80%以上都是大品牌的爆款，而這些爆款是利潤最低的。

做品牌似乎很美，但又有幾個小公司能專注并且堅(jiān)持呢？你可以選擇死磕一件襯衣，但很快就被各種營銷套路擠壓的開始懷疑人生。

有的轉(zhuǎn)向垂直品類電商，信仰小而精就是未來，但現(xiàn)在最貴的就是流量，很難想象一個新興母嬰平臺能一邊做廣告投放，一邊發(fā)優(yōu)惠券拉新，最后還維持盈利。

跨境電商的背景都不簡單，要么背靠一帶一路，要么有大牌獨(dú)代資源，但是18年監(jiān)管要更嚴(yán)，以及，還記得禁韓令嗎？

還有社群電商、社區(qū)電商、大企業(yè)內(nèi)部銷售等等，就不說了，連基本用戶體驗(yàn)都不周全（如質(zhì)量、價格、物流速度等），微商更是上不了臺面。

作為電商行業(yè)從業(yè)者，這些套路你可能沒有逐一嘗試吧？

遺憾的是，你的用戶都試過了。

因此，大型電商平臺（亞馬遜、阿里巴巴、eBay、京東等）除了繼續(xù)爭奪原有業(yè)務(wù)之外，都在探索和佛系用戶更好相處的方法。目前看來，人工智能似乎成了最佳選擇。

其他舊電商們都在猶豫，要不要把AI當(dāng)成新戰(zhàn)略。

值得慶幸的是，電商業(yè)務(wù)天生有AI化潛質(zhì)，用戶的每一個行為都表達(dá)出內(nèi)心的一部分需要， 從而順理成章地誕生了新功能，提升了用戶體驗(yàn)。

佛系需求 1：推薦和個性化預(yù)測

通過大數(shù)據(jù)、貝葉斯算法等，實(shí)現(xiàn)智能推薦功能，降低用戶選擇成本，包括：

• 基于搜索、已購和瀏覽記錄的興趣推薦（相似品、互補(bǔ)品算法，高頻、低頻等等）
• 基于用戶訪問時間的活躍性推薦（根據(jù)時間推測用戶可能的使用場景，然后做出推薦）
• 基于位置信息的推薦（檢查用戶是否處于線下商圈，是否需要推薦店鋪）
• 基于社交屬性的推薦（根據(jù)好友關(guān)系、社交行為等，猜測用戶可能需要的商品）

佛系用戶在意效率，那么推薦功能或許能幫ta們。

佛系需求 2：通過圖片找相似商品

這是比較老的一個領(lǐng)域，但可能是最受歡迎的功能之一，通過計(jì)算機(jī)視覺+深度學(xué)習(xí)做到“以圖搜圖”，例如，一個妹子有一張吊燈的照片，很喜歡但買不到，于是她把照片上傳到電商APP，AI能理解商品的款式、規(guī)格、顏色、品牌及其他的特征，最后給出相似商品的鏈接。

這個功能可以顯著地提升佛系用戶的搜索能力。

“能搜到就買，搜不到就算了”這種需求現(xiàn)在也能爭取一下了。

這方面做的小有成就的國內(nèi)外有幾十家，下面可以找到他們，以及一些開源代碼：

圖片截取自ChenLee_1的blog

佛系需求 3：人工智能客服

對于PM來說，引入chatbot是簡單有效的AI產(chǎn)品策略，電商平臺尤其如此。

chatbot并非在AI技術(shù)大熱后的產(chǎn)物，早在互聯(lián)網(wǎng)電商初期，為滿足大量客服響應(yīng)，電商早已通過程序開始了機(jī)器人客服工作。

根據(jù)Gartner的預(yù)測，到2020年85%的零售業(yè)消費(fèi)者互動都將由AI來管理。

京東自2012年下半年起上線的智能機(jī)器人JIMI。其累計(jì)服務(wù)用戶已經(jīng)破億，并于2016年9月7日正式發(fā)布開放平臺，免費(fèi)向第三方開放使用。

2016年3月，阿里巴巴發(fā)布人工智能服務(wù)機(jī)器人“店小蜜”，這款面向淘系千萬商家的智能客服，經(jīng)過商家授權(quán)、調(diào)試，可以取代部分客服，從而降低人工客服的工作量。

佛系用戶或許是最能忍受chatbot的人，及時響應(yīng)，效率高。

情感AI或成新趨勢，或許有助于ta們還俗吧。

目前的AI客服都沒有解決“情感化”問題，而有預(yù)測稱情感AI或是電商零售的下一次革命。

博柏利（Burberry）和耐克部署的人工智能客服，需要增加情感AI功能，來判斷消費(fèi)者對客戶機(jī)器人的滿意度。

在實(shí)體店中，情感AI甚至能夠通過人臉識別和GSR傳感器采集分析大量有價值信息：

• 店里哪些區(qū)域?qū)︻櫩臀ψ畲?/li>
• 顧客何時何地感到不安或迷失
• 哪些產(chǎn)品或者促銷手段最受顧客青睞
• 顧客對店面和貨架以及客服的滿意度

例如在可口可樂的人工智能實(shí)踐中，不僅能夠通過分析附近用戶手機(jī)的doubleclick和瀏覽歷史數(shù)據(jù)來判斷消費(fèi)者的性別、年齡段和收入，給出針對性的廣告展示和路徑指引，而且僅僅根據(jù)消費(fèi)者在實(shí)體店的移動速率變化就可判斷其情緒變化和購買意愿。

這對佛系用戶來說恐怕會造成一定負(fù)擔(dān)，如阿里推出的用微笑爭取折扣的功能。

用AI降低電商成本：

• 內(nèi)容管理方面：AI可以通過圖片為商品打標(biāo)簽、制作海報、寫簡單的宣傳文案。
• 無人倉庫：通過人工智能實(shí)現(xiàn)系統(tǒng)自動預(yù)測、補(bǔ)貨、下單、入倉和上架。
• 營銷效果預(yù)測：通過對往期活動數(shù)據(jù)的學(xué)習(xí)，得出公式，避免低效營銷。

理解趨勢和讀懂消費(fèi)者：

其實(shí)有大量的用戶信息是隱藏在圖片中的，根據(jù)用戶瀏覽的圖片，可以讓機(jī)器從中學(xué)習(xí)到最近某品類的流行趨勢（如規(guī)格、風(fēng)格、顏色材質(zhì)等），這是商品生產(chǎn)者的最愛，也是平臺和供貨商談判的重要依據(jù)。

使用人工智能技術(shù)總結(jié)的時裝流行趨勢：

如果電商都這么做了……

十年后，佛系用戶的極樂世界來了為大家服務(wù)的，不會再是真的人類了。

電商人要失業(yè)了嗎？

據(jù)說亞馬遜有54萬員工，京東、阿里也有20萬呢，哎呀好心疼。

舊電商們再搶救一下吧！

營銷什么的還請加油！

不要輸給機(jī)器呀！

當(dāng)然看到這里你還是想做AI，那我們就來討論討論：舊電商AI化的門檻究竟在哪呢？

1、如果需要AI預(yù)測營銷效果，提升GMV，需要注意：

• 數(shù)據(jù)收集：和用戶接觸的每個點(diǎn)都要量化，包括營銷，用戶行為等等；
• 目標(biāo)與達(dá)標(biāo)：實(shí)現(xiàn)營銷/促銷活動目標(biāo)的數(shù)據(jù)更有助于訓(xùn)練算法，能提供更好的預(yù)測和建議；
• 統(tǒng)一性：將營銷、銷售、用戶行為等數(shù)據(jù)聯(lián)系到一起，這樣更有可能AI化；

2、重點(diǎn)說下數(shù)據(jù)，這關(guān)系到推薦算法，降低運(yùn)營成本等等。

數(shù)據(jù)類型：

• 用戶行為反饋：如瀏覽，點(diǎn)擊，購買，評價，分享，收藏，咨詢等，用戶身份信息，如年齡，性別，職業(yè)，受教育程度， 收入等，以及地域相關(guān)信息，如城市，省份，郵編等；
• 商品數(shù)據(jù)：銷量數(shù)據(jù)、供應(yīng)商、物流倉儲、產(chǎn)品屬性、產(chǎn)品規(guī)格、產(chǎn)品圖片等；
• 營銷數(shù)據(jù)：活動收入、優(yōu)惠力度、渠道與流量數(shù)據(jù)、核心頁面數(shù)據(jù)、ARPU與忠誠度提升等；
• 日常運(yùn)營數(shù)據(jù)：GMV、UV、下單率、付款率、客單價、ARPU、庫存物流、供應(yīng)商價格等；

圖片來自知乎數(shù)據(jù)小人

• 用戶數(shù)據(jù)來源：用戶訪問點(diǎn)擊操作，服務(wù)器日志（Log）以及交易（Transaction）記錄。
• 埋點(diǎn)式采集：傳統(tǒng)的埋點(diǎn)式方法是在用戶訪問頁面放置探針，在服務(wù)器的后端采集盡可能多的用戶點(diǎn)擊和訪問操作。這種方法應(yīng)用非常普遍。缺點(diǎn)是：第一迭代周期較長，第二隨著Javascript前端技術(shù)的飛速發(fā)展大量的用戶操作都是預(yù)加載或延遲加載，許多信息并未在后端紀(jì)錄造成數(shù)據(jù)缺失。
• 非埋點(diǎn)式采集：非埋點(diǎn)式的方法則是在App或頁面前端放置SDK將用戶所有操作異步傳回服務(wù)器后端。應(yīng)用此方法獲得的數(shù)據(jù)內(nèi)容更全面。缺點(diǎn)是：數(shù)據(jù)量較大，后端需要進(jìn)一步進(jìn)行細(xì)分篩選。

本文由 @七日輯（微信公眾號：七日輯） 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。