科技界一個老生常談的話題是，工具類產(chǎn)品粘度和活躍度不夠，用戶停留時長短，遷移成本低，這意味著若你相信“流量”二字的意涵正逐漸變成“用戶數(shù)X使用時長”，那么工具類產(chǎn)品商業(yè)模式的演化速度最好要快一些。毫無疑問，作為過去幾年中國工具類產(chǎn)品的范本，獵豹移動自然知曉這個道理。
北京時間8月19日，獵豹移動發(fā)布第二季度財報。財報顯示，獵豹第二季度總收入為10.467億元，同比增長18.1%，高于市場預(yù)期，算是走出了收入增幅下降通道。
其實連傅盛自己也承認，之前獵豹掙錢太容易了，“整個獵豹都處于一種過分自信的狀態(tài)中”，于是客觀因素之外(Facebook 廣告系統(tǒng)算法改變致使獵豹平均獲客成本驟增)，當風口出現(xiàn)轉(zhuǎn)向，原本能更為迅敏地告別路徑依賴的獵豹稍顯遲疑。不過好在，經(jīng)過意料中的波動，獵豹從工具轉(zhuǎn)向“堅定不移做內(nèi)容”的戰(zhàn)略轉(zhuǎn)型看起來初見成效，財報顯示，Newsrepublic，Live.me幾款內(nèi)容產(chǎn)品在海外表現(xiàn)都還不錯。
從工具到內(nèi)容——就像女排的勝利不能單靠所謂“女排精神”，除了切換觀念與思維模式，獵豹轉(zhuǎn)型其實更需仰仗技術(shù)本身，其“豹變”驅(qū)動力勢必將落在人工智能和深度學習在底層算法的系統(tǒng)升級上。“我們以前把容易做的活都做完了，下一步其實是累活難活，也是需要很多的積累的活兒。”
傅盛這樣總結(jié)，而“累活難活”需要時間。
“內(nèi)容為王”
談技術(shù)之前，先得簡述下內(nèi)容之于工具產(chǎn)品的重要性。
新時代的常識是，商業(yè)競爭的本質(zhì)日趨演變成搶奪消費者時間(這當然不是指工具產(chǎn)品的后臺駐留時間)，一個有趣的腳注是，傳統(tǒng)門戶產(chǎn)品用戶數(shù)非常高，但平均使用時長遠落后于今日頭條——據(jù)報道，2016年8月今日頭條平均用戶每日打開時長已超過70分鐘，這是個可怕的數(shù)字。
嗯，當賣東西的阿里也開始淡化GMV而談?wù)?ldquo;用戶停留時間”之時，你就知道，過去集市般的客流生意已有些守舊，因為唯有注意力才是最寶貴的商業(yè)資源，尤其當人類邁入內(nèi)容豐裕時代，稀缺的天平自然倒向用戶注意力，也讓搶占時間份額成為一切商業(yè)競爭的邏輯起點(不妨看看如今火熱的直播現(xiàn)象)——正因如此，通過工具抵達用戶，用內(nèi)容留存用戶成為獵豹的戰(zhàn)略核心。
簡要復(fù)盤：2015年初，獵豹移動投資被稱為“海外小咖秀”的音樂短視頻社交應(yīng)用Musical.ly;今年以5700萬美金收購全球移動新聞聚合服務(wù)提供商News Republic，后者與今日頭條一樣主打個性化內(nèi)容推薦，獵豹也借此拿到包括美聯(lián)社，路透社，法新社，BBC等數(shù)千家新聞機構(gòu)的正版內(nèi)容;海外直播領(lǐng)域，獵豹在一季度上線社交直播應(yīng)用Live.me，在iOS和Google Play社交榜中也都有不錯排名。總體來看，以文字作為切入點，同時在視頻(直播可被視作視頻的一部分)等領(lǐng)域布局——獵豹在內(nèi)容轉(zhuǎn)型上選擇了相對“分散”的打法。
深度學習+內(nèi)容分配
這需要技術(shù)為后盾。
作為一家產(chǎn)品技術(shù)驅(qū)動型公司，技術(shù)永遠是獵豹第一生產(chǎn)力，而它首先要做的，即是基于數(shù)據(jù)優(yōu)勢為不同用戶精準推薦長尾內(nèi)容。于是我們看到，傅盛用被他譽為“計算機歷史上出現(xiàn)過的最簡單，最美麗東西”——深度學習，重構(gòu)了公司技術(shù)后臺，從傳統(tǒng)意義上的工具公司轉(zhuǎn)向一個人工智能技術(shù)支撐的平臺公司，獵豹必須跳躍過去。
事實上，傅盛對深度學習的信賴倒也符合邏輯。至少理論上，“喂養(yǎng)”這種多層神經(jīng)網(wǎng)絡(luò)確實為獵豹這種數(shù)據(jù)海量的公司所擅長。
如你所知，廉價的并行計算，更好的算法，以及這一切的基礎(chǔ)——更大的數(shù)據(jù)量，讓六十年來不斷幻滅又重燃希望的人工智能時代近在咫尺。深度學習技術(shù)的出現(xiàn)降低了某種使用門檻，由于深度神經(jīng)網(wǎng)絡(luò)“起點”相對相近，甚至形成特定領(lǐng)域后來者的彎道超車，因為它始于學界，落于企業(yè)，尤其是數(shù)據(jù)海量的大公司，理論上，只要你握有足夠多數(shù)據(jù)，即可實現(xiàn)對事物更準確的判斷。用傅盛的話說，“最后變成了拼誰有數(shù)據(jù)，誰有數(shù)據(jù)誰運算，誰運算的次數(shù)多，誰做的實驗多，誰就能看到結(jié)果。”而根據(jù)收益遞增原則，一個以數(shù)據(jù)為血液的人工智能產(chǎn)品，越多人使用它就越聰明，就有更多人使用。
這也許是獵豹的契機，剛剛公布的財報顯示，截止2016年6月30日，獵豹移動產(chǎn)品全球范圍內(nèi)已下載安裝到30.99億臺移動設(shè)備上，移動端月度活躍用戶規(guī)模達6.23億(其中79.4%的移動月度活躍用戶來自歐美為主的海外市場)。這確實是個值得炫耀的數(shù)字，可以想象，建立起深度學習核心技術(shù)能力的獵豹可以向諸多領(lǐng)域擴展，與其他應(yīng)用結(jié)合產(chǎn)生收益。
當然目前重中之重仍是內(nèi)容。在我看來，News Republic將成為獵豹產(chǎn)品矩陣的核心。收購News Republic之后，獵豹把他們的技術(shù)人員拉到北京封閉開發(fā)，整個體系也都換成了獵豹自己的，傅盛相信，“我們的技術(shù)可以幫助它長足的進步，通過智能編輯，數(shù)據(jù)分析和挖掘等手段向全球用戶提供最新銳和廣泛的個性化新聞內(nèi)容推薦。”
嗯，誰都知道，與一百年前“電器化”的過程頗為相似，人工智能將迎來與其他行業(yè)井噴式的嫁接與落地，這意味著它將以更為務(wù)實的姿態(tài)蔓延到一個又一個行當——自然也包括內(nèi)容層面。目前獵豹就用深度學習模型替代了News Republic原有的專家模型，提高了用戶的轉(zhuǎn)換率;而在主播領(lǐng)域，獵豹人工智能的介入大幅降低了審核難度，減少了人力成本。
尤其是技術(shù)對內(nèi)容的“篩選”。如前所述，商業(yè)最終瓜分的是用戶時長，讓用戶保持忠誠的關(guān)鍵無疑是提供精確且優(yōu)質(zhì)的內(nèi)容，但當稀缺天平早已傾向于時間(365×24)而非內(nèi)容一端，應(yīng)對所謂“信息過剩”就成為必須。
幾種信息分發(fā)路徑倒是非常清晰：專業(yè)人士(通常是編輯)，社交關(guān)系，和機器推薦——現(xiàn)在看來，機器推薦愈加指向未來。第三方監(jiān)測機構(gòu)易觀不久之前發(fā)布了一項頗為惹眼的數(shù)據(jù)：在2016年資訊信息分發(fā)市場上，算法推送的內(nèi)容將超過50%。人工編輯的角色正走向式微。
不難理解，在愈加嘈雜的互聯(lián)網(wǎng)環(huán)境，人人都無比渴望最大程度降低搜索成本，直接給我最想要的信息才好，這種對機器“你懂我”的無限追求延續(xù)了人類在應(yīng)對“信息過剩”時的兩種慣用戰(zhàn)術(shù)：過濾與搜索。追溯歷史，包括印刷媒介，圖書分類法，各種推薦系統(tǒng)，維基百科，社交網(wǎng)絡(luò)，搜索引擎在內(nèi)，都是這兩種力量的變種。正如凱文·凱利所言：“未來很多行業(yè)都是過濾器，在海量對象中把無效的選擇過濾掉，讓人更好利用時間的過濾器。”——而在不少人看來，大數(shù)據(jù)或者說人工智能才是降低搜索和過濾成本，解決信息之困的不二之選。
事實上，在現(xiàn)階段，基于深度學習的人工智能本質(zhì)上就是一個試圖用自動化解決問題的工具——這種“自動化”理應(yīng)包括內(nèi)容選擇。去年3月份，雅虎北京研發(fā)中心被裁撤，獵豹挖了一批雅虎研發(fā)人才，據(jù)說那批人即是為雅虎全球做內(nèi)容個性化推薦的?？吹贸鰜?，基于數(shù)據(jù)優(yōu)勢和研發(fā)能力，傅盛對內(nèi)容“千人千面”這件事把握十足：“我們正致力于成為一家人工智能公司，用深度學習和人工智能重構(gòu)我們的整個技術(shù)后臺，實現(xiàn)高維離散特征，真的可以實現(xiàn)每個人看到的內(nèi)容不一樣，千人千面，每個人的興趣被挖掘出來。而不像以前就是打標簽，只有對類目的區(qū)分，而不是對興趣的區(qū)分。我們能夠通過技術(shù)的手段，海量用戶的數(shù)據(jù)去實現(xiàn)非常精準化的個性化的推薦，在全球范圍內(nèi)實現(xiàn)這種內(nèi)容的連接，這樣的話我們的廣告模式，才能真正地跑起來。”
當然了，今日頭條在先，這倒也不是個新鮮論調(diào)。但若進一步說，所謂“千人千面”自有高下之分，KK就認為，一個理想的“過濾器”應(yīng)該符合如下特征：1，對每個人大量行為匯總分析，及時預(yù)測某個人的行為。2，知道朋友們喜歡什么，而那又是我現(xiàn)在不了解的。3，向我建議某些我現(xiàn)在不喜歡，但想嘗試著喜歡的東西。
在我個人看來，后兩者的相對缺失是現(xiàn)階段今日頭條遭到詬病的原因，這個時代，人們或多或少都會掉入自我編織的“信息繭房” 之中。而你知道，解決技術(shù)帶來的問題的方式永遠都是通過更好的技術(shù)——打破“信息繭房”亦如此。“今天如果有Low的內(nèi)容，說明這個算法還沒有做好……我覺得深度學習的聰明是能夠超出想象，只是今天還在路上。”傅盛寄望深度學習能發(fā)揮作用，“里面其實包括兩部分：一個是興趣，一個是探索。它通過你以前的行為現(xiàn)在知道你有什么興趣，但給你的內(nèi)容里面還有探索，但探索也是一個算法，它怎么知道探索得對不對，探索多了會影響你的興趣，這里面的平衡在哪里。我覺得這個技術(shù)的復(fù)雜度比當年搜索要復(fù)雜，這是肯定的。”
嗯，對于已將底座落于人工智能的獵豹而言，一切尚在模式摸索過程中，誰都知道人工智能會是下一個二十年顛覆人類社會的技術(shù)，其力量將堪比電與互聯(lián)網(wǎng)，但傅盛同樣深知，“人工智能就像所有的技術(shù)一樣，它只有一個紅利期。”
毫無疑問，這家從清理手機垃圾起步的中國公司，希望通過技術(shù)本身，握住這一輪技術(shù)紅利。
李北辰/文(知名科技自媒體，致力于為您提供文字優(yōu)雅的原創(chuàng)科技文章;微信公號：李北辰)
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
