江苏龙网

  1. 首页 > 资讯 > 科技 > >

|丁磊为何电商常能成功忽悠你“剁手”？


【文/丁磊】
数字化是AI思维在具体业务场景中落地的基础 ， 因为AI思维运用于生产制造或商业活动之中 ， 要实现智能化 ， 最终做出决策需要数据的支持和驱动 ， 而数字化恰好提供了AI思维决策所需要的数据基础 ， 在此之上人工智能才能发挥其应有之义 。
众所周知 ， 生产制造和零售是商业运作的两个大环节 。 我们对生产制造环节 ， 可能不太熟悉 ， 但是零售环节则非常贴近我们的日常生活 ， 其中的数字化赋能实际落地案例也比比皆是 。
比如 ， 最近你正想买衣服 ， 浏览的网页似乎有“读心术”一般 ， 恰好呈现给你放在购物车里好久的衣服；或者夏天天气热 ， 你正想去海边度假时 ， 手机里的推送刚好就是泳衣、泳裤和各种潜水装备的广告 ， 而且都还是你一贯喜欢的风格 。 其实 ， 这些事情都是智慧零售的应用成果 ， 智慧零售可以通过数字化赋能手段进行提升 。
在零售环节 ， 数字化赋能大有用武之地 。 首先是智能产品定位 ， 即依靠大数据预测消费者诉求和潮流趋势 ， 从而实现产品创新 。 也许你会有点疑惑 ， 产品创新不是企业一直都在做的事情吗 ， 那么智慧零售所做的产品创新又有什么不一样呢？为了解答这个问题 ， 我们先来看看产品的创新模式 。 下图就是一个产品创新模式示意图 ， 左边为传统研发模式 ， 右边为数字化研发模式 。
|丁磊为何电商常能成功忽悠你“剁手”？
本文插图

产品创新的传统和数字化研发模式对比示意图
传统产品研发之殇：经验主义+难以真正创新
传统的产品研发模式主要依赖于主观判断 。
传统产品研发设计主要依靠的是一种“经验主义” ， 比如参考上一季热销产品的反馈数据 ， 上一季如果卖得好 ， 下一季则继续按这个风格研发 。 或者 ， 传统产品的研发设计还可以通过搜集、参考同类型产品中的流行商品的主要特征进行 ， 但这种学习太浮于表面 ， 很难做到真正的产品创新 ， 画虎不成反类犬 ， 更像东拼西凑的结合体 ， 适得其反 。
此外 ， 还有一种路径是根据设计师的个人意见来决定产品的最终形态 ， 但很多时候 ， 设计师的审美与消费者的审美是存在很大鸿沟的 ， 这就使得产品难以与消费者的需求匹配 。 所以有时设计师们也非常苦恼 ， 无法把握潮流 ， 不知道消费者的诉求所在 。
当然 ， 更实际的做法则是进行消费者调研 ， 采取定性的调研来辅助设计 ， 但是消费者调研成本高、耗时长 ， 而且很难保证这些消费者是否是潜在消费者或者典型消费者 ， 在信息反馈质量和样本数量上都有一定的局限性 ， 同样会犯以点概面的错误 。
偌大的市场中 ， 消费者的需求各有不同而且日新月异 ， 个体的喜好早已无法代表整个市场的热度 ， 传统研发模式潜在的痛点已经浮出水面：企业难以把握潮流趋势以及消费者诉求 ， 研发出来的新产品无法完全满足消费者的诉求 ， 从而导致消费者对品牌的忠诚度降低 。
|丁磊为何电商常能成功忽悠你“剁手”？
本文插图

数字化产品研发：宝洁中国区季度销量+30% ， 电商销售额+80%
相比于传统的主观研发模式 ， 数字化的产品研发模式则是通过客观的定量数据来反映市场趋势 ， 将销售数据打通 ， 通过数据洞察综合分析产品特征和消费者需求 ， 再做出研发设计决策 。 因此 ， 数字化的研发模式不再是过去的经验主义和局部主义 ， 其基础和关键是最大程度上囊括所有市场数据 。
设计师生态圈则是由设计理念、设计产品、交流学习以及作品展示等各种内容组成的 ， 在设计师的生态圈中出现的高频元素也是数字化产品研发模式的重要参考数据 。 在收集完上述一系列数据之后 ， 可以在数据中台上进行打通 ， 判断出相关产品的流行元素、功能性指标和消费者痛点 ， 并借此指导新品的研发设计 。 新品上市后 ， 随即产生的一系列相关数据会再反哺到数据中台上 ， 为下一轮的新品研发做指导 。 这样 ， 数据化研发模式整个体系形成正向循环 ， 类似春泥一般 ， 叶落成肥 ， 滋养大地 ， 又反哺出下一个花季 。


推荐阅读


上一篇：|外媒：5.4英寸iPhone 12将比2020款iPhone SE更紧凑

下一篇：|最前线丨苹果眼镜难得传出新专利，能自动调整镜片度数