如何準確分析市場資料？人機結合才是正解
【獵雲網（微訊號：）】1月28日報道（編譯：檸萌）
Ocean Spray Cranberry公司在解釋、分析客戶資料時，總是偏向使用人性化的方式。在發現只有38%的美國消費者有食用或飲用蔓越莓的習慣，而喜歡乾果的人卻達到了大約60%之後，該公司有針對性地推出了Craisins產品，廣受消費者歡迎。
在社交媒體變得越來越流行的當下，該公司負責全球感官科學和消費者事務的高階經理Michael Nestrud也養成了一種好習慣。他喜歡分析推特上有關蔓越莓的帖子，通過這種方式來了解消費者對蔓越莓的態度。
從很多方面來看，Michael的方法會是未來的潮流。然而，由於非結構化的客戶資料不僅呈現非結構化的狀態，而且是軼事型的，因此，只有當公司能夠感知模式並將從模式中獲得的見解融入到客戶拓展和體驗中時，這些非結構化的客戶資料才能發揮作用。
Ocean Spray最近採用了一種人工智慧平臺，可以感知客戶的行為模式，從而感知市場狀況，然後根據市場狀況及時調整價格和並推出有針對性的促銷活動，滿足公司的忠實使用者的消費需求。儘管這些人工智慧平臺令人印象深刻，而且功能極其強大，但它們也確實有一個無法彌補的根本缺陷，那就是它們是機器，不是人類。
人工智慧整合設計思考
Ocean Spray的資料科學家需要確保這些人工智慧平臺的預測與員工對客戶需求的理解同步。他們還需要仔細考慮，人工智慧系統的預測和推薦將會以怎樣的方式被他們的客戶體驗到，而這些客戶的情緒和情感關聯是機器無法有效解釋或預測的。進入了新的一年，這些採用人工智慧平臺的公司得到了一個真正的機會，可以將這些人類特徵融入到決策之中。他們需要整合設計思考。
像這樣的人工智慧系統無法對它們正在分析的消費者產生同理心，但可以在這個過程中融入設計思考，將同理心和人性注入到該系統。採用這種方式的前提通常是針對具體情況解決問題。
我們可以想象一下這樣的場景：有一年感恩節，人們對櫻桃醬產生了一時的狂熱情緒，而對蔓越莓的興趣減弱。人工智慧系統可能會發現，那些通常在節日前後在社交媒體上分享蔓越莓食譜的消費者分享的食譜比平時少了，或者他們在大量帖子中在“蔓越莓”的旁邊添加了“櫻桃”這個詞。
於是，該人工智慧系統可能會建議在櫻桃的風頭已經蓋過蔓越莓的地區，對蔓越莓進行打折銷售。但是，基於人類對新奇事物的興趣和對傳統事物的情感訴求，設計思考可能會激發出一系列圍繞如何製作櫻桃-蔓越莓醬的廣告活動，或者在感恩節強調如果家人最喜歡的傳統蔓越莓醬沒有出現，家人可能會感到失望的情況。
這種人性化的解釋使得設計思考很難大規模複製。然而，人工智慧是為了學習這些模式和趨勢而設計的。隨著人類干預系統的每一次迭代，它可以開始整合新的連線。下一次，當類似的水果名字出現在大量推特帖子中“蔓越莓”一詞的旁邊時，系統會自動建議採取行動，刺激消費者在感恩節選擇將這兩種水果結合起來，或者選擇蔓越莓，根本無需Ocean Spray公司降低產品價格。
人機合作的力量
在這種設計思考和人工智慧的協作方式中，每一種方式都發揮了自己的優勢，並將自己的弱點最小化，形成了更高效的開發過程，以及更好的使用者體驗。人工智慧系統獲得了一定程度的同理心和可預測性——比如理解這些與蔓越莓相關的搜尋發生的原因，而不僅僅是發生的事實——而設計思考實踐者則在與資料分析、預測分析和解決問題相關的繁重工作上得到了幫助。在這種情況下，他們不必費力地檢視沒完沒了的帖子和標籤，也能夠看到並解釋客戶資料。
一旦這些系統建立起來，它們可以隨著時間的推移而不斷改進和增強，從開發過程中得到的進展和見解中獲益。這是推動由人工智慧驅動的設計思考進步的獨特想法之一，人工智慧必須不斷學習才能變得更好，而設計思考依賴於受眾來獲得消費者的洞察。
結合人工智慧和設計思考的方法可以創造出最準確的符合客戶需求的產品、服務和利基市場。更重要的是，即使客戶不能清楚地表達他們想要什麼，這個過程也可以達到預期的最終目標，而且省去了無休止的客戶研究和反覆試驗。