硅谷Live / 实地探访 / 热点探秘 / 深度探讨
没人点奶茶是因为觉得它能延年益寿、补气养血 —— 我们都知道奶茶糖多、不健康、没营养，为什么还忍不住喝奶茶？都知道熬夜对身体不好，为什么还是觉得早睡觉就 “浪费” 了一个美好夜晚？
（这张图是不是让你又想喝奶茶了？我也是 / 图自网络）
因为 … 人不是机器，本来就不理性呀！所以我们经常做出与长期目标相反的事情，也就是非理性行为。比如，为了免运费花比运费本身更多的钱凑单，然后再骗自己 “反正我本来就要买那个东西的”。
有些非理性的行为则稍微隐蔽一点。举个例子：比如有人跟你说，他可以今天给你 100 块，或明天给你 110 块，大家都会选择明天拿 110 块；但如果改成今天给你 10 万块、或明天给你 100010 块，你会选哪个呢？
理性的人当然该毫不犹豫地选择后者，但很多人可能会头脑一热选择今天拿 10 万块，因为人们想要今天立刻就拿到这 10 万块，获得即时的满足感。
在《怪诞行为学：可预测的非理性（Predictably Irrational: The Hidden Forces That Shape Our Decisions）》这本研究行为经济学的经典之作里，作者举了很多非理性行为的例子，这本书也给位于旧金山的 AI 创业公司 Obviously AI 带来了创业的灵感与启发。
硅谷洞察采访了伯克利大学孵化器 SkyDeck 最新孵化的公司之一，Obviously AI。其共同创始人之一、CEO Nirman Dave，为我们介绍了商家们在面对人们的非理性行为时，是如何努力试图理解、甚至预测这些行为的。
为什么提高价格反而能留住客户？
非理性行为通常被视为随机行为，但其实这些随机行为也是有迹可循的，并且有一种可预测的模式 —— 这就是刚才提到的那本书《怪诞行为学》的总体思路。
Nirman 几年前刚读到这本书的时候，一下就被这个观点深深吸引：非理性选择真的是不可理解、不可预测的吗？有没有一种方法，可以理解人们的非理性选择、找到它的模式、甚至能够预测这些非理性的选择？
这就是后来成立 Obviously AI 的最初思路。Obviously AI是一家使用机器学习，帮助SaaS公司使用其现有客户数据预测客户行为的公司。
两位创始人 Tapojit Debnath（左）及 Nirman Dave（右）
在聊技术之前，硅谷洞察最先问他的，就是他们是否成功预测出一些看起来反直觉的、非理性的消费者行为？
Nirman 告诉硅谷洞察，Obviously AI 的客户之一，是一家电信公司。这家电信公司找到 Obviously AI，想让他们研究出哪些客户可能会在未来转向其竞争对手公司。
一开始，这家电信公司把某项服务的包月价格定为每月 25 美元。出乎意料的是，Obviously AI 建议他们把价格提高到每月 31 美元。没想到，这家电信公司发现在价格上涨后，停用他们的服务、转而使用竞争对手的用户数量反而降低了！说好的价格与需求成反比呢...难道宏观经济第一节课教的价格供需图是错的？
价格供需图当然不是错的，只是这是一个非理性行为的实例：所有人都认为更便宜的定价一定能留住更多客户，但在 Obviously AI 电信公司客户的例子里，人们反而觉得定价稍微高一点的产品更优质，因而不愿意转向更低价格的产品了（当然，更低价格的产品其实未必意味着低质量），因此反而降低了该公司流失的客户数量，而 Obviously AI 则帮助该公司成功预测出了这个非理性的现象。
让机器理解、预测人类的非理性行为
能预言未来的水晶球只存在于童话故事里，那么，Obviously AI 是如何 “预言” 出人们的非理性行为呢？
Obviously AI 的产品工作方式是连接到诸如 Mysql、Salesforce 等不同的数据源，链接到数据源后，企业用户会看到一个像谷歌一样的搜索栏。在这个搜索栏里，用户可以用大白话提问，比如 “哪些客户可能会在下周再次购买我的商品”。
（图自 Obviously AI，版权属于原作者）
每当客户提出问题时，客户就会将 Obviously AI 连接到他们的数据库（由于公开网络上的数据真实性与准确性无法得到保障，Obviously AI 只使用公司提供的数据），然后由 Obviously AI 构建一个特定于该客户数据源的、深入的模型，并针对客户提出的这个问题，在仅不到 30 秒的时间内为客户提供预测结果。
目前 Obviously AI 的产品包括两部分：除了上文提到的、负责获取公司现有数据的部分，更核心的，则是使用该数据与 Obviously AI 构建的算法一起进行预测的部分。
“我们就像厨师一样，客户把原材料带给我们，我们对数据进行加工，把成品返回给客户。” Nirman 说。
（图自 Obviously AI，版权属于原作者）
如果说客户公司的现有数据是原材料，Obviously AI 的算法则是“烹饪技巧”，是其对未来消费者行为预测准确与否的关键。
为了让机器不仅能够理解非理性的人类行为、还能预测未来有可能发生的不合理行为，ObviouslyAI 使用的技术之一是递归神经网络（recurrent neural networks），这种神经网络能记录不同时间点上用户的不同操作，并且尝试对该用户未来某行为的预测。
“我们创建了一个合成数据集（synthetic data set），其中包含对某事、某种情况下可能产生的一系列选择，这些选择里既包括理性选择、也包括非理性选择。然后，我们为合成数据集提供多个不同的问题、多个不同用户属性，并将其插入递归神经网络，让其计算出理性人、非理性人在现实生活中做出某种选择的概率，这就是我们算法的思路。”
此外，Nirman 介绍说，Obviously AI 的算法会随着新的用户数据自动更新预测。当新的用户数据进入系统时，它会重新训练其模型，并在下进行预测时，通过使用更准确的预测来提高准确性。换句话说，系统会不断自我学习、根据新信息调整、更新预测结果。
预测消费者行为：有些行业很难，有些行业格外难
作为一家成立仅仅一年多的创业公司，Obviously AI 在创业公司中也算非常年轻的。不过据 Nirman 透露，他们现在已经有企业客户、有营收，且与多家公司展开合作。
“目前我们的客户包括马自达、Instacart、Triple A 等。此外，我们还在和可口可乐接洽，目前处于 PoC 的阶段（硅谷洞察注：即双方尝试合作，如果效果满意则会变为正式客户）。此外，还有大约 30 家公司在洽谈阶段。不论是大公司、还是初创企业，是传统行业的公司还是科技公司，任何拥有数据、并希望从数据中获取预测的人都是我们的潜在客户。” Nirman 说。
在现在全民使用数据、所有的公司都想用大数据武装自己的时代，大数据是个运用非常普遍的行业。但毕竟每个行业有自己的特点，什么样的行业预测起来难度更大呢？
在采访中，Nirman 多次提到 “总体来说，预测都很难”，不过他也告诉硅谷洞察说，对于人为因素很多、需要靠关系（personal connection）维护的行业来说，预测人们的非理性行为格外困难。
“在这种人为因素很多的行业里，预测就会变得更难。但对于有些行业来说，比如开发一款手机游戏，这种行业不需要你与客户建立私人关系，而且客户数量很大，因此预测起来就容易一些，因为影响预测的外部因素少了很多。”
虽然预测非理性行为这件事情本身很难，但好在目前为止 Obviously AI（及其竞争对手）有充分的空间在这个科技巨头们暂时还没有覆盖的领域里发展。
如果说数据的丰富程度，当然谁也比不过谷歌、亚马逊这种科技大厂。不过，虽然谷歌或亚马逊等公司都有自己的预测分析工具，但这些公司的系统各自封闭，因此其支持的数据导入类型有很大限制。
比如谷歌只能支持来自谷歌基础设施的数据源，亚马逊也是同样。这意味着亚马逊永远不会支持谷歌的数据库系统（比如 BigQuery）。同理，谷歌也不会允许用户将谷歌数据导出到自己的工具上，以此鼓励用户使用谷歌自家产品。
（从左至右：Google BigQuery ML, Mode Analytics 及 Datarobot）
除了谷歌、亚马逊之类的大公司外，还有一些像 BigML、Aible、Big Squid 等其他几家类似 Obviously AI 的创业公司。与后者相比，这些公司起步更早、有更多的技术积累，但这些工具本来是为有技术背景的专业的机器学习领域的工程师们打造的，因此使用门槛比较高，比如用户需要会自己选择算法、自己进行设置等各种细节。
现在，这些原本定位给专业工程师使用的公司们纷纷调整产品，并试着把它们卖给更为普及的非技术用户，使本身不具有技术背景的用户也能使用 data science，但产品 “调整” 起来并不是那么容易，往往意味着推翻重来、重新开始打造产品。因此，怎样做到 “用户友好（user friendly）”，则是这些公司面临的一大挑战。
看来，要让机器理解我们的内心，还真不是一件容易的事情。预测理性行为已经不易，更何况我们还要时不时做出一些非常不理性、甚至自己也解释不清的行为。不过话说回来，只有机器才永远理性，人要是时时刻刻都很理性，和机器还有什么区别呢？
（封面图自网络，版权属于原作者）
推荐阅读
4268
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
