實體書店新員工 微軟“小冰”智能薦書
言幾又推出大數(shù)據(jù)推薦算法和情感計算框架工具 通過回答問題幫讀者分析最適合書單

“現(xiàn)階段成熟的物流體系讓人在中國的任何一個地方都很容易擁有一本書或者一個產(chǎn)品，但問題是如何讓人能找到合適自己的，以及更多豐富多彩的東西？如果只推薦爆款，會不會讓人們變得單一？”微軟（亞洲）互聯(lián)網(wǎng)工程院副院長李笛的這段話或許是微軟“小冰讀書推薦”存在的原因。

言幾又與微軟（亞洲）互聯(lián)網(wǎng)工程院正式宣布，雙方在AI賦能文化零售產(chǎn)業(yè)展開合作。其中，基于大數(shù)據(jù)推薦算法和情感計算框架的“小冰讀書推薦”已正式部署完畢，在言幾又廣州K11等實體店及微信服務(wù)號正式上線。在近兩個月的線上驗證中，已有數(shù)千讀者通過微軟小冰的個性化薦書找到了心儀的書籍并下單購買。

記者體驗

小冰會問兩類問題以確定讀者喜好

據(jù)介紹，在一對一交流中，小冰會與用戶溝通“學(xué)生時代喜歡上什么課”“近一年來最大的收獲”“想去哪里旅游”等話題。通過對話引導(dǎo)了解和確認(rèn)讀者的個性特征、閱讀喜好及當(dāng)前閱讀需求后，結(jié)合對市面上海量書籍的學(xué)習(xí)，小冰將為讀者推薦最適合的專屬書單。

北京青年報記者掃描言幾又實體店活動二維碼、進(jìn)入言幾又微信服務(wù)號，體驗一下小冰選書的能力。

記者在和小冰交互過程中，感受到小冰提出的問題大約分成兩類：一類和產(chǎn)品品類相關(guān)，一類是和用戶個性相關(guān)。和圖書品類相關(guān)的問題大致上和書店里常見的圖書種類劃分一致：文學(xué)、社科、科技、生活……還有一些問題則是和讀者自身相關(guān)。

“和讀者息息相關(guān)的部分又可以再細(xì)分成兩類：一類問題是用戶的身份，比如是初入職場的白領(lǐng)，或者新手爸媽；另一類問題是客觀的興趣，比如你是更偏文藝氣息還是更具有科技感。我們會在有限的8到10輪問話當(dāng)中兼顧到這幾類不同的維度，以確保我們對內(nèi)容有很好的篩選，為讀者做出一個最適合TA本人的推薦。”微軟（亞洲）互聯(lián)網(wǎng)工程院微軟小冰產(chǎn)品總監(jiān)孫婷告訴記者，“系統(tǒng)在后臺提供一個彈性的部分，從結(jié)果上來看可能是無關(guān)的問題，甚至是比較重復(fù)的，但這個對于系統(tǒng)來講是很重要的。可能會帶來更合適的結(jié)果。”

小冰優(yōu)勢

彌補(bǔ)人工不足幫讀者找到合適的書

為了能成為貼心的“人工智能書店店員”，小冰進(jìn)行了大量的機(jī)器學(xué)習(xí)以及向真人店員的請教。

在數(shù)據(jù)學(xué)習(xí)的部分，微軟小冰以每本書的ISBN編號和書名等主要標(biāo)簽作為學(xué)習(xí)的基礎(chǔ)，了解了書名、作者、簡介、品類，甚至包括讀者相關(guān)的評論和標(biāo)簽等。在系統(tǒng)學(xué)習(xí)海量圖書后，當(dāng)言幾又給出書店在售的圖書列表之后，小冰就可以根據(jù)運(yùn)算結(jié)果只向用戶推薦該店在售的圖書。此外，微軟人工智能團(tuán)隊還采訪了言幾又書店的店員，以讓小冰補(bǔ)充人類店員的不足。

在孫婷看來，圖書銷售目前最大的痛點(diǎn)是讀者不知道看什么書。“讀者能否找到好書完全依賴于店員對這一領(lǐng)域有否了解。但一直滿意的概率很低，因為每個人都有擅長的領(lǐng)域和空白的領(lǐng)域。另外，有的書店把榜單、熱門、暢銷書籍放在顯眼處，讓顧客參考解決。但這個辦法并不好。”

而且，通過店員向顧客推薦，存在不少缺陷：一是店員人數(shù)有限，忙的時候照顧不過來所有顧客，而人工智能店員的優(yōu)勢恰在可以同時服務(wù)許多人。二是也有一些主觀原因，“銷售意愿很強(qiáng)的店員會觀察顧客，在顧客需要時主動上前詢問，但同時也有一些銷售意愿不是很強(qiáng)的店員，書店對如何激勵他們也很頭疼。”孫婷說。

行業(yè)反思

流量至上會失去看豐富內(nèi)容的可能性

還有更深層的問題：如果店員的薪酬體系是底薪加推薦機(jī)制，銷售不同的書提成不同，一本書提成3元，另一本書提成10元，店員在推薦圖書的時候到底該依據(jù)讀者的需求來推薦，還是會為個人收入做考量呢？“小冰能做到從讓讀者更滿意這個角度出發(fā)去推薦書，這在一定程度上能抑制流量為王的發(fā)展趨勢。”微軟（亞洲）互聯(lián)網(wǎng)工程院副院長李笛說。

時下，很多互聯(lián)網(wǎng)平臺選擇用“銷售大數(shù)據(jù)排行”來為讀者推薦圖書。這種推薦帶來暢銷書的馬太效應(yīng)：好賣的書被推薦的次數(shù)越來越多，變成了霸榜的超級暢銷書，更多元的小眾的圖書因為沒有機(jī)會在暢銷榜單露面，永遠(yuǎn)深藏角落。

“傳統(tǒng)零售業(yè)提高零售的方式有三種，榜單、堆頭和促銷，但這三種方式對書以及更多的文化領(lǐng)域推薦都沒有幫助。因為這三個方式和產(chǎn)品質(zhì)量本身沒有關(guān)系，和生活品質(zhì)也沒有關(guān)系，實際上人們真正被一本書吸引的原因，是內(nèi)容。”李笛說，“在信息爆炸的時代里，如果不用更好的推薦算法給用戶提供更豐富的選擇，就會逐漸使人變得狹窄。正如現(xiàn)在一切都是流量至上，所有人都在看某一個電視劇，這就讓人失去了看其他的可能性，最后造成更大的中心化了，這和互聯(lián)網(wǎng)的原意也是背道而馳的。”文/本報記者 張知依 統(tǒng)籌/劉江華