新媒易动态
NEWS CENTER
NEWS CENTER
2021-03-05
AI的本质是利用数据训练提升业务流程效率，大部分社交产品的核心动作可以围绕双人或多人关系拆解为“找-聊-沉淀”这样一个流程，三个核心动作都可以与AI结合，提高每个动作的效率，优化用户侧的体验。
“找”的过程是最能获取数据，进行不断优化迭代提升效率的步骤。社交产品能从注册流程获取到用户的身份属性信息、移动端使用情况、绑定账号社交关系等，根据这些维度向用户推荐人或内容。
AI的优化空间在于特征项和参数，早期的社交产品构建维度不够多元化，只囊括性别、年龄、身高等基本信息；但随着推荐在内容产品的深入应用，社交产品的推荐也得到了优化，比如用户活跃度、已有社交关系、曾浏览过的内容标签都可以作为特征项去优化人或内容的匹配流程。
除了文本外，图像、语音和视频分析技术的成熟也让匹配维度更加多元化；比如，根据用户发布的自拍给出美学评分，或者是根据语音识别情绪，根据视频判断用户的场景，每一个用户触点产生的数据都将变得有价值。
“聊”作为中间流程，有个承上启下的作用；一方面，“聊”可以推出聊天时间、聊天频率等数据去反哺“找”，另一方面，“聊”的质量好坏又影响下一步的关系沉淀——AI的引入应该是尽可能去优化这两个方向。
以虚拟男/女友类的产品为例，对话引擎的引入使得对机器可以真实模拟人的说话方式（类似siri）；2020年8月，虚拟小冰又引入多模态框架升级，将人脸生物学特征参数化，创造出虚拟男友面容。
人工智能在语音、图像领域的成熟技术，将进一步从工业向泛文化娱乐领域寻找落地。聊天时，是否可以根据上下文推断场景，在背景还原场景？能否根据双方的图片，构建虚拟形象？可以想象的场景还有更多（比如最近大火的“蚂蚁呀嘿”在社交产品上是否可以落地）。
微信的尝试是从语音转文本时，可以根据语音分析说话者的情绪，自动判断心情，加入emoji，让对话更加生动（文本判断情绪更加成熟）；那能否在聊天时，实时给出情绪、话术、表情指引，甚至是预测关键时刻是发表情包还是发文字更好，让聊天过程更顺利的转化到关系沉淀？每个触点其实都值得再次思考。
“沉淀”的过程是产品运营在漏斗模型中最想看到的结果，沉淀的关系会有活跃、沉睡、唤醒等多种状态，AI引入的关键目标应该是使尽可能多的关系呈现活跃；实现路径可以是根据双方的多维特征做匹配，主动push最新动态，增加互动，或者是将双方又放到同一容器里（比如群聊），再次还原核心动作整个流程。
最终，考虑成本和隐私安全，社交产品引入AI的基本原则应该是在许可范围下能提升效率，创造价值，这个效率可以是新增用户、转化率、活跃率等关键指标，价值可以是品牌效应或是商业价值。
大数据和社交行业的碰撞，让产品团队能从登入评估、聊天记录、购买行为、日志行为等方面获取数据，精确刻画出每一个用户的画像。
后台多标签的融合判断逻辑处理后送到前台，形成某一维度的概括性的群体标签，比如“小镇青年”“年轻宝妈”“新中产”，这些单一维度下的标签又可以再次整合为更细分的人群。
用户分层，是社交产品精细化运作目标人群的必然结果；社交产品冷启动时最大的问题在于找到自己的种子用户，对于整个产品的生命周期来说，种子用户是价值最高、流失率最低的一批人，而这批用户口口相传的体验反馈也是成长期产品和外界沟通交流的渠道之一。
今年爆火的clubhouse就是这一逻辑的最佳实践者：
基于此，整个产品的基调氛围已经奠定，类似于初期的知乎，clubhouse的人群在行业、社会地位上相对集中，kol和koc作为产品的主要创作群体，生产的内容就相对可控，并且维持在一个高质量的水平；clubhouse在完成人、内容和氛围的蓄力后，因为人群的限制性，最有可能进一步扩圈，吸引不同行业的kol、koc完成扩圈，这些可以完全复制第一次爆火的路径。
用户分层会带来两个结果，群聊和半熟人社交：
1）从产品供给侧的角度看，群聊功能是非常重要的；用户画像较为集中的社交产品中，大家在至少一个或多个维度上会很相似，相似的经历、兴趣让交流的内容也会产生重合，寻找共鸣的心理诉求会让大家愿意加入群聊；“共同参与”允许围绕内容，做到人群的分发。
2）从用户需求侧的角度看，半熟人社交会是这类陌生人社交产品的归宿；用户分层后，越是细分的人群，其规模的天花板越低，一方面当产品扩张到一定程度，用户相遇半熟人的可能性就越大；另一方面社交产品又普遍采用邀请制激励，用户需要半熟人的加入去获取激励或满足分享、比较、炫耀等心理；基于半熟人的社交链，“共同人群”允许围绕人群，做内容的分发。