算法|一场泛零售数智化要怎么做？

文章插图
文 | 亲爱的数据，作者 | 谭婧
“卖货”疯狂增长的背后，京东疯狂搞技术，废话不多说，快上车，故事开始了。
01 扫雪危机坐标北京潘家园，古玩市场人群熙熙攘攘。地摊上，玉器、书画、钱币、木器、古币散摆了一地，客人一屁股稳坐在摊口的破皮子小马扎上，粗糙的手指反复盘弄一个炭黑色“老底子”铅酒壶，把玩将近20分钟了，摊主无动于衷。这位摊主，难道要等客人摸到“铅中毒”了才看出来“购买意愿”吗？
计算机里的人工智能可明白着呢，每当用户点商品，加购物车，翻详情页，读评论……它就一通忙活。因为这些用户的动作，可太重要了，这可是人工智能眼里宝贵的“用户实时反馈”，用于准确判断用户兴趣。假如一位京东APP用户也选购商品20分钟，人工智能过了三天三夜才懵懵懂懂反应过来“用（购）户（买）兴（意）趣（愿）”。那就永别吧，人工智障。
发现兴趣是第一层功力，还要发现兴趣是变化的。剁手党总是善变，一会爱这个，一会爱那个，兴趣变，品味变，潮流变。如果推荐商品的时候，用户看了20分钟鞋子，兴趣已然消耗殆尽，APP还在一（傻）味（傻）推荐鞋子，APP离被卸载的悲剧，也不远了。

文章插图
总而言之，卖货，要反应快。体现在计算机里的人工智能身上，就是实时性。反应越快，越能“做成买卖”，所以，实时性是人工智能做零售这门生意的时候的IQ水平。打分标准很简单，效果好，IQ高。延时多，效果差，IQ低，俗称傻呼呼。
京东618和双十一大促的时候，压力排山倒海，逛APP就像逛春节的庙会，在线用户多，用户行为更多。在平时，京东日常处理几十亿商品和五亿用户，如此大的数据，想要处理好，不仅是一个技术问题，还是一个见识问题。更别说，用户在京东APP里不是静止的，买买买，逛逛逛，就会产生海量行为数据。新数据像雪片一样飞来。
人工智能要有边下雪边扫雪的能力。在这个“动不动就一个亿”的玩法里，增量信息就是用户兴趣、用户意图的增量，好比把积雪（数据增量）及时扫掉（模型更新）。几万年不处理，数据就像雪一样堆到富士山顶了。
想要精准抓住用户特点，人工智能就需要特大（百GB级别）的模型参数。
模型参数是什么呢？就是商品和用户的特征，简单理解，就是人工智能抓住的特点。综艺节目里的模仿秀惟妙惟肖，这就是演员在表演中抓住了“神特征”。当特点海量，参数也会海量。陈奕迅轻唱，谁能凭爱意将富士山私有？人工智能说，唱得好，打断一下，在下认为，能抓住富士山雪顶特点，那才是真爱。
目前，整个科技界公认的做法分两步。
第一步，把AI模型做得很大。足够大，才能在这么大规模的群体中精准刻画用户特（兴）点（趣）。第二步，在这个大体量压力下，性能还要好。说白了，就是在山崩雪啸中清理雪道，难度可想而知。当AI模型超大（TB级别）的时候，传输，更新，就好比把富士山的雪块，全部搬到北海道去。那应该怎么办呢？答案不是搬雪，而是扫雪。
“扫雪”的水平要高，及时又精准。
及时扫雪，举一个例子。假如你和我都用京东APP，这些海量参数里，有一批参数表达了你，有一批参数表达了我。你点击了，就是你的用户行为有反馈了，及时更新你的参数（特点）。
精准扫雪，举一个例子。一大堆雪，要能区分，是谁家门口积雪。扫错了门前雪就是错误地更新了别人家的参数（特点）。