0116

2017-01-16 Weekly Newsletter Google的“执著”

  • Authorjackzhong
  • Date 15 January 2017
  • CategoryPM

Edition #34 weekly newsletter


INSPIRING QUOTES

“一切过去的,都不过是象征;永恒之女性,引领我们上升”

出自歌德《浮世德》。

WEEKLY ARTICLES

Scaling Knowledge at Airbnb

来自airbnb的知识库经验分享:作为一个组织,不同个体的Insights怎么能准确且高效的传达给知识受用者?答案就是一个共享的知识库。

作为知识库,有5个基本原则:唯一性、高质量、可读性、可查性。Airbnb为了达到这些原则,采取了最原始的Blog的形式,且每篇文章都有tag,时间等标签,保证了高效索引。

对待内部工具用心与否,也是一个公司是否成熟的标志之一啊。

As an organization grows, how do we make sure that an insight uncovered by one person effectively transfers beyond the targeted recipient? Internally, we call this scaling knowledge.

Our public data blog posts also now live in the Knowledge Repo, including this one. In general, the heuristic is: if it could potentially be useful to someone in the future, post it!

Google又把事搞砸了

对语音助手做软件还是做硬件的优劣分析非常精彩,由此分析了为什么Amazon的Echo在语音家庭助手这场仗上大获全胜,而Google似乎很难在这个领域上追上Amazon了。

顺理成章地接下来其实是在说Google近年来的问题:从云技术到无人车再到语音助手,Google似乎对“技术“或者说”算法“这件事过于痴迷了。这种对技术的执着却导致Google忽略了用户的感受。

用户其实根本不在意你技术多牛逼,因为体现不在产品里的技术用户是感受不到的——产品好用才是真的。

在搜索这件事上,产品就是技术,技术牛逼的确说了算;但其他的方向则不是这么回事。在一个各家都很容易做到技术相当的领域,体验和产品就显得更为重要了:Google的无人车丢在实验室里研究了几年,希望做出最安全,最智能,拥有最强计算力的无人车——但事实则是当无人车的事故率低于了一个阈值后,用户是感知不到你那零点零几个百分点的进步的。

最后Google拿出来的是个像玩具一样的车,和Tesla放在一起你会买哪个?

我会买乐视FF91。(严肃脸)

产品思维,产品思维。

做算法的时候技术是第一维度,但做产品的时候体验是第一维度,你并不能掉过来玩:我这项技术很NB,所以我要把它放产品里,所以用户要为此买单。而是要反过来思考,比如延时、响应率和对答准确率在这类产品上影响用户体验,所以我要在现有技术上把这体验做到极致。

但这样一来产品体验上打折扣就非常厉害。如果Google是第一个发布这种产品,时间窗口很大,那也问题不大,关键它不是,它需要这样一款产品来和亚马逊的Echo竞争,这就可怕了。你是后发,那怕做到一样的水平也没啥优势何况你还差一截。挑战新技术这事在工程师思维下是合理的,但在产品思维下就错的离谱。

AGGREGATION THEORY

在任何商业市场上,总有三种角色的存在:供应商、经销商和消费者。过去想要挣钱,要么在其中一个位置上做到最好,要嘛创造一种模式打通其中两种角色的交接。比如报社了连接了内容和消费者,出租车连接了租车公司和搭车者。

然而互联网打破了中间供应商这条渠道,使得服务的分发变得免费了。供应商都被互联网所聚合起来了——不再有地域的阻隔。这意味着谁的产品最好用,谁就能抢占更多的用户。

当然,地域的阻隔还是存在的,不同国家甚至区域的用户口味还是不同的。只是说通过有差异化的产品还是可以满足不同区域用户的需求,不像过去你还得亲自跑去当地才能做生意。

Instead, suppliers can be aggregated at scale leaving consumers/users as a first order priority. By extension, this means that the most important factor determining success is the user experience: the best distributors/aggregators/market-makers win by providing the best experience

It’s interesting to consider the order of these examples: the pioneer of this model was Google which modularized content providers. It’s easy to see why this is the case: content has always been monetized by proxy, whether it be paying for newspapers (or advertising space in those newspapers), paying for CDs, or paying for cable TV. The shift to digital has exposed these proxies for the rent-collection mechanisms they are

DEEP LEARNING AT GILT

Gilt用Deep Learning来检测两件商品的相似度或判断单品内含有的元素,然后就可以自动为用户推荐看起来类似的商品了。模型的输入是商品的图片,输出则是这个图片是某类单品的概率。比如可以判断一件衣服是不是无袖,是不是高领等,而不需要人工判断。

他们其实用的是ImageNet建的Model,添加了一些自己想要的feature就拿来用了,效果似乎还不错。

Once the training is done, if it has a high accuracy and the model is not affected by overfitting, whenever the network is fed with a brand new image, it should be able to produce accurate predictions.

Product similarity will allow us to be able to offer our customers recommendations based on product similarity. It’ll also allow our customers to find visually similar product with other facets.

WEEKLY PRODUCT

Melodist

一款有趣的音乐类App,将你的某一张照片通过特定的算法转换成一段旋律。你可以调节旋律的快慢,转换不同的和弦声。算是款有意思的睡前白噪声应用。

WEEKLY MUSIC

好不容易

太多人失意

太多人忘记

太多人都说爱情失重无影

爱 也许是我的

爱 也许是他的

爱 也需要你做媒

听说人呻鸣

听说人分离

听说人都说爱也无法证明

坏 别在数我的

怪 别在诉她的

再也不视你的美

我在这里 带着你

很值得 一直我会爱着你

心服的 心不舍 一切都不可思议

因为爱的只有你

我已换了自己

我意识到

好不容易

好不容易

好不容易

爱到你


> Thank you for stopping by.

> Today is2016/01/16

> I’mTianjie Zhong | Jack

> #Live a life you will remember

> My life: jackztj.com

Write a comment