惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

P
Proofpoint News Feed
云风的 BLOG
云风的 BLOG
Apple Machine Learning Research
Apple Machine Learning Research
Hugging Face - Blog
Hugging Face - Blog
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Google DeepMind News
Google DeepMind News
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
雷峰网
雷峰网
B
Blog
月光博客
月光博客
博客园 - 【当耐特】
WordPress大学
WordPress大学
Microsoft Azure Blog
Microsoft Azure Blog
I
InfoQ
The GitHub Blog
The GitHub Blog
Engineering at Meta
Engineering at Meta
Jina AI
Jina AI
博客园 - Franky
MyScale Blog
MyScale Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
Last Week in AI
Last Week in AI
B
Blog RSS Feed
H
Help Net Security

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
拼多多结合AI开始整活了,商详页重大改变是赞是喷?
杜昭 · 2024-05-22 · via 人人都是产品经理

当其他家还在想着AI落地的场景与应用时,拼多多已经悄悄把AI能力应用到产品之上了——拼多多的智能评价总结,已经开始使用。但作者觉得,这个方案还有不少局限性。

今天想在拼多多上买个机械键盘,在浏览商品详情页的时候突然发现评价模块已经融合了AI能力,就像下面这张图:

拼多多结合AI开始整活了,商详页重大改变是赞是喷?

在所有评价信息的上方会有一块智能评价总结的文字:这块文字中会根据已有的全部用户的评价来智能生成整体的评价。

作者首先是比较惊讶,拼多多这种对新技术的创意性应用。设计者的思路也比较容易理解,评价信息是影响用户购买决策的非常重要的因素之一,这种方案客观上可以节省用户查看评价的时间,能够以更高的效率确定此商品受到的整体评价是偏正面的,还是偏负面的。

当然这也仅仅是理想的情况下。

因为大家都知道,现在无论任何电商平台的评价信息,都需要用户掌握了火眼金睛能力才能分辨出真假(除京东自营),所以这里使用AI能力去总结所有的评价信息到底有没有用呢?

要确定这种方案能不能起到正面的转化效果,还是要理解拼多多的用户属性,不同的用户认知能力和分辨能力有极大的差距。再结合拼多多的用户群体,有很大一部分下沉时长的用户,包括一些年龄偏大的客户,所以作者觉得这种设计方案客观上是能够起到一些正面转化效果的。

但是对于那些比较精明的分辨能力比较强的用户来说,我相信他们依然会去查看用户的原始声音。

例如作者的习惯就是先会按照时间排序看,再去看超过十天以上的追加评价,才有那么一些可信度。

从用户的信任感受上来说,可能会认为这些由AI总结的信息是公正且客观的,从而增加他们对产品的信任感。

但是作者觉得这种设计方案也有比较大的局限性。

第一:细节缺失

评价信息,在被总结的过程中,一定是多数趋同的信息会被总结出来,而那些仅仅只有极少数用户提到的细节则不会被纳入总结性信息中来,毕竟总结性信息也不能覆盖到所有角落,那样总结又很臃肿,失去了原本的意义。而这些细节中,可能就有用户关注的信息。能促进转化的信息。

第二:图片评价

图片评价也是作者认为这个方案有很大局限性的原因,几乎是最重要的原因吧,我们几乎可以达成一个共识,在所有的评价信息中上传了图片的,或者拍了视频的那些评价往往是更具有参考意义的。

这个共识通过所有电商平台的设计方案也可以得到佐证,因为所有的电商平台在评价信息这里,全部都为图片和视频评价单独设置了一个标签,方便用户去做筛选。

而智能评价总结这个部分只能总结文字性的评价信息,而没有办法把图片性的评价信息总结出来,即使真的做到了把图片评价信息总结出来,那也完全丧失了图片的细节,是好是坏也不好说。

最后作者想说的是,消费者面对各种套路,一定会变得越来越聪明。这一点我们也可以通过双11购物节的营销方案看得出来,去年以及今年几乎所有的电商平台都取消了那种非常复杂的计算方式,而是直接低价开卖,原因就是消费者已经变聪明了,分辨能力更强了,也不愿花那些心思去算计了。

第三:用户习惯差异

这一点无需多言,就像作者在上面说的,自己的人看习惯一样,我对不喜欢查看总结性信息的用户,请实这部分信息是一种干扰,也会把原本存在于页面中的其他信息向下挤占更多位置。

第四:虚假评论

AI可能无法有效区分真实评价与刷单行为产生的假评,这里面一个有意思的现象是,很多刷单刷出来的评价反而更符合总结性的信息,因为刷单的那些评价用词和内容往往会有非常多的一致性,而AI能不能辨别真实的评价与虚假的评价暂时还不确定,也包括平台的价值导向也无法确定。

第五:更新速度

按照常理而言,这种总结性的信息并不会每产生一个新的评价信息,就更新一次。因为例如,现在共有500条评价信息,抽象出的总结评价当地501条,评价出现时,单条的信息对整体总结结果的影响是非常小的。这个时候,首先是没有必要进行更新。其次是如果真的进行更新的话,那所需要的数据处理的能力会更高。对企业来说,这也是一些算力上的成本。

但是在上面的截图中,我们可以看到页面中显示的是对当前所有已存在评价的总结,这里有可能是数量仅仅取了所有评价信息的数量,而总结性的信息并不是根据全部评价总结出来的,而是每隔一段时间或每出现一定数量的新评价再去更新。

以上就是作者的分析了,如果官方真的有诚意,不如把所有间隔十天以上的追加评价信息做一个智能化的总结,这才有更强的可信度。

专栏作家

杜昭,微信公众号:AI与用户体验,人人都是产品经理专栏作者,实战派设计师,目前在某手机公司负责手机OS交互设计,所负责产品覆盖用户数亿,主要研究AI与人机交互设计的融合及人因学对用户体验的影响。

本文原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自 Unsplash,基于 CC0 协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。