實體書店新員工 微軟“小冰”智能薦書

　　“現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）互聯網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。

　　近日，言幾又與微軟（亞洲）互聯網工程院正式宣布，雙方在AI賦能文化零售產業展開合作。其中，基于大數據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號正式上線。在近兩個月的線上驗證中，已有數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

　　據介紹，在一對一交流中，小冰會與用戶溝通“學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。通過對話引導了解和確認讀者的個性特征、閱讀喜好及當前閱讀需求后，結合對市面上海量書籍的學習，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、進入言幾又微信服務號，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：一類和產品品類相關，一類是和用戶個性相關。和圖書品類相關的問題大致上和書店里常見的圖書種類劃分一致：文學、社科、科技、生活……還有一些問題則是和讀者自身相關。

　　“和讀者息息相關的部分又可以再細分成兩類：一類問題是用戶的身份，比如是初入職場的白領，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輪問話當中兼顧到這幾類不同的維度，以確保我們對內容有很好的篩選，為讀者做出一個最適合TA本人的推薦。”微軟（亞洲）互聯網工程院微軟小冰產品總監孫婷告訴記者，“系統在后臺提供一個彈性的部分，從結果上來看可能是無關的問題，甚至是比較重復的，但這個對于系統來講是很重要的。可能會帶來更合適的結果。”

　　小冰優勢

　　彌補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”，小冰進行了大量的機器學習以及向真人店員的請教。

　　在數據學習的部分，微軟小冰以每本書的ISBN編號和書名等主要標簽作為學習的基礎，了解了書名、作者、簡介、品類，甚至包括讀者相關的評論和標簽等。在系統學習海量圖書后，當言幾又給出書店在售的圖書列表之后，小冰就可以根據運算結果只向用戶推薦該店在售的圖書。此外，微軟人工智能團隊還采訪了言幾又書店的店員，以讓小冰補充人類店員的不足。

　　在孫婷看來，圖書銷售目前最大的痛點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域和空白的領域。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：一是店員人數有限，忙的時候照顧不過來所有顧客，而人工智能店員的優勢恰在可以同時服務許多人。二是也有一些主觀原因，“銷售意愿很強的店員會觀察顧客，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的店員，書店對如何激勵他們也很頭疼。”孫婷說。

　　行業反思

　　流量至上會失去看豐富內容的可能性

　　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去推薦書，這在一定程度上能抑制流量為王的發展趨勢。”微軟（亞洲）互聯網工程院副院長李笛說。

　　時下，很多互聯網平臺選擇用“銷售大數據排行”來為讀者推薦圖書。這種推薦帶來暢銷書的馬太效應：好賣的書被推薦的次數越來越多，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會在暢銷榜單露面，永遠深藏角落。

　　“傳統零售業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域推薦都沒有幫助。因為這三個方式和產品質量本身沒有關系，和生活品質也沒有關系，實際上人們真正被一本書吸引的原因，是內容。”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，這和互聯網的原意也是背道而馳的。”（張知依）