拖延症、喝奶茶、愛熬夜...我真是控制不住我寄己啊！_風聞

沒人點奶茶是因為覺得它能延年益壽、補氣養血 —— 我們都知道奶茶糖多、不健康、沒營養，為什麼還忍不住喝奶茶？都知道熬夜對身體不好，為什麼還是覺得早睡覺就 “浪費” 了一個美好夜晚？

（這張圖是不是讓你又想喝奶茶了？我也是 / 圖自網絡）

因為 … 人不是機器，本來就不理性呀！所以我們經常做出與長期目標相反的事情，也就是非理性行為。比如，為了免運費花比運費本身更多的錢湊單，然後再騙自己 “反正我本來就要買那個東西的”。

有些非理性的行為則稍微隱蔽一點。舉個例子：比如有人跟你説，他可以今天給你 100 塊，或明天給你 110 塊，大家都會選擇明天拿 110 塊；但如果改成今天給你 10 萬塊、或明天給你 100010 塊，你會選哪個呢？

理性的人當然該毫不猶豫地選擇後者，但很多人可能會頭腦一熱選擇今天拿 10 萬塊，因為人們想要今天立刻就拿到這 10 萬塊，獲得即時的滿足感。

在《怪誕行為學：可預測的非理性（Predictably Irrational: The Hidden Forces That Shape Our Decisions）》這本研究行為經濟學的經典之作裏，作者舉了很多非理性行為的例子，這本書也給位於舊金山的 AI 創業公司 Obviously AI 帶來了創業的靈感與啓發。 

硅谷洞察採訪了伯克利大學孵化器 SkyDeck 最新孵化的公司之一，Obviously AI。其共同創始人之一、CEO Nirman Dave，為我們介紹了商家們在面對人們的非理性行為時，是如何努力試圖理解、甚至預測這些行為的。

為什麼提高價格反而能留住客户？

非理性行為通常被視為隨機行為，但其實這些隨機行為也是有跡可循的，並且有一種可預測的模式 —— 這就是剛才提到的那本書《怪誕行為學》的總體思路。

Nirman 幾年前剛讀到這本書的時候，一下就被這個觀點深深吸引：非理性選擇真的是不可理解、不可預測的嗎？有沒有一種方法，可以理解人們的非理性選擇、找到它的模式、甚至能夠預測這些非理性的選擇？

這就是後來成立 Obviously AI 的最初思路。Obviously AI是一家使用機器學習，幫助SaaS公司使用其現有客户數據預測客户行為的公司。

兩位創始人 Tapojit Debnath（左）及 Nirman Dave（右）

在聊技術之前，硅谷洞察最先問他的，就是他們是否成功預測出一些看起來反直覺的、非理性的消費者行為？

Nirman 告訴硅谷洞察，Obviously AI 的客户之一，是一家電信公司。這家電信公司找到 Obviously AI，想讓他們研究出哪些客户可能會在未來轉向其競爭對手公司。

一開始，這家電信公司把某項服務的包月價格定為每月 25 美元。出乎意料的是，Obviously AI 建議他們把價格提高到每月 31 美元。**沒想到，這家電信公司發現在價格上漲後，停用他們的服務、轉而使用競爭對手的用户數量反而降低了！**説好的價格與需求成反比呢…難道宏觀經濟第一節課教的價格供需圖是錯的？

價格供需圖當然不是錯的，只是這是一個非理性行為的實例：所有人都認為更便宜的定價一定能留住更多客户，但在 Obviously AI 電信公司客户的例子裏，人們反而覺得定價稍微高一點的產品更優質，因而不願意轉向更低價格的產品了（當然，更低價格的產品其實未必意味着低質量），因此反而降低了該公司流失的客户數量，而 Obviously AI 則幫助該公司成功預測出了這個非理性的現象。

讓機器理解、預測人類的非理性行為

能預言未來的水晶球只存在於童話故事裏，那麼，Obviously AI 是如何 “預言” 出人們的非理性行為呢？

Obviously AI 的產品工作方式是連接到諸如 Mysql、Salesforce 等不同的數據源，鏈接到數據源後，企業用户會看到一個像谷歌一樣的搜索欄。在這個搜索欄裏，用户可以用大白話提問，比如 “哪些客户可能會在下週再次購買我的商品”。

（圖自 Obviously AI，版權屬於原作者）

每當客户提出問題時，客户就會將 Obviously AI 連接到他們的數據庫（由於公開網絡上的數據真實性與準確性無法得到保障，Obviously AI 只使用公司提供的數據），然後由 Obviously AI 構建一個特定於該客户數據源的、深入的模型，並針對客户提出的這個問題，在僅不到 30 秒的時間內為客户提供預測結果。

目前 Obviously AI 的產品包括兩部分：除了上文提到的、負責獲取公司現有數據的部分，更核心的，則是使用該數據與 Obviously AI 構建的算法一起進行預測的部分。

“我們就像廚師一樣，客户把原材料帶給我們，我們對數據進行加工，把成品返回給客户。” Nirman 説。

（圖自 Obviously AI，版權屬於原作者）

如果説客户公司的現有數據是原材料，Obviously AI 的算法則是“烹飪技巧”，是其對未來消費者行為預測準確與否的關鍵。

為了讓機器不僅能夠理解非理性的人類行為、還能預測未來有可能發生的不合理行為，ObviouslyAI 使用的技術之一是遞歸神經網絡（recurrent neural networks），這種神經網絡能記錄不同時間點上用户的不同操作，並且嘗試對該用户未來某行為的預測。

“我們創建了一個合成數據集（synthetic data set），其中包含對某事、某種情況下可能產生的一系列選擇，這些選擇裏既包括理性選擇、也包括非理性選擇。然後，我們為合成數據集提供多個不同的問題、多個不同用户屬性，並將其插入遞歸神經網絡，讓其計算出理性人、非理性人在現實生活中做出某種選擇的概率，這就是我們算法的思路。”

​

此外，Nirman 介紹説，Obviously AI 的算法會隨着新的用户數據自動更新預測。當新的用户數據進入系統時，它會重新訓練其模型，並在下進行預測時，通過使用更準確的預測來提高準確性。換句話説，系統會不斷自我學習、根據新信息調整、更新預測結果。

**預測消費者行為：**有些行業很難，有些行業格外難

作為一家成立僅僅一年多的創業公司，Obviously AI 在創業公司中也算非常年輕的。不過據 Nirman 透露，他們現在已經有企業客户、有營收，且與多家公司展開合作。

“目前我們的客户包括馬自達、Instacart、Triple A 等。此外，我們還在和可口可樂接洽，目前處於 PoC 的階段（硅谷洞察注：即雙方嘗試合作，如果效果滿意則會變為正式客户）。此外，還有大約 30 家公司在洽談階段。不論是大公司、還是初創企業，是傳統行業的公司還是科技公司，任何擁有數據、並希望從數據中獲取預測的人都是我們的潛在客户。” Nirman 説。

在現在全民使用數據、所有的公司都想用大數據武裝自己的時代，大數據是個運用非常普遍的行業。但畢竟每個行業有自己的特點，什麼樣的行業預測起來難度更大呢？

在採訪中，Nirman 多次提到 “總體來説，預測都很難”，不過他也告訴硅谷洞察説，對於人為因素很多、需要靠關係（personal connection）維護的行業來説，預測人們的非理性行為格外困難。

“在這種人為因素很多的行業裏，預測就會變得更難。但對於有些行業來説，比如開發一款手機遊戲，這種行業不需要你與客户建立私人關係，而且客户數量很大，因此預測起來就容易一些，因為影響預測的外部因素少了很多。” 

雖然預測非理性行為這件事情本身很難，但好在目前為止 Obviously AI（及其競爭對手）有充分的空間在這個科技巨頭們暫時還沒有覆蓋的領域裏發展。

如果説數據的豐富程度，當然誰也比不過谷歌、亞馬遜這種科技大廠。不過，雖然谷歌或亞馬遜等公司都有自己的預測分析工具，但這些公司的系統各自封閉，因此其支持的數據導入類型有很大限制。

比如谷歌只能支持來自谷歌基礎設施的數據源，亞馬遜也是同樣。這意味着亞馬遜永遠不會支持谷歌的數據庫系統（比如 BigQuery）。同理，谷歌也不會允許用户將谷歌數據導出到自己的工具上，以此鼓勵用户使用谷歌自家產品。

（從左至右：Google BigQuery ML, Mode Analytics 及 Datarobot）

除了谷歌、亞馬遜之類的大公司外，還有一些像 BigML、Aible、Big Squid 等其他幾家類似 Obviously AI 的創業公司。與後者相比，這些公司起步更早、有更多的技術積累，但這些工具本來是為有技術背景的專業的機器學習領域的工程師們打造的，因此使用門檻比較高，比如用户需要會自己選擇算法、自己進行設置等各種細節。

現在，這些原本定位給專業工程師使用的公司們紛紛調整產品，並試着把它們賣給更為普及的非技術用户，使本身不具有技術背景的用户也能使用 data science，但產品 “調整” 起來並不是那麼容易，往往意味着推翻重來、重新開始打造產品。因此，怎樣做到 “用户友好（user friendly）”，則是這些公司面臨的一大挑戰。

看來，要讓機器理解我們的內心，還真不是一件容易的事情。預測理性行為已經不易，更何況我們還要時不時做出一些非常不理性、甚至自己也解釋不清的行為。不過話説回來，只有機器才永遠理性，人要是時時刻刻都很理性，和機器還有什麼區別呢？