簡單來講，潛意識佔位預測，就是致力於借助解析用戶表現於外的行為數據，去推測其尚未清晰表明、甚至於連自身都未曾全然發覺的內在需求、意圖或者心理狀態。在我所投身的用戶體驗研究範疇內，這表明並非一味徒然等候用戶主動告知我們他們意欲何為，而是懷著主動性，預先去“領會”他們的行為信號，把此作為更具智能性、更善體人意的產品還有服務設計的憑據。
什麼是潛意識佔用預測
此處所講的“潛意識”，可不是精神分析裡那種神神秘秘的概念，它指的是那些會驅動我們作出行為，然而卻沒有被我們清楚意識到的心理過程，就像快速滾屏的時候對某一個區域很短時間的停留，又或者是在兩個選項中間的遲疑。 “佔用預測”，是藉助捕捉這樣一些小小的，不是由指令產生的行為痕跡，去構建模型，以此來預測用戶接下來有可能會做些什麼或者需要些什麼。比如說，當你在新聞App裡快速滑動的時候，系統有可能憑藉你手指滑動速度的改變，預測出你對哪一類標題會更感興趣，就算你從來都沒有點擊過“喜歡”。
它助力我們把用戶研究從“他們講了啥”推進至“他們切實做了啥”的程度，一個用戶或許宣稱自己僅關心科技新聞，然而其瀏覽記錄卻表明他頻繁且短暫地停留在娛樂板塊的圖片上，潛意識佔用預測模型能夠捕捉到這種矛盾，並且有可能預測出他對輕鬆娛樂內容有著潛在興趣，進而在恰當的時機予以推薦，這相較於單純依據其聲明的興趣標籤要精確很多。
潛意識佔用預測有什麼用
最為直接的價值所在是極大程度地提升用戶體驗的流暢程度以及個性化程度，當產品能夠對您的潛在需求予以預測並且預先做好準備時，您會感受它極其“懂您”。比如說在編輯文檔之際，要是系統能夠依據您光標頻繁移動以及刪除行為，預測您正為某個表達而發愁苦惱，並且適時且低調地給出幾個改寫建議，這種主動提供幫助的方式遠比一個被動的工具欄更具價值。
於商業範疇，它可高效提升關鍵指標，藉由預測用戶潛在的購買意向以及流失風險，企業能夠於最佳時機予以乾預，像向遲疑的購物者給予一張恰好能促使決策達成的優惠券，或者向有流失跡象的用戶推送其興許感興趣的新功能通知，這不但能提高轉化率與留存率，從長遠角度而言，還能基於對用戶的深度理解構築起更為穩固的品牌忠誠度。
潛意識佔用預測如何工作
這一技藝基準常在多模態數據收集與機器學習構建方面相融合，數據源並非僅局限於點擊記錄與購買記錄，更含有眼動軌跡，以及鼠標移動速率，還有頁面滾動樣式，以及於不同信息區域的停留時長差值，甚至在觸摸屏上的按壓力量等細微交互數據這類部分，這些數據被視作潛意識活動裡的“洩露信號” 。
把這些具有細顆粒度的行為序列輸入到預測模型裡，像循環神經網絡RNN或者註意力機制模型，模型會去學習當中的時序模式以及關聯關係。比如說，它有可能學會辨認出一種特定的眼動模式，即“快速瀏覽- 突然減速- 短暫回看”，這種模式和後續的具有高概率的點擊行為緊密相關。一旦這種模式再度出現，就算點擊還沒有發生，系統也能夠預測到用戶的高興趣度，並且做出相應的調整。
潛意識佔用預測應用領域
當今，它在互聯與遞移動應用範疇，於內容推薦、精準化廣告投放、界面動態優化以及交互流程簡化等方面已有廣泛運用。舉例來說，視頻平台依據你對片頭反應之預測，來開展是否使之自動跳過片頭這件事；電商網站憑藉你瀏覽商品時形成的滾動及放大的各項行為，預測你對哪些特定屬性最為在意，進而以此來優化商品詳情部分的頁面佈局。
正迅速朝著線下以及更多元的領域進行應用滲透，於教育科技裡呢，能夠對學生在學習進程中的互動數據予以分析，像答題時的猶豫時長、反複查看的知識點這類，進而預測出其知識方面的薄弱之處，並且動態地去調整學習路徑，在智能家居場景當中，借助預測家庭成員的行為習慣，比如慣常回家後的一系列動作流程，自動提前對燈光、空調進行調節，從而達成真正的無感智能。
潛意識佔用預測如何測量
量化評估主要藉助A/B 測試框架來進行，我們設計出實驗組，也就是應用了預測模型的產品版本，還設計了對照組，即原始版本，之後對兩組在核心業務指標方面的差異展開比較，像任務完成效率、功能使用深度、用戶滿意度評分例如NPS 以及最後的商業轉化率等，一個成功的預測模型理應能夠帶來在統計上顯著的積極提升。
不可或缺同時有定性測量這件事。我們要藉助後續的用戶訪談，還有可用性測試以及“回顧式聲波法”，去給用戶呈現其行為軌跡跟系統預測，向他們詢問當時的真實想法。這不但能夠驗證預測的準確性，還能夠助力我們弄明白誤判的緣由，該緣由是數據噪音呢、模型偏差呢，還是用戶自身決策的偶然性，進而持續迭代優化預測邏輯。
潛意識佔用預測的局限性
技術層面的挑戰依舊十分顯著，其一，行為數據裡充斥著噪音，一次停頓，有可能是源於興趣，又或許僅僅是受到外界干擾所致。其二，模型存在偏差風險，要是訓練數據自身無法代表全體用戶，那麼其預測就會對少數群體不公平或者無效。更為關鍵的是“黑箱”問題，複雜的深度學習模型難以闡釋其預測依據，這致使它在需要高可靠性且可解釋性的領域（像醫療、 金融）的應用受到限制。
尤其突出的是倫理跟隱私問題，當企業要去預測乃至影響連用戶自身都沒意識到的傾向時，這就觸及到了個人自主權的邊界，濫用會致使“操縱性設計”出現，利用人性弱點過度促使消費或者延長使用時間，我們務必要構建嚴格的數據使用倫理規範，保障用戶的知情權以及選擇權，確保技術的應用是用來增強用戶能力，而不是去剝奪其選擇自由。
當你去看待潛意識佔用預測這種技術之際，你作何認為，於“給予極致便利”以及“ ”二者之間，最為關鍵的那個平衡點究竟該劃分在何處呢？歡迎於評論區去分享你的見解，要是你覺著本文具備啟發性，也煩請點贊予以支持並且分享給有可能對此感興趣的友人。
發佈留言