2年前,郑玮卖过一次车。从开始寻找买家到最后成交,他花了整整一个月时间。“有太多不清楚的情况,身边每个人给出的建议都不一样。”
这次经历让他切身体会到汽车场景下,C端知识孤岛化严重,大量普通人不了解的问题,其实存在可数据化的答案。他开始考虑,如果用自然语义的方式将其梳理,进行数据算法推理,并从语音交互入口切入,将是很大一块市场。
为此,去年2月,他创立品智能量,专注人工智能的自然语义在汽车垂直领域的具体应用。一年半努力之后,品智能量基于知识图谱自然语义分析的AutoAI平台已经基本架构完成,并为国内知名汽车主机厂和车联网服务等B端平台提供语音人机交互产品开发。未来品智能量也将以此为载体,打通车载机器人、4S店客服机器人等硬件产品入口。
没有办法方便解决车主们经常冒出来的疑问吗?
在腾讯任职期间,郑玮接触了很多中小创业者。有个小伙子做了一款菜场比价系统:他们每天早早跑到城市的各个农贸市场,将当天的菜价更新到系统中。用户买菜时可根据系统给出的价格来比价还价。“还有很多类似的创业者。”
这使郑玮意识到,创业的需求和灵感就在身边,不是非要追求一个自己不了解的行业,或者重新创造一个生活中没有的东西。他的创业念头就此萌发。
2015年,郑玮进入中驰车福任CMO,负责集团旗下B2C业务线的开展。不久之后,他和同事们目睹了一批020养车平台在烧光几亿资金后无奈倒闭。
他和同事分析其中原因:汽车后市场低频、高客单价,靠烧钱补贴来获取用户不是长久之计。想真正留住用户,必须找到一个高频入口,或是内容,或是服务。
此外,他们还发现了一个新情况:身边突然出现了大量车辆问答类微信公众号。这些公众号主要通过人工答疑的方式为用户解答关于车辆使用过程中的一些问题。当车辆出现故障时,很多人在实地维修前会选择上网搜索具体原因,但常常得到千奇百怪的答案。这些公众号便应运而生。
而这些答案相对标准化。在他们看来,如果基于大量数据的积累,通过人工智能的方式将其梳理应用,可以更方便地解决车主的问题。
以一个自然语义分析核心为基础,根据需求定制出多种Chatbot(聊天机器人),并将其应用在各种场景。项目核心就这样浮现在郑玮脑海中,至于具体使用形式,车主的最明显的痛点之一不就是开车的时候希望解放双手吗?语音交互是最恰当的接入方式了。意识到其中的机会后,去年2月,郑玮创立品智能量,全心投入到产品研发上来。
梳理数据,建立一个行业未见过的先进的知识图谱
项目启动初期,团队采用Magic模式(私人助理模式)来打造产品形态:将前端的Chatbot连接后台人工客服,机器人与用户对话后,可以为用户连接到修理、保险等第三方服务。
但他们很快便否定了这个模式。因为,Magic模式要基于智能助理形态,高频和计划性是助理工具产品的特点,而低频的汽车行业除了保养和保险外,其他服务几乎都没有任何计划性。
之前获取的千万数据告诉郑玮,车主最关心的内容在汽车故障方面,“占到整体数据的50%。”团队随即将知识图谱核心的构建入口转到汽车故障板块方面。
而这其中非结构化数据众多,配件SKU的匹配、经验描述等各个方面很难标准化。团队将获取到的千万数据拆分标注,建立规则算法和推理,构建专业的知识图谱。
2015年8月,在自然语言分析和机器学习基础上,品智能量的人工智能核心AutoAI基本完成。团队开始在汽车垂直领域寻找产品的具体场景应用。同月,他们获得1000万元天使轮投资。
首先,一款demo化App“上道”在10月上线。它采用Bot聊天机器人的形态。机器人“小道”可通过语音多轮对话的方式为车主提供用车应急解决办法、常见故障维修方法等汽车故障类服务。同时,团队还推出了配套的微信问答类产品——上道题。
从上线至今,App已有5万用户,但郑玮没有对App做任何主动推广。在他看来,在现有人工智能的技术条件下,单纯的C端产品无法满足用户的高标准体验。
现阶段,上道App一是充当B端定制化产品的demo架构,二是为AutoAI和用户之间提供交互入口。App积累的用户问答数据,可以更好地反馈给AutoAi底层进行机器学习,使其越来越智能。
今年二季度,AutoAi与汽车主机厂及车联网服务商之间的合作迅速打开局面。就目前而言,其合作方式主要以汽车专业领域自然语义为核心,为B端提供人机交互产品。
另外,平台与一家共享经济新能源商务车公司达成合作,对方打算采用品智能量的技术核心,搭建他们的车机交互系统。一家大型机器人厂商也将与品智能量合作开发汽车语义SDK,为4S店、汽修厂提供销售、接待、休息区等方面的智能机器人产品。
此外,品智能量正在研发一款针对C端的车载机器人。产品可以放在车内,充当虚拟助手,可起到做数据来源和增强用户粘性的作用。这个机器人除了搭载AutoAi的语义系统外,还将会是一款消费升级的功能化产品,预计通过线上渠道以及线下4S店的方式售卖。
未来,品智能量将继续以AutoAi为核心,完善其在汽车专业领域知识图谱的构建,并针对B端做更深度的数据定制化挖掘和增值服务,同时在C端场景中,做更多提升用户体验的功能开发,用自然语义的产品化模式,打破汽车领域B端与C端之间的知识孤岛和交互鸿沟。