第38章 顧氏持續創新路 (第2/3頁)
低谷期的弄潮兒提示您:看後求收藏(品書網www.vodtw.tw),接著再看更方便。
身說:“這次經銷商大會太成功了,訂單不斷,這是大家共同努力的成果。不過,市場競爭可不會給我們喘息的機會,我們還得繼續創新啊。”其他股東紛紛點頭。
顧逸塵站在會議室前方,心裡也在思考著。顧逸塵開口說道:“各位股東,我們確實在經銷商大會上取得了不錯的成績,但就像剛才說的,不能停步不前。從我們整理的使用者反饋來看,個性化服務的缺失已經成為亟待解決的問題。
我們仔細分析了不同使用者群體的特點,決定優先針對年輕上班族進行服務最佳化。為什麼要優先選擇年輕上班族呢?主要有以下幾個原因。首先從人數上來說,他們在智慧家居潛在使用者中佔比高達 45%左右,這是一個相當大的市場份額。其次,這個群體對新事物的接受程度達到了 70%以上,他們更容易接受和嘗試我們的創新成果。再者,他們在社交媒體上的活躍度高,資訊傳播能力強,如果我們能滿足他們的需求,他們可以迅速地把我們產品的優勢傳播出去,為我們帶來更多的潛在使用者。我們設想在滿足了年輕上班族的需求之後,再將精力集中到有老人和小孩的家庭使用者上,因為年輕上班族也可以帶動他們的家庭來使用我們的產品,形成一種老帶新的良性迴圈。
我們的創新思路是這樣的。首先,我們要大力應用人工智慧技術來構建一個基於神經網路的‘使用者習慣記憶庫’。對於年輕上班族,我們著重在智慧家電的快速響應方面下功夫。我們在智慧家電中嵌入各種先進的感測器,像高靈敏度的溫度、溼度感測器,還有能感知細微變化的壓力感測器、光線感測器和人體紅外感測器等等。這些感測器就像是我們的眼睛,源源不斷地採集各種資料,這些資料就是構建‘使用者習慣記憶庫’的基礎。
就拿智慧空調來說,針對年輕上班族,我們分析他們在不同環境下調節溫度、風速、執行模式等操作時的資料,這些資料被感測器收集起來,而我要讓人工智慧演算法像一個聰明的大腦一樣去處理這些資料。透過分析大量過往資料,要是發現某個使用者在夏天傍晚總是把空調設為製冷模式且低風速,那下次在同樣情境下,空調就得自動按這個習慣調節。這個過程中,人工智慧演算法要對溫度、溼度、時間等多維度資料綜合分析,建立起使用者習慣的模型。
目前我們的研發團隊已經取得了階段性的成果。我們在實驗中已經成功地讓智慧家電透過感測器採集的資料構建起初步的使用者習慣模型。在針對年輕上班族的測試中,我們選取了兩百個測試家庭,其中超過百分之七十五的家庭,其智慧家電在經過一段時間的資料採集與分析後,能夠在使用者到家的短時間內準確地根據他們的習慣自動調整執行狀態。
對於有老人小孩家庭的使用者,在解決了年輕上班族的問題之後,我們會集中精力進行服務最佳化。在資料分析方面,我們會利用人工智慧進行分層級且細緻的處理。第一步,讓人工智慧對海量資料初步篩選,透過智慧演算法把外界干擾產生的異常資料去除,保證資料純淨。然後,把篩選後的資料按不同家庭成員分類,再用深度學習演算法建立每個家庭成員單獨的資料模型。
比如,一個家庭裡孩子在房間玩遊戲,人體紅外感測器能檢測到孩子活動,光線感測器記錄房間光線變化,這些資料傳到人工智慧系統,分析後就知道孩子在這種場景下可能需要明亮光線和適宜溫度,那智慧燈光系統和空調就得按這個分析結果調整。
而且,我們還要在智慧家電中加入基於人工智慧的語音識別和情感分析功能。當使用者和裝置語音互動時,人工智慧不僅要準確識別指令,還要深入分析說話的語氣、語調、語速這些情感因素。要是使用者語氣急,裝置就得快速響應;語氣溫和的話,執行指令時給個溫馨提示。根據使用者情感狀態,裝置還得主動調整執行狀態,像使用者煩躁時,智慧