挖掘海量的潛在需求分享，包括挖掘潛在需求、不僅僅是人的需求、算法挖掘、算法隔離的挑戰與倫理四部分。

　　以下是數字化轉型的分享線路圖，您現在所在的位置爲序號①的分享：用戶層數字化中，最關鍵的一部分，外部驅動力之客戶篇，挖掘用戶的潛在需求。

　　以下是正文：

　　一、挖掘潛在需求

　　在無意識設計一文中，我們分享了產生人行爲的兩種源動力：意識和潛意識。

　　意識層面的行動，更多的是防禦行爲，即抵禦人世間的種種恐懼；

　　無意識層面的，包括個人無意識和集體無意識，也叫個人潛意識和集體潛意識。

　　個人無意識主要產生在小時候的教育模式和日常生活中的各種洗腦（洗腦也叫催眠），可以打一個不恰當的比方，小時候就像一張白紙一樣，在這張白紙上面“繪製的藍圖”都是世界給單個人的見面禮。集體無意識主要包括文化、民俗、方言、歷史遺留等等。

　　目前，集體潛意識到底僅僅包括人類歷史遺傳的烙印，還是包括宇宙所有記憶，暫時並沒有定論。可以確定的是基因爲了自己的生存和進化，驅動人類和各種物種繁衍生息。但是，主宰世界“進化”的究竟是基因，還是基因背後更深層的物質，例如：基因的構成物質，在主導基因的“進化”，從而有了基因主導物理世界各物種的進化，都是人類遠未搞清楚的。

　　就像冰山理論講的一樣，看不見的遠大於可見的部分。集體潛意識就像冰山連接海牀的部分一樣，不可見，不可見其邊界！

　　在用戶驅動力層面，數字化轉型的未來趨勢是什麼？

　　前面的文章給了很多種觀點，如：全時全鏈路深度數字化的能力；實體與數字化交融的新型第三空間；專注實體和數字的融合的未來服務設計；創造時刻互聯的體驗等等。

　　所有這一切彙總起來，最終的目的，更多的不是探討如何服務用戶規模化、標準化的需求，也不是我們所謂的僅僅滿足個性化服務，而是要挖掘海量的潛在需求。挖掘潛在需求的市場，是當前顯性需求市場的成百上千倍。

　　二、不僅僅是人的需求

　　潛在需求到底由什麼構成？怎麼來的？

　　非常淺層的講，就是滿足場景下的用戶個性化的需求。在場景設計一文中分享的，關於場景四要素：時間、地點、情緒觸發、產生交互。目前的技術水平，很容易滿足時間和地點的訴求，但難以滿足觸發情緒和產生交互兩項。

　　要討論情緒觸發的方式或者方法，以及怎麼促使用戶和企業產生交互？討論潛在需求的來源就至關重要。

　　（1）當下顯性但未描述的需求

　　當下有的顯性需求，但並未通過外在的形式進行描述或交互。例如：晚飯時間喫飯的需求，用戶並未打開“餓了麼”App，也未問Siri，更沒有通過傳統渠道如百度檢索，僅僅通過時間與地點兩個要素，算法直接推薦用餐服務是否合適，是否是挖掘了潛在需求？這一類市場企業並沒有開始真正的經營。

　　（2）當下隱性但未描述的需求

　　當下有的隱性需求，但未通過外在的形式進行描述或交互。由於理性把人往回拉的力量，在滿足溫飽以後，都有安全、社交、尊重和自我實現的需求。大多數人並不會將所有的這些需求通過形體、社交網絡或其它渠道暴露在外面供企業消費。發掘這部分需求中存在的價值，也是中短期挖掘潛在需求的巨大市場機會。

　　下圖爲馬斯洛需求層次理論，非常經典。可以說自上而下的需求中，每個人都對金字塔中的所有描述點有潛在的需求，只是階段不同，內部慾望、外部結構和社會環境不同，顯性層面表現的不一樣。

　　企業要做的是，怎麼洞察用戶狀態，實時、實地、適人的給予更高一層的服務，從而獲取潛在價值。例如用戶剛滿足生理需求，喫飽喝足睡的一塌糊塗，此時他會很快追求安全需求層的需求，通過各種方式將企業或生態中對應的安全需求層的服務，推送給用戶就尤爲重要。依次類推。

　　多層次需求的佈局，要重點考慮需求與需求之間的邏輯關係，以及獨立需求板塊之間的“過渡地帶”（例如：生理需求的實物和安全需求的健康，過渡地帶就是健康食物這類，具體讀這篇文章），以及板塊融合後產生新的模式。這麼做的目的是做到需求與需求之間的串接，從而滿足個性規模化。

　　做到這，也僅僅是人類認知範圍內，滿足了對人，基本層面的需求，或者說意識與個體潛意識需求的挖掘，但遠未觸及更深層面的需求，如集體潛意識或基因進化的需求等等。

　　（3）不僅僅是人的需求

　　這是這一部分的重點，也是我這幾年一直沒搞清的三個問題之一，帶着這個問題我讀完了自己能接觸到了所有心理學圖書、讀了一些歷史學書籍，後來在讀天體物理相關的圖書時，受到一點啓發。這本書叫《給忙碌者的天體物理學》，感興趣可以買來讀讀，2017年的新書。另外《蟻人》的兩部電影作品，也極具啓發性，推薦有空看看。

　　下面用《給忙碌者的天體物理學》的內容，簡單描述一下：人，是如何形成的。更確切的講，是當前我們所見的物理世界是怎麼形成的：

　　目前人類可知的，宇宙最小單位，叫夸克和輕子，大約出現在137億年以前的一次“大爆炸”。電子就是我們最熟悉的“輕子”。剛開始的時候宇宙裏有夸克和電子，還有反夸克和反電子。2012年的時候，物理學家知道，在當時那個高溫條件下，夸克和電子都可以自由行動，宇宙就好像是一鍋夸克輕子粥。這鍋粥裏的主要活動是正反物質的產生和湮滅。

　　夸克和反夸克，電子和反電子一旦相遇就會湮滅並且釋放兩個極高能量的光子，而在這個時候宇宙的高溫之下，光子又會再產生正反夸克和電子。一個正電子剛剛產生之後，又馬上跟另外一個電子相遇，又繼續湮滅成光。

　　這是一個非常有意思的機制。如果正反物質總是成對產生、成對消失，那爲什麼我們現在的宇宙裏都是正物質，而沒有反物質呢？

　　目前科學家還回答不了。出於某種還不爲物理學家完全理解的原因，每十億對夸克和反夸克湮滅，會留下一個正夸克作爲倖存者——我們今天的世界，都是這樣的倖存者組成的。這些倖存者實在太幸運了，打個比方：如果每個人都是早期宇宙中的一個正夸克，這就等於說今天活着的世界人口中，只有5個人能倖存。放到中國，只有1個人可以成爲幸運兒，當然如果真的發生也是最不幸的！

　　等時間推進到百萬分之一秒的時候，整個宇宙已經膨脹到像太陽系這麼大了，溫度進一步下降，夸克們被三個一組束縛在一起，形成“重子”——也就是我們高中物理學學到的質子和中子。但與此同時，質子和反質子，中子和反中子之間也要不停地發生碰撞湮滅變成光子，光子再生成正和反的質子和中子。正物質的質子和中子的倖存率，也是十億分之一。

　　到一秒的時候，宇宙已經膨脹到幾光年這麼大了，這時候宇宙的溫度也更低。更低的溫度使得質子和中子被結合在一起形成原子核，其中90%是氫原子核，剩下的10%是氦原子核，其他元素極少，都可以忽略不計。

　　這個時候，光子溫度只夠它產生正電子和反電子，但是電子和反電子之間也在不停地發生湮滅——同樣的道理，因爲十億分之一的倖存率，最後剩下的全是電子。

　　等到宇宙年齡是三十八萬年的時候，溫度低到讓所有電子都被原子核捕獲，就形成了氫原子和氦原子。到十億年的時候，這些原子在引力的作用下結合在一起，就會變成恆星，然後這些恆星又會組成星系。

　　那個時候，我們已經有了一千億個星系，每個星系裏面會有幾千億顆恆星。其中有些比太陽大十倍的恆星，在高溫高壓之下，可以生產一些更重的元素。這些恆星最後會爆炸，重元素被傳播出來，散佈在整個宇宙之中。正因爲這樣，今天我們纔會有這些重元素，否則宇宙中就幾乎全是氫和氦。

　　又過了九十億年，在宇宙中某個不起眼的地方產生了一個不起眼的恆星，它的名字叫太陽。太陽所處的位置正好有很多重元素構成的氣體，這些氣體在引力作用下慢慢凝聚在一起，形成了行星。其中某一顆行星，距離太陽不遠不近，正好允許液態水的存在，它就是地球。此後又經過無數機緣巧合，地球上有了生命，生命經過漫長的演化，最後終於有了你。

　　人類的產生，是多麼的幸運，所以這個時間，沿着這條線，你再回看一下：人類生存發展的需求，是人自我驅動的？還是基因驅動的？

　　如果是基因驅動，究竟什麼驅動基因？夸克？

　　我的問題，是什麼驅動夸克？太多太多人類無法探知的問題，可能都會有算法來實現。但限制算法去探索浩瀚宇宙的，最大的瓶頸，也將會是人類的無知。

　　三、算法挖掘

　　靠人工去挖掘場景下的需求，基本上是無法實現的，依靠人去挖掘潛在需求，更不可能。

　　一方面千人千面，量大導致的工作量巨大；

　　另一方面，變化因素多，細微因素導致全局波動的可能性巨大，也是人無法也沒有能力做到的。這時候，只能依靠機器。機器分析配合人的情感化服務，纔是未來潛在的方向之一。

　　挖掘潛在需求要做到實時實地、精準兩個方面。實時實地目前的算法水平已經可以輕易滿足，更重要的是要做到精準，這裏有必要再強調一下精準對未來商業的重要性。

　　阿里曾鳴教授，在分享新舊商業差別的時候，提到一個詞叫精準。同樣劉強東在第四次零售革命中，描述未來零售圖景時，用到的也是精準和無界。精準零售一詞，最早應該來自貝佐斯。

　　其實，精準服務會是未來任何領域的一個基本訴求，我們會看到有精準服務商的興起，有精準賦能B端的企業出現，有精準戰略這種詞出現，也會有精準醫療、精準交通、精準畫像、精準知識圖譜、精準NLP、精準XXXX等各類詞或模式的出現。

　　來看看阿里曾鳴教授對精準的描述：

　　“精”是精細。互聯網不僅能做到個性化到每一個人，還能個性化到這個人在某個時間點的狀態、情緒、行爲。你喝了酒以後的表現與沒喝酒時肯定不一樣，上班與回家的狀態肯定不一樣。精細，會逐漸細到越來越小的粒度。場景化就是精細化的一個努力方向。

　　“準”是越來越準確，而這隻有通過智能化才能實現。基於以牛頓經典力學爲代表的現代科學發展起來的工業時代，是追求確定性的時代。人的信仰是科學能發現一切規律，基於規律能準確做一切事情。

　　最近50年，隨着量子物理和計算機科學的發展，這個時代最大的特點是開始接受不確定性，嘗試用統計的方法來逼近準確性。所謂的機器學習和人工智能，就是先從一個非常粗糙的目標開始，逐步迭代優化，最後可以非常準確。谷歌翻譯的準確率可以從剛開始的40%，幾年內逼近到很高水平，和工業時代是完全不一樣的思路，是用統計、概率、學習、反饋來逼近精確，最終目的是越來越準確。

　　它要求“活”數據，而不是一般意義上的“大”數據。只有量是不夠的，必須跟業務完整融合在一起，在此基礎上有模型和算法，還要有云計算和大計算能力支撐海量數據處理，這是未來商業競爭真正比水平、比能力的地方。能否精、準、細，背後是商業邏輯的根本變化。

　　挖掘潛在需求的前提是要有用戶的數據，構建360°用戶視圖，靜態數據+動態數據，能進行實時分析並給以結果反饋。動靜態數據的獲取能力、分析能力，以及根據分析結果推送服務的能力，都是算法實力的一個體現，也是一切服務的開端。

　　算法預判+銷售動作，是未來精準服務的所有起點。因此，算法挖掘的目的是有機會開始服務。精準服務用戶的要有機會或起點，你連機會都沒有，算法和用戶，都會默認你不存在於這個世界上一樣。

　　四、算法隔離的挑戰與倫理

　　算法隔離，也是對未來的預測，不過這部分的預測會是未來十年甚至幾十年之後的社會構成。但十年也是瞬間的事情，所以有必要分享一下。

　　人類通過六十多年的努力，企業通過數十年的努力，發明了算法、讓算法應用到商業行爲中，從中獲取了大量的利益。但就像企業設計算法的初衷一樣，算法像我們設計它的初始目的那樣，開始自主決策。

　　我們現在設計算法的目的，是爲了精準刻畫一個人，從而實現精準服務的目的。不管是獲取數據方式，實現分析的算法，促進交互的手段，還是接觸層的各種產品類型，都是爲了實現精準服務。

　　1. 低端智能階段

　　中短期講，算法一直處於低端算法（也叫低端智能），就是模型+算法實現的，只能解決特定場景下的特定服務，例如：客服工作，或者協助客服的工作；例如：機器的眼睛攝像頭從錄製、處理、傳輸、存儲、再處理、分析、輸出等等作爲社會特定的監控或者監控輔助工作；例如保險領域雙核等等。

　　數據、模型、算法、代碼、算力和產品六個大類別中，最大的不確定性就是算法，最大顛覆的可能性也是算法，其次纔是產品和算力。如果科學家在實驗室突破性的創造出一整套算法，可以精確預斷未來5秒會發生的事情，那整個世界的結構都有可能因此而顛覆。此類或相關算法真的出現時，算法隔離層也就離我們不遠了，這個轉折點也就是所謂的“奇點”。

　　2. 算法隔離時代的挑戰

　　算法隔離是指，那些服務於個人的算法，爲了確保它所服務的個人的利益最大化，從而屏蔽企業算法的服務推送。這個是一個新趨勢，也就是說，算法開始作爲人的第二層皮膚，學會護主，開始保護人類，或者更具體的說保護單個人。

　　它會是在B端供給側和C端需求側中間，形成一個新型的物種，我們暫且叫算法隔離層。

　　什麼意思呢？

　　企業的廣告和服務的推薦，算法不認可，就無法推薦到用戶面前。而算法做這一切的目的，是處於真正意義上的保護這個人，哪怕一開始，有所誤差。

　　這個時候，企業將面臨前所未有的挑戰。因爲一切通過算法認可的服務才能出現在消費者的觸點上，那些無法被算法承認的服務，某種意義上，是在這個世界上不存在的。

　　3. 算法隔離時代的倫理

　　現在還無法確定算奇點之後的算法，是爲了自身的進化而屏蔽服務，亦或是完全爲了主人的綜合利益最大化，選擇服務。但可以肯定的是，算法的創造企業，除了面臨自己算法的挑戰以外，更多的還面臨算法過於干涉人類生活而帶來的倫理問題。

　　我們拭目以待！希望對你有所啓發，在評論區寫下你的想法，我們一起討論。

　　截止目前，外部驅動因素用戶篇六篇全部分享完畢，這六個部分是我們講的WHAT的什麼部分。未來會有針對這些變化，HOW的落地部分。根據具體規劃，時間上不出差錯的話，會是在三個月後（2018年12月16號之後）和大家見面。

　　參考資料：

　　《潛意識》

　　《給忙碌者的天體物理學》

　　《曾鳴智能商業二十講》

　　相關閱讀

　　企業數字化轉型：全民超人時代客戶的七個特性及應對之道

　　外部驅動力客戶篇（二）：應對用戶需求的四個要點

　　外部驅動力客戶篇（三）：聚焦一切關聯需求

　　外部驅動力之客戶篇（四）：以客戶爲中心經營模式的五大挑戰

　　外部驅動力之客戶篇（五）：全方位認知客戶

　　作者：李有龍，公衆號：IAB物智鏈

　　本文由 @李有龍 原創發佈於人人都是產品經理。未經許可，禁止轉載

　　題圖來自Unsplash，基於CC0協議