激变市场要灵活管理

在深入研究这些算法之前，我们先思考，在战略和组织架构方面，为何传统做法在众多公司失效？

近年来，技术为市场带来了史无前例的变革和不确定性，企业的敏捷度和适应能力成为CEO最热衷的话题。然而随着变革节奏越来越快，公司几乎要时刻不停地调整管理方式。对于传统的、自上而下的决策方式，这样做显然不现实，自适应的能力需要渗入到企业的DNA中。

这时自适应能力将大展身手，它与敏捷性（快速调整）、适应能力（迭代学习）和双元性（在探索和获利之间取得平衡）紧密相关。互联网公司大量运用的自适应算法包含上述三种特性的元素，并以一种自驱动的方式实现。要有效运行，推荐系统必须既能从已知的客户喜好中获利，又能根据不同的商品探索新的客户喜好，算法要在获利和探索之间取得恰当的平衡。这些算法的基础由以下三个相互关联的学习循环构成：

实验：探索偏好。第一循环首先要探索新的选择。选择可能性增多对整个系统的成功非常重要。其次，它要对这些选择进行经济有效的测试：例如根据对内容和消费者行为的理解，推荐商品，但同时要保持一定随机性和弹性。第三，它要乘胜追击，加强有效方案。

建模：调整实验的方式和成本。自适应算法不但能从不断试错中学习，它也可以根据环境来调整实验频率。换言之，实验机制可以根据自身的发展进行自我调节。然而，实验永远不可终止，因为一定程度的探索和惊喜对所有顾客来说都是必不可少的。

塑造：影响偏好。当顾客被指向新的产品和类别时，他们的新兴趣点将会被挖掘和塑造。它不但会加强顾客的偏好，更会创造新的偏好。

最关键的是，这三个学习循环是自动运行的，无需人工决策介入。它不需要分析师手动制作推荐，再一个个地解读用户反馈，最后手动调整实验频率，筛选出用户最可能青睐的新商品。自驱动可以让自适应系统以非常快的速度运行。