Archive for Pièces

安全问题到底是一个技术问题, 当然, 很可能不光是计算机技术, 同时也包含了管理学, 法学等等的技术内容.

从历史上看, 以前人们把通货藏在家里的安全地方, 而现在我们却很放心地交由银行管理; 以前我妈把银行存单一张张放好, 锁在家里的抽屉里, 而现在她已经很习惯用银行卡来管理资产; 以前爱迪生认为电力应用的发展趋势是发电机的普及, 每家每户/每个企业都会有自己的发电设备, 以满足各自不同的用电需求, 而现在我们都从电网中获取集中生产的电力; 以前送信需要委托远行的亲友, 而现在我们则由邮局代为发送; 如此种种, 我觉得社会分工的细化仍然是社会的发展趋势, 而技术难度所形成的阻力不足以影响其发展的势头和方向. 反而这个潮流的发展会产生很强烈的技术需求, 来解决所遇到的技术困难. 很可能在云计算趋于普及的时代里, 一家提供云计算安全解决方案的公司会非常受到市场的欢迎. 悄悄说一句, 我个人猜想, 未来云计算服务商所采取的安全措施的强度, 可能和现在的银行等同.

当然这不是我们要解决的. 我的观点是, 云计算和移动互联网很可能会同时发展, 相辅相成. 我们在思索移动互联网所带来的可能性的同时, 最好同时把云计算这个技术趋势所带来的新环境, 新方法, 新终端等特性一并纳入考虑. 从这里出发, 我们可能可以想得更远一些.

分享这篇文章是由于, 我认为其中谈到的内容, 和毓杰发给我的关于移动互联网发展趋势的思考相关. 虽然某些部分可能距离当前的社会相对遥远, 但仍然不妨碍作为我们思考的立足点.

1. 先回答毓杰这里的第二个问题: 我们的数据将会被存储在哪里?

Charlie Stross的观点是, 传统意义上的个人电脑(即比尔盖茨当年的梦想: “将来，在每个家庭的每张桌子上面都有一台电脑.” 里的那种电脑), 以及相对应的个人电脑产业将会在可预见的未来消亡. 取而代之的是云端计算服务的普及. 我们的数据将会被存放在云计算服务提供商那里.

我们先来看在个人电脑统治下的当前社会中, 人和计算应用的关系: 人们如果有使用计算应用的需求的话(比如浏览网页, 发送电邮, 编辑文档, 查看照片等等等等), 他/她首先要购买一台电脑, 然后根据自己的应用需求, 购买和安装相应的软件来满足自己的需求; 如果有多个需求, 就需要搞很多个软件. 在这个过程中, 所有的用户资料都被存储在他的个人电脑里, 所有满足其需求所进行的计算也由这台本地的个人电脑所完成. 而同时, 这个用户也需要自己来承担自己那台电脑的维护和修理, 比如软件的安装, 病毒的防护, 在软件运行错误的时候进行除错, 甚至硬件的除尘, 卫生等等. 很显然, 他必须学习很多和满足其需求不相干的技能, 花费很多额外的时间, 才能绕回到自己的应用目标上来.

我们假想一个云计算(wiki)普及的社会. 在这个社会里, 人们如果有什么计算应用需要的话, 他将不再有必要购买一台电脑. 他需要的仅仅是一个用户终端, which接入在云计算提供商上. 然后他的任何应用所发生的存储, 计算等都在云端进行.

所以在这种情况下, 云计算就相当于一种基础设施, 像水, 电, 电信网络一样. 我们只要去电力公司开户, 缴纳电费, 就可以得到电力的供应. 我们没必要去操心电厂如何建造, 发电机如何安置, 电网如何部署, 变电站如何维护; 同样, 云计算也是, 人们不再需要了解任何什么CPU频率, 内存大小, 显卡做工这些名词的意义, 也没有必要操心病毒防护, 软件升级这些琐碎的杂务, 因为这些都是云端的设施, 由云计算服务商来解决. 他所要做的, 就仅仅是在用户终端上做自己想做的. 当然, 缴纳相应的”计算””存储”费用.

在我们现在世界中最典型的云计算的例子, 是google doc. google doc让我们没有必要在本地安装一个专门的办公处理软件(暂时不讨论当下本地软件仍然功能强大很多), 编辑好的文件就可以直接存储在我们自己google doc账户内; 另外, 像拼写检查等等的计算需求, 都发生在google服务器端; 同时, 我们也不用操心软件的升级和维护: 只要google升级了google doc, 那么我们每个人都可以在第一时间用到最新版本的软件.

2. ok, 说了这么多, 都是关于产业升级的宏观问题. 现在缩小一点来看, 云计算和用户有什么关系? “中国用户” 是 “用户” 的一个子集.

除去简化用户对技术的认知/降低计算成本/集中管理提高系统稳定等等的技术问题不谈, 与用户发生关系的过程中, 其最大的特点我个人认为是云计算让用户端的硬件简化为输入/输出终端, 把数据同步的成本几乎将为0. 硬件的简化使得 “终端” 的概念可以被扩展为任何具有云服务连接可能性的设备. 我的笔记本是终端, 我的手机是终端, 我的Ipad是终端, 甚至我的带有wifi的dslr也可以是终端; 我女朋友的手机是终端, 我学校秘书的电脑是终端; 银行的ATM是终端, 麦当劳的点餐机是终端, 地铁的充值机是终端, 甚至南京路上的一堆LED广告屏也可以是终端. 终端无时不在, 无处不在, 无…不…(这个概念可以被扩展, 我一会儿会讨论.) 由于存储和计算不再在本地进行, 而集中在一个地方, 所以对用户而言, 将不会有在不同设备之间同步个人数据的操作. 于是, 各种不同性质的终端都可以同步到用户的数据(一定程度上).

也就是说, 任何时间, 任何地点, 任何… 用户都可以通过任何终端access到他完整的个人数字世界, 并且是实时更新的个人数据. 这使得人的数字生活和其真实生活的完全重合成为了可能.

3. 一旦用户的数字生活和真实生活完全重合, 那么更有意思的就来了.

通常, 我们可以通过地点定位一个人, 也可以通过人际关系来定位一个人. 这两个维度我们经常使用, 并且很好理解. 现在我们把这个概念扩展,就可以说在真实世界里, 一个人生活在无数个维度中, 拥有各自唯一的坐标. 比如: 银行帐号, 收入组成, 持有的股票, 以及语言习惯, 喜好的音乐, 受教育经历, 个人对食物的口味, 从事职业, 喜欢的体育运动项目, 等等等等… 甚至上班的路线, 常去的超市都可以单独成为定位一个人的坐标. 在这每一个方面, 所谓的 “人的一个侧面”, 每个人都有其唯一性. 而在所有维度的坐标位置互相叠加, 才构成了真实世界中的一个人. 而人们在真实世界生活的坐标通过各种终端导入进入数字生活, 也成为数字生活的各个维度. 比如facebook/人人/开心帐号保存了我们网络社交生活的坐标; flickr帐号是人们摄影/视觉的坐标; 豆瓣/imdb帐号是我们电影品味的坐标, 大众点评网是口味的维度, 以及现在的foursquare很可能成为评论的坐标, etc… 就这点来说, 加以扩展也可以做很多东西了.

而这些数字生活内容和真实生活内容一旦重合, 那么就会发生一件事情:

互动.

终端不光是真实生活往数字生活的输入端, 也是数字生活(云端)往真实世界的输出端. 一旦人们的个人信息被及时同步到各个终端, 那么也一定会在真实世界产生反馈. 比如用了google latitude, 我在数字生活中更新了我在真实生活中的位置, 然后我的数字生活(google云端)反馈给我, 在真实生活中我的朋友们的位置; 在facebook上更新说 “我饿了”, 然后会得到我社交朋友们的很多回复和评论; 在豆瓣上输入我喜欢看的电影, 豆瓣会推算出我可能喜欢的其他电影, 并且去哪个网站买最划算; 还有foursquare…

那么现在我们拓宽来看, 假设分众传媒能够通过手机定位, 知道现在在等电梯的那群人共同职业特征, 那么就可以更有针对性的投放广告; 假设我在走进星巴克的时候, 星巴克就能够通过云知道我喜欢什么口味的咖啡, 配什么甜点, 那么我可能会成为更忠实的客户; 进入地铁, 轧机会读取我calendar的日程, 知道我要去哪里, 而不必每次都经过复杂的操作来买票… 抛开位置这个维度, 如果我的终端能够检测到我当前的血压和心跳, 那么附近的医院也能够提供更有效率的医疗服务; 或者终端能够检测我每一餐的营养构成, 从而根据模型提出更好的食谱建议… 等等等等… 每个维度都可以在真实世界中和人们互动, 位置信息只是一种的一种坐标.

所以移动互联网中移动的的概念可以被扩展, 不仅仅是人物理位置的移动, 更可以是随用户状态的 “转移”, “变化” 而发生的数字内容(维度)的移动.

当前对于xpie的定义是, 它将是一个基于B2C商业环境的 « 一站式商品信息/决策平台 », 旨在降低生活在商品经济世界的人们的购物决策成本. 在剥除目前暂时不会启动的B2C平台计划后, « 降低用户购物决策成本 » 将是xpie的核心价值. 我们所有的设计, 用户体验, 功能布局都必须围绕着这个核心价值进行考虑.

在B2C商业行为中, 我们可以分离出三个部分, 即B, 2和C. C既为消费者/客户, 所有商业行为所指向的对象. B为商家, 大规模地备有各种商品, 并且掌握商品到客户的物流渠道. 2为B和C之间的通讯界面. B2C行为的终极目的是让货物从B流向C. 货物从B流向C的速度决定了整个B2C商业环境/系统的效率, 速度越快则整个系统效率越高, 产生的价值越大.

由上述模型可以看到, B2C的效率由 « 2 » 和 商品物流系统 决定. 后者在历史上随着人类交通技术的发展而进化, 从马车到高铁, 从码头纤夫到航空货运. 可以说在之前的2k年内, 商业的发展是由物流技术决定的. 然而在今天, 短期内我们看不到当今物流技术会再有什么突飞猛进的发展, 另外这本身就不在我们的讨论范围内, 我顺便一提是想强调提高B2C速度所能带来的价值.

而 « 2 » 部分则是我们需要做的. « 2 » 为B和C沟通的界面. 我们现在所指的B2C, 是说以在互联网上, 由网页/超链接/电子邮件的形式存在的 « 2 » 而产生的B和C的交易的一种商业模式. 这个界面的效率决定了C作出购买决定的速度, 从而影响整个B2C行为的效率. 我们现在由一个C的角度, 来看这个接口在整个购买行为中所扮演的角色:

产生购买动机 -> 通过搜索引擎, 专业网站, 论坛, 朋友同事等获取资料, 来决定购买具体哪款商品(在这个过程中也有可能取消购买动机) -> 再次通过搜索引擎, 相关网站广告和推荐等功能来确定去哪里/哪家网店购买这款产品 -> 连接到被选择的网店, 通过网站功能订购这款产品, 付款, etc…

在这个模型内, 现今的B2C 接口几乎只在最后一步才出现. 当然了, 就这一步的网络化也导致了零售业巨大的变化和发展. 而我们所要做的是把这个接口拓展到整个流程中去. 充分发挥网络的聚合作用从而更进一步地降低用户购物的决策成本, 提升决策速度, 进而提升B2C的效率, 提高整个市场的价值. 然后我们再去分享其中的价值, 就会带来利润.

为了将界面拓展到整个流程中, 意味着我们的网站将会代替 « 朋友, 同事 », « 专业网站, 论坛 » 以及 « 搜索引擎, 相关推荐 » 在C购物过程中所扮演的角色. 给予用户一站式的商品信息汇总, 以及有价值的购买建议. 理想状态是, 用户一旦想到要买什么东西, 我们的系统就能够根据他/她的特征告诉他, 最适合购买的是什么品牌的什么产品, 以及去哪家网店购买最划算. 甚至在极端情况下, 我们的系统可以预见用户将在以后的什么时间购买什么东西. 从而让人们完全不用浪费时间在了解自己根本不需要了解的各种商品上. 我个人认为这是 « 2 » 的终极状态.

为了做到这些特性, 我们的xpie需要能做到:

第一点, 它必须尽可能从各个方面了解用户. 用户的年龄, 性别, 职业, 受教育程度,居住地, 兴趣爱好, 甚至是其当前所使用电脑的型号, 座驾的品牌, 伴侣的工作, 等等的信息. 这些都是作为 « 朋友, 同事 » 的特长, 并且这样才能够有针对性地提出具有参考价值的购买建议. 现在网站搜集用户信息的方法大约是要求用户填写冗长的 « 个人资料 » 表格, 以及记录用户网站行为. 对于前者, 一般注册用户应该根本就没有耐心和兴趣去全部完成如此多的表格. 而如何让用户在不失去耐心的情况下给我们提供比现有的facebook等sns网站更丰富的个人资料, 这对我们来说将是一个挑战. 对此我有一些个人设想:

在用户注册的时候, 如果用户提供其facebook, 人人, 开心网等的账户, 那么我们是否可以抓取其在这些sns平台上所填写的个人资料从而自动完成他在我们网站上的个人资料? 如果又提供了豆瓣帐号, 那么我们是否也可以抓取该用户的兴趣爱好(喜欢看什么电影, 听什么音乐, 看什么书), 提供blog地址的话, 我们是否可以分析其日志的内容,获取一些产品关键词出现的频率来了解其目前所使用的各种商品, 对于品牌的喜好. 甚至我们是否可以设计qq或者msn机器人, 通过用户的msn签名的变动(加杰同时提出可以通过抓取用户在sns网站上状态的更新)来了解其行为和性格特征? 当然, 类似的还有twitter. 通过以上种种手段, 在用户付出最少耐心与时间的同时, 我们能够获得关于他的最多资料.

第二点, xpie必须能够像了解用户一样, 了解商品. 可能不光是 « 了解 » 商品, 而更多是必须要 « 理解 » 商品. 因为只有产生理解, 才能够有效建立起商品和用户的联系. 这部分工作同 « 了解用户 » 不一样的地方在于, 商品是被动了解的. 我们无法要求商品自己跑到我们的系统里来完整地把自己描述一遍. 即便是厂家添加的商品资料,也必然是片面的. 由于商品种类浩如繁星, 更新也层出不穷, 我个人认为我们也只能通过发动用户的力量来维护商品数据库的完整和更新. 在这方面应该可以参考wikipedia,豆瓣和大众点评网的方式. 每个用户可以添加商品种类, 完善商品的属性, 对产品发表评论; 而我们的系统是否能够根据用户的评论自动生成关键词, 类似wordpress会自动对每篇日志索引关键词, 以便于系统对数据的呈现. 因为这对于之后理解用户对产品的评论从而给出一个判断非常重要.

第三点, xpie需要建立某种模型, 从而可以根据这个模型运算出最适合用户的商品, 甚至可以根据模型来推测某个用户的消费行为, 或者商品的潜在消费者. 我个人认为通过sns平台的用户和商品发生互动的情况下, 通过足够量的数据采集应该可以完成这个模型. 在sns平台中我们不光可以知道什么样的人买样的产品, 我们也可以知道什么样的产品更为流行, 更为受欢迎, 以及产品的寿命, 受关注度等资料.

由于用户活跃程度对于数据库的丰富和完整性至关重要, 我考虑到我们是否可以借助用户在其他流行的sns平台上的活动来丰富我们的数据库. 比如设计facebook, 开心网机器人, 或者人人网插件这类东西, 介入到这些主流sns平台内采集数据. 举例来说加拿大的Thoora公司 « 索引了大约 8000 万个博客, 还增加了对评论与 Twitter 的监测，将这些数据综合在一起，来判断某件新闻的影响力。 »(http://apple4.us/2009/10/interview-with-thoora.html) 我个人认为类似的技术用在对商品的分析上, 再结合与这件商品发生关系的用户的数据, 我们就可以准确地知道向谁推荐哪些东西. 帮助他/她做出什么样的选择.

而由于不同的商品所需要的适用群体模型可能会有所差异. 比如买显示器和买相机, 所要考虑的参数显然不一样; 而单反相机和卡片相机虽然参数类似, 但是每个指标的重要性却又不同. 这个时候我们是否可以让专家用户来根据特定类型的商品的特性, 来调整模型的参数和变量. 用类似维护维基的方式来维护这个模型.