Zašto nova generacija besplatnih mobilnih aplikacija mora da vara svoje korisnike?

Podaci su zlato u današnjem svetu i neko mora da ih trenira. Platili biste ljude za to? Ne, ne isplati se. Bolje ih prevarite, kroz svoju novu aplikaciju.

prenosimo - 19. Jul, 2016.

Ako želimo da kompjuteri razumeju ljudski nered, moraju ih obučavati ljudi. Ima smisla. Ali, ako pomislimo samo na to koliko modela treba da se kreira na osnovu mase podataka i haotičnosti, suočavamo se sa izazovom — gde ćemo pronaći gomilu ljudi voljnih da provedu svoje slobodno vreme trenirajući podatke?

Ako kažete: “Zaposliću ih”, imam loše vesti. Na ovom nivou plaćanje ne dolazi u obzir.

Ako kažete: “Prevariću ih”, sve ste bliži.

Česta opaska među ljudima koji pišu o internetu je “ako ne plaćaš, ti si proizvod”. Oni tom prilikom komentarišu proizvode koje održava oglašavanje, poput Facebooka, Google-a, Tumblra, SnapChata, i gotovo sve što je online, što upakuje vašu pažnju i prodaje je oglašivačima.

Ova logika može da se koristi i za mašinsko učenje (i treniranje podataka).

Korisnici besplatnih usluga su ljudi koji će trenirati kompjutere kako bi izgradili bolje proizvode ili usluge. Ovaj “besplatan” deo je ključan, jer generiše masovan broj korisnika koji je potreban za treniranje podataka.

Sve ovo me podseća na staru priču o tome kako su Indijanci koristili svaki deo bizona. Online usluge uče kako da koriste što više delova svojih korisnika. Naša pažnja stvara njihovo oglašavanje, a naše znanje je gorivo za njihove modele dubokog učenja.

Screen Shot 2016-07-19 at 10.06.37 AM

Trik kod prikupljanja dovoljno istreniranih podataka je dvostruk. Potrebno vam je:

  1. Da privučete gomilu ljudi;
  2. Ubedite ih da istreniraju vaše podatke.

Ovo je Tom Sojer i drvena ograda, nekoliko stotina miliona puta.

Uspon aplikacija recipročnih podataka (RDA)

Nova kategorija aplikacija, ili dodatak aplikaciji, stvoren je da vam omogući crtanje po ogradi. Ove aplikacije dizajnirane su da podstiču stvaranje treniranih podataka, ali i da pruže proizvod osnažen sakupljenim podacima. Ljudi dobijaju bolje aplikacije, a kompanije bolje podatke.

Najjasniji primer takve RDA jeste Facebook Photos.

Facebook Photos je dizajniran da ohrabri gledaoce da taguju ljude na slikama, brzo i lako. Jasan poziv na akciju uokviruje lica vaše rodbine i prijatelja nakon postavljanja slike. Tagovanje pruža jasnu vrednost vama za kasniju pretragu i obaveštavanje tagovanih osoba. Tagovanje privlači pažnju i pokreće razgovore, što i jesu dva (ne slučajno) glavna razloga zašto ljudi koriste Facebook.

Usput, svo to tagovanje stvara masivnu količinu istreniranih podataka koji mogu da se koriste za treniranje modela mašinskog učenja. Sa boljim modelima dolaze bolje sugestije za tagovanje i ostali dodaci. Zahvaljujući ovoj RDA, Facebook verovatno ima jedan od najboljih modela za prepoznavanje slika ljudi na svetu.

Google Search je još jedan RDA. Vaše pretrage i izbori nude istrenirane podatke Google-u, što omogućava stvaranje bolje pretrage.

Poput ostalih proizvoda, Google Search i Facebook Photos pokazuju kako RDA generišu značajne efekte mreže. Što više ljudi koriste aplikaciju, više podataka je sakupljeno, aplikacija postaje bolja, više ljudi je koristi…

Efekat mreže je motor potreban kompanijama sa VC investicijama na pobednik-uzima-sve tržištima. Ranije su redovni metodi stvaranja efekta mreže u Dolini bili društveni/chat (ideš gde su ti prijatelji) ili tržnice (prodavci idu gde su kupci). Zbog ovoga je gotovo svaka ne-prodajna aplikacija sa investicijom ili uslugom ojačana feature-ima za deljenje ili komunikaciju —  čak i kada nema smisla imati ih u samoj aplikaciji.

RDA je novi metod za stvaranje efekta mreže, što se tek sada razume. Kako raste spoznaja biznis vrednosti, možemo očekivati da RDA prevlada tržištem.

Prodiranje RDA, biće prvi veliki uticaj mašinskog učenja na biznis. Ne samo da će promeniti raspodelu resursa, već će zbog kvaliteta i zahteva, RDA uticati na hardver i softver koji ih omogućavaju.

Koraci ka izgradnji vredne RDA

Vidimo tri putanje ka izgradnji Reciprocal Data aplikacije:

1. Okupite gomilu ljudi: Stvorite privlačnu aplikaciju koja privlači gomilu korisnika. Ovo je model koji Dolina poznaje i voli. Izgradite nešto disruptivno, zadobijte na trakciji i investirajte do zla boga u uspeh. Na neki način, ova staza je slučajna RDA staza.

Jednom kada narastete, menjanje aplikacije da bolje sakuplja podatke za treniranje samo je način za diverzifikovanje vrednosti koju dobijate od korisnika. Ova staza je neverovatno zahtevna i biće vam potrebno mnogo sreće, a onda i mnogo novca. Plus, na neki način je zamka. Jednom kada narastete, oglašavanje više nalikuje voću na niskim granama. Verovatno ne treba izabrati ovu stazu.

2. Dajte im mnogo vremena: Stvorite aplikaciju koja će ubediti razuman broj ljudi da prvode neverovatnu količinu vremena koristeći je. U mnogim slučajevima, ovo su aplikacije koje koristimo pasivno. Recimo, aplikacija za navigaciju koja koristi input vozača ili digitalni asistent koji je uvek uključen.

3. Sakupljajte jedinstvene podatke: Stvorite aplikaciju koja će sakupljati podatke koje ostali ne mogu da sakupe. Vaša aplikacija ne mora da bude ogroman uspeh po lansiranju, ali mora da postoji vizija kako će podaci koje sakupljate biti korišćeni kasnije za izgradnju potpuno jedinstvenih funkcionalnosti.

One bi trebalo da budu dovoljno privlačne da povećaju broj instalacija i korišćenje kako bi održale rast vaše RDA pre nego što konkurenti promene dizajn svojih aplikacija i uvedu ih na tržište. Ovako ćete možda i prestići Google i Facebook.


Tekst je prevod i adaptacija blog posta objavljenog na Mediumu. Originalni tekst možete pronaći ovde.