硅谷 - HRTechChina.com - 向上的力量！

硅谷

以后让人工智能安排你去合适的岗位，而不是老板编者按：本文作者Tim Chatfield是Jitjatjo的联合创始人兼CEO，Jitjatjo是一家利用人工智能技术为纽约市的餐厅、酒吧、场馆和酒席承包商等雇主，在紧急时刻找到合适又随叫随到的临时员工。尽管作为一位CEO他时刻不忘PR自己公司，但是他在这篇文章中介绍，类似的雇主和人力资源服务公司要如何利用人工智能技术快速找到合适的人，这个过程很是有趣，似乎说明了，在人工智能系统中，收集到足够大量又可用的数据，才是王道。坦白说，看完文章之后的我反而觉得，人在职场上的每一次行为和评价都被记录，实在太可怕了。雇主每年要看成千上万的简历，面试成百上千为候选人。这个过程其中涉及到海量数据，可以说是超过一般人能处理的量。就算今天的老板们再聪明，也不免发生看走眼的时候，毕竟人总是会犯错的。所以我们才需要AI。接近一半（46%）的招聘人员认为，招人最难的部分是，你要如何从一大堆乏味的简历中，挑选出合适的候选人。人工智能和机器学习很可能会改变此局面，它们可以大幅提高招聘人员筛选简历和给候选者安排合适岗位的效率。将人才信息数据化酒店经理需要招聘酒保、服务员、洗碗工等前台后厨一大堆岗位，同时要安排他们的工作时间。究竟谁能在要求的时间内工作，谁应该在什么时候做什么事？ AI如果想要解决类似问题，招人的恭喜首先需要构建一个数据集（人才库），里面记录着候选人的各种属性，并持续更新。更重要的是，你需要有一款数据驱动的能够上传到系统的员工简历系统，里面包括了候选人的背景。这些背景包括候选人的技能、爱好、住址、工作经历、空闲时间，还有雇主对他的评价。提供临时雇员的人力外包/人力资源公司，需要将没什么从业经历的人派去不同的岗位，方便形成一个数据库。最终，当岗位和员工们的数据积累到一定量的时候，AI就可以非常准确地分析数据，并为某个岗位推荐最合适的候选人。这就有点像Netflix 和 Amazon 等平台上的个性化推荐引擎。系统不会给你推荐最好的电影、最好的产品或最好的人，而是根据客户以前的挑选历史和评价，挑出你最喜欢的、最有可能选的人。分析员工的长处 AI能做的不仅是简单地匹配公司和候选人，还可以帮你选出最守时、最有经验、最全能甚至是最圆滑的员工。它还能找出，哪位员工在高度时间压力下，还能有稳定发挥。如此一来，公司可以根据客户不同的需求，做出合适的安排。这个过程跟市场营销人员利用谷歌、Facebook和Twitter上的用户行为数据，针对特定消费人群调整营销方案的道理类似。未来，我相信会有越来越多的公司通过开放API的方式共享数据，招聘人员就能更加深入地分析申请人。目前，人工智能抓取的还主要人力资源行业比较表面的指标。展望未来我们在过去几年看到，许多突破性的新技术在人力资源落地。比如FirstJob推出自动化招聘机器人Maya（时刻不忘PR自己公司的创始人），它可以将招聘过程中75%的流程自动化，评估完应聘者们之后进行排序，并自动安排面试。本文翻译自 venturebeat.com，原文链接。如若转载请注明出处。

硅谷
2017年09月25日
硅谷

当人工智能遇见企业 SaaS，Salesforce 为销售云业务开发三项全新服务距离 Salesforce 推出其 AI 产品 Einstein ，已经过去了一年时间。在庆祝 Einstein 一岁生日时，Salesforce 为其销售云（Sales Cloud services）企业用户开发了3项全新功能。这里简单介绍下 Salesforce 旗下的7个主要产品方向，Service Cloud、Sales Cloud、Marketing Cloud、Community Cloud、Analytics Cloud、IoT Cloud 和 APP Cloud。分别为企业的客户服务，销售业务，市场营销，数据分析等各个领域提供帮助。在这些新功能中，Einstein Forecasting 会基于 Salesforce 中所存储的企业用户数据，通过机器学习帮助销售主管预测他的销售团队在接下来的时间段内会有何种表现。其目的是帮助经理们在制定团队销售目标时不要感性地猜测，而是依据公司历史、团队的过往销售数据科学预测。 Salesforce 也会为销售代表们开发新功能，Einstein Opportunity Scoring 会给团队指出哪些销售交易是最有可能成功的，哪些可能会失败。从而给销售代表们指出应该把时间花费在哪里，以提高效率。 Einstein Email Insights 会用自然语言解析销售代表邮箱内的邮件内容，指出哪些邮件是重要的，并应该如何回复。从理论上讲，这应该会帮助人们不再错过关键信息。尤其是邮箱中堆积了太多的垃圾来信时，销售们很容易把握不住重要用户信息。目前这三项功能都处于试用阶段，预计将在明年年初推出这一功能，价格也会于那时公布。除了这些新功能，Salesforce 还会为人工智能领域公司投资一笔5000万美元的专项资金，Highspot, Squirro, 和 TalkIQ 是第一批接受此笔融资的企业。相比于其他竞品，在人工智能领域最大的优势在于其沉淀了多年的企业用户数据，未来 Salesforce 可能还会通过收购来进一步扩充其数据量。来源：36氪，作者：徐宇。转载或内容合作请联系zhuanzai@36kr.com；违规转载法律必究。

硅谷
2017年09月22日
硅谷

用神经科学和AI帮你找工作，Pymetrics获得800万美元融资有人靠心理测试找工作，有人用星座找公司，现在有人开始用神经科学帮你找工作了。美国公司Pymetrics利用人工智能和神经科学小游戏来帮用户匹配最合适的工作。这家公司宣布完成了800万美元融资，Jazz Venture Partners领投，新进投资者Workday Ventures和原有投资者Khosla Ventures、 Randstad Innovation Fund和BBG Ventures参投。这笔资金将用于人才招募，公司目前有45名员工，分别在纽约、旧金山、伦敦和新加坡。 Pymetrics 成立于2013年，迄今为止已经融了超过1700万美元。这家公司总部位于纽约，跟一般人用学历和院校来评价求职者不同，他们用认知和情感方面的元素来评价应聘者，具体方式是让他们玩一套神经科学小游戏。用户需要完成包括虚拟金钱交易、键盘点击等至少12个游戏，才能收到完整的职业评估。接下来，Pymetric的人工智能系统会分析应聘者的结果，将其与公司中表现最好的员工比较。 Pymetrics 的联合创始人兼CEO Frida Polli对VentureBeat 解释：“我们会收集各行各业专业人士的密集行为数据，利用深度学习建模，分析究竟是哪些特质，让这些成功人士比一般人优秀。” Pymetrics的服务对求职者免费开放，公司的盈利模式是向B端用户收费。公司会给企业客户提供定制化的算法模型，让他们通过平台挑选出有潜力的人才。该服务按年按服务级别收费。根据Pymetrics给出的数据，全球目前有50个国家正在使用他们的平台，包括Unilever和埃森哲（Accenture）；在求职者这边，则一共有50万名用户。 According to Pymetrics, more than 50 companies around the world currently use the platform, including Unilever and Accenture. On the job seeker side, there are more than 500,000 users. VentureBeat担心，有些算法模型会不会带有人类的偏见，或者某些政治不正确的因子。Polli则回应：“我们的算法不会收集任何人口统计学方面的数据，而且我们会选用统计工具剔除任何模型中的偏见。” 公司CEO将心理学加大数据的服务公司CEB-SHL 和 IBM Kenexa等传统平台视作竞品，实际上很多新型创业公司正在将AI技术用户职业匹配，比如Leap.ai、Teamable、Beamery和Mya Systems。除了这800万投资之外，Pymetrics还从洛克菲勒基金会（ The Rockefeller Foundation）获得一笔补助，具体金额未透露。这笔资金将用户帮助未充分就业的年轻人，让他们学以致用。本文翻译自 venturebeat.com，原文链接。如若转载请注明出处。

硅谷
2017年09月22日
硅谷

招聘这件大事，硅谷企业正利用AI给出求职者客观评价，辅助HR消除主观偏见艾格·格雷夫斯基一直想让硅谷变得更加多元化。他于2012年创办了一家叫做Mya Systems的公司，这家公司的总部位于旧金山。格雷夫斯基希望通过这家公司减少人为因素对企业招聘的影响。“我们正尝试剔除招聘过程中的偏见”，他说道。格雷夫斯基正在和Mya共同实现他的目标。Mya是一个很智能的聊天机器人，可以对求职者进行面试和评估。格雷夫斯基认为，和一些招聘人员不同，经过编程的Mya会向求职者提出客观的、基于工作表现的问题，并避免人类可能产生的潜意识判断。Mya评估求职者的简历时，不会关注他的外表、性别和名字。“我们正极力剥除这些因素”，格雷夫斯基说道。格雷夫斯基表示，目前已经有几家大型招聘机构正在使用Mya，不过他拒绝透露这些公司的名字。这些招聘机构用Mya来对求职者进行初试。Mya可以根据工作的核心要求对申请者进行筛选，了解他们的教育和专业背景，告知求职者他们所应聘职位的细节，衡量他们是否感兴趣；同时还能回答求职者关于公司政策和文化方面的疑问。科技产业多元化不足众所周知，科技产业存在多元化不足的问题，而且纠正这一失衡现象的速度缓慢得令人失望。虽然有公司指出这是“流水线调度问题”，但其实问题的根源出在招聘。招聘是一件非常复杂、繁重的工作，招聘人员需要挑选出最合适的人选，但他们往往存在许多偏见。某种程度而言，招聘系统决定了企业的技术人才构成。假如企业能够摆脱招聘过程中的人为因素重新招聘，会发生些什么呢？很多创业公司正在开发相关的工具和平台，用人工智能技术招聘人才，他们认为这些工具和平台将大幅减少招聘过程中的偏见。 HireVue也是一家尝试用人工智能消除招聘偏见的企业。通过基于智能视频和文本的软件，HireVue可以从视频面试中提取多达25000个数据点，从而判断出最合适的工作人选。英特尔、沃达丰、联合利华和耐克等公司都在使用HireVue的系统。HireVue的评估依据涵盖了面部表情到词汇表达等众多因素，它甚至可以衡量应聘者的同情心等抽象品质。HireVue的首席技术官Loren Larsen表示，通过HireVue“无论应聘者是什么性别、种族、年龄，做过那些工作，读的什么大学，都将获得同样的机会。”因为这款工具为所有应聘者提供了相同的应聘流程，而不是像人类招聘员那样，情绪和环境等因素都会影响到他的判断。尽管AI招聘工具尚未得到广泛使用，但咨询公司CEB的产品管理总监Aman Alexander认为，它在人力资源中的流行度正在增加。CEB公司为AMD、Comcast、Philips、Thomson Reuters以及沃尔玛等大型企业提供了一系列的人力资源工具。Aman Alexander说道：“需求一直在快速增长。招聘工具最大的用户不是科技公司，而是需要招聘大量员工的大型零售商。这意味着对于企业主而言，它们最大的魅力在于可以提升效率而不是公平性。” 不过，HireVue和Mya等产品背后的团队认为，它们的工具可以让招聘过程更加公平。因为自动化需要设立标准，这意味着使用人工智能助手的企业必须清楚如何对应聘者进行评估。理想情况下，这些参数可以在良性循环中不断更新，AI系统通过分析它收集到的收据，可以让整个过程更加公正没有偏见。不过值得注意的是，AI的效用是由驱动它的数据决定的，而这些数据又是由凌乱、令人失望且充满偏见的人类产生的。 AI并不能消除偏见只要你深入挖掘那些旨在促进公平的算法，就会发现它们或多或少都存在偏见。ProPublica检查用于预测再犯率的警用工具时发现，该算法对非裔美国人存在偏见。Beauty.AI是一个利用人脸和年龄识别算法选美的软件，它可以从提交的一系列照片中选出最具吸引力的人物。不过令人遗憾的是，它对浅色皮肤和头发的人表现出了强烈的偏爱。即便是那些AI系统的创造者也不得不承认，AI并非完全没有偏见。AI招聘平台Talent Sonar的创始人兼CEO劳拉•马瑟（Laura Mather）表示：“在招聘过程中使用AI非但不会减少，反而会增加偏见。”她认为，AI依赖于人类团队所产生的训练集，所以它只会增加偏见而不是消除它。它雇佣的人可能“都很聪明、有天赋，但却彼此十分相似”。此外，由于AI是为处理大批量招聘而开发的，任何偏见都将对谁将脱颖而出产生系统级的影响。据格雷夫斯基介绍，Mya Systems正在聚焦零售等行业。“CVS Health正在招聘12万人补充到它的各个零售点中，Nike每年招募的人也有8万之多”。任何渗透到系统中的偏见都将产生工业规模的影响。当面对多达12万的规模庞大的申请者时，AI平台可能会让招聘标准迅速偏离人类招聘专员最初的设置的标准。话又说回来，AI的强大能力也有一定的好处：它解放了招聘人员，让他们可以集中精力做出更加明智的最终决定。“在我的一生中，我和成千上万个招聘人员交谈过，他们每一个人都在抱怨自己的时间不够用”，格雷夫斯基说道。既然没有足够的时间和每一个应聘者交谈，那么直觉决策就变得很重要。AI不仅使得招聘人员可以应对更大规模的应聘者，同时也帮助他们告别了快速决策的工作状态，能够更加从容周全地思考和判断。要避免AI系统步入“偏见”的陷阱，就要求工程师和程序员具有超知觉。格雷夫斯基解释道，Mya Systems对Mya用来学习的数据种类进行了控制。这意味着Mya的决策是基于Mya Systems及其客户预先批准的数据生成的，而非原始的、未经处理的招聘和语言数据。这减小了Mya像Tay一样学习偏见的可能性。Tay是微软去年发布的聊天机器人，经过循环学习后，它很快变成了一个种族主义者。不过Mya Systems的做法并不能消除偏见，因为任何经过审核的数据都反映了人们的选择倾向和偏好。正因为如此，AI人力资源工具可能无法消除偏见，反而会将其永久化。ReadySet是一家位于奥克兰的多元化咨询公司，其执行总监Y-Vonne Hutchinson表示：“我们尽量不将AI视为灵丹妙药。AI是一个工具，AI有制造商，有时AI可以放大制造商的偏见和制造商的盲点。Hutchinson 接着说道：“要让这些工具工作，使用它们的招聘人员必须经过训练，要能够发现自己和其他人的偏见。”如果没有这种多元化的训练，人类招聘专员就会把他们的偏见植入到招聘的不同环节。 AI让硅谷变得更好一些使用AI人力资源工具的公司正在努力增强其多元性。Textio是一个智能文本编辑器，它可以运用大数据和机器学习对职位列表提出修改意见，从而吸引不同类型的人才。Atlassian是Textio的众多客户之一，据Atlassian全球多元化和包容性负责人奥布里·布兰奇表示，Textio帮助公司将新员工中的女性比例从18％提高到了57％。布兰奇说道：“我们看到，我们筛选和最终雇佣的应聘者在性别分布上有了显著的变化。她表示，使用Textio的意想不到的好处之一是，除了Atlassian的应聘者变得多元化之外，公司对企业文化也有了自我认识。“这引起了很多关于语言如何影响我们作为雇主的品牌形象的内部讨论”。总而言之，如果AI招聘工具能够提高生产力，那么它就能得到更加广泛的使用。但如果企业想仅仅靠引进AI来让招聘更加公平，这还远远不够。用不断加深的对多元化的认知来完善AI系统十分重要。AI或许无法成为科技行业解决多元化问题的灵丹妙药，它充其量只是硅谷努力变得更好的一种重要工具罢了。 via wired 雷锋网编译雷锋网(公众号：雷锋网)雷锋网

硅谷
2017年09月20日
硅谷

找不到工作不赚钱就不收学费，教育科技创企 MissionU 获 850 万美元 A 轮融资据外媒消息，记者了解到，总部位于美国旧金山的教育科技初创公司 MissionU 宣布获得了一笔 850 万美元的 A 轮融资，领投方为FirstMark，参投方包括 First Round Capital，Learn Capital，Omidyar Network，University Ventures，Rethink Education 等。截止目前，该公司的融资总金额达到了 1150 万美元。记者还了解到，MissionU 探索出了一条全新的教育服务模式，他们发现很多大学生无法找到好工作，因此他们希望以“专业”知识为突破口，通过数据分析和商业智能，教授学生基础职场技能，比如项目管理和公开演讲等。最后，他们还会利用一个真正的企业项目，让学生把知识和工作融合在一起。不仅如此，MissionU 的培训是全部免费的！不过，如果学员在此后三年时间里，每年赚到 5 万美元，就需要把自己收入的 15% 缴给 MissionU。换句话说，学员的薪酬越高，MissionU 就越赚钱，真正实现了教育机构和学员的双赢。目前，该公司已经和 Spotify，Lyft，Uber 以及 Warby Parker 等知名创企达成了合作伙伴关系。本文作者：Joker 来源：鸵鸟创投媒体（微信：wechuangye）！

硅谷
2017年09月18日

硅谷

帮助技术精英打造成功科技创企，Entrepreneur First获1240万美元融资 Entrepreneur First近日完成1240万美元融资，投资人包括大名鼎鼎的DeepMind联合创始人。此轮融资由硅谷风投公司Greylock Partners领投（这家公司是Airbnb，Facebook的早期投资人），Reid Hoffman——Greylock合伙人，同时也是领英联合创始人已加入Entrepreneur First的董事会。 Entrepreneur First于2011年成立，创始人为Matt Clifford和Alic Bentinck。该公司的目标在于吸引志同道合的高技术个人，为其牵线搭桥，打造成功的科技创企。 Entrepreneur First目前在伦敦和新加坡有运营，凡是被其课程接受的人，可以拿到按月发放的生活奖金，前种子轮融资，一张工作桌和专人指导。完成课程之后，Entrepreneur First会给他们提供更多资金。 Clifford透露，此次的1240万美元资金将用于支付运营开销，帮助公司扩大规模。这位前任麦肯锡顾问补充说，如果英国脱欧导致创业者拒绝搬到伦敦，那么Entrepreneur First会在欧洲开设另一座中心。“在欧洲再开一座中心是合情合理的，因为看起来英国脱欧会造成一些影响。” 其他参与此轮融资的知名投资人主要是，谷歌DeepMind联合创始人Demis Hassabis和Mustafa Suleyman，以及Peter Thiel的Founders Fund。 Rob Bishop和Zehan Wang此前曾参与Entrepreneur First项目，打造了一家人工智能公司Magic Pony，后以1，5亿美元的价格被推特收购，这次，两人也参加了该公司的融资。 “我们想让EF成为所有离群人才打造创企的平台，”Bentinck说，“过去6年里，我们创造出一种全新的投资阶段，为雄心壮志的人们提供平台，已经在伦敦和新加坡打造了100多家公司。” “我们的公司钻研的都是前沿技术，其中70%和各种人工智能相关。我们很高兴能和Greylock以及其他新投资人合作，也很高兴欢迎Reid Hoffman加入公司董事会。这一轮融资让我们得以接触到世界上最优质的资本，为平台创企未来走向硅谷开辟了道路。” 【猎云网（微信号：ilieyun）】9月12日报道（编译：拿铁小心心）

硅谷
2017年09月18日
硅谷

Meg Whitman加入云协作创企Dropbox董事会，曾是Uber董事会成员候选人之一外媒消息，硅谷知名人士Meg Whitman已经加入云协作创企Dropbox董事会。这位Hewlett Packard Enterprise的CEO不久前被猜测为Uber CEO热门人选，数登各大报刊头条，最终这一职位被Expedia CEO Dara Khosrowshahi拿下。 Whitman原本也是Uber董事会成员的候选人，但她最终选择了加入Dropbox，这一决定也和她把重心放在企业业务上有关。去年，Dropbox和HPE建立合作，打造自己的云基础设施，该公司也是客户之一。 “Meg是一位真正的商业巨人，也是我多年挚友及顾问。”Dropbox CEO Drew Houston说，“在Dropbox不断成长发展的过程中，她的经验和判断将是无价之宝。” Dropbox未来如何发展，需要Whitman这样经验丰富的高管加以指引。Dropbox眼下的目标是让自身成为上市公司，出身eBay的Whitman自然会在这个方向上帮它一把。作为消费云存储行业的早期市场领导者，这家旧金山公司正面临来自谷歌、微软等对手日益激烈的竞争，其董事会当然也就需要更多重量级人物。 Dropbox的董事会成员包括前美国国务卿赖斯，高通执行主席Paul Jacobs和前Priceline CFO Bob Mylod。不久前，Dropbox融资6亿美元，估值号称达100亿美元，不过有人担心这一估值已经有所下挫。据悉，许多竞争对手都对Dropbox有收购兴趣。【猎云网（微信号：ilieyun）】9月12日报道（编译：拿铁小心心）

硅谷
2017年09月13日
硅谷

没钱请财务顾问？金融科技创企Pefin运用AI提供财务咨询对于许多人来说，做个人财务决策是必要的环节，也是压力的主要来源。想要帮助缓解这种混乱的想法让Ramya Joseph辞去了她在高盛自营交易的副总裁职位，并在2011年创办了这家名为Pefin的金融科技公司。Joseph表示，随着竞争和技术不断重塑金融服务行业，“我们正把这个行业里改造成我们理想中的样子。” 在寻求更大回报方面，自动化财务咨询正在变得越来越普遍。尽管如此，Pefin仍然将自己定位为“世界上第一个人工智能财务顾问”。该公司旨在利用机器学习通过聊天界面提供一系列财务规划和投资建议。 Joseph说：“我之所以创办Pefin，是因为那些不那么富裕的人，只能获得来自机器人的财务建议。” 她说：“当人们说想要舒适的退休时，其实摆在他们面前的路很少。要么自己DIY，要么就去咨询财务顾问。但是这些财务顾问的收费是很高的，他们所给出的价格可以筛选掉大多数人。” 拥有哥伦比亚大学计算机科学和金融工程硕士学位的Joseph原本没有意识到这一问题的存在。直到2008年，她的父亲在金融危机中失业了。这场全球金融动荡影响了他的财务未来和退休计划。 Joseph说：“我当时正在高盛工作，为百万富翁们提供财务建议。而我的父亲只是想要退休而已。而那些没有帮助的人，又会怎么做呢？” 她说：“所以公司的核心就是以用户为本。这是一个非常不同的底层模型。” Pefin预计将于今秋推出。虽然机器人顾问是财务管理领域中的大趋势，但是Joseph认为Pefin的AI解决方案是与众不同的。她说：“机器人所做的是执行一项交易，而我们所做的是管理你的财富。投资是可选项，如果我们认为这是正确的选择，我们会为你提供帮助。” Pefin的AI核心是前馈神经网络。根据Joseph的介绍，该网络会查看消费者的不同答案，然后给出多种解决方案。 Joseph说：“像IBM Watson这样的系统是不会为你量身定制解决方案的。他们给出的都是通用的建议。” 相比之下，Pefin会根据你的三个月支出数据，帮助AI针对特定消费习惯定制财务规划。Pefin还会向客户发送有关财务的教育内容。 Joseph说：“你待在系统里的时间越长，我们学习到的就越多，就能为你提供更好的预测和建议。” 目前，公司的资金主要来自于Joseph本人，还有少数私人投资者以及朋友、家人。她说：“今年晚些时候我们可能会进行融资，然后决定是否需要风投的资金。这取决于到时的情况。” 【AI星球（微信ID：ai_xingqiu）】9月12日报道（编译：福尔摩望）

硅谷
2017年09月13日
硅谷

获3500万美元 B 轮融资，Typeform 让用户和朋友对话一样完成企业调查问卷近日，一家制作线上调查问卷的公司 Typeform，获得了3500万美元的 B 轮融资，本轮投资的领投方为 General Atlantic，上几轮的投资者 Index Ventures, Point Nine, 和 Connect Ventures 本轮继续跟投，其他著名投资者包括 Squarespace 的 CEO Anthony Casalena，Facebook 的 VP Javier Olivan 和 Jay Parikh。该轮融资完成后，Typeform 的估值达到了一亿美元左右。据悉，Typeform 将用该笔资金把业务拓展至国际市场。 Typeform 是一家制作线上调查问卷的公司。公司两位联合创始人 Muñoz 和 David Okuniev 都是前 UI 设计师（也可以叫做用户调研师）。像很多其他伟大的创造一样，创始人不满足现有产品所能提供的服务，所以在一气之下决定自己开发一款新产品。他们在2011年运营着一家自己的公司，彼时客户要求 Muñoz 和 David Okuniev 提供更加全面的用户数据以决定公司未来走向，但他们两人在市面上转了一圈，都未发现有合适的表格来满足用户需求。因为这些调查问卷都是不管不顾的一股脑把问题抛给用户。“我们发现这样很难让用户专注的一次性完成问卷。”Okuniev 无奈地说道。据悉，这种调查问卷的完成率约为10%-15%。两人于2012年创作出一个更加动态、更具交互性的用户调查工具，每次只提一个问题，并且根据用户的回答为其呈现下一个问题，像和朋友间的对话一样，让用户在不知不觉中就完成了问卷。Typeform 官方把这种形式称为“对话式问卷调查”。该调查问卷使用场景十分丰富，无论是个人工作意愿调查、购物情况统计、线上课程反馈等，都一应俱全。另外，Typeform 给予用户很大的自主权，用户不仅能自定义调查问卷的界面（底色、文文字风格、进度条等）、还能用编程来定义用户回答完这个问题后，下一个应该呈现什么问题。也就是说，Typeform 并非用 AI 的方式来自动为用户呈现一个一个的问题，而是用人工编程达成此效果。不过团队马上就会把人工智能融入产品中，据创始人 Okuniev 介绍，“AI 一定在我们的考虑范围之内，我们近期依据用户的反馈数据制作了一系列融合了 AI 的新功能，它能帮助企业顾客产出更多的用户调研类问题。” 本轮加入 Typeform 董事会的 Caulkin 说道，“目前市面上很多浏览器、APP 和各种设备，其实用户反馈数据的收集都存在痛点，而 Typeform 可以被轻易的整合进这些产品中，来为这些商家的数据收集服务。” 相比于市面上其他竞品，比如谷歌、Facebook 和 Twiiter 所开发的用户调研类产品，Typeform 所具备的优势为更具用户交互性，这点从数据上就可看出——Typeform 的用户完成率达到了57%。目前产品有免费版和收费版两种类型，收费版可供用户定制开发一些功能，比如无限制对用户提问、发送邮件等。来源:36氪，作者：徐宇。转载或内容合作请联系zhuanzai@36kr.com；违规转载法律必究。

硅谷
2017年09月12日
硅谷

还在用 MVP 测试你的 idea？硅谷创业者现在更喜欢「SLC」疗法编者按：本文来自微信公众号“星空时间（ID：Time4Space）”。从 20 年前开始，产品团队一直在喊着 MVP（最小化可行产品）的口头禅，却从来没评估过 MVP 是否是最佳的学习、验证方式，MVP 到底能否赢得用户的欣赏？但很显然，MVP 并不是最好的方式，其背后的动机仍然非常有效： 1、创建一些小的东西，因为船小好调头，验证起来也不费力气。 2、能快速进入市场，获得真实的用户反馈。 3、如果扑街了就扔掉，如果有潜力就增加投资。对于创业公司来说，MVP 能让他们以最小的代价尽可能快速的了解客户，但这是一种自私的行为——因为用户讨厌 MVP。尽管 Reid Hoffman 鼓励创业者尽早推出他们的 1.0 版本，尽早避免尴尬，但问题是：用户并不喜欢一个还不完善的产品，他们期待优质的产品。 MVP 太小了，以至于用户根本看不到它的价值在哪里。虽然 MVP 对于产品团队是有用的，但奈何用户不喜欢。用户不喜欢的话，公司就要倒大霉了。幸运的是，有一种更好的方式来构建和验证新产品——为了兼顾小巧和尽早推出，新产品必须简单。用户每天都在接受各种各样的小产品，但只要简单好用，并保证在将来会推出更完善、精良的产品，用户的接受程度就会更高。例如，Google Docs 在刚开始推出时只有 Microsoft Word 3% 的功能，但前者在最初的功能——简单的实时协作上做的很出色，很快就赢得了用户的喜爱。需要注意的是，Google Docs 很简单，但不是「不完善」。这和 MVP 的定义完全不同：可以「简单」，但不能「不完善」。如果说「简单」是产品的 1.0 版本，「不完善」就是产品的 0.1 版本。对于客户来说，如果一个简单的小功能做的很棒，他就会期待你做出更丰富的功能。事实上，「简单」和「完善」并不矛盾。很多伟大的产品，如 WhatsApp、Snapchat、Stripe、Twilio、Twitter 和 Slack 的第一个版本都很简单，但非常好用。其中一些后来增加了许多复杂的功能，如 Snapchat、Stripe 和 Slack；有一些则把简单当成持久的价值，如 Twitter 和 WhatsApp。维珍航空在最开始的时候也只有一条航线——小，但是完善。产品的最终追求是获得用户的喜爱。有一个显而易见的道理：与那些功能丰富但用户不喜欢的产品来说，功能少而完善但用户喜欢的产品更成功。上述那些功能简单、备受欢迎的成功产品的早期版本都是佐证。产品的成功循环在于爱，而不是功能。对于一个产品来说，有很多产生「爱」的方法，但「最小化」和「可行」不在此列。目前最流行的方式是通过设计：优质的 UX 搭配精良的 UI 设计。但还有其他的方法：一种是通过公司态度和文化产生「爱」，如真正帮助创业者的 MeetEdgar 博客，帮助获取用户的 HubSpot 博客。另一种是通过与目标用户的情感和工作方式产生深层的联系产生「爱」，如 Heroku 打破营销传统，在首页放置命令行功能，而不是产品功能宣传。这些正是替代 MVP 的新组件——SLC（Simple 简单、Loveable 被喜欢、Complete 完善）。除此之外，在考虑产品的下一个版本的时候，SLC 也能给予帮助： SLC 产品不需要持续开发才能增加价值，可能产品的更新换代很慢，但即使不增加投入，它也是一个有价值的产品。以下是 Spotify 产品团队曾经用过的产品模型：如上图所示，滑板是 SLC 产品，它比走路更快，用起来很简单，很多人都喜欢。接下来，你可以给滑板加个扶手，加个轮子，加个座位，加个齿轮，让用户可以用手扶着，坐下来，速度更快、更安全，最终成为一辆完善的汽车。 Snapchat 的成长史可以看成是一个 SLC 产品的进化史：最初的时候只有拍照分享、阅后即焚的功能，没有视频，没有滤镜，没有社交，没有评论，不能存储，但功能很简单、完整——阅后即焚。事实证明，「阅后即焚」符合很多用户的心里期望——很简单，但很完善，所以 Snapchat 获得了成功。后来，Snapchat 增加了很多功能——视频、滤镜、时间线，以及那款能拍摄 10 秒视频的太阳镜。产品变得越来越复杂，但这是没问题的，SLC 产品不排除增加复杂功能的可能性。对于创业者来说，SLC 的优势在于： 1、如果一款 SLC 产品不被用户喜欢，那么就可以直接放弃，这本身就是一个实验的过程。 2、如果一款 SLC 产品被证明是有价值的，那么创业者就有多种选择：增加投入，获得更高的收益，或者坚持其简单的特性，获得稳定的收益。事实上，创业者应该根据实际情况做决定，因为并不是每个产品都适合变得复杂，并不是每个产品都需要快速更新迭代。但无论如何，请始终牢记做产品的初衷：简单、被喜欢和完善。如果你向用户提出这个问题，他们也会表示赞同。

硅谷
2017年09月08日

1... 《 30 31 32 33 343536 37 38 39 40 》 114 跳转至