在互動式選擇引擎中可以做到的一件事情，就是客製化選擇架構。這可以創造更快樂的客戶和更高生產力的公司。

早在二○一三年，網飛就製作了超過三千三百萬個版本的網站。為了做到這一點，網飛必須了解一些關於客戶的有用資訊。其中一些知識來自網飛的推薦系統。有人估計它為公司增加了十億美元的價值。後文會討論推薦系統，但我想先談一個更廣泛且有時更簡單的概念，那就是使用者模型（user model）。

當我們為了增加對選擇者的有用性，客製化一個網站時，是因為認為了解該使用者。這種認識，也就是對一個人的想像，促成了客製化。雖然使用者模型有時可能是複雜的分析系統，但也可能非常簡單。

記住當你登入時網飛詢問的第一件事，那就是誰在觀看？旁邊還有三個按鈕，通常會是你的名字、你伴侶的名字和「子女」。網飛會在一開始就問這個問題，是因為每個使用者的客製化內容是不同的。

還記得先前談過的那間德國大型汽車製造商GLAM嗎？他們對客戶提供許多選擇（比如買家可以從十六部引擎中選擇），但不明智地為他們和客戶將最便宜的選項定為預設。由於預設引擎被選中的頻率更高，他們開始擔心預設引擎可能會讓一些客戶不高興，更別提最便宜引擎的銷售量增加所造成的不愉快了。

我們建議他們對不同的客戶做客製化的預設選項，並將此稱為智慧型預設選項。主管們喜歡這個想法，但有一個小問題。他們不想投資一個複雜的推薦系統，來對每個用戶推薦不同的預設選項。構建這樣一個系統需要付出很多心力，而且可能沒有這麼有效。汽車不是經常要購買的商品，關於以往購買哪款車型的資料可能沒那麼有效，因為人們的需求在兩次購車之間會發生變化。

一個三十歲的人，上次買的是一輛跑車，但現在可能需要一輛家用轎車或SUV，因為自從上次買車以來，他已經結婚生子了。而且，並不是所有在GLAM公司網站上購車的人，都是買過GLAM車子的顧客，他們甚至可能完全沒有買過車。

GLAM有一個聰明又簡單的想法：「我們為什麼不直接問人們，他們想買什麼樣的車？」於是就打造了一個登入頁面來問這個問題，選項如下：

●  一輛家用車。

●  一輛跑車。

●  一輛省油轎車。

●  一輛越野系房車。

光是知道對這個簡單問題的回答，就已經足夠用來設定預設選項。

跑車的選擇不僅預設為具備先進性能的引擎，還預設了其他屬性，例如：真皮內部座椅、更昂貴的木製方向盤和換檔裝置，以及高性能的鍍鉻胎框和輪胎。而尋找家用汽車的人則得到不同的預設選項，比如側邊氣囊和兒童座椅安全帶。不需要昂貴的人工智慧，一個問題就改善了結果。

我們可以稱這些為「足夠智慧型預設選項」（smart-enough default），因為它們以非常少的建模工作，就產生了智慧型預設的大部分好處。根據GLAM表示，客戶相當滿意。

這些足夠智慧型預設也增加了收入，我們的研究顯示，與他們最初策略所犯的錯誤（使用最便宜的選項當做大規模的預設）相比，這些足夠智慧型預設導致每輛車的平均銷售收入增加八百歐元。

足夠聰明型預設也可以根據一些簡單的事物來做，比如知道選擇者的年齡。我們討論生命週期基金，談到了這種基金隨著我們的年齡增加，如何透過增加債券而減少股票的配置方式，來降低退休帳戶的風險。只要問到出生年份，基金就會為適合你年齡的高風險股票和較安全的債券，配置相對應的預設投資組合。

更重要的是，隨著年齡的增加，基金會自動幫你改變投資組合，這是大多數的人都會忽略的事情。這也顯示了客製化並不困難，選擇者回報的一個數字，就可以改善預設。這個特定的智慧型預設不僅在購買時提供利益，而且在儲戶的整個生命週期內都提供利益。

當然，也有更複雜的方法。一種可能更強大的方法就是協同過濾。它蒐集使用者過去買過的商品資料，並使用人工智慧來預測人們未來可能購買哪些商品。這些方法既可以使用「外顯資訊」，比如使用者對選項的評分，也可以使用「隱含資訊」，像是他們是否在網飛上看完了特定的節目。也許最著名的協同過濾，就是亞馬遜網站使用它來生成「買了這樣物品的人也買了」的清單。

協同過濾需要大量用戶的過去行為，來進行預測。這是Apple Music提出建議、推特建議「跟隨誰」名單，以及Tinder網站上推薦適配對象的核心。是的，Tinder顯然會根據你滑手機的結果，改變它向你推薦的對象。向右滑動將改變你未來看見的人。

重要的是要知道，在協同過濾的純粹形式中，並不使用關於選項本身的深入資訊。當蘋果音樂推薦一首曲子時，它對歌曲的節奏、節拍、歌詞或使用的樂器一無所知。它只知道像你這樣的人，都喜歡那首歌。

一名訓練有素的音樂學家會花二十到三十分鐘聆聽每一首歌曲，並根據數百個面向或潘朵拉稱為基因的屬性上，對這首歌進行評等。一種演算法則使用這些評等來挑選相似的歌曲。與協同過濾不同的是，這個演算法對歌曲的了解更多，對人的了解較少。

潘朵拉於二○一八年被天狼星XM（SiriusXM）以三十五億美元收購，目前這項科技被用來為天狼星XM旗下的一些網路電台篩選歌曲。時間一久，協同過濾和內容演算法被組合在一起使用。由於它們有互補的優缺點，這麼做也是有道理的。

但需要注意的是，使用者模型並不是花俏人工智慧的同義詞。如果我們想了解客戶的一些情況，通常可以透過問一個簡單的問題來進行重要的客製化，比方說，問客戶：「你想買怎樣的車？」或者「你幾歲了？」

大多數關於推薦系統的討論，往往都強調替換選擇。另一個看法則是，使用者模型讓設計者得以擴展選擇架構。當我們使用選擇架構來協助做出選擇時，也許需要考慮的是擴增智慧（intelligent augmentation, IA），而不是人工智慧。

（※網站專文）

〈本文摘自：《選擇，不只是選擇：全美決策領域最知名教授，告訴你選項背後的隱藏力量》，先覺出版。〉

.遠距工作者必備6項軟實力 AI也難取代你

.AI是威脅也是機會 如何突破職場變遷的困境？

.臉書為什麼知道「你可能認識的朋友」？

責任編輯：曾臻