情感陪伴未必“大尺度”

最近听到两个创业故事颇为耐人寻味。一个是来自 DeepMind 的前科学家，另一个是一位教授。他们都开始做 AI 应用，结果为了盈利，不约而同地投入了“大尺度情感陪伴”赛道。据说，这里的“尺度”确实不小。

AI应用除了搞大尺度，还有没有别的又可行又对社会更有益的方向呢。当然有，比如最近很火的AI教育、AI会议笔记等方向，我们也是希望产品能够让知识工作更轻松高效。

但情感陪伴确实很重要，这些行业的产品也要让用户产生“很有收获”的感觉。当用户有“很有收获”的感觉，就能持续用下去，就有真正帮到用户的可能。同时“很有收获”的感觉容易度量，实际是否有收获几乎无法度量。

怎么让用户有“很有收获”的感觉呢。一种方法是游戏化，比如多邻国，最普遍的评价是：你在这里是不可能真的学会一门外语的，但它能给你学的很开心很有收获的感觉。另一种方式是把收藏、购买当作学习的替代品。比如Evernote的Web Clipper功能让用户觉得“收藏了就等于学到了”，再比如用户购买课程后只瞄了几眼，就已经产生了“学到了”的满足感。

更普世的方法是个性化推荐，造就了好几个最大的互联网平台，也导致大家口诛笔伐“信息茧房”。个性化推荐最有效的策略是推荐那些用户似曾相识的内容，十多年前我们在做云音乐的个性化推荐时就深有体会。

当时我们希望通过个性化推荐帮助用户发现更多好音乐。但如果一味推送新歌，用户往往无法接受。大多数时候，用户还是更想听熟悉的老歌。推新歌必须适度，将新歌夹杂在老歌中，曲风的变化也要平缓。基于这一理解，我们推出了私人 FM。没多久，这就成了用户最爱的推荐歌单。今天，云音乐已经细化出私人雷达、心动模式、时光雷达等类似歌单，这也是用户觉得云音乐“贴心”的重要原因。这些推荐策略的成功，正因为推荐的内容是用户产生一种似曾相识的感觉。

另一方面，因为用户听的多，最终它也成功实现了帮助用户发现更多好的音乐的初衷（也帮助很多原创音乐人取得成功）。我每年都会在云音乐上发现几支非常对我胃口的新乐队，其中许多是当下流行的，而不是我大学时代的音乐。

“信息茧房”这个词把个性化推荐妖魔化了，但其实这也是一种很有效的促进学习的策略，“因材施教”何尝不是一种个性化推荐？学习区的概念也是同样的道理，据研究，学习时大概15%比例的新知识能达到最好的效果，太少会让人感觉无聊，太多会令人恐慌。

我们会在产品中发掘类似的思路，比如让AI把新信息中对用户有用的部分筛选出来，再用用户自己的语言和用户已有的知识完美的融合起来。这个过程中用户可能都没写一个字，但有用的信息都读过了，该记的笔记也记完了，还能发现新信息和已有知识之间的联系，感觉“很有收获”。这背后是一种更高级的个性化推荐，也是对学习区理论的应用。

“很有收获”的感觉，也是一种情感陪伴。所以，情感陪伴很好，但未必都得“大尺度”，行业可以多考虑考虑教育、学习、工作、生活上小尺度的情感陪伴。