为让你知道商家什么时候开门，大众点评竟然砸了上百亿了？
1
我经常觉得自己是个蠢蛋，因为会被各种信息骗。
尤其是网上种草了一家店，找了个假期试图体验，结果到了店门口，发现要么不在营业时间，要么经营内容发生改变，要么招牌换了一圈，甚至老板已经关店。
那一瞬间，我觉得自己仿佛小丑降临人间，一想到自己浪费的时间，委屈直接从心里涌现。
但凡你也经历过，那么好事儿来了。
大众点评做了一件非常炸裂的事情，未来5年要追加投入30个亿来升级“本地生活信息基建”。
更炸裂的是，过去20年，点评已经在这里头砸了数百亿了。
但真正炸裂的是，这些操作试图从【物理】上解决一个问题，线下门店体验的真实性问题。
说白了，目标是让大家所见即所得，看到的信息是什么样，按照这个信息过来不会走样，不光是简单的地理，还要尊重真实的物理。
注意，试图从【物理】上解决这个问题，可能只有大众点评是最苦的，花了最多功夫的。
从我个人体验来讲，本地生活的入口虽然很多，但点评的信息永远是更准更可信的。
精准可信的背后，是巨大的挑战。
稍微研究一下，你就会发现确保线下门店信息的真实性和准确性，这个问题接近于是没有捷径的，因为你不可能用任何技术去对抗、预测一种【真实】的物理时空变化。
世界是实时变化的，一家店经营状况也是，很容易出现一家店的经营出现变动，从而导致之前的信息过时。
这时候，信息的真实性以及时效性就特别重要，也特别费功夫。
因为这等于是个无限游戏，永远有新的变动新的信息需要更新，太太太太难了。
在这种背景下，作为行业的头部，大众点评坚持了20年如一日的及时更新信息，现在更是站出来继续砸大钱，这个决心和魄力真的太惊人。
这甚至不是钱的事儿，而是要去解决世界的不确定性，把物质世界的变动跟数据世界打通。
真的，大胆，且愿意“吃苦”。
2
那，大众点评是疯了么？
毕竟过去同行们的精力更多在榜单之类的产品。
并不是疯了，恰恰相反，只有大众点评才是清醒的。
他们清醒地知道行业的底层逻辑是什么，又发生了什么变化。
过去大家面临的问题是物理世界的信息不足，而现在大家面临的选择问题不是信息不足而是信息过剩，以及信息真实性和时效性存疑，去伪存真已经是用户最底层最本质的需求，谁的时间精力也不想被这样消耗掉。
而大众点评要满足这些需求。
如何满足？
他们的基础策略非常直击灵魂，物质世界的信息需求，理应从【物理】上做。
不只关注那些【主观】的东西，而是去锁定那些【客观】的东西。
因为不管是AI还是用户，所有的决策，都需要基于物理客观的东西作为基础，才能得到相对精准的决策。
如果太过关注AI数据处理本身，但没有聚焦数据处理的底盘是否真实，沉溺于虚拟里做选择题，不够【物理】。
什么意思？
AI给任何门店的数据和评估，得出结论，再推荐一个在附近搜索的你，都不能离开一个基础问题，那就是这家店首先要存在，且正在营业，且离你不远。
没有这个事实的前提，给的信息越多，AI整出的活越多，整体就越荒谬，因为店都不是这个店了。
如果数据本身没有真实性，就是算法优化到天上去，也不可能得出正确的结论，因为根源上就错了。
算法就像跑车，再牛的跑车也不能在雨后的乡村土路上飞驰。
不是跑车水准不行，而是那个破路它就不平，开得越快，最后场面就越难看。
基建跟不上，数据真实性保证不了，一切算法本质上都是空谈，因为是在跟空气斗智斗勇。
所以大众点评选择了从【物理】角度来解决问题，来实打实的投入。
什么叫物理？
物理就是这家店今天有没有开门，生意怎么样，到底是门头房还是独立厨房，是厂还是店，招牌是绿色的还是紫色的，到底是卖咖啡的还是卖豆汁儿的，甚至这个地址是不是真的存在，这个地址上到底有几个店，这个店的老板是不是真的是这个人。
甚至，到底有没有这家店。
（截图来自大众点评）
这些东西是客观的，是物理的，是物质的，是无法被包装和改变的，是人到了现场一眼可辨真伪的东西。
存在，不存在，以什么形式存在，今天还在不在，这是物质的基石。
只有这个是真的，后面的一切好不好，行不行，是不是才有讨论的价值。
这是，一切的根源。
大众点评，真的懂这个东西的价值，真的懂做本地生活的基建。
3
好，那要如何做？
既然是要从【物理】层面解决基建问题，要把物质世界真实地体现到线上，那首先必然要靠人的力量。
没看错，要靠人的力量。
越是大数据时代，面对线下门店，人的力量就越重要。
数据层面尤其如此，再多的报告都比不过田野调查，一切伪造的东西，都解决不了人到现场看一眼。
就这一眼，就足够解决真伪问题。
主要解决方案是靠顾客分享和商家提报。
但远远不够，远远不够。
一个顾客他闲着没事儿是不会分享的，他到了店里发现店变了会懊恼会生气，但很难会突然想到要把信息更新给别人。
一个商家平时忙于经营，一堆乱七八糟的事情等着他去处理，他做不到啥都不干就在那更新信息的。
对于大众点评来说，他还有一个【骑手】维度，整体演进成了在信息搜集阶段，商户提报、用户提报和基于骑手送餐大数据的AI地图信息挖掘。
骑手这手确实很妙，妙在哪？
他们足够高频，足够方便，足够及时，且他们自身内部信息流通速度非常快。
关键是不占用他们的时间，只是顺手顺路校验，就可以了，花不了多大功夫，还能拿点小钱，很多骑手都当乐子做。
骑手参与下，得到的当然是最靠谱的数据，什么商家怎么去、商家到底有没有营业、商家的门头换了没，这些没有人比骑手更在“第一线”了。
就连我当年自己做餐饮企业的线下尽调， 我还得找人家骑手打听信息呢。
这时候，为什么大众点评能做且敢做这件事情，就很符合逻辑了。
因为别家，没有这么多的骑手，这么高频的交易。
这个优势，也是客观的，物理的。
4
光这样，够了吗？
远远不够。
当解决信息数量和真实性的时候，下一步要怎么办？
当你有一堆数据的时候，要如何从中获得确实真实、有价值的信息？
很多信息之间都是互相打架的，怎么办？
这里又显示出大众点评不一样的地方。
他们用上了AI，但不是瞎用AI做噱头，而是【逻辑勾稽】，让这一切数据能够指向一个清晰干净可信的结论，给到一个有效的信息。
这需要巨大的投入，训练，以及成本。
什么叫【逻辑勾稽】？
数据之间，是有逻辑关系，可以互相印证的。
举个例子，一个企业做生产的，说自己的流水有多少，销售有多好。
那么要怎么做？要看它的水电数据，要看它的机器功率，依据能耗来倒推机器的实际运转时间，倒推产能来跟其他数据做核对。
对得上，可以得出结论。
对不上，也可以得出结论。
说白了，不单看报表，看水电煤和报表互相印证，这就叫逻辑勾稽。
再拿大众点评自己最近做的事情举例，比如营业状态，除了依赖商家、骑手、用户上传，大众点评还会从美团内部产品（团购、餐SaaS和外卖）进行线索挖掘，对信息进行校准。
如果一个商家真的在营业，那么他必然在团购中是有订单核销的，那么他们的saas系统必然是有数据流转的，就像一个人活着，必然正在产生二氧化碳一样。
还有用户常看的推荐菜模块，也可以做勾稽。
很基础的玩法是，A商家的A招牌菜今天中午12点在自家店A号桌上菜，那么这张图，必然是独一无二的，如果这张图大量出现在不同的商家的评论区，那么显然这个评论是存在问题的，这个推荐也必然需要重新校验。
当然，这只是基础玩法，进阶玩法要多的多的多。
就算是同样的事实，不同的人从不同的角度去看，还会得出完全不同的结论呢，所以要数据之间互相印证，才能得出真实的信息。
这就是数据体现的力量。
而这一切想要形成规则，想要让AI理解，想要被执行，光想想里面的工作量我就头疼，从数据清洗，数据提炼，数据定义，特征工程，变量中心，决策树，ABtest，结果校验，人工核对等等等等。
这里面的成本比从0训练一个成熟的开源大模型，只高不低。
且难度更高，因为现有的所有大模型本质都是基于互联网数据雕花。
而大众点评要做的是，是把现实的物质世界搬家。
难度，不在一个档次上。
甚至这件事儿本身是否真的可行，都需要证实，这才是真正的世界模型。
我想着都要做噩梦的难度。
5
因为太难，所以才要做。
难，就对了。
难，正是价值所在。
难是最高的天堑，亦是最深的护城河。
本地生活平台存在的本质意义是什么？
或者说，用户闲着没事儿干嘛要看本地生活平台？
用户最基础的需求是想要降低自己的决策成本，降低自己的决策风险，把有限的时间精力情绪金钱用在该用的地方，而不是跟过时或者虚假的信息斗智斗勇。
当你被不够精准的信息误导过的时候，你会意识到自己不只是浪费了钱，关键是浪费了时间，而时间，就是生命。
你回想着自己今天不好的体验，你会很委屈很委屈，加了那么久的班请了假，花了积攒了那么长的年假，最后居然是这样。
你甚至会觉得荒诞。
所以但凡你不傻，你只会选择信息更准确的平台，因为这背后是对你自己的时间精力生命金钱负责任。
时间，是有限的。
没有任何东西，比信息的真实和准确更刚需，更高频，更重要，这个领域不存在说你做到多少多少，用户眼中只有【做到】和【没做到】，而大家不会去选择那个没做到的平台，因为大家对自己的时间情绪有最起码的尊重。
就像是跳伞，那个伞只有打开和没打开。
所以，大众点评才敢如此重金投入这个领域，因为一旦做到，等于竞争本身就不存在了。
有教科书的时候，你会去看电线杆上的小广告吗？
你多看一眼，都说明你还没睡醒。
而大众点评做的事，就是如此。
这条路很难很难很难，绝非一日之功，要天量的积累，各种纠错反馈，甚至截止到目前是没有被走通过的，但一旦走通，根本就不存在复制，因为用户不会给第二家机会了，有正确答案的时候，你不会做别的选择。
这是最难的路，亦是最正的路。
这才是一法通，万法通。
转载请在文章开头和结尾显眼处标注：作者、出处和链接。不按规范转载侵权必究。
未经授权严禁转载，授权事宜请联系作者本人，侵权必究。
本文禁止转载，侵权必究。
授权事宜请至数英微信公众号(ID: digitaling) 后台授权，侵权必究。
评论
评论
推荐评论
暂无评论哦，快来评论一下吧！
全部评论（0条）