解构亚马逊Alexa的1.5万种技能

2024-02-02 13:48

本文主要是介绍解构亚马逊Alexa的1.5万种技能,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!



解构亚马逊Alexa的1.5万种技能:三大派系、口碑落差,长尾死亡

本文作者:邹霖 2017-07-12 18:45
导语:上周,Voicebot 对外宣称 Alexa技能突破1.5万。那么这1.5万种技能中,究竟是如何分布的?

在语音设备领域,亚马逊Echo是当之无愧的霸主。海内外巨头谷歌、苹果、微软、腾讯、阿里,无一不蜂拥进入这个市场。更有甚者称:深圳1公里内112家做语音智能的公司……

在这样一个剧烈竞争的行业,亚马逊 Alexa 的研究就是一个永远绕不开的话题。事实上,海外关于Echo 音箱的研究非常多。但在公开资料中,关于Alexa 技能的深入解读,却是难见。也就在上周,Voicebot 对外宣称 Alexa技能突破1.5万。截止时间为2017.7.2,利用JS 代码抓取到亚马逊官网技能样本为14949个,做了如下宏观和微观解读。

一、宏观解读:19大类天上地下、长尾死亡和宿命天花板

按照亚马逊官网对技能的分类,可以分为如下19大类,按照技能总数由高到低,分布是:娱乐游戏、新闻、教育、生活、趣味搞笑、效率、天气、音乐影视、智能家居、运动、饮食、财经、当地、旅行交通、电影电视、公共服务、社交、购物、车联网。(19大类中包含多个小类,如健康运动包含在生活大类里,烹饪食谱在饮食大类里)。

1、天上和地下:19大类技能评分和数量分布

19大类技能宏观表现差别极大。数量最多的娱乐游戏,技能总数4029,数量最低的技能车联网仅20个。

技能评分类别差异也是各不相同,好评占比(4星+5星)最高的是音乐影视和运动。差评占比(1星+2星)最高的是公共服务和饮食。其中新闻和天气大类,有相当显著的无评分占比。

解构亚马逊Alexa的1.5万种技能:三大派系、口碑落差,长尾死亡

(雷锋网注)

2、长尾即死亡:10%的技能享有80%的关注,绝大多数技能处于死寂边缘

虽然亚马逊技能总数一直在高歌猛进飞速增长。但不可否则,这是强者越强,弱者死亡的战场。1.5万技能中,有用户评论的仅有5894,大于10人评分的655个,呈现出极强的两极分化。其中评论数前10%的技能占据了总评论数的80%。绝大多数的长尾技能没有任何人评论。

解构亚马逊Alexa的1.5万种技能:三大派系、口碑落差,长尾死亡

(雷锋网注)

上图是技能评论大于10个的技能分布。前六名分别是Sleep and Relaxation Sounds,TP-LINK Kasa,Amazing Word Master Game,Short Bedtime Story,Harmony,Ambient Noise: Thunderstorm Sounds。第7名开始,数据开始剧烈腰斩。在图表之外,还有将近1.5万个技能根本没法上榜……

开发的技能,如果不能切中用户痛点和需求,陷入长尾状态,很难有机会翻身。

3、宿命天花板:19类技能的强弱阵营

如何在海量技能中突围而出?就和人的阶层突围一样,在论能力之前,得先看出身。而每类技能的宏观数据,就是其间技能的宿命参考线。

为了对19类技能进行宏观剖析,我们考虑语音技能的满意度和关注度两个指标。

其中将:消费者满意度设定为(四星五星技能占比 - 一星二星技能占比),设为纵坐标,数值分布从-0.5到0.5。

而消费者关注度参照技能评论总数,以最大值Smart Home 最大评论数 (10027条)为数值100,各类技能总评论数占比作为横坐标。数值从0到100。

图表中,圆圈的面积,代表本类技能的数量,圆圈越大,本类技能数越多。

解构亚马逊Alexa的1.5万种技能:三大派系、口碑落差,长尾死亡

(雷锋网注)

为了方便整体理解,我们可以将19类技能划分为一线阵营,二线阵营和边缘阵营。

一线阵营是音乐影视、游戏娱乐、生活和智能家居。这四类技能总数多,消费者关注高。

二线阵营是教育、趣玩搞笑、新闻和效率;总量大,但关注度一般。

边缘阵营有体育、财经等11类小众技能,体量小,关注度最弱。

从上表中,我们可以清楚地看到,一线阵营中,智能家居(smart home)消费者关注最高,口碑一般,技能总量不大;娱乐游戏关注度和口碑较高,技能总量最大,竞争最激烈。而音乐影视就像皇冠中的明珠,口碑最高,竞争尚可。

如上是1.5万技能的宏观状况,要根本解释数据背后的原因,还需要深入到技能的微观层,对技能产品本身,做彻底的解构。

二、微观解构:1.5万的三大派系、口碑落差和案例诠析

1、技能的底层解构:播报式、指令式和互动式

如果你是产品经理,给老板汇报时,会怎么讲解着1.5万技能?把19类一个个说一遍吗……显然不是。

万变不离其宗,从用户和设备的底层交互方式入手,我们可以将应用技能划分为播报式、指令式和互动式三类,分别对应了技能的内容属性、工具属性和娱乐属性。

解构亚马逊Alexa的1.5万种技能:三大派系、口碑落差,长尾死亡

(雷锋网注)

播报式(内容属性):设备为用户提供内容。设备在这里模式中,扮演的是联网音箱的基础功能,将音乐、新闻、菜谱等内容播报推给终端用户。

指令式(工具属性):用户唤起设备达成事务。设备在这里模式中,是用户和生活服务的工具桥梁。解放双手,通过语音就能控制家居、发送短信、叫外卖等等。

互动式(娱乐属性):用户和设备多轮交互。不再是指令式和播报式,而是和设备的多轮对话。主要用于在娱乐领域,如问答测试、情景探险、识图对话、听音唱歌等功能。

2、口碑落差:派系视角的另类解读

建立了技能的底层分类,我们再来重新思考技能背后的口碑分布。

为什么Smart home大类技能享有最高的关注度(在第一张图表横轴最右侧),消费者满意度仅仅排在中游(在第一张图表纵轴中间)?以家居类技能TP-LINK Kasa为例,拥有大量的评论关注,评分仅2.5。间接表明着,这个技能,口碑再差也有人用啊。

事实上,这样的现象不仅仅是Smart home 一类。所有带有工具属性的技能,都陷入了口碑偏低的境地!和工具属性表现相对的,是互动娱乐属性的技能,普遍口碑良好。而内容属性的技能,口碑分布相对均衡。

解构亚马逊Alexa的1.5万种技能:三大派系、口碑落差,长尾死亡

(雷锋网注)

造成三大属性技能口碑差异的根本,恰恰在于属性本身。工具型技能,大多具有很强不可替代性,比如购买了TPLINK 智能灯泡,必须用TPLINK的控制技能,户体验方面并不是决定因素。

而反观互动娱乐型技能,在需求层面缺乏绝对的不可替代性,技能的可玩性、体验性因此变得尤为重要。在游戏、音乐、趣玩这些类别里,关注度最高的技能都是口碑极好的。正是因为产品体验和口碑是它们脱颖而出的根本啊!

对内容型技能而言,高关注度的技能,既有官方硬渠道内容,如CNN(评分2.5),也有整合内容,睡前放松音乐(评分4.7),技能评分相对均衡。

3、三大门派技能诠析

为了切实研究透三大属性技能。我们筛选了关注度前100的技能(以评论数为衡量指标),做分类诠释。

3.1 工具型技能的本质是什么?连接物、连接人和连接服务。

解构亚马逊Alexa的1.5万种技能:三大派系、口碑落差,长尾死亡

(雷锋网(公众号:雷锋网)注)

关注度 Top 100 技能中,工具类占54%。工具的本质,是连接万物,主要有连接物(家居/设备)、连接人(亲朋通讯)和连接服务(衣食住行)三种。

典型代表如下:

解构亚马逊Alexa的1.5万种技能:三大派系、口碑落差,长尾死亡

(雷锋网注)

3.2 内容类技能的场景划分是什么?私密空间、开放空间和协作空间

从下图美国某家庭设计图中,我们可以将语音设备分布的空间,划分为私密空间(卧室场景)、开放空间(客厅场景)和协作空间(厨房场景)三类。

解构亚马逊Alexa的1.5万种技能:三大派系、口碑落差,长尾死亡

(雷锋网注)

在关注度 Top 100 技能中,内容类占34%。典型代表如下:

解构亚马逊Alexa的1.5万种技能:三大派系、口碑落差,长尾死亡

(雷锋网注)

3.3 互动娱乐型技能,方兴未艾,大有可为

关注度 Top 100 技能中,互动娱乐型占12%。受限于当前语音技术,过于复杂的问答,往往实现不了好的产品体验。目前主要应用有情景冒险、对答测试和智能娱乐三大典型模式。具体案例如下:

解构亚马逊Alexa的1.5万种技能:三大派系、口碑落差,长尾死亡

(雷锋网注)

随着语音技术的发展,智能设备和屏幕、摄像头的融合,这一类互动娱乐式的技能,必然在未来会有更强更大的发展空间。

三、观点总结

宏观分析

1、天上和地下:亚马逊1.5技能,官方划分的19大类,技能总数相差悬殊,娱乐游戏技能最多,车联网垫底;

2、长尾即死亡:大于10人评分的技能仅655个,海量技能处于死寂边缘;

3、宿命天花板:19类技能按照用户关注度可以划分阵营,一线阵营是音乐影视、游戏娱乐、生活和智能家居;

微观解构

1、底层解构:1.5万技能按底层的交互方式划分,可以分为播报式(内容属性)、指令式(工具属性)和互动式(娱乐属性)三大派系;

2、技能口碑:三大派系技能口碑相差悬殊,互动娱乐口碑高,工具类口碑差,内容类处于其中;

3、关注度 Top 100 技能中,工具类占54%,从连接的本质来划分,有连接物、连接人和连接服务三类;内容类占34%。从空间属性,可分为私密空间(卧室场景)、开放空间(客厅场景)和协作空间(厨房场景)三类场景;互动娱乐型占12%。目前主要有情景冒险、对答测试和智能娱乐三种模式。

这篇关于解构亚马逊Alexa的1.5万种技能的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/670900

相关文章

生信代码入门:从零开始掌握生物信息学编程技能

少走弯路,高效分析;了解生信云,访问 【生信圆桌x生信专用云服务器】 : www.tebteb.cc 介绍 生物信息学是一个高度跨学科的领域,结合了生物学、计算机科学和统计学。随着高通量测序技术的发展,海量的生物数据需要通过编程来进行处理和分析。因此,掌握生信编程技能,成为每一个生物信息学研究者的必备能力。 生信代码入门,旨在帮助初学者从零开始学习生物信息学中的编程基础。通过学习常用

CTFHub技能树-Git泄漏-Index

目录 一、Git索引(Index)的基本概念 二、解题过程 主旨:使用git泄漏恢复源代码 方法一:使用GitHack手动恢复 方法二:直接使用Git_Extract获取网站源代码拿去flag   当前大量开发人员使用git进行版本控制,对站点自动部署。如果配置不当,可能会将.git文件夹直接部署到线上环境。这就引起了git泄露漏洞。请尝试使用BugScanTeam的Gi

在亚马逊云科技上利用Graviton4代芯片构建高性能Java应用(上篇)

简介 在AI迅猛发展的时代,芯片算力对于模型性能起到了至关重要的作用。一款能够同时兼具高性能和低成本的芯片,能够帮助开发者快速构建性能稳定的生成式AI应用,同时降低开发成本。今天小李哥将介绍亚马逊推出的4代高性能计算处理器Gravition,带大家了解如何利用Graviton芯片为Java生成式AI应用提高性能、优化成本。 本篇文章将介绍如何在云平台上创建Graviton芯片服务器,并在Gra

使用亚马逊Bedrock的Stable Diffusion XL模型实现文本到图像生成:探索AI的无限创意

引言 什么是Amazon Bedrock? Amazon Bedrock是亚马逊云服务(AWS)推出的一项旗舰服务,旨在推动生成式人工智能(AI)在各行业的广泛应用。它的核心功能是提供由顶尖AI公司(如AI21 Labs、Anthropic、Cohere、Meta、Mistral AI、Stability AI以及亚马逊自身)开发的多种基础模型(Foundation Models,简称FMs)。

作为刚从事Java开发的小白,需要掌握哪些技能

作为一个刚踏入Java开发世界的小白,面对各种技术和工具,你可能会觉得有点不知所措。但是别担心,我会给你一个简单清晰的路线图,让你可以有条不紊地掌握基本技能,逐步成长为一名Java开发者。 1. 扎实的Java基础 Java的基础是你迈向高级开发的重要基石,建议从以下几个方面着手: 语法和基础概念:比如变量、条件语句、循环、方法、数组、面向对象编程(OOP)等等。这些基础如同建房子的地基,越

Java语言的Netty框架+云快充协议1.5+充电桩系统+新能源汽车充电桩系统源码

介绍 云快充协议+云快充1.5协议+云快充1.6+云快充协议开源代码+云快充底层协议+云快充桩直连+桩直连协议+充电桩协议+云快充源码 软件架构 1、提供云快充底层桩直连协议,版本为云快充1.5,对于没有对接过充电桩系统的开发者尤为合适; 2、包含:启动充电、结束充电、充电中实时数据获取、报文解析、Netty通讯框架、包解析工具、调试器模拟器软件等; 源码合作 提供完整云快充协议源代码

应届生入职练手习题-蒙特卡洛算法(1.5H)

应届生入职练手习题 [编辑] 模拟射击,根据命中概率来求PI 要求:假设有一个半径为1000的圆形靶子(具体单位没有意义,不用写),我们随意对其进行射击,那么,统计所有落在圆形外接正方形中的弹着点,可以很容易得知:命中这个圆形靶子的概率是圆形的面积与外接方形面积的比 目的:检验编程风格和实现效率 要解这个题目就得有对蒙特卡洛算法的了解,原理如下 在数值积分法中,利用求单位圆的1/4的面积

COI实验室技能:图像到图像的深度学习开发框架(pytorch版)

Basic deep learning framework for image-to-image 这个开发框架旨在帮助科研人员快速地实现图像到图像之间的模型开发。 github连接:https://github.com/SituLab/Basic-deep-learning-framework-for-image-to-image 目录 1模型开发 1-1克隆项目到本地1-2深度学习开发

亚马逊逆袭:我是怎么让店铺从平庸到高增长的

今年的亚马逊Prime会员大促即将到来,对于各位卖家来说,这不仅代表着提升店铺主推商品排名、加速商品销量增长的机会,还意味着为年末其他大促活动提前引流获客的大好时机,绝对不容错过! 如果你的亚马逊店铺还是表现平平,要确保顺利参与本次会员大促、从运营层面优化店铺和产品,应该怎么做? 一、整体计划 制定前期计划时,要定下主推产品、促销目标和折扣策略,进而进行库存管理和货品规划,避免在大促期间出现

面试必备技能-HiveSQL优化

Hive SQL基本上适用大数据领域离线数据处理的大部分场景。Hive SQL的优化也是我们必须掌握的技能,而且,面试一定会问。那么,我希望面试者能答出其中的80%优化点,在这个问题上才算过关。 Hive优化目标 在有限的资源下,执行效率更高常见问题 数据倾斜map数设置reduce数设置其他 Hive执行 HQL --> Job --> Map/Reduce执行计划 explain [ex