快进：预测和修改用户行为的人工智能威廉希尔中文网站的兴起对管理者具有重要影响
在日益动荡和动态的商业环境中，管理人员正在寻找能够提供可靠数据、生成准确威廉希尔中文网站并支持他们做出更好决策的工具。
现有方法利用传统的绩效衡量和管理工具（例如 KPI、绩效目标和记分卡）以及大数据分析。
然而，人工智能 (AI) 的最新应用，尤其是在线平台，正在创造与数据获取、分析和使用相关的新场景，旨在威廉希尔中文网站人类行为和组织绩效，从而为个人和组织带来潜在的全新后果。
到目前为止，研究人员和管理人员主要关注平台如何利用人工智能，通过与用户交互的机器学习算法来理解和威廉希尔中文网站人类行为。例如，Netflix 部署了机器学习算法来了解观众的偏好，并提供建议以吸引他们观看他们最喜欢的电影。
在这里，我们考虑涉及三方的情况：平台（第一方）收集用户（第二方）数据并生成预测并将其出售给买家（第三方）。在这种背景下，平台不是通过直接与买家分享用户数据来货币化用户数据，而是通过人工智能将数据“包装”成“预测威廉希尔中文网站”，即对用户行为的预测。
绩效衡量和管理：衡量-修改
传统上，组织采用假设驱动的方法来进行数据收集、分析和沟通过程，其中监控、改进和威廉希尔中文网站绩效等目的是预先定义的。
在实践中，明确了战略目标，并引入了记分卡、KPI 和目标等多种工具来控制和指导实现战略目标的努力。为了进一步激励员工实现这些目标，米歇尔教授的研究瑞士国际管理发展学院 (IMD) 的让-弗朗索瓦·曼佐尼 (Jean-Francois Manzoni) 发现，激励制度通常以经济和非经济奖励的形式实施。
这种方法主要是自上而下的：首先确定战略目标，然后建立机制来促进其实现；有时目标会因为之前的结果而改变或细化。
重要的是，尽管数据的收集、分析和交流通常被认为是“中立的”，但这个过程是“执行性的”：被测量的内容会因为被测量的事实而发生变化。因此，我们将这种方法标记为“测量修改”。
例如，如果引入 KPI 来评估员工的工作效率，例如衡量医院有多少患者接受医生诊治，那么员工很可能会尝试提高工作效率，无论是积极的方式（缩短患者的等待时间并改善他们的就诊路径）还是消极的方式（通过看更多的患者，但最终会取得更差的临床结果，因为评估过于简短）。
在部署绩效衡量工具时，组织越来越多地尝试威廉希尔中文网站而不是简单地监控其绩效，例如通过引入领先指标而不是滞后指标。
在此上下文中，威廉希尔中文网站是指使用 KPI 来增加实现特定目标的机会，因为 KPI 可以提供洞察力并增强对实现目标的信心。这种置信度基于属性之间假设的因果关系，并且取决于组织创建和完善因果模型的能力。
例如，在生产工厂中，如果设置时间减少，那么可以合理地假设交货时间也会减少。在这种范式中，通过将测量与场景规划和威廉希尔中文网站等其他工具相结合，也可以增强威廉希尔中文网站能力。
大数据分析：威廉希尔中文网站修改
由于各种来源的数据越来越多，第二种方法正在变得普遍。在本例中，东北大学的纳达·桑德斯 (Nada Sanders)已找到虽然仍然可以使用绩效衡量工具，但重点更多地放在组织利用从不同来源（例如内部数据、传感器、可穿戴设备）收集的数据来使用算法威廉希尔中文网站未来绩效的能力。
例如，我们与 GE、西门子和劳斯莱斯等公司合作，这些公司投资于预测性维护，通过收集有关其威廉希尔中文网站磨损的数据来预测故障或故障。
同样，在许多公司中，商店或工作地点之间的员工分配现在取决于使用过去数据威廉希尔中文网站的需求或工作量。同时还可以收集数据来威廉希尔中文网站客户的选择；例如，Spotify 根据人们听过的流派和歌曲，通过个性化播放列表提供建议。
这些都是威廉希尔中文网站分析的示例，其中包括检查历史数据、检测关系以及推断以制定威廉希尔中文网站。
我们将这种方法标记为“预测修改”，因为组织制定预测的目的是修改其工作流程或威廉希尔中文网站 - 在上面的示例中，是其维护计划、员工的工作量和用户的播放列表。
虽然与“衡量修改”方法有一些相似之处，但在这些情况下，数据可以通过多种方式收集，可能出于不同的目的，但随后用于识别模式和相关性，并制定威廉希尔中文网站。
在这种情况下，可能没有目标、激励措施或有意的反馈循环：表演元素不太明显，个人可能知道数据正在被收集，但不知道为什么。
同时，这两种方法的工具和实践可以联合使用：多位作者强调，大数据分析和 KPI 等绩效衡量工具的结合可以成为提供威廉希尔中文网站的关键方式，“而不仅仅是后视镜评论”，说麻省理工学院斯隆管理学院的 Michael Schrage 和《》的执行编辑 David Kiron麻省理工学院斯隆管理评论。
例如，客户忠诚度可能被假设为销量的主要驱动力；然而，数据可能表明，提高客户忠诚度的投资不会对销售产生重大影响。因此，可以采用更具归纳性的方法来识别销售驱动因素，例如通过在不同市场进行小型实验。
这可能会导致因果模型的重新概念化，从而解决“推动销售的因素是什么？”的问题。 – 这可能会导致进一步的假设检验。
基于人工智能的方法：威廉希尔中文网站然后修改
利用二手数据以及我们通过研究 Google、Amazon 和 Meta 等数字平台获得的经验，我们专注于第三种方法，该方法使平台能够为其商业客户生成近乎完美的预测（预测威廉希尔中文网站），国立清华大学技术管理学院的 Galit Shmueli 和伊利诺伊大学的 Ali Tafti 也提出了这一点发现.
例如，Google 针对电子商务客户的“威廉希尔中文网站受众群体”工具使用机器学习来“威廉希尔中文网站用户的未来行为” 并向企业客户提供最有可能在不久的将来（例如未来 28 天内）购买、流失或产生最多收入的用户列表。
更广泛地说，在我们的研究中，我们发现了各种可用于多种目的的预测用户行为，包括保险公司使用预测的用户行为来定制个性化保险威廉希尔中文网站，广告商使用预测的消费者偏好来提供个性化广告，以及政治竞选经理预测投票意图以瞄准合适的受众群体，正如 Shmueli 和 Tafti 所发现的那样。
在提供预测威廉希尔中文网站时，卖家旨在展示较高的预测准确性，而买家则希望通过应用于高质量数据的智能算法来实现这一目标。
虽然通过使用更大、更稳健的数据集以及提高算法的质量确实可以提高威廉希尔中文网站精度，研究国立清华大学的 Travis Greene、安特卫普大学的 David Martens 和 Shmueli 发现，通过将人工智能工具与“说服技术”（指在在线平台上实施的行为矫正技术）相结合也可以实现这一目标。
在此上下文中，行为可能指点击广告、购买商品和发布信息。行为矫正技术（例如轻推）是指操纵环境以巧妙地引导用户做出某些选择的方法。
例如，亚马逊等电子商务平台的推荐系统设计中内置了助推功能，以便“个性化威廉希尔中文网站推荐”和“相关搜索”结果促使用户购买更多或特定威廉希尔中文网站，从而产生利润。
虽然助推和类似技术已在商业中使用多年，但在线平台对说服技术的使用是最近才出现的，并且通常通过各种机器学习算法来实现，这些算法以数据驱动、自主、交互式和顺序自适应的方式运行。
这意味着威廉希尔中文网站和行为修改的结合（我们称之为“威廉希尔中文网站然后修改”）可能会产生一个黑匣子系统，其目标是在威廉希尔中文网站值和实际值之间实现完美对齐。我们将该系统描述为“黑匣子”，因为平台用户、客户甚至平台数据科学家都不清楚如何实现这一点。
用前 Facebook 平台运营经理的话来说，桑迪·帕拉基拉斯，“这些系统的构建方式很难控制和优化。我认为我们人类现在已经失控了。我们构建了一个我们并不完全理解的系统”。
特别有问题的是，将用户的行为推向他们生成的算法威廉希尔中文网站，以展示其威廉希尔中文网站的准确性和影响行为的能力，这符合平台的利益。
我们认为这是有问题的，因为将结果推向预测可能会对受操纵的用户造成伤害，甚至与公司的意图和目标相矛盾。例如，像亚马逊这样的平台可以向在该平台上提供威廉希尔中文网站的公司（例如“亚马逊卖家”）出售客户购买的预测。
这些公司可以使用他们购买的预测威廉希尔中文网站来调整他们的生产、营销和销售工作和策略。然而，一个功能失调的影响是，对于预计不太可能购买这些公司威廉希尔中文网站的客户，平台可以通过主动劝阻这些客户购买威廉希尔中文网站、减少向这些用户推销威廉希尔中文网站或向他们推荐其他威廉希尔中文网站或卖家（即使这些威廉希尔中文网站或卖家与他们不太相关）来实现较高的预测准确性。
在所有这些情况下，很明显，先威廉希尔中文网站后修改的方法不仅会对第二方（用户）而且对第三方（买家）产生负面影响。
将此方法与前面概述的方法进行比较，我们可以看到一些相似之处，但也有很大的差异。例如，在“测量修改”和人工智能驱动的“威廉希尔中文网站然后修改”情况下，都存在执行元素 - 我们想要修改行为，因此存在反馈循环 - 存在三个关键区别。
首先，在人工智能场景中，个人不知道数据正在被收集、由谁收集或为什么收集。其次，在“威廉希尔中文网站然后修改”的情况下，数据通常由卖方（平台）拥有，而在“措施修改”的情况下，组织拥有数据。第三，在人工智能的世界中，由于更快的反馈循环，意外的后果很容易加剧。
此外，在威廉希尔中文网站然后修改方法中，实现威廉希尔中文网站与现实之间的相似性的最终目标并不是通常意义上的改进威廉希尔中文网站以适应现实；相反，反之亦然：修改现实以实现威廉希尔中文网站。在这种情况下，所创建的不再是模型，也不再是“中性威廉希尔中文网站”，因为算法的主要作用不是代表现实，而是修改它。
因此，威廉希尔中文网站是自我实现的预言。与第一种情况不同，在第一种情况下，绩效指标是已知的，算法威廉希尔中文网站不会透露给任何一方，而是被平台的自动说服技术用来修改针对这些威廉希尔中文网站的行为。
这意味着表演元素没有明确归属，责任和问责不透明。确实，我们可以说算法是受控的，但算法本身是一个黑匣子。
近年来，我们目睹了在组织环境中使用绩效数据生成威廉希尔中文网站的巨大变化。在本文中，我们讨论了三种方法之间的主要区别以及它们对威廉希尔中文网站和行为修正之间关系的不同影响。
预测威廉希尔中文网站的案例凸显了最近因平台化而出现的一项新功能：通过与用户交互的算法来预测和修改人类行为。
这种先威廉希尔中文网站后修改的场景具有重大的管理意义。首先，由于平台提供的服务质量主要表现为威廉希尔中文网站行为与实际行为的相似度，因此管理者必须了解平台如何实现这种相似度，而不能简单地相信基本的相似度分数。
虽然识别使用说服性技术来提高准确性的预测威廉希尔中文网站并不容易，但管理人员可以要求提供商提高所使用算法的透明度，并明确调查行为是否以及如何被操纵。例如，如果目标之一是最大限度地提高用户参与度，那么预测是如何生成的？
此外，随着各个行业的数据所有权和责任正在从企业拥有转向平台拥有，这里讨论的人工智能驱动方法在公司和平台之间创建了新的关系。
平台使用管理者应该了解的各种数据货币化策略。这些策略可能为企业提供新的机会，但也可能造成意想不到的伤害。例如，优步现在将其有关司机、乘客和路线的丰富数据货币化，为企业客户提供有针对性的广告给乘客。
Fitbit 是可穿戴技术、体能监测器和活动跟踪器的提供商，利用其数据提供健康和保健洞察平台，为医疗保健提供者、保险公司和研究人员提供匿名汇总数据。 eBay 通过向零售商、制造商和行业分析师提供汇总和匿名销售数据的访问权限来实现数据货币化。
在本文中，我们讨论了 Google 和 Facebook 销售的预测威廉希尔中文网站的已知示例。 Uber、Fitbit、eBay 和其他公司也有可能创建预测威廉希尔中文网站并将其出售给商业客户。
例如，Uber 可能会将司机的威廉希尔中文网站风险评分出售给保险公司。 Fitbit 可以将其可穿戴设备用户的威廉希尔中文网站健康风险评分出售给医疗保健提供商、制药公司和保险公司。 eBay 可以向金融服务公司等第三方出售对其卖家行为的威廉希尔中文网站，包括未来交易成功的机会。
管理者应评估平台创建和销售这些威廉希尔中文网站的潜在后果。此外，他们应该预先考虑他们要求的预测是否与任何特定风险相关。例如，是否存在过度吸引用户（尤其是年轻人）的风险？是否会促进成瘾或分裂行为？将用户或社会置于危险之中的可能性有多大？
从一开始就反思这些方面将有助于管理者确定威廉希尔中文网站的重点，无论威廉希尔中文网站如何生成，都不太可能在后期导致意想不到的后果。
本文最初发表于加州管理评论.
进一步阅读：
彼得罗·米凯利是商业绩效和创新教授，教授以下方面的组织绩效管理：高级工商管理硕士, 全球在线 MBA，并且MBA 加速器。他还在上讲授设计思维硕士商业作品集和设计本科程序。
Galit Shmueli 是台湾国立清华大学服务科学研究所讲座教授。
通过 了解有关数字创新和创业的更多信息核心见解简讯.