KeyFrame內部研究專用

78% Wanted This AI Feature. Almost Nobody Used It - Supriya Subudhi, Bumble

AI Engineer英文
觀看原始影片

三句話摘要

AI產品的A/B測試為什麼不能照搬傳統產品管理邏輯——正面結果只是旅程的開始,不是終點。 AI產品成功的關鍵不是A/B測試何時轉綠,而是你能否在答對五個問題後仍然有信心推出——用戶真的會用嗎、真實輸出質量如何、成本結構是否可持續、優質模型成本你能否承擔、法規合規範圍有多廣。 講者首先揭露核心矛盾:用戶在調查中表達需求與實際使用行為存在巨大落差。Bumble用戶研究發現78%的人希望獲得約會檔案改進建議,但功能上線後實際使用率僅10-15%。這說明openness to AI無法預測實際採用率,必須將AI整合到用戶既有的應用流程中,而非孤立的獨立功能。

重點整理

  1. 講者首先揭露核心矛盾:用戶在調查中表達需求與實際使用行為存在巨大落差。Bumble用戶研究發現78%的人希望獲得約會檔案改進建議,但功能上線後實際使用率僅10-15%。這說明openness to AI無法預測實際採用率,必須將AI整合到用戶既有的應用流程中,而非孤立的獨立功能。

  2. 其次,正面的平均數據會掩蓋長尾問題。當AI照片反饋功能告訴已經在微笑的用戶「多笑一點」時,整體數據依然向好,但這暴露了模型的根本問題。需要深入檢視真實輸出、建立合理護欄(如不建議改變膚色、身高等用戶無法控制的特徵),並用evals工具驗證不同用戶群體的實際體驗。

  3. 第三,生成AI的成本結構與傳統機器學習截然不同。選用最佳模型的成本是簡單方案的10倍,且隨著用戶增加而持續攀升。需要明確為何使用AI(短期營收 vs 長期品牌價值),據此判斷值得投入多少預算。

  4. 最後,法規合規性成為全球推出的硬約束。同一功能在美國測試成功,也可能無法直接推向其他國家或地區,需要提早考慮多國合規策略。

實用技巧與重點

  • 具體數據與案例
  • Bumble月活躍用戶:2千萬
  • 調查意願度:78%用戶表示想要AI反饋
  • 實際採用率:10-15%
  • 最佳LLM成本:是簡單方案的10倍
  • Meta Muse AI:僅在美國和加拿大推出
  • 功能規格
  • AI照片反饋功能:用於改進約會檔案的圖片
  • 集成點:用戶上傳圖片時詢問、未匹配時推薦檢視反饋
  • 必需設定的護欄
  • 禁止建議改變膚色
  • 禁止建議改變身高
  • 禁止針對用戶無法控制的特徵提建議
  • 評估工具與方法
  • Evals工具:用於檢視真實輸出質量
  • 長尾分析:按用戶群體(性別、語言、國家)分別評估
  • 成本-效益測試:快速重複測試不同模型和提示版本

結論

AI產品成功的關鍵不是A/B測試何時轉綠,而是你能否在答對五個問題後仍然有信心推出——用戶真的會用嗎、真實輸出質量如何、成本結構是否可持續、優質模型成本你能否承擔、法規合規範圍有多廣。

完整解析

Supriya是Bumble的產品經理,該公司是擁有2千萬月活躍用戶的約會應用。她分享了開發AI照片反饋功能的經歷,揭示了為什麼AI產品的A/B測試與傳統功能測試有根本區別。

故事始於一個看似清晰的機會。用戶研究一致表明,約會應用使用者不知道自己的檔案是否足夠吸引人,渴望獲得改進建議。當提示人們AI可以提供此類反饋時,78%的人表示他們會喜歡這個功能。然而現實截然不同——功能上線後,實際使用率僅10-15%。這個落差揭露了產品管理的第一課:openness to AI不等於actual adoption。解決方案不是構建獨立的AI工具,而是將其織入既有流程。Bumble改變策略,在用戶上傳圖片時主動詢問是否要反饋,在用戶遇冷時推薦檢視反饋改進檔案,採用率才顯著提升。

第二個挑戰涉及如何評估成功。A/B測試顯示使用反饋的用戶確實調整了更多檔案,平均指標向好。但細看數據,AI在犯明顯的錯誤——告訴已經在微笑的人要多笑。這說明平均值掩蓋了問題。Supriya引入兩個概念:首先是guardrails(護欄),AI不應建議用戶改變膚色或身高等無法控制的特徵。其次是evals工具,能夠檢驗真實輸出、按不同用戶群體(性別、語言、地理位置)分層評估質量。成功指標從簡單的green vs red轉變為深度檢視長尾表現。

第三個挑戰是成本。使用最佳LLM的成本是簡單方案的十倍,加上evals運行成本,完全無法承受。這涉及一個更深層的決策:為什麼要用AI?Amazon推出購物助手可能是為了長期品牌價值和用戶粘性,值得更高投入;短期則著眼於購買轉化和收入增長。理解這一點才能做出合理的預算決策。Bumble的解決方案是回到數據驅動,快速測試不同模型和提示版本,最終以最便宜的可行方案達到良好效果。但這也暴露了一個風險:成功的A/B測試結果可能反映的是所用模型的品質,而非功能本身的可行性。

最後一個挑戰是地域與法規。Meta的Muse AI僅在美國和加拿大推出,正是因為AI法規在全球差異巨大。Bumble在美國測試成功的功能,面臨推向其他國家時的法律和合規障礙,無法直接複製。這要求從產品概念初期就納入法規思考——是優先在一個國家做到極致,還是投入額外成本開發多國版本?這不再只是技術或產品問題,而是戰略選擇。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。