支付宝社交功能 支付宝做社交

        支付宝社交功能 支付宝做社交　2016 年 8月，支付宝再发新版，更新说明中尽管依然提到了继续做社交的决心，但一些新的变化可以一窥支付宝对于未来发展的思考。

　　「你觉得支付宝是什么？」这是我最近经常向周围非互联网圈朋友提问的一个问题。得到最多的回答并不是「支付宝是XXX」这样的句式，而是「我可以在支付宝里做XX、XX等」类似的句子。这样的回答其实也会出现在问及「微信是什么？」、「Facebook 是什么？」的问题里。

　　真实情况是，互联网圈的人把这类产品叫做「入口」。微信和 Facebook 是社交的入口，那么支付宝要做什么入口呢？

　　2015 年 8月，随着支付宝 9.0 版本的发布，支付宝开始重新梳理了定位。聚焦于生活服务平台和开放性平台，为用户提供支付、生活服务、政务服务、社交、理财、保险、公益等一站式生活服务。这种定位的调整也换来了市场和用户的认可，在易观每月的移动应用排行榜上，支付宝从去年 9 月的第十二位，飙升到如今的第三。在市场环境、技术进展与用户体验都已发生变化的当下，支付宝的下一步也备受关注。

　　2016 年 8月，支付宝再发新版，更新说明中尽管依然提到了继续做社交的决心，但一些新的变化可以一窥支付宝对于未来发展的思考。

　　其一是数据驱动的智能。在 2016 年，人工智能已成互联网的行业共识。本质上说，人工智能的发展就是人机交互的一个分支。因此，所谓对「智能」的另一个理解则是：计算机更聪明，也更懂你。比如，Google 相册、苹果「照片应用」会主动帮你整理照片，自动将面部表情相似的照片放在一个相册，或者根据地理位置自动构成旅行记忆。再比如，当你打开支付宝后，你看到的不再是堆积在一起的各种服务，而是你可能最关心的一些信息：余额宝收益、最新的旅行套餐等等。

　　这一切都离不开数据的支持，特别是在深度学习已经成为人工智能领域最具代表性算法的当下，海量数据的喂养对于生成「智能」至关重要。在近几年著名的识别猫咪的「智能」实验里，研究人员喂养了 1400 万张照片给机器，才让机器具备了识别猫咪的本事。在数据量上，支付宝背靠阿里巴巴电商平台海量交易数据，尤其是在马云提出「DT」口号之后，阿里各个产品线开始全面升级对数据的挖掘和再利用，在此基础上，为用户行为画像，将海量数据挖掘的用户习惯进行结构化展示，从而优化用户体验。

　　其二，语音交互的升级。新版的支付宝里，支持语音的交互的功能包括转账，店铺查询，美食推荐，机票、火车票的查询预订等等，当然他/她/它还兼具聊天机器人的属性。

　　事实上，人类的语音的交互已经有几百万的历史，文字的发明，则让交互从声音转入文本阶段，于是出现了各种与文本打交道的交互工具，键盘、鼠标、触摸屏都是这类工具。正如 2007 年乔布斯无情取笑各大手机厂商的键盘一样，乔布斯重金买下的 Siri 也代表了他对下一代人机交互的愿景。毕竟，声音才是人类最最自然的交互模式，投资机构 KPCB 也有一份关于声音交互优势分析：

　　支付宝的上述变化也是对 Mary Meeker 互联网趋势报告的某种回应。 在 2016 年的报告中，这位被誉为「互联网女皇」的投资人特别强调当下互联网行业的两大趋势：聊天机器人和语音交互。

　　这并不难理解，聊天机器人到底有多火，只需看看过去半年 Facebook、微软、Google、苹果等巨头的开发者大会就能略知一二；至于语音交互，亚马逊不声不响做出的 Echo，正在酝酿一场新的变革，苹果、Google、微软也在语音领域拼命追赶，而支付宝则利用数据优势，切入聊天机器人和语音交互的竞争格局中。

　　更进一步去看，无论是聊天机器人还是语音交互都是一场「入口」大战，Facebook 、微软在聊天机器人的布局瞄准了后智能手机时代的入口，而苹果、Google 在语音上的努力则是大战物联网入口的前奏。从这个层面去理解本文开头的问题，不难发现，支付宝要掌控生活服务平台的入口。

　　生活服务平台是一个非常宏大的概念，在中国这个全球最大的互联网市场，生活服务平台的体量到底有多大，目前还没有准确的数字。来自易观智库的一份数字显示，2015年中国本地生活服务O2O市场规模为3613.5亿元人民币，预计 2016 年会达到 4487.7 亿元人民币。而在 2015 年 6月，阿里巴巴和蚂蚁金服共同投资 60 亿成立的「口碑」，则是要直接帮助本地商家快速部署 O2O 相关战略，与支付宝直接面对普通消费构成了生活服务平台的两个入口。

　　从产业发展的角度来说，互联网公司向线下渗透是必然的趋势。而从技术驱动的层面看，基于数据的智能推荐、更自然语音交互，对于提升用户体验并进一步增加用户活跃度有重要意义。不过，摆在支付宝面前的挑战也不少。如上文所言，由于生活服务的种类繁多，而且中国各个地区的差异性也很大，生活服务的覆盖面还不齐全，这也导致用户数据的颗粒度太大，一定程度上影响基于数据的智能推荐。另一方面，包括智能推荐、语音交互算法的优化和提升也将是未来的重中之重，方向对了，未来还需加速前行。