在 Amazon,以客戶為中心並不是一句空話;這是我們創新方法的根本。Amazon 的使命是成為全球最以客戶為中心的公司,而我們 16 項領導方針中的第一項,即客戶至上指出:「領導者從客戶入手,然後逆向操作。他們努力工作,贏得並維持客戶對他們的信任。雖然領導者會留意競爭對手,但是他們更重視客戶。」
該領導方針有幾個核心概念,可以協助 Amazon 推動和維持其以客戶為中心的文化。「逆向工作」的首要概念是,這既是一種思維模型,也是一種創新機制,使我們所做的一切都以客戶為中心。逆向工作涉及透過深入思考您的客戶、他們面臨的持續問題,以及他們的長期需求來啟動創新程序。
我們深信,以客戶為中心的創新工作可確保我們不會孤立地進行創新,也不會僅為他們自己而建置技術或服務。我們與客戶保持密切聯繫,並專注於我們了解的他們會長期看重的要素 (例如,我們零售業務的價格、選擇和便利;效能、安全、特性和功能的廣度和深度,以及 AWS 雲端服務性價比)。透過深入探討這些需求背後的背景和情況,我們能夠更好地做出回應,並預測我們代表客戶進行發明創造時會給客戶帶來驚喜和愉悅的內容。
舉例來說,我們在 AWS 上建置的 90% 的內容,都是由客戶告訴我們對他們而言很重要的事務所驅動。例如 Amazon SageMaker,這是一項最全面的機器學習 (ML) 服務,可協助準備、建置、訓練和快速部署高品質 ML 模型。數以萬計的客戶 (如 NFL、3M、General Electric、T-Mobile 和 Vanguard) 喜愛 Amazon SageMaker 的 ML 開發整合功能,讓這項服務成為 AWS 歷史上增長最快的服務之一。他們也喜愛其反覆運作的速度。去年是我們連續第二年在 12 個月內新增了 50 多項新功能。我們透過積極徵求客戶的意見回饋,以及我們可以為他們建置的內容來實現。
頻繁的請求有助於讓機器學習的資料準備更簡易。這對於需要從不同來源和多種格式收集正確資料的客戶來說很難;規範化資料以將其正確合併到 ML 模型中;為預測模型演算法選擇和轉換最相關的特徵,甚至組合不同的特徵,所有這些都很困難並且需要很多時間。然後,在跨資料集套用轉換之前,您需要查詢遺失的資料或極端值,以查看您的特徵工程是否有效。
客戶詢問我們是否有更好的方法。根據這些意見回饋,我們去年推出了 Amazon SageMaker Data Wrangler,這是為 ML 準備資料的最快方式。客戶只需將 Data Wrangler 指向其 AWS 或第三方資料存放區,並且 DataWrangler 提供 300 多次切換和轉換,可以自動識別傳入的資料,建議要套用的正確轉換,從而輕鬆地以簡單的方式組合或建立複合功能主控台,讓您能夠在 SageMaker Studio 中輕鬆預覽和驗證轉換,然後輕鬆地將其套用至整個資料集。就為機器學習節省的資料準備時間而言,這為客戶帶來了巨大變革。
雖然 90% 的產品、功能和服務源自客戶的請求,而我們其他 10% 的創新源自客戶可能無法表達的需求,但透過與客戶保持密切聯繫並堅持不懈地關注他們的需求,我們能夠在字裡行間獲取洞察,並代表客戶進行發明創造。
例如,沒有人要求我們做出 2014 年推出的 Echo。但我們有一個願景,即智慧語音控制裝置如何讓您獲取資訊、天氣、新聞、聽音樂,成為與各種智慧家居裝置相容的控制中心等,所有這些都完全無需手動操控,這將成為家庭的寶貴個人助理,讓使用者的生活更輕鬆。七年後,除了發佈多代 Echo 裝置、帶智慧顯示器的 Echo Show、汽車專用 Echo Auto、Echo Loop 和 Echo Frames 等可穿戴裝置,以及一系列配件外,Echo 系列裝置是 Amazon 上最受歡迎的產品之一。