什么是Cognitive？为什么我们需要它？

如果你问十个人这个问题，可能会得到十一个不同的答案。虽然Cognitive常常与机器学习、人工智能、深度学习、预测分析、数据科学等概念出现在一起并被大肆宣传，却很少有人明确知道Cognitive是什么，为什么要运用它。然而，理解Cognitive对于高级管理人员、数字策略师、体验设计师、商业领袖和开发人员至关重要，大家都应该了解如何运用它来改善自己的日常工作。
下面这个维恩图，或许可以帮你快速理解Cognitive：

Cognitive是在业务环境中通过机器学习技术为用户提供积极体验（proactive experience）的能力。它是对用户需求或意图的个性化响应，不仅仅以直观有效的方式向用户呈现信息或功能 - 还会预测了他们的需求和意图，并主动满足他们。
在有关Cognitive的各种文章中，往往会出现Analytics，Predictive / Advanced Analytics，Data Science等词汇。它们是如何相关联的？看看下面这张更大的维恩图：

Cognitive和Data Science/Analytics之间的关键区别在于它们的专注点。Cognitive以客户为中心，主动、积极地影响他们的体验。Data Science/Analytics以企业为中心，企业根据分析结果决定改进周期，最终也可能会影响用户。

其他区别还有：
- 客户旅程中的每个接触点都可以引入Cognitive。而Data Science/Analytics只有在交互结束后才需要。
- Cognitive的产出是对用户的直接和主动影响。Data Science/Analytics的产出是仪表板及分析报告。
- Cognitive是实时的。Data Science/Analytics则基于分析和决策周期。
在客户旅程的每一步中，都有机会利用Cognitive去改善的用户体验。想想我们要在客户旅程的每一步中回答什么问题。比如：用户想要购买哪种产品。如果你的数字化产品能在客户采取行动之前就了解他们的需要，它便是一个Cognitive产品。

Example 1

要了解当月放弃购物车的用户百分比属于Analytics。
而通过数据科学与高级分析（Data Science/Advanced Analytics），你可以对放弃购物车的客户进行细分，并找出合适的营销方式来挽回这些用户。
而通过Cognitive，你将在客户旅程中提前预测到他放弃购物车的可能性，并通过改善用户体验以避免他们真的放弃购物车。

Example 2

评估金融产品以便向现有客户群进行交叉销售是Analytics。
找到一组具有交叉销售机会的产品，推给已知细分市场的客户群，是数据科学与高级分析（Data Science/Advanced Analytics）。
基于某细分市场中某客户的当前和历史行为提供具有高交叉销售概率的金融产品，是Cognitive。在以客户为中心的方法中，我们要做到为客户提供积极主动和个性化的体验，就需要引入Cognitive。

---