谢丹丹

如今，在线一对一教学越来越受到追捧，资本市场也频频抛出橄榄枝。相比传统一对一市场，前者不仅大大节省了场地、教师成本，更为用户带来了前所未有的便利性。

然而，新东方在线COO潘欣对此却大泼冷水。在他看来，成本结构是最大问题，在线一对一是“典型的规模不经济”。在这种模式下，教师成本、营销成本都不会随着规模增大而被摊薄，甚至会造成营收越大而亏损越大。而近几年颇受关注的51Talk，用了三年时间，也仅仅把毛利率提高了四个点。

如何破解在线一对一难题？

教育行业专家指出：技术的发力是线上一对一破竹的关键因素。只有通过技术提高教学效率，才能避免重蹈传统一对一的老路。

而通过人工智能服务于学生个性化学习的学吧课堂，相继获得联想之星、晨兴资本、创新工场等Per-A、A轮等数千万元人民币投资，其在“在线一对一”教学领域的尝试和探路，也许能为行业提供参考和借鉴。

警惕看似完美但链条长的模式

毕业于清华大学计算机系的李行武，创办学吧课堂之初，希望通过人工智能打造一位“虚拟教师”，帮助学生获得个性化的引导和教学，真正做到“因材施教”。这个想法在当初还仅仅停留在概念阶段，虚拟教师的表现形式，具体的应用领域，以及最后的商业化路径都不清晰。

李行武的第一次尝试，是习题讲解视频课程，这些录制的视频时长大约5-10分钟。一个独立的视频，由很多段几秒到十几秒不等的短视频和问题实时拼接而成。在视频播放过程中，学生会根据弹出对话框作出相应选择，系统会根据学生的不同解题思路，给予不同的反馈。“我跟你讲的每句话不是我事先背好的，而是根据你的反应一句一句拼出来，这就是一个模拟人说话的过程。”李行武说道。他希望通过系统来模拟人脑的思考，生成最符合学生实际情况的解题视频。

2015年1月，学吧课堂在北京试点学校完成第一期試点，班级成绩从年级中游上升到第一名。此前，凭借这款产品在“决胜新东方教育创业大赛”上，学吧课堂从350多支队伍中脱颖而出，获得最高奖项。

但看似简单的视频，背后实则需要做大量工作。首先是对教材中的知识点进行拆解和组合，大大小小的知识点就有上千个，同时还要把每道题进一步拆解为多个片段，并且使它们之间相互关联，工作量可想而知。一个小时的视频，需要耗费大约100个工时。

与此同时，李行武用机器做个性化辅导的思路，也遭到了投资人的质疑。有人认为，如果没有足够的资金来支撑这种模式，最后一定会死在路上。在移动医疗界，春雨医生创始人张锐曾反思过：创业一定要警惕那些逻辑上正确但是链条太长的模式。

于是，李行武被迫放弃了这种“重模式”。

顺人性，解决学习动力问题

2015年6月，李行武开始转型尝试做题库。他找到了市面上已有的题库产品，它们虽然数量不少，但并没有真正被学生用起来。他琢磨：当整个品类都呈现这种局面时，只可能存在两种情况，一是这件事情本身错了，二是大家都没有找对路。

而他认为，原因一定是后者。

题库产品本身是不科学的，因为学生很少有喜欢做题的。“任何伟大的产品都是顺应人性的。”李行武说。

但是，这并不是在线一对一领域才出现的问题。如何让学生们爱上学习，这是传统教育历来讨论的问题，甚至已经有结论：通过增强学习动力、改善学习方法来提高他们的积极性。而解决动力问题是首要任务。

学吧课堂设计了一套激励体系，让学生“边学习边赚零花钱”，做题可赢得金币并且能兑换实物。当然，这种形式很容易被模仿，并不构成独特竞争力。

李行武进一步解释，学生缺乏动力，很大原因在于不断累计的挫败感。如果让一个差生做一些难度系数高的题目，那他会有什么感受？如果让学生做自己能力范围内的题目，是不是会更有成就感，从而愿意做更多的题？

沿着这个思路，学吧课堂努力构建一个题库，为学生推送适合自己的题目。

所以，在学吧课堂的用户排行榜上，有一个有趣的现象，排名前十的不都是“学霸”，还有“学渣”“学沫”“学民”（根据学生水平划分的戏称），李行武以此来鼓励每一个学生在学吧课堂找到成就感。

先用户，还是先技术？

然而，技术上如何做到呢？

这里涉及一个关键概念——颗粒度，即打标签的密度。在李行武看来，粗颗粒度的个性化是伪个性化。例如：一道题的知识点、解题方法、所需能力值等维度，都必须打上相应的标签。拿中学数学来说，其知识点大概几百个，学吧课堂的知识点可以细化至几千个。

以二次函数的解析式为例，其中有三个知识点：一般式、顶点式、两根式。如果知识点标签打的是“二次函数的解析式”，学生抽取到的题目可能随机性较大，就不能进行针对性训练。所以，必须细化到一般式、顶点式、两根式。

目前，这个环节仍然主要通过人工来完成。如何保证这些人的输出是稳定的？

具体做法是：一道数学题的打标过程被拆解为多个步骤，然后由多人进行打标，系统会根据每个人的情况采用类似“派单”的形式自动分配任务给打标老师，然后再根据每个任务的完成情况自动组合得到结果。随后，再把这些题目小范围地推送给认真做题的同学，根据他们的反馈，不合格的题目会被自动打回。

所以，对于学吧课堂而言，一个相当重要的命题是：考察创业者对教育行业的理解程度。在这样的背景下，李行武邀请了有着十几年数学教学经验、同时有过创业经验的齐明鑫加盟。另一方面，这也预示着，学吧课堂只能从单一学科切入，再逐步实现扩展。

现在学吧课堂的查错成本已经是同行的1/50以下，平均日活数约10万，次月留存约40%。

在李行武看来，标签被打得越细，给学生推送的题目越精确，学生做题的正确率就越高，数据更有价值，从而推送更适合的题目，逐步实现正循环。

很多创业公司会陷入先做产品，还是先积累用户的迷茫，学吧课堂也不例外。不过，经过一番探索之后，李行武得出结论：“用钱解决用户的问题。”学吧课堂CEO齐明鑫也表达了同样的观点：没有数据，再牛的技术也不能发挥作用。

从“练”到“教”，开启商业化之门

积累了大量的用户和学习数据后，摆在学吧课堂面前的下一个问题是：商业化。

2016年10月，学吧课堂正式启动教师辅助系统的研发。这不仅是打造虚拟教师的必经阶段，同时，也只有从“练”跨越到“教”，才能真正开启商业化之门。

仍然切入一对一市场吗？

在李行武看来，课外辅导本身是和学生的需求相悖的，很少有学生能够在缺少父母监督的情况下，在线听大班课。但是在一对一场景下，学生却无法偷懒，且双方的课程录音都已经被储存，只有耐着性子克服惰性。所以，在线一对一是切入点。

于是，學吧课堂将聚焦点放在了打造教师导航系统上。齐明鑫说：“学吧课堂所做的工作，只有被老师认可甚至被大量使用，才有深入的价值。所以导航系统是虚拟教师的必经阶段。”

没有辅助系统之前，在线授课的老师通常依据自身经验判断，给学生讲解的知识点基本上是临时到题库里找出相应的例题。但是，这一过程受老师个体状况的影响而差异较大，从而影响教学质量。这套辅助系统会根据学生的历史学习数据、所在学校的课程规划，形成整体学习计划，以及每一课时涵盖的知识点。对于单一课时而言，系统则会生成详细讲义，同时会对老师整体授课的时间流程有一个把控。

李行武认为，在线一对一面临两个主要的问题：流量成本高企、服务质量无法把控。最大的坑在于无法做到规模化的品控。而这一导航系统不仅解决了师资等成本问题，同时实现了规模化的教学质量的把控。回过头来看，当题库产品累积了高活跃度后，反而会成为导航系统的天然流量池，不断摊薄获客成本。目前，学吧的题库产品已经积累了200万用户、7亿条学习数据。

“当你有了用户量，开始考虑后端上课服务时，会发现获客问题的本源还是在服务端。”李行武总结。

目前，学吧课堂第一代教师导航系统已经上线并在内部测试。在李行武看来，人工智能为学生提供高个性化学习的同时，也能提高教师的人效比，降低对名师的依赖。只有为教与学提供了真正的价值，商业化变现才成为可能。

管理点评

学吧课堂通过技术手段，让大数据在教育中的应用有效落地，进一步提升了一对一的学习效率，提高了线上教学质量，以此促进用户的快速积累，为商业化变现打下了基础。但是，依靠大数据给出的学习建议，与老师实际的丰富教学经验，两者如何更好融合，发挥“1+1>2”的优势，仍是面临的重要挑战。技术与老师，如何看待两者在教育中的角色与位置，成为学吧课堂未来需要重点思考的问题。

点评人：老师好CEO 李晓滨