成長駭客年會來到第四位講者，Tiger 做為全台灣最會，近幾年深耕AI MarTech 領域，他將用淺顯易懂的方式講解 AI 技術，以及 Martech + AI 對電商有什麼加乘的應用。
在與零售客戶交涉的過程裡，Tiger 發現，有很多零售客戶所遇到的困難點可能不再是如何衝流量，而是如何讓內部營業相關的數據能夠透過技術有更好的效能。因此，Tiger 的分享將著重在建立 Martech 基本的策略認知，並且能進一步去思考該如何選擇 Martech 工具。
｜本文由燒賣研究所：電商人的培養皿授權 awoo 編修、刊登，原文網址，現場照片來自 awoo。
內容目錄
迎接消費者隱私權被保護的世代
跳脫行銷應用框架 AI科技賦能零售新價值 / Tiger 現場演講
大部分的服務透過技術追蹤使用者行為：Cookie、Pixel、GA，透過各種技術來追蹤使用者行為，近一步取得用戶數據，且現在的廣告不能再是無腦的發送，而是要針對用戶行為去做廣告，但因為隱私權的意識抬頭且大環境的重視，在收集用戶數據上會越來越嚴謹，Google 在 Cookie 上也開始有阻擋的動作，而我們要思考的是，當這些數據來源消失了之後，我們該怎麼做？
即便 Google 有不斷地變化廣告的形式及內容，但使用者隱私不斷被揭露還是造成了使用者的反感。每個賣家都想要持續不斷地理解用戶的行為，就會讓用戶覺得隱私權被侵犯，因此各國都開始規範隱私權相關的法律，如：GDPR、CCPA 等，因此未來在用戶行為取得就會越來越困難。Google 也會保護 Google User 不要受到廣發信件的的干擾 (系統會判斷是垃圾信件)，且使用者也會把部分功能給關閉，所以品牌商應好好思考：該如何應對隱私權被保護的世代。
從理解商品的角度，迎戰保護隱私權的世代
在為用戶貼標籤的時候，通常都還停留在「人工貼標」，但主觀的人工貼標容易發生認知偏誤。因為在貼標時，容易迷失在「 標示給誰看」上的思考誤區，到底是標示給自己看、老闆看、Google 看還是消費者看？
做銷售時當然是消費者看，整理內部資料時就要給公司看，若是為了 SEO 就要想 Google 怎麼看。以 OB 嚴選來說，他們在四年前就在做這件事，他們的貼標是拿來內部管理的，標籤化是定義使用者最好的方式，所以當品牌主看到商品時，看到的不再是商品，而是很多標籤。
最佳推薦時機點－what are needs?
當品牌主知道使用者想要什麼，且在適合的時間推播給使用者想要的東西，是所謂的「投其所好。」以電商而言，在 Also buy (交叉銷售) 有 2% 的轉換率就非常了不起，當你用過往的購買用戶去預測可能有哪些其他用戶會消費，這件事是合理的。但對品牌主來說，了解用戶接觸第一個接觸點 (Touch points)，然後知道他做了哪些事情，就能得知他的需求、標籤，最後再針對這些需求做推薦 (Recommend) 比較符合消費者的意圖。⠀⠀⠀
Martech + AI 實踐行銷自動化
跳脫行銷應用框架 AI科技賦能零售新價值 / Tiger 現場演講
Martech 可能讓你行銷變得更加自動化、更容易，但若要融入 AI，那到底會是什麼呢？
- 用非技術角度理解 AI
- 人類訓練 AI：就像是父母在照顧嬰兒時，若慢慢給他資訊吸收，嬰兒就會逐漸成長。做錯的事情，父母就要去指正他們，所以其實會有一個 AI 訓練員去說哪些事情是對的那些是錯的。
- 經學習更成熟
- 透過反饋修正：機器學習是一個學習過程，是需要時間的累積。
- 打造適合自己的 AI 模型 (賣方+消費者+技術提供者)
AI 是需要時間學習的，是需要時間的累積才會慢慢看出成效，要讓 AI 知道自己的學習是對是錯，就要持續給他回饋，這樣才能讓 AI 模型做得更好。因此需要消費者、賣家、技術提供者，這三個面向的結合及共同努力，才會起讓整個模型變得更好、適合自己的品牌。
四種「理解」力
理解商品的方式－Product understanding
貼標方式：人類貼標、機器貼標、AI 貼標
以人類貼標此方式常見的問題就是「貼標者的意識」，主觀與客觀與否是一個問題外，其次是若員工離職的話，後續怎麼進行貼標籤？而機器貼標、AI 貼標可以讓貼標模型更加精準，也是更聰明的貼標模式，透過機器做詞頻（term frequency）、字庫比對，結合有價值的詞庫。但儘管機器貼標跟 AI 貼標的效率是更加精準且快速的，但人類貼標還是佔了 95% 的比例，因此能否自動化貼標籤是我們該注重且努力的事。
理解商品的角度－銷貨者/消費者
OB 嚴選的貼標是由採購人員負責，我覺得其實也滿合理的，因為採購會知道商品的各種細節，年份、材質、類型…等，所以更能理解如何運用標籤，亦能應用在商品開發跟庫存管理上。
- 採購銷貨者的視角：40支紗、央帶布、深色系、親膚材質、CVC…
- 一般消費者的視角：長袖襯衫、休閒襯衫、格子襯衫、復古風、英倫風
理解商品新技術－圖片辨識
講者舉例：我當時看到 FB 出現了一張沒有我的照片，卻還是 tag 到我，我後來仔細看看這張照片，裡頭的人的我壓根都不認識，最後發現我的臉出現在照片的小小小角落，卻還是被 FB 系統給辨識出來了。
圖像辨識技術蠻常會被應用在商業上，當我的文本、商品、知識還不是這麼了解的時候，多虧了圖片辨識技術才可以讓我貼出更多的標籤。
理解商品的新技術－自採樣
當你看到「BQ4153100」這一串數字時，你的想法會是什麼？是一個產品編號嗎？對我而言，他就只是一串英文+數字而已。但經過轉換後，這一串商品貨號可以變成孫芸芸、老爹、經典復古、WMNS、復古鞋等的標籤。比如說，這是一串鞋子的標籤，可能因孫芸芸在 ig 上 post 了一張穿了這雙鞋子的照片，而大家就瘋狂地用孫芸芸搜尋這雙鞋子，因此孫芸芸就變成這雙鞋子的標籤。所以，站內資訊去判別這個商品的標籤是什麼固然重要，但也千萬別忽略，消費者是如何在「站外」討論這個商品的（亦即站外的使用意圖)。
AI Technology of awoo
你可能從實體店鋪、自有官網、app等渠道獲得數據，但要如何解析這些數據又是另一門學問，以下解說 awoo 的技術：
- awoo 大數據：帶有意圖行為的大數據
- awoo 成長引擎： 解決客戶痛點的運用
- awoo 人工智慧:：自然語言+影像辨識
現在已經不是像以往可以快速取得流量的年代，如果沒有好好蒐集資料、數據去做應用，這對往後要經營自己的品牌是非常難的事情，空有龐大的資料也只是枉然。在這大家都在優化自己的數據的年代，你可以選擇第三方夥伴來幫你整理自己的資料！
- 利用人訓練AI從產品取得標籤
awoo 在嘉義有一個群年齡約 20～40年的夥伴們，他們的主要業務是在做標籤 review，我們透過人類去訓練標籤，希望能夠訓練 AI 能自動從產品自主取得標籤。我們非常重視資料清理/分析/重組，因為當你的資料本身就很髒亂，你要思考服務商能不能幫你做數據清理，絕對不要 garbage in garbage out。
awoo 的工具是透過 AI 演算法分析屬性，看出商品的款式、材質、適合場合、商品特點，再自動產出有價值標籤並延伸使用者搜尋意圖的組合，而這樣的數據分析即可做為決策輔助依據。
其他 AI 科技及思維
- SEO automation
以五月花為例，五月花的線上策略是多通路、高滲透性，五月花擁有自己的網站但營收占比較低。不過他主要的營收來源還是實體通路的佈局。但是當 user 在網路上 search 五月花衛生紙，你會看第一名是 PChome，接續是 momo、某個五月花永豐商店，這樣凸顯了標籤極致化的結果，因為商品都有很多的標籤或是字詞，都是對應到消費者搜尋的意圖。
- 購物旅程優化
品牌主該思考的是，如何延伸 user 的第一個接觸點意圖（Touch point）。比如說，當有個人他想買洗面乳，而且他最近被曬得很黑，然後他看到的潔顏乳有美白功效（商品標籤），那他很有可能就會加到購物車，而不是直接滑掉。所以，延伸用戶的第一個接觸點意圖，且針對這個接觸點去做行銷的延伸，就會有良好的用戶購買流程，在站內的留言及購物量就會變高。
- Email標籤－TigerFly AI 再行銷E-mail 發送服務
TigerFly 是 AI 再行銷 e-Mail 發送服務。若你在接觸消費者時去留下消費者的足跡，就能作為你下次分眾發送的依據。如何有效率地投其所好、分眾行銷，是很重要且需要思考的事情。
活動精華文章：
解密OMO成長動能：91APP產品長分享新零售如何實踐滾動式成長
活動官網：成長駭客年會2020
