臺灣電商巨頭Yahoo奇摩6大AI應用大公開

臺灣老牌電商Yahoo奇摩近日公開了內部AI應用成果，負責該電商平臺的Oath臺灣電商產品部副總經理藍緯民指出，早在5、6年前，Yahoo奇摩的平臺就開始採用機器學習技術，目前主要有6大類應用，包括了常見的站內搜尋、個人化推薦、影像處理辨識、語意分析、銷售分析預估，以及詐欺偵測等，都採用了機器學習技術，尤其是在促銷內容自動生成上，也大力仰賴AI輔助。

他也進一步分享電商應用AI更多的細節，藍緯民認為，站內搜尋結合AI後的含金量最高，按操作流程，還可細分為5個應用階段，首先用戶在搜尋列輸入文字時，會提供搜尋建議，自動產生關鍵字、商家和品牌建議。其次在搜尋字串處理，如拼字、同義詞、斷詞斷字，個人資料檔案抽取等，以及第三階段搜尋的排序處理上，也都大力仰賴機器學習。下一步，在搜尋結果頁面上的商品自動分類建議，最後一項應用是能提供更進一步的搜尋建議，包含替代搜尋建議和替代商品建議。

除了搜尋，另一個電商常見AI應用就是站內推薦機制，Yahoo奇摩近幾年隨著資料量累積，藍緯民表示，引進新運算技術和模型可以提高推薦機制和個人化模組的準確度，也越來越即時。目前電商平臺可提供Buy also buy、View also view、Buy after buy等多種推薦方式，也可推薦商品和品牌，並打造個人化廣告模組，依據買家、賣家及商品三者的資訊，讓商品出現在更能吸引消費者的曝光位置。

以圖找圖更進化，靠YOLO模型即時辨識圖中多項物件

除了推薦功能外，另一個鮮為人知的電商AI應用是，利用AI來處理行銷所需的商品素材。藍緯民解釋，店家提供的商品照片規格不一，甚至影像畫質落差也很大，但最後如何成為首頁乾乾淨淨的商品促銷廣告，靠得就是利用AI來生成行銷用的影像。

Yahoo奇摩使用了卷積神經網路（Convolutional Neural Networks）來處理圖片後製，可自動將廠商提供的商品圖片去背，方便套入到首頁上的促銷廣告中。

CNN不只用於影像生成，也用於其他圖像辨識應用，例如以圖找圖或相似商品的搜尋上，可協助顧客更容易找到出相似的商品。藍緯民表示，與3年前相比，改用深度學習後，商品圖片搜尋更快也更有效率。

顧客上傳照片來搜尋商品的功能也比3年前有很大的改善，過去，一套衣服還得要求使用者逐一拍攝，回傳上、下半身等不同位置的服飾照片，現在系統可以直接從一張全身照片中自動標示所穿的衣服來比對。Yahoo奇摩採用了深度學習模型YOLO（You Only Look Once），可動態即時辨識手機上傳畫面中的物件，自動辨識出上衣、下身衣物和鞋子，並產生位置外框（Bounding Box）來標示出物件所在的區域，完成物件標示後即可直接進入搜尋。

另外，Yahoo奇摩還用機器學習來分析商品的用戶評價留言。一般在電商平臺的商品常有大量評價留言，然而其中多數評價的參考性或實用性不高，Yahoo奇摩則運用遞歸神經網路（Recurrent Neural Network，RNN）來分析評價的語意內容，自動過濾出內容實用的評價，優先呈現在App上，讓買家清楚獲知商品的使用反饋。

不只文字評價，顧客與客服人員的對話內容，現在也直接利用機器學習技術，來聆聽錄音檔的內容並自動分類，不需要大量人力聽取錄音來進行分類，可以更快找出改善客服品質的關鍵，也可以掌握客戶近期最常提出的問題，盡快排除。

Yahoo奇摩第5項電商AI應用是銷售分析預估，藉助機器學習技術中的邏輯回歸分析（Relational Logistic Regression，RLR）和簡單移動平均（Simple Moving Average，SMA）的結合，從商品的屬性、檔期、曝光版位、廣告量、歷史銷量、銷售季節和價格等資訊，可以更精確地預估主打商品在特地檔期的銷量，進而準備足夠的進貨量和預估對應的人力需求，「可用來優化商品定價、進貨數量與庫存成本，這是2年前，我們無法做到的事。」藍緯民說。

結合機器學習和3-D Secure機制，Yahoo電商交易順暢度提升

藍緯民公開的最後一項AI應用則是詐欺偵測。5年前，Yahoo奇摩在拍賣平臺上就開始用監督式學習來偵測拍賣詐欺行為，幫買家偵測屬意商品是否來自可疑賣家，會透過賣家評價、不合理價格、特定關鍵字如「可私下交易」、「快速結要」等來多方監督，一旦發現可疑賣場就下架停權，或直接聯繫客戶阻止匯款。

而近來則將詐欺偵測應用在刷卡交易上，藍緯民解釋，一般為防止盜刷，當消費者刷卡消費時，會切換到徵信系統，等候電商平臺與銀行或持卡人確認此筆交易的真實性，過去Yahoo奇摩也同許多業者一樣，仰賴3-D Secure機制，透過交易確認簡訊，向持卡人確認。不過，「此機制相當干擾使用者，」藍緯民坦言，常造成消費者的不便，如錯過回覆時間，而取消交易。

現在，Yahoo奇摩將機器學習和3-D Secure機制結合，先用機器學習過濾所有交易，發現可疑交易時，才會進一步啟用3-D Secure機制，向持卡人確認。藍緯民表示，搭配機器學習可疑交易後，大幅降低了打擾買家的次數，不只有效提升交易順暢度，也能減少人力作業成本。

此外，為保護用戶帳號及個人資料，Yahoo奇摩收集用戶在站內的所有瀏覽足跡，利用非監督式學習分析足跡，偵測帳號是否有被入侵，並與保護流程自動串接。如偵測到使用者登入後，有馬上下載所有的交易資訊，甚至列印交易資訊等異常行為，系統會採取因應措施，要求用戶再次認證身分。