Yahoo奇摩揭露電子商務的6大人工智慧應用。

圖片來源: 

攝影/王宏仁

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。


Advertisement

更多 iThome相關內容