攝影/洪政偉

設計類垂直電商Pinkoi的RMN也不是從零開始打造,而是先有技術,再有商業模式。2015年,為了用更智慧化的方法進行數位行銷,他們開始翻新基礎數據架構,整合自家不同來源的第一方數據,並開始利用設計領域數據及顧客數據,來打造商品推薦演算法。

不料,他們嘗試了幾個開源推薦模型,發現設計類電商數據過於特殊,必須從頭自行打造專屬AI模型才能有效用於數位行銷。結果是,他們建立了一個多功能、多模態的AI模型,具備NLP、分類、排序、CV等功能。

這個模型還能替陌生的非規格化商品自動貼上多語言標籤。這意味著,賣家與Pinkoi方都不需要了解一件商品有哪些特性,也不需要知道一個商品可能有哪些暱稱、別稱,就可以完整在該商品上貼好這些標籤。接著,Pinkoi會再綜合這些標籤,來媒合商品與顧客。

應廣告主需求陸續開發廣告功能

來到2018年,許多賣家主動許願,希望有一個付費提升曝光機會的管道,這個AI模型便再次派上用場。以此AI模型為基礎,RMN團隊寫了一系列廣告投放用推薦模組,根據不同廣告版面的行銷目的,來調整推薦商品的關聯性高低,或加強時下熱門主題相關商品的排序優先度。

雖然已經手握推薦演算法技術,不過要打造自動化廣告投放系統,Pinkoi還有許多數位行銷的技術知識需要從頭學習。他們投入了4成工程資源,花費許多心力在研究Facebook(現Meta)和Google兩大廣告巨頭的Martech開發方法及投廣機制,並將這些知識結合自家AI推薦技術,打造出自己的RMN服務──一個有AI投廣助手的自助式RTB廣告平臺。

歷年來,他們陸續開發了商品推薦、商品組合推薦、品牌推薦等廣告形式,支援網頁版、iOS及Android商城。甚至,今年AI模型分類能力進一步強化後,開始有能力將消費者標籤進一步區分為長期「購物人格」和短期「即時動機」2大類標籤,進一步強化了推薦能力。購物人格是由價值主張、興趣、地域性文化、風格等4大分類標籤組成,即時動機則包含聖誕節送禮、婚禮布置等透露短期消費目的標籤。

能提取更多、更細緻的標籤,便可以使推薦結果更個人化,做到兩個人進行一模一樣的操作(展現即時動機),仍會分別收到不同商品推薦。甚至,不必被動等待消費者表明本次造訪網站的動機,Pinkoi就可以主動推薦合適商品和品牌給消費者。受益於這個技術突破,他們今年得以打造主動推播型RMN廣告格式。

他們還打造了AI廣告投放建議機制,號稱30秒就能開始投廣,只要設定預算和欲行銷商品,AI助手就可以幫忙完成其他設定。做法是,AI模型分析商家成長模式,向商家推薦RMN廣告投放策略及參數設定。例如商家已有穩定客源,系統會建議下一步成長動能是獲取新客源,投放策略得重視陌生潛在買家的曝光。甚至,可以為每一則廣告提供優化建議,賣家可以選擇立即套用,快速完成設定。未來,他們還要進一步強化此功能,連商品標題、關鍵字及行銷預算等基本設定,AI都能根據實際行銷結果來提供修正建議。

Pinkoi的RMN推薦演算法最大特色是,曝光優先度以綜合商品與賣場的品質為主,而不會只看廣告出價──廣告主出價只是排序演算法眾多參數中的其中一項,商品品質及關聯性才是決定曝光順序的主要依據。Pinkoi SaaS產品負責人李少昱說,他們會打造AI代投功能來搭配這種非價高者得的曝光機制,就是希望賣家專注於提供優質商品,而非過度計較廣告出價策略。

維運RMN服務的技術基本功

Pinkoi的RMN每年高達74億次請求,不考慮巔峰情況,平均每秒要處理230次請求。一次RMN廣告請求的完整流程是,顧客進入頁面,系統發送廣告版面性質、顧客輸入內容等資訊到廣告競價系統。經過賣家競價、檢查賣家行銷預算餘額等程序後,廣告推薦演算法方能開始排序廣告內容。後續,Pinkoi還要紀錄廣告曝光情形、顧客互動行為等數據,作為後續廣告成效追蹤及賣家投放建議的依據。

為了顧及顧客體驗,Pinkoi認為,廣告與一般商品內容等網站元素,需要幾乎同時完成載入。,另外,為了確保廣告數據正確性及服務穩定性,他們還必須過濾掉異常數據流量。要達到這些目的,Pinkoi有3大做法。

首先,為了即時因應流量波動,他們不只使用公雲自動擴充(Auto-scaling)功能,還自行打造了用量調整機制,利用機器學習預測流量變動,來調整雲端資源的租用量。

再來,他們回頭找出推薦演算法中,不須即時運算的數據,預先進行批次處理,來壓低即時運算運算對機器的負荷。例如,商品品質分數這個參數的變動頻率不大,可以每天計算一次,而不需要每次推薦都重算。

他們還設計了雙重異常流量辨識機制,第一層辨識機制,當造訪者流量剛進來時,會依據流量來源等常見機器人行為模式來篩選。若機器人成功騙過第一層機制,Pinkoi還會根據造訪者行為模式來事後追認異常流量。

即使先前打造了一個強大的AI模型來進行數位行銷,Pinkoi要將數位行銷活動商業化,仍需投入大量IT資源來維運,甚至打造專屬RMN的制度和技術機制。不過,李少昱說,RMN已經成為上萬個賣家持續使用的關鍵功能,且確實提升整體平臺的交易量,更貢獻了總營收3成,因此仍會持續投入IT資源到此商業模式中。

 相關報導 

熱門新聞

Advertisement