燒賣研究所:電商人的培養皿
【成長駭客年會2020】跳脫行銷應用框架 AI科技賦能零售新價值

【成長駭客年會2020】跳脫行銷應用框架 AI科技賦能零售新價值

Dec 10. 2020

|awoo 副總經理 Tiger Lee

燒賣特派員 周郁芳 郭芳佐

大家好!我將用淺顯易懂的方式讓各位初步了解 AI 技術,以及 Martech + AI 對電商有什麼加乘的應用,分享給大家一些趨勢、知識,希望可以讓各位有所收穫、思考,亦能對於自己的業務有一些不同的答案及想法!

來聽成長駭客年會,應該都會想知道數位行銷有什麼樣的新應用,我自己遇到很多零售客戶,他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。接下來的分享是希望大家能夠對於 Martech 有基本的策略認知,接著再去思考該選擇工具。

首先第一張圖希望告訴大家要有一個是收集使用者行為的方向,

(一)如何取得用戶的數據?

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?

(二)迎接消費者隱私權被保護的世代

隱私權法律:LGPD、CCPA、GDPR、ITP、Browsers、IOS14

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,所以各位品牌主要好好思考如何應對隱私權被保護的世代。

 

  • 從理解商品來迎戰保護隱私權的世代

在為用戶貼標籤的時候,通常都還是「人工貼標」的,但主觀的人工標貼就容易發生偏差及偏誤。

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、消費者看⋯⋯也許每個人的定義都不相同。做銷售時當然是消費者看,for 內部資料整理就要給公司看,若是為了 SEO 就要想 Google 怎麼看。以我的朋友 OB 嚴選來說,他們在四年前就開始在做這一塊事情,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。

 

(三)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,這叫做投其所好。

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。

⠀⠀⠀

 

(四)Martech + AI

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。

⠀⠀⠀⠀

(五)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)。

⠀⠀⠀⠀

(六)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。

⠀⠀

(七)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。

⠀⠀

  • e-Mail標籤-TigerFly 是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。

⠀⠀

  • 特徵與購買資料向量化後座特徵比對

若有兩個消費者的標籤是很接近,我們就可以推播他慢跑鞋。

  1. 可能消費者 1

劉先生在高雄 1989/10/10

3月買了慢跑鞋

5月跟短袖上衣

#跑步 #排汗

  1. 消費者 2

張先生 在台北 1991/1/1

他3月買了短褲

#跑步#反光#排汗

 


此系列文章皆為原著作方授權燒賣研究所上架使用,歡迎於社群分享轉發,提醒您分享時記得標示原出處喔。

版權所有,翻印必究。

 

燒賣研究所Facebook粉絲團shumaischool

燒賣診療室燒賣研究所:電商人的培養皿