身為 MarTech 業界的行銷人，參加今年的 WiDS Taipei Conference 能瞭解台灣最前沿資料科學和 MarTech 結合的使用情境及產品面落地實踐、數據驅動的思維，真是非常精采的一場論壇。其中 UNH3O 關於 Instagram 數據分析及 AI 運用對我而言觸動頗深，以下為講座重點精華，並加以剖析 awoo 產品 nununi 供對Martech有興趣的行銷人參考。
從好的問題出發！Instagram 行銷科技產品實務與開發方法
主講人 : 楊晴 Steff，UNH3O 產品經理
消費者對於品牌、服務、產品的接觸點，有很大一部分是透過社群媒體得知，分析使用者的社交足跡對於品牌行銷策略的制定就會有洞見。UNH3O 推出旗下 DaaS 產品 Emerge ai，透過機器學習的方法，從表面的結果挖掘背後的意涵，並賦予客戶產出影響消費者購買的內容，進而達成銷售目標。
一. 什麼是 DaaS 產品？
DaaS (Data-as-a-Service），數據即服務。讓數據本身成為客戶體驗產品價值的形式。Emerge ai 是 DaaS (Data-as-a-Service）產品，在開發 DaaS 過程中，這其中牽扯複雜的資料科學應用及 AI 演算法 ，大致上有三大元素需要注意
- 獲取（Acquisition）：取得數據的方式有哪些？
- 轉化（Transformation）：如何從數據中產生出有價值的洞見？
- 交付（Delivery）：如何將數據傳達與呈現給使用者？
二. Emerge ai 如何獲取數據？進而轉化成有價值的洞見？
常見的獲取數據分析的方式共有三種。Emerge ai 最主要是透過數據合作、爬公開數據來進行護取數據的方式，並加以轉化成有價值的洞見。
- 數據合作 : 和用戶進行數據合作，由用戶來提供數據給 DaaS 產品，再由 DaaS 產品提供給用戶進行數據分析。
- 商業合作 : 透過與客戶簽署長期的業務合約來取得數據。
- 公開數據爬取 : 直接用爬蟲的方式取得公開資料。例如很熟悉的Google 搜尋引擎。
把數據轉換成有價值洞見的方式，除了非常仰賴人工智慧及資料科學的介入，更重要的是如何定義問題。舉例而言，當客戶提出 「我們想要在 IG 上找到擁有高消費力的粉絲」，Emerge AI 就會獲取各種 IG 上的數據符合 「高消費力」的數據點，並加以分析，如下圖。
找到數據點後，必須得針對數據進行預處理，否則難以跟其他數據結合，產生進階的應用。舉例而言，如果要將文字轉變成有數據的洞見時，資料的萃取就很重要，如何通過人工智慧 or 工人智慧加以訓練，也是會決定數據的洞見準確率是否高的重要關鍵。下圖是Emerge ai 在進行文本資料處理，所分析出來的斷詞斷句。
綜合以上的數據點預處理及交叉分析，Emerge ai 進到交付數據給客戶的階段，產出「高消費力粉絲特徵」的客製化數據報告給特定客戶，並搭配顧問服務協助客戶解釋資料和挖掘洞見，不斷的修正和優化，把數據迭代更新。
OK，提到這裡，就會有一些讀者有疑問了。awoo 的 MarTech 產品 nununi ，也是用分析語意達成各種標籤生成，並完成全亞洲唯一的PDP (Product Data Platform)，跟Emerge ai 的 DaaS 產品差異性在哪？
awoo 推出的 nununi 是什麼產品？功能有哪些？
nununi 是台灣在 SEO 與 Email 領域首屈一指 MarTech 行銷科技公司 awoo 所打造的行銷平台（Marketing Platform ) ，擁有超過 13000 家企業註冊使用。nununi 透過分析「產品」，達成優化使用者體驗的目標。透過產品 Product Feed 拆解出來的商品關鍵字，結合AI 團隊的模型預測及訓練，產生具使用者搜尋意圖的情境標籤，並進行動態更新， 讓使用者購買 / 搜尋情境更加簡便，不但能替網站帶來新流量，也能提升網站瀏覽體驗的全面型 SaaS (Software as a Service) 產品。而 Emerge ai 所分析出來的 Instagram 洞見，旨在找到具有某項特徵，例如「高消費力」的粉絲帳戶，進一步進行品牌行銷策略的制定。雖然同樣是「貼標」，但不論是用途上或者是分析預測的模型建立都是相差極大的。
一. nununi AI tag 預測出的搜尋情境
下圖是 nununi 所產生的情境組合標籤， nununi 透過 NLP 自然語言處理，深度理解Product Feed ，把符合使用者搜尋意圖的相關標籤情境都列在相關分類了。例如潔顏乳其實跟洗面乳相同意義、產品具有美白、保濕的意涵、或者是消費者可能對日本的保養品有興趣。這個都是可以從 AI 模型預測，消費者可能搜尋意圖的標籤語意所挖掘出來的情境。產出這些情境標籤，也應用在 nununi多項產品的功能， 不但能夠在 SEO 取得流量成長，廣告投放更加精準，還能提升使用者在網站的購物體驗，為一完整的行銷平台。但 nununi 的 AI 模型預測需要經過什麼樣的流程，才能確保準確率及情境標籤符合每日使用者的搜尋意圖？
二. nununi 如何執行與驗證 AI 模型的準確率？
只要提及 AI 模型預測，人們總是會發自內心有個疑問，預測結果「夠準夠快」嗎？
以 nununi 高達 89 – 93% 的準確率 ，是如何執行與驗證準確率的？ 下圖是 nununi 流程訓練模型， 下圖是 nununi 模型訓練流程，而這個流程可以透過定時更新資料保證我們預測的準確性及運作正常。首先在第一次訓練模型時，我們會將現行累積的資料 sample 部分的測試資料出來，將剩餘的資料進行訓練，接著會拿測試資料來驗證模型的”confusion matrix”，如果有不錯的效果，會將測試資料在放入其中繼續訓練，並將模型作為之後 Retrain model 的 base 模型，再將模型上線。
為了確保其預測的準確度，持續更新使用者的回饋也很重要。我們透過紀錄使用者答案及模型預測的結果，將檔案存入我們的 DataBase 中，做後續的定期訓練樣本。並產生一份當前模型的”confusion matrix”，來讓我們知道線上模型的狀況，以利能夠即時發現問題做調整。
定期訓練會拿當前最新的模型當作 base，資料會使用最新的資料+部分既有的累積資料 Sample 出部分資料做 Retrain，Retrain會依據資料量的大小而採用適合的訓練模式，Retrain方式採用 k-fold cross-validation 的方式來確保訓練品質，最後再自動更新至 online model。這樣的模式確保了 nununi對於情境預測的高準確性，相關成果不只已經在商業價值上得到驗證，成效其實也是業界有目共睹的高。
延伸閱讀： 想了解更多nununi 功能，點擊這裡
結語
2020年，當行銷科技 ( MarTech) 成為台灣行銷界熱門關鍵詞彙，大量 MarTech 應用工具落地，應用在「如何用 AI 改變消費 / 瀏覽體驗」時，已經有極為細分化的功能區隔。 UNH3O 透過分析社交足跡，將具有某些特徵的「人」圈出來， 並賦予品牌產出影響消費者購買的行銷內容。而 awoo 所推出的產品 nununi，則是運用 AI（NLP+圖像辨識）深度理解「產品」內容並符合消費者搜尋意圖與購買情境，再結合使用者行為資料歷程，從獲取新客到站內體驗提升、再行銷都能一次擁有，讓 MarTech 不只懂人更懂商品！
在 MarTech 時代，不論從商品資訊或者是使用者歷程中，找到用戶實際需求及使用情境，都能有效提升使用者體驗，並促成更佳的業績成效，如何搭配各種不同 MarTech工具，達成更佳的綜效，更是你我更需煩惱的重大課題。
