自動特徵工程
Automatic Feature Engineering
運用自動化 AI 技術通過對數據做溯因歸納、聚合轉換、重組搜索、演繹校驗等進行解析萃取和生成有用特徵集，同時運用神經搜尋算法結合 MarTech 專家知識進行自動最佳化商用建模。運行過程具備自動排程且不需特別編譯的程式碼，即能自動挖掘出更多隱含的關聯資料讓模型訓練模型，同時提供更多可解釋性特徵。
意圖解密
Intention Leaks
透過交互連結商品的理解與人的行為，進行一連串高效且多維的瀏覽軌跡運算、關鍵字詞萃取與自動特徵工程；動態偵測使用者意圖狀態變化，理解當前意向轉換至何處落點，同步進行一系列喜好、興趣、關注、關聯等模型結合 awoo NLP 與 CV 引擎，再結合搜爬與 SEO 關鍵字解密專業，做出最佳動態推薦。
深度學習
Deep Learning
採用機器學習 (Machine Learning) 中的深度學習，採用半監督式的特徵學習 (Semi-supervised learning) 、分層特徵提取的高效演算法，取代過去以人工擷取特徵的方法。深度學習的模型比過去機器學習的記性更好、更聰明，也塑造出了一個比消費者更了解消費者的 AI 機器人。在導入成本及效率上，對企業的實際商業應用也更有價值。
聯邦學習
Federated Learning
結合聯邦學習與邊緣運算，以 awoo 專有去識別向量化技術進行高效且獨立的模型學習，運用數據隔離、分散建模的方式，提供同等高效的運算成果，且對數據進行加密，協助品牌企業在不共享任何機敏資料和保護個人隱私權的前提下，一樣可提供消費者最貼近個人化的服務體驗。