洪政伟摄
拥有超过80万个合作通路的联合集点卡Happy Go（鼎鼎联合行销），近日揭露自家如何利用生成式AI，来强化4,000多个品牌、上亿件商品数据的分类，进而支援业务部门更好的用数据来制定行销策略。
拥抱AI和生成式AI来强化商品数据处理及分析能力
Happy Go数据管理部协理黄士峰表示，作为一个行销服务厂商，如何用数据来支援行销决策，是他们成立20年来不断寻找新解方的课题。随著Happy Go发展更多品牌，开始搜集数位广告、市场调查等数据，他们掌握了更多、更复杂的数据，既有技术也逐渐难以支援这些数据的处理需求。「只用关键字来查找资料的话，检索『书套』的时候会出现『女秘书套装』。」黄士峰笑道。
随著数据基础建设到位，他们开始利用AI来支援数据梳理与分析。2022年，他们开始利用NLP技术来解析不同格式数据，再用分类型AI技术，每天把上亿笔数据分为大中小三层，共1,200多种预先定义好的分类。他们还打造MLOps平台，标准化模型开发周期各环节，将原本以季为单位的再训练时程缩短到可以每个月一次，让业务部门可以用更具时效性、更精准的数据来行销。
2023年生成式AI大爆红后，Happy Go更发现，生成式AI可以进一步强化业务部门的数据应用能力。
「除了产品分类，业务团队还希望知道这个商品的品牌是什么，它有什么风格、特色，客群是谁，大众形象为何？」黄士峰解释。以往，遑论上亿件商品，连几千个合作品牌，要人工搜集、汇整相关资讯，都是艰巨挑战。不过，使用生成式AI，就可以做到。
他们采用公有云上的生成式AI解决方案，将Claude、Stable Diffusion等不同模态的模型用于商品辨识和资讯搜集，并串接到自家MLOps平台，作为既有AI商品分类模型再训练的数据。
黄士峰坦言，生成式AI搜集并输出的商品资讯并非100%精准，甚至有可能包含幻觉。「不过，我们原本是完全无法搜集这些资料，所以能开始搜集已经是质变。」目前，整体商品分类机制的准确率约为90%。
利用生成式AI来搜集商品和品牌的额外资料，不仅大幅降低业务自行研究品牌资讯需求，甚至，可以超越Happy Go原本的商品分类框架，产生新分类。业务部门检索商品分类或构思行销角度时，便能有更多选项。
下一步是打造自助式生成式AI工具平台
Happy Go还有意将生成式AI应用到更多业务环节中。未来，他们计划打造自助式生成式AI平台，来辅助日常业务。
黄士峰观察，已有部分员工用云端生成式AI工具，搜集网路资讯、整理顾客数据或是生成简报提案素材等业务。不过，内部数据需经过审查机制，或请数据团队处理才能上云。由员工各自报销订阅费用，也造成行政资源消耗。
目前，数据部门打算继续在各部门推广ChatGPT等工具。过一段时日，搜集了真正有价值、切合痛点的使用情境后，再针对这些关键情境打造生成式AI平台，整合所需工具，以及使用这些工具所需的数据处理、帐号权限管理、订阅费用付款等机制。
黄士峰表示，去年3月，Happy Go数据团队就已经串接了云端生成式AI工具的API。之所以不急著做出这个平台，是因为Happy Go发展新数据应用及AI专案时，只聚焦于能带来确实、重大影响的使用情境，避免开发量能浪费。