撰文：陳明愉博士、林守德博士、孫民博士
回顧 2022 下半年度，全球深受通貨膨脹、經濟不確定性和大規模裁員潮等衝擊；同時專家預測 2023 年所有產業將面臨諸多挑戰，包括供應鏈問題和更加激烈的人才招募競爭。
雖然 2023 年經濟前景看似不甚樂觀，但俗話說「危機就是轉機」。例如新冠肺炎疫情大幅加速了品牌的數位轉型，更改變品牌過往的營運方式。Appier 發現在疫情衝擊下，各品牌更積極採用 AI 解決方案，我們也預期將有更多品牌在這段充滿不確定性的期間尋求 AI 的協助。
當總體經濟和其他外部市場條件不佳時，品牌需要轉而仰賴內部資源尋求解方。而 Appier 觀察到 AI 正迅速成為企業強化內部資源不可或缺的一部份，原因是 AI 解決方案已被證實能帶動更具成長性、可預期的投資報酬，且同時節省營運成本。隨著品牌在行銷支出上更趨保守，不論從短期或長遠來看，上述二項關鍵優勢都將成為 AI 的最佳賣點。
展望 2023 年，Appier 預期將有更多品牌在以下三大領域中採用 AI 解決方案。
一、生產效率：運用 AI 事半功倍
當品牌紛紛縮減行銷預算並凍結人事招聘的同時，AI 已成為企業事半功倍的助手。在生產效率方面，傳統的行銷自動化系統能夠節省品牌日常業務流程和營運的時間。在 AI 賦能自動化系統後，行銷人員更能夠規模化行銷活動，並根據即時的變化動態調整相應的行動。
有鑒於 AI 系統可持續學習，因此能為品牌提供傳統自動化系統所無法創造的彈性。舉例而言，假設一家電子商務公司打算嘗試自動化出貨，此時不論是否使用 AI 都能達成目的。但使用 AI 的好處在於機器學習模型會將可能影響出貨的各項變數納入考量，例如供貨情形、天氣和交通狀況等，並根據 AI 分析的結果作出對企業和顧客而言最適當、最符合成本效益的決策。
有了 AI ，自動化系統將能以目標成果為導向，並動態調整各項變因，替品牌以最迅速且有效的方式達成目標。 Appier 將 AI 應用在行銷和廣告領域上，旗下的 AIXPERT 廣告投放自動化雲具有自動化（Autopilot）功能，可自動分配預算和調整出價策略。有了 AIXPERT 全年無休的運作，行銷人員便能將時間和精力專注在策略和廣告素材發想，同時也能準時下班好好享受生活，因為 AIXPERT 會確保所有行銷活動順利運作。
二、分析和預測：仰賴更易懂的 AI
運用 AI 技術進行數據分析已十分常見，但對於 AI 如何產生洞察和其預測背後的原因仍是未解之謎。雖然越來越多企業主管更願意採用 AI 解決方案，但依然有人對於 AI 模型作出特定結論、建議和推薦內容的方法和原因存有疑問。
為了讓 AI 的「黑箱」能夠見光，許多 AI 技術公司開發了可解釋的 AI 系統和解決方案。可解釋 AI（Explainable AI），顧名思義旨在解釋 AI 作出特定決策、推薦或預測的推理過程。這些資訊可協助人類進一步瞭解 AI 以及其「思考過程」，讓其參與開發或獲致結果的人們更願意相信 AI 的選擇。
Appier 目前已有多個可解釋 AI 解決方案。Appier 致力於運用 AI 為客戶提升行銷精準度和成效，為使我們客戶能夠更清楚瞭解 AI 產生特定結果背後的原因，我們也積極強化 AI 模型的可解釋性。像是 Appier 旗下的眾多解決方案如：AIQUA AI 個人化行銷雲如何決定向某位用戶推薦特定內容，或是 AiDeal 轉換優化行銷雲如何將某位顧客歸類為猶豫客，並發送優惠券給該顧客，目的都是幫助客戶能夠進一步了解 AI 產生結果的「思考過程」。
以上都是越來越多採用 AI 解決方案的使用者想要得到解答的問題，理由是如果各家公司希望節省支出，因此只考慮採用能確保預期成效的解決方案，那麼可解釋 AI 便是決策者評估 AI 解決方案是否有效的具體佐證。
三、內容推薦和廣告素材：電腦視覺生成更吸睛的素材
電腦視覺（Computer vision）是近年蓬勃發展的 AI 領域之一，可讓電腦對數位圖像、影片和其他視覺輸入內容進行處理、分析和有意義的解讀。品牌主要可從兩個方面運用電腦視覺：一是理解視覺輸入內容，二是產生視覺輸出內容。
電腦視覺模型的進步使圖像辨識在輸入資料有限的情況下更精準、功能更強大。過去業界多數使用卷積神經網路（Convolutional Neural Networks）進行圖像辨識。此方法可讓電腦透過與人類大腦相同的方式處理數據。隨著更先進的 Transformer 模型1問世，AI 系統便能更自由地處理完整圖像的重點部分，辨識圖像或影片的內容，並根據此內容產生洞察。
其中圖像辨識技術非常適用於商品推薦， AI 能夠分析每位瀏覽者查看的內容，以及這些圖像的相似處和規律，並向瀏覽者推薦最符合其需求的商品。 除了圖像辨識之外，電腦視覺也能產生視覺輸出內容。過去幾年內出現許多 AI 網站和應用程式，使用者只要輸入一些文字即可自動產生圖像。此類系統通常使用生成對抗網路（Generative Adversarial Network），因此需要大量數據才能創造品質穩定且優良的視覺內容。
另一方面，較近期興起的擴散模型（Diffusion model）雖然使用不同技術，但仍可與生成式學習（Generative learning）達到相同目標，且輸出內容更多元，只需仰賴更少的數據就能生成多元的輸出內容。
不論使用哪一種模型，生成式 AI （Generative AI）都能替品牌更快速地製作廣告素材。更重要的是，生成式 AI 可根據粉絲在社群媒體上留言的內容，替品牌提供粉絲希望看到的內容，並運用留言文字中的構想產生新的圖像。如此可使創作過程更大眾化，也能產生真正獨一無二的內容。
有了獨特且能產生共鳴的廣告素材，品牌便能改善廣告點擊率和轉換率成效。這是 Appier 一直重視的行銷面向：有效促成轉換的個人化內容和吸睛廣告素材。隨著 AI 及其應用發展，Appier 持續精進 AI 技術、開發進階模型和演算法，打造最先進的 AI 推薦內容和 AI 生成的廣告素材，協助品牌有效推出一檔檔高轉換的的行銷活動。
AI：未來即現在
AI 如今已是進行式，AI 技術和應用也已躍升主流；若沒有 AI，許多品牌將無法達到現今的行銷成效。隨著更多品牌開始推動數位轉型，AI 技術未來在任何企業中擔綱的角色只會越來越重要。
Appier 將持續精進可創造良好投資回報的 AI 解決方案，在 2023 年經濟充滿不確定性的時期，運用 AI 強化品牌競爭力，賦能數位轉型成效加速。
1 Transformer 模型：是一種採用自我注意力機制（self-attention）的深度學習模型，藉由追蹤序列資料中的關係，學習上下文之間的脈絡及意義。在此機制下，它允許更多的平行運算，一次性處理所有輸入資料，並能偵測一個系列中以微妙方式相互影響和相互依賴的資料元素，甚至是模糊的資料元素，藉此運用較少的數據完成更精準的辨識能力。
