受亞洲廣告聯盟AFAA 邀請參加《DigiAsia數位亞洲大會》，意藍資訊與國際大廠Google、IBM、Oath(Yahoo)、日本電通等於論壇上分別就數位應用分享各自經驗，本期即節錄演講內容，說明第三方數據如何與AI結合，協助品牌行銷與應用於會員營運。

「人工智慧」意即機器智慧，透過電腦程式仿擬人類行為，由於各行各業所專注領域與發展重點皆不同，接下將以意藍多年專精之自然語言處理及語意分析技術所延伸之應用說明。

近年資料科學蓬勃發展，人人對「大數據」早已不陌生，而與常常一同被提及的「人工智慧」之間又有何差異? 簡單來說，數據就如同未經加工處理的原油，雖珍貴，但成分複雜而無法直接取用，需經煉化後才能廣為製成商品；AI便像是煉油廠，透過機器程式處理，代替人腦處理龐大資訊做出反應，甚至預測未來。

舉例來說，作為編輯者常常寫完文章後，苦於寫出一句精鍊的標題來說明文章內容，以下用一則新聞稿為例，來看看機器如何理解中文內容並「寫標」！

▲AI如何理解中文文章內容並下標

當訓練文本不斷累積，亦即資料達到足夠龐大，機器能力便越發提高，所寫出的標題更加擬人化，最後甚至可藉由內容推估出人們的意圖，做到“From Content to Intent”！

而原油(數據)的多寡、雜訊程度或資料處理的支援能力，再再都影響最後可產製的成品。 處於不同資料現狀，應當發展何種營運策略? 接下來我們以社群文本資料劃分出產業矩陣，並建議適合的行銷策略。

社群輿情資料之產業矩陣

▲社群輿情資料之產業矩陣

[註] 產業聲量多表示該產業由網友常自發性討論的商品或服務所構成，通常為消費性產業。品牌心占率高，表示產業具有領導品牌或數個知名品牌，網友討論時常會同時提及品牌名，或以品牌代稱。

規劃客戶旅程策略與指標

各品牌所處的市場困境不同，當確立行銷目標後，進一步將顧客旅程中的每一個客戶接觸點羅列，同時監測特定指標，以數據實際計算每階段轉換成效，找出最需修正的步驟加以優化。

▲客戶旅程各階段之數據指標

依照公司目標展開宣傳策略，結合原有第一方官方媒體數據，加上第三方數據，更全面掌握顧客溝通成效。
此階段應注意：
受眾是誰 Right Person
如何接觸 Right Place
用什麼素材 Right Content

執行後，根據公司內部需辨識關鍵接觸點的轉換品質，例如，此階段重視公司知名度者，即應觀測品牌聲量與產業聲量比值是否成長、關注活動成效者則偏重點擊率、分享數等。

引起觀注後，為加強短期記憶印象，前期累計的數據需不斷驗證每個人的反應程度，算出最適合推薦的素材、進行再行銷喚起轉換意圖！做為進入轉換行動的敲門石，創造符合顧客高度相關的體驗，需將第一階段溝通用戶分群，提供不同素材，優化再行銷成精準再行銷，「Remarketing+Micro-target」 是此階段的重點。

除此之外，是否出現相關疑惑在社群上，影響其他潛在客戶?過去是否有正面分享，加強顧客認同?亦需同時注意。

恭喜終於完成了交易或是其他行動轉換，一路上所累積的資料可千萬別成塵封！為了培養新客成為回頭客，並降低舊客流失率，此階段不再如同宣傳階段求廣，而是求精。

利用前期與顧客互動，由電腦運算而成的Persona標籤，在未來活動推廣時可減低非必要的過頻、低相關性資訊。藉由更個人化的溝通模式，加強顧客管理成效。

而最後，需廣泛地觀測活動回應與品牌正負面言論。不論是顧客自發性，亦或是透過激勵、操作性活動，例如選擇具有傳播影響力的網紅(Right Influencer)，加強推廣力道。畢竟網路上的正面評價都是下次活動的催化劑，反之負面評價品牌應謹慎處理，提供合理回應增加潛客信任感。

了解所有體驗階段的關注重點，是否仍對第三方資料所能提供的幫助與差異有所疑惑，以下以表格簡述社群資料與人群資料的區別：

▲社群與人群資料之特性差異

總結來說，產業聲量高、品牌具有知名度、需追蹤社群潮流者，《OpView社群口碑資料庫》提供軟體即服務(SaaS)，無須了解艱澀程式能力，連結網路即可使用視覺化友善平台，探索網路輿情世界；而PeopleView人群資料的數位足跡分析仰賴品牌官方平台埋入追蹤碼，進行用戶輪廓解構，進而規畫後續推廣活動，或是與品牌CRM系統串接，倒入第三方數據，進行會員資料加值。

若您有進一步的需求，或是需要取得更多資訊，歡迎隨時與我們聯繫。