# 台灣AI新創獨角獸 ── Appier
>**「有人說我太樂觀，但我一直相信，在台灣，我們一樣可以領導世界的改變」── Appier共同創辦人兼執行長**

==**> 整理者 : Wen**==

==**> 文章長，建議使用電腦版觀看，可以拖曳自己想看的title**==

==**> 文章大綱**==
>**1. 企業簡介**
>**2. 利用AI做到「精準行銷」**
>**3. 有限預算下，運用AI取得高品質潛在客戶**
>**4. Appier創業五年的實際觀察 ── 企業普遍缺乏AI步驟**
>**5. 成功案例 : 必勝客借力Appier，訂單成交率提升15%**
>**6. Appier CEO推薦AI行銷必讀5篇文章**

---

<style>.blue {color: blue;}
</style>
## <span class="blue">**1. 企業簡介** </span>

沛星互動科技(Appier)被美國《Fortune》雜誌評為「**引領全球AI革命的五十家企業**」之一；並二度獲選為知名市調機構CB Insights「**全球一百家最具影響力的AI企業**」。科技部長陳良基在近日的採訪中表示，**Appier在十年後有機會成為下一個「台積電」**。


Appier重要客戶包括奧迪汽車、家樂福、雅詩蘭黛，及日本最大不動產服務商LIFULL、印度最大影音串流商Zee5等。更吸引了紅衫資本、軟體銀行、LINE、NAVER等國際性的創投資金，至今募資超過8,200萬美元。


今年四十歲的Appier執行長暨共同創辦人游直翰，除了是公司的靈魂人物外，創業成功的故事，更是台灣新創圈的熱門話題。

:::info
:pushpin: [**創業故事 : 在台灣，一樣能做大事**](https://www.cw.com.tw/article/article.action?id=5075754)
:::

---

<style>.blue {color: blue;}
</style>
## <span class="blue">**2. 利用AI做到「精準行銷」** </span>

### (一) 亞洲首創的跨螢數位行銷

2014年，Appier推出亞洲首創的跨螢數位行銷解決方案，從線上社交軌跡、購物偏好和跨螢使用行為，將有著類似消費行為的人群歸類，在精確的時間點，篩選出正確的對象，及時把消費者可能「最需要」、「最有興趣」的廣告，透過對的裝置，送到對的消費者眼前。


這件事完全打中了網路行銷的「痛點」。廣告界形容，傳統的數位廣告像是高速公路旁的大型「T霸」，或許經過的人很多，但效果很難掌握；而Appier團隊透過AI技術的演算法，依據人們在網路活動的模式，找到「起心動念」的潛在消費者。

### (二) 觀察使用者的跨螢行為並將資料統整，達成最準確的行銷

簡單來說，**Appier透過底下的 AIXON 平台(此平台是運用獨有的deep learning與Machine Learning演算法)，將多螢時代下消費者在不同裝置上的行為資料進行整合。**

企業可將五花八門、多種格式不一的資料，如：網站點擊和瀏覽的資料、行銷活動的資料、CRM 系統或是 APP 的資料，統一上傳到 AIXON 這個平台，並且與 Appier 獨有的亞洲最大跨螢數據庫 CrossX 進行整合。

>**有了企業本身的消費者行為、特徵資料，加上 CrossX 海量的使用者跨螢行為數據，Appier 便運用獨家的機器學習及深度學習演算法，找出消費者可能會有的行為或是消費者某項行為背後的原因，並針對這些資訊去做個人化的推播，同時再根據推播的效果不停地優化演算法。**

例如：得知某使用者刪除了該企業的遊戲APP，便去推理這項行為的背後原因，若是因為使用者對於遊戲種類的偏好改變了，便推薦其他使用者可能感興趣的遊戲；若是因為轉向其他廠商的同質遊戲，便可以發放折扣或是免費虛寶等福利，而推播或是租放廣告也都是由程式自動化發放及購買，如此才能最即時地接觸到消費者，從而提高轉換率。

Appier 解決人腦工作記憶不足的問題，我們沒辦法從如此海量又高維度的資料間看出關聯性，加上跨螢路徑數是呈 ==**指數成長**== **(註一)**，人腦沒辦法快速、有效分析最佳路徑，更何況每個使用者的路徑呈現都不一樣，但是 CrossX 卻能夠從網路爬蟲等工具快速搜集使用者在不同裝置上的數據，再利用機器學習、深度學習來判別哪些裝置其實是同一個使用者。

>**註一 : 若是將行銷路徑分為曝光、點擊、轉換三個接觸點，而每個接觸點又有 3 種裝置，那麼就有 27 種跨螢路徑，隨著接觸點及裝置的增加，很快就會超出人腦可負擔的運算容量。**

:::info
:memo: [**延伸閱讀 : 3張圖，看Appier《台灣消費者跨螢行為洞察》年度報告**](https://www.wealth.com.tw/home/articles/15567)
:::

___

<style>.blue {color: blue;}
</style>
## <span class="blue">**3. 有限預算下，運用AI取得高品質潛在客戶** </span>

### (一) 單次獲取名單成本(CPL)

長久以來，「==**單次獲取名單成本**==」（cost per lead）一直是行銷領域奉為圭臬的績效指標。就實際狀況而言，有**63%的企業表示提高流量和增加潛在客戶名單是他們所面臨最大的行銷挑戰**。


CPL雖然是可靠的指標，卻有一個盲點：**CPL並不能反映潛在客戶名單的品質。理論上CPL越低越好，但不應犧牲潛在客戶名單的品質來換取較低的成本，導致轉換率變得低落，甚至減少品牌銷量**。

CPL的數值愈低，不代表潛在客戶名單的品質就愈差。行銷人可以藉助人工智慧的力量，取得具有高轉換潛力的高品質潛在客戶名單，同時有效降低CPL。

:::info
:memo: **[延伸閱讀 : 一篇搞定電商行銷人必備的專有名詞](https://bettywutalk.com/advertising-terms/)**
:::


### (二) 慧眼獨具：找出並觸及相似高價值受眾

人工智慧平台能夠辨識消費者的使用裝置，並且根據其跨螢行為解析消費者輪廓，一旦行銷人藉由分析消費者行為與興趣，找出最具消費潛力的受眾族群（例如:最有可能購買者），該平台則可利用相同的條件擴大找出相似的使用者，這種作法便稱為「==**尋找相似受眾**==」（finding lookalike audiences）。各品牌便可藉此辨識出行銷活動的最佳受眾，並將行銷經費投注在適當的渠道，讓觸及得以延伸至現有顧客範圍之外。

舉例來說 : 品牌的最佳受眾也許是在三天內瀏覽了十種商品的消費者，而非在一天內就看了五項商品的人。傳統的行銷方法是輪流針對不同群體行銷，期待有一天能找到對的人；然而人工智慧卻能透過精準預測免除多餘猜測，直接將行銷重點放在最具消費潛力的顧客身上，以實現利潤最大化的目標。

### (三) 聰明再行銷以縮短轉換週期

人工智慧也可協助 ==**執行再行銷**==（remarketing，觸及對商品表達興趣但尚未完成轉換的潛在顧客），在使用者的不同裝置上投遞行銷訊息，縮短初次造訪網站和實際下單之間的時間

:::info
:memo: **[延伸閱讀 : 再行銷不只再次接觸，關鍵是如何滿足消費者心中的疑慮與不足](https://newbiedigitalmarketing.wordpress.com/2019/05/06/再行銷不只再次接觸%EF%BC%8C關鍵是如何滿足消費者心中/)**
:::


舉例而言 : 某天A用電腦上網看到一件喜歡的洋裝，接著又用手機瀏覽相同的商品，人工智慧可透過跨螢分析配對出A擁有的所有裝置，並對A進行有效的再行銷。例如寄送電子郵件到A的電腦，同時在她的手機應用程式裡推播行銷訊息。如此便可有效簡化購物流程，A只需點擊數下便可完成下單，不須在電腦與手機間來回切換，或信箱與瀏覽器間來回奔波。

### (四) 「單一顧客的全觀輪廓」的重要性：以人為主，裝置為輔

透過人工智慧平台，企業可以針對不同使用者的跨螢行為及瀏覽紀錄（又稱「==**單一顧客的全觀輪廓**==」、「single customer view」）量身打造合適的行銷訊息與廣告素材。人工智慧將這些數據視為每個獨特個體的行為，而非只是某裝置上的事件，將收集到的數據整合為一個具有特定興趣、行為和習慣的全觀洞察。如此一來，企業在執行行銷活動時，不但能藉此提升轉換率，也能獲得更清晰的顧客全觀輪廓，因而找到更多相似的受眾。

舉例來說 : 某運動品牌對於B的跨螢行為很感興趣，如果採用傳統的行銷技術，充其量只能觀察到他在不同裝置上的瀏覽行為為一些廣泛分類主題如：運動、科技、金融和旅遊。由於有太多個接觸點，使得品牌難以判斷是否有其他人也在使用這些裝置，何況這些大範圍的興趣主題仍不夠精確，無法拼湊出B的「單一顧客全觀輪廓」。


人工智慧能夠透過分析B的跨螢行為及消費者旅程中所瀏覽過的關鍵字，細分出大分類中的子分類，並將他擁有的裝置連結在一起，藉此得出B在網路世界時閱讀過的文章內容多次出現「籃球虛擬實境遊戲」、「比特幣」、「廉價民宿」等關鍵字。於是，當運動品牌想對他行銷時，便可根據B的全觀洞察量身規劃行銷素材（籃球鞋、球星聯名款）與接觸渠道，進一步展開與B及B有相同興趣的對象間的互動，產生更多品牌連結。

### (五) 人工智慧廣告頻次控制策略：讓你跟消費者有點黏又不會太黏

許多企業可能會想用大量的行銷投放以盡可能抓住消費者目光，常使消費者應接不暇，反而產生負面觀感並刻意避開，使得品牌形象受損。

聰明的人工智慧演算法採用 ==**廣告頻次控制**==（frequency capping），確保企業的行銷訊息量不會讓消費者感到不堪負荷，如此企業便可以在有效管理預算的同時減少無用的曝光次數。此外，由於人工智慧能辨識單一使用者擁有的所有裝置，因此企業也可避免在不同或低互動的裝置上持續發送相同或不感興趣的行銷訊息給同一個對象


在行銷活動的週期當中，廣告頻次控制可以設定為一天一次，或依照訪客的特定行動而略做調整。人工智慧可以兼顧企業的偏好以及使用者行為找出最佳規則，或者企業也可直接設定曝光次數或點擊數的門檻。

舉例而言 : 全球知名的美妝品牌雅詩蘭黛（Estée Lauder）便採用了上述科技來取得理想的成效。雅詩蘭黛應用Appier的CrossX Lookalike相似受眾功能，從包含超過3,000個行銷活動數據的CrossX資料庫中找出新的、高價值的受眾。雅詩蘭黛的潛在客戶名單因此增加了167%，CPL則下降63%。該品牌也透過CrossX的再行銷和廣告頻次控制工具，讓對商品有興趣且高價值的使用者更加快速地完成轉換。

---

<style>.blue {color: blue;}
</style>
## <span class="blue">**4. Appier創業五年的實際觀察 ── 企業普遍缺乏AI步驟** </span>

人工智慧新創公司Appier在台創業五年，運用人工智慧分析消費者輪廓，進而幫助企業做商業決策。不過Appier認為目前企業普遍「==**都有AI思維，卻還沒有AI步驟**==」，因此建議客戶先思考要解決什麼問題，有了明確的測量目標，才能發揮AI的效益。

### (一) 使用AI前，先思考要解決什麼問題？

Appier執行長暨共同創辦人游直翰表示，過去推廣人工智慧時，光是跟企業說明AI能夠做到哪些事情，就得花很大力氣，可是現在客戶會自己拋出方向，希望人工智慧能幫他們解決特定問題。

就連不少線下品牌，都開始嘗試透過IoT裝置蒐集數據，更不用說許多企業已經將AI當作重要的營運決策輔助，甚至也有公司在思考如何藉由AI產生新的商業模式。


### (二) 台灣企業看AI行銷需求：客製化廣告內容、客戶輪廓

「對企業來說，最不缺的反而是數據，」Appier首席科學家林軒田指出，光是一間公司裡可能就會有客戶端、產品、銷售、行銷、庫存等資料，重要的是能否將他們串聯起來，做有效的應用。他建議：「==**先擁有明確可識別和可測量的目標，且要有充分並且對應的資料。**==」許多企業會期待人工智慧能在自動化之外，告訴他們一些原本不知道的事，但若沒有做到這些前提，其實很難發揮AI的真正效益。


IDC台灣區研究總監江芳韻指出，根據他們對台灣企業的調查，屬於 ==**B2C商業模式的企業對人工智慧投入最積極，而且最關心如何分析客戶行為**==。

而從企業角度來看，像是東京著衣、拍手國際、拍拖（Paktor）、家樂福等業者，都正在嘗試如何藉由Appier的方案，找到更多且更好的客戶。

東京著衣營運長闕中正表示，由於他們是跨境銷售女裝，產品除了銷往台灣、也會在東南亞、中國販售。因此目前比較大的AI應用會在個人化的商品推薦，可以幫公司掌握產品的製造期安排、庫存等，對下單和顏色需求也有幫助，能夠降低營運成本。但前提是，得花更多功夫在「**系統架構與貼標作業**」上。

拍手國際執行長許善行則說：「公司目前的瓶頸是如何更有效的分析數據。」他表示，因為電商領域相當競爭，現在取得新用戶的成本，已經是兩年前的兩倍，而拍手一直在努力透過人工智慧替不同客群建立分類，進而控制廣告運算降低成本。

「預測客群一直都是困難的，」Appier客戶關係副總經理陳仲熙坦言，光是要優化廣告成效，對於不同產業的客戶來說都會有差異。不過Appier會先以瀏覽行為來看，針對使用者算出「品牌認知分數」，再透過不同媒體分析產品的投放效果，就能夠自動挑選出互動性高的廣告樣式。

:::info
:memo: **[延伸閱讀 : 你以為你是亞馬遜，其實你只是魯賓遜 ── 公司推動AI的幾個步驟](https://medium.com/@evonneyifangtsai/你以為你是亞馬遜-其實你只是魯賓遜-6506204a9fd1)**
:::

---
<style>.blue {color: blue;}
</style>
## <span class="blue">**5. 成功案例 : 必勝客借力Appier，訂單成交率提升15%** </span>

### (一) 導入 AiDeal，找出關鍵猶豫客

必勝客網路下單服務已推動十多年，至今有六成訂單來自網路。不過，近年隨著外送平台興起以及其他餐飲業者加入，使原本台灣披薩的外帶外送市場更加競爭。必勝客不斷尋求解決方案提高訂單轉換率，但網站上的訪客狀態難以辨別，光靠無差別遞送優惠券給進站顧客無法實質改善問題，於是與 Appier 合作，以「AiDeal」解決方案找出猶豫客。

AiDeal 主要透過 AI 和滑鼠游標追蹤技術，分析消費者在網頁上的即時行為動態，如網頁瀏覽數、停留時間、點擊、頁面滾動、網頁切換、滑鼠移動軌跡、行動版網頁瀏覽時的手指滑動軌跡等，加以評估顧客的猶豫指數，辨別哪些是不論優惠都會購買的必殺族，哪些是只逛不買的消費者，或是遲疑不決需要幫推一把的猶豫型顧客。

Appier 首席機器學習科學家林守德博士說明，訓練 AI 模組時需要在必勝客網站上放追蹤碼一到兩週，蒐集使用者行為動態資料與滑鼠軌跡，透過機器學習法精準分析找出猶豫型消費者，當消費者每做一個動作，AI 模型就會即時學習與調整消費者猶豫程度。當評估消費者達到一定猶豫分數後，AiDeal 就會在最佳時機送優惠券，創造購買動機讓消費者不再猶豫、提高結帳消費的可能。


「『猶豫』行為是不容易去訓練 AI 的，因為猶豫是一種心理狀態，並不容易去貼標籤，而機器學習是需要貼標籤學習的，」林守德表示，Appier 採用先進技術如弱監督學習（weakly supervised learning）、半監督學習（semi supervised learning）等指導原則加以判斷猶豫型消費者，訓練 AiDeal 提高判斷準確率。另外也透過 A/B 測試，分析 AiDeal 導入與未導入的轉換成效差距，確認與調控不同優惠對不同族群的效益。

### (二) 為猶豫客提供優惠，訂單成交率平均提升 15％

富利餐飲數位營運部電子商務經理黃政枚提到，過去由於較難分辨顧客傾向，便以無差別遞送折價券的方式給所有進站顧客，但其實回收成效不高也使獲利降低。廣發優惠的方式可能影響顧客後續的消費行為，過多優惠反而不夠吸引消費者持續留在站上消費，或是只有打折時才來消費，長期來說對品牌經營形象和獲利都會有負面影響。


導入 AI 後能更精準找出特定受眾，並達到最佳化優惠遞送，有效提升轉換率。Appier 成長策略負責人黃琬珺指出，必勝客導入 AiDeal 後，消費者從進站到完成交易的時間有效縮短 20％，將餐點放入購物車的比率也提升 26％；網站訂單成交率平均提升 15％，轉換率成效顯著。



也因為Appier的AiDeal方案是按成效計價，只有猶豫客被折價券打動，訂單成立才會計價，較符合行銷人員的預算規劃。


:::info
:memo: **[延伸閱讀 : 解讀Appier的Pizza Hut案例，看人工智慧如何搭配策略執行](https://medium.com/finformation當程式遇上財務金融/解讀appier的pizza-hut案例-看人工智慧如何搭配策略執行-2b001860c7ba)**
:::

<style>.red {color: red;}
</style>
#### <span class="red">**這篇是Dennis Dai對此個案更詳細的分析，他探討 究竟是AI還是商業策略歸因到此解決方案的成功，我認為很值得拜讀一遍，訓練一下自己的邏輯思考!** </span>

---
<style>.blue {color: blue;}
</style>
## <span class="blue">**6. Appier CEO推薦AI行銷必讀5篇文章** </span>

>**有心進入AI世界的你不能錯過的五篇文章!**

### ==**必讀 1〈[四步驟落實人工智慧](https://www.hbrtaiwan.com/article_content_AR0007644.html)〉**==

強調企業運用AI，不能一開始就抱持太大企圖心，以為可以一步到位。

STEP 1. 先了解哪些技術可以執行哪些類型的任務
STEP 2. 根據業務需求，安排好優先順序的專案組合
STEP 3. 推行驗證概念可行性的試辦專案
STEP 4. 擴大規模，推展到全公司

Appier在輔導客戶導入AI時，也是採取這四步驟，先小規模實驗，再擴大到更大規模。

### ==**必讀 2〈[人＋AI：智慧協作時代](https://www.hbrtaiwan.com/article_content_AR0008130.html)〉**==

AI在企業內部運作後，就可進入下一階段。未來人與機器的角色責任是什麼，這篇文章解釋得很清楚。

想像企業內部出現了一群新同事，但又不是真正的「人」，要如何運作？人機協作的重點，是用AI來擴增人類的能力，而非取代人力。人對AI，扮演「訓練師」、「解釋者」和「維持者」的角色，負責「訓練」機器執行特定任務；「解釋」這些任務的結果，並「維持」機器能被負責地使用。

至於AI對人的幫助，可以增強人類的認知力；讓企業與員工、與顧客的互動更有效；而實體機器人則適合執行粗重的工作。

人與AI如果能夠協同合作，可以提升績效，讓企業決策更快也更有彈性。

### ==**必讀 3〈[演算法賣衣服，衝出近十億美元業績](https://www.hbrtaiwan.com/article_content_AR0007918.html)〉**==

報導美國的零售業者Stitch Fix，運用演算法在網路上銷售客製化的成衣，讓個人風格在大眾市場大賣，衝出近十億美元的業績。

Stitch Fix利用AI演算法，讓人人都可以有一個虛擬的造型師。系統一開始會根據客戶的基本資料提供一些建議的服飾，消費者可以決定哪些要留下來，哪些要退回去。在這個過程中，慢慢地讓機器了解個人的喜好，提供的建議就會愈來愈符合個人的品味。

在實務面，Appier針對客戶在線上廣告的運作，就是類似的概念。很多消費者常會覺得網路上跳出一大堆自己不感興趣或不相干的廣告，Appier的運算法可以從消費者的行為中，了解他到底對什麼有興趣。

### ==**必讀 4〈[如何賣東西給AI助理](https://www.hbrtaiwan.com/article_content_AR0007986.html)〉**==

這篇文章提供一個很前瞻的想法，如果未來三分之一的採購都在數位助理，企業要怎麼應對？

隨著Alexa、Siri等人工智慧助理變成取得資訊、商品和服務的主要管道，Alexa或Siri未來可能成為個人的購物決策者，甚至是企業的採購部門。

智慧型助理會變成消費者信賴的顧問，可以確保一些例行性日常用品的採購，例如雞蛋、牛奶這類的產品可以在用完前適時補充。也可以針對一些個人化的消費，例如服飾、化妝品等等，提供購買決策。

對企業來說，行銷的焦點就從「賣東西給消費者」變成「賣東西給機器（AI助理）」。

### ==**必讀 5〈[善用大數據翻轉銷售](https://www.hbrtaiwan.com/article_content_AR0003284.html)〉**==
這篇文章強調，大數據衝擊了傳統的流程與組織架構，企業不再只是被動回應顧客，而是主動引導決策歷程。

「大數據」在2013到2015年十分熱門，也奠定了AI發展的重要基礎，企業開始投入蒐集資料的基礎建設。可以說大數據是原料，經過機器學習之後，具體呈現出來的就是AI。

>「大數據是食材，機器學習是廚師，AI則是最後的成品。」

***

參考資料:
https://reurl.cc/rxLmrO
https://reurl.cc/E7G3jR
https://reurl.cc/d07E1V
https://reurl.cc/62N1jZ
https://medium.com/@whatthestartup/appier-d571e301ae98
https://www.hbrtaiwan.com/article_content_AR0008914.html