Page 92 - My FlipBook
P. 92
所
合作
計
畫 智慧數位行銷之推薦、建模、與搜尋技術之開發與研究
IIS Collaborative Projects 計畫主持人：葉彌妍博士、楊得年博士
計畫期程：2020/1~2022/12
運用人工智慧（如人工物聯網及預測性分析）於數位行銷中，已被廣泛認為是近期間的顛覆性趨勢，例
如沉浸式延伸實境 （Extending Reality，XR，其包含 VR/AR/MR）中的零售、社群電子商務及程式化廣告。
國際數據資訊公司（International Data Corporation，IDC）預測全世界在延伸實境上的花費將在 2020 年
達到 18.8 億美元（含零售部分的 1.5 億美元），且延伸實境市場的年成長率亦能維持 77% 至 2023 年；
根據 Forbes、Walker Sands 及 L. E. K. 的市場調查指出，有 79% 的消費者可能會光顧顯示客製化商品的延
伸實境商店；65% 的消費者對延伸實境購物感到興奮，而當中的 54% 承認社群購物是他們購物的方式。
因此，Oracle 指出，有 78% 的線上零售商，如 IKEA、Lowe、Alibaba 以及 eBay，已經（或正在計畫）實
作出延伸實境及人工智慧。再者，eMarketer 預測美國在 2020 年有 86.2% 的電子廣告程式化，且全球電
子廣告的成本亦將在 2021 年達到 375 億美元。另一方面，商業內幕、Gartner 及 Forbes 預見 2025 年時
物聯網市場的年營業額將超過 3 兆美元，且物聯網裝置將達到 64 億台，而其中有超過 80% 的裝置包含
人工智慧元件。
由於 1) 新興的延伸實境技術，如：促使彈性及客製化的購物環境設計變得可行的多視角顯示（Multi-
view Display，MVD），2) 涉及多方的策略性行為，如：線上消費者、零售商及廣告經紀商，以及 3) 大
量且有偏差及雜訊的電子商務購物紀錄與社群物聯網裝置的資料，故設計智慧數位行銷的推薦系統在未
來將是複雜的大工程。因此，在此三年計畫裡，我們的目標是設計以下核心技術：1) 考慮社群影響力及
互動、運用延伸實境中多視角顯示的彈性來配置適合個別消費者的商品顯示之子系統；2) 藉由知識圖譜
（Knowledge Graphs，KG）及時序性社群網路，有效利用多個相關商品及消費者動態認知以驅動社群
影響力於多個推銷活動之子系統；3) 能從不完整資訊中為多個廣告經紀商精準預測即時競標（Real-time
Bidding，RTB）的得標價之子系統；以及 4) 能快速且主動部署社群與人工物聯網裝置，以探測延伸實境
中消費者的行為以及無偏差推薦與對消費者及時支援的困難。圖一即為延伸實境推薦系統的整體框架。
圖一：智慧數位行銷資料處理之框架。
第一年
本計畫目標是利用支援主要視角（獨自觀看不同商品）及群體視角（與好友觀看共同商品）間的彈性視
角切換的多視角顯示，為延伸實境群體購物設計一套推薦系統。雖然消費者介面及實體商品在消費者的
環境中是一致的，但顯示出的虛擬商品可根據不同消費者的不同喜好做微調，而共同觀看的商品可促進
社群互動及討論，以提升銷售額。故這套創新的延伸實境群體推薦系統是具有挑戰性的，因其需考慮 1)
個人喜好、2) 群體互動、3) 商品相關性、4) 群體動態及視角切換。相較之下，現有的個人化推薦並未
考慮社群互動，如：協同過濾（Collaborative Filtering，CF）與貝氏個人化排序（Bayesian Personalized
Ranking，BPR）；而群體推薦僅基於累加的喜好將一組統一的商品指定給一群消費者，犧牲了個人喜
90
合作
計
畫 智慧數位行銷之推薦、建模、與搜尋技術之開發與研究
IIS Collaborative Projects 計畫主持人：葉彌妍博士、楊得年博士
計畫期程：2020/1~2022/12
運用人工智慧（如人工物聯網及預測性分析）於數位行銷中，已被廣泛認為是近期間的顛覆性趨勢，例
如沉浸式延伸實境 （Extending Reality，XR，其包含 VR/AR/MR）中的零售、社群電子商務及程式化廣告。
國際數據資訊公司（International Data Corporation，IDC）預測全世界在延伸實境上的花費將在 2020 年
達到 18.8 億美元（含零售部分的 1.5 億美元），且延伸實境市場的年成長率亦能維持 77% 至 2023 年；
根據 Forbes、Walker Sands 及 L. E. K. 的市場調查指出，有 79% 的消費者可能會光顧顯示客製化商品的延
伸實境商店；65% 的消費者對延伸實境購物感到興奮，而當中的 54% 承認社群購物是他們購物的方式。
因此，Oracle 指出，有 78% 的線上零售商，如 IKEA、Lowe、Alibaba 以及 eBay，已經（或正在計畫）實
作出延伸實境及人工智慧。再者，eMarketer 預測美國在 2020 年有 86.2% 的電子廣告程式化，且全球電
子廣告的成本亦將在 2021 年達到 375 億美元。另一方面，商業內幕、Gartner 及 Forbes 預見 2025 年時
物聯網市場的年營業額將超過 3 兆美元，且物聯網裝置將達到 64 億台，而其中有超過 80% 的裝置包含
人工智慧元件。
由於 1) 新興的延伸實境技術，如：促使彈性及客製化的購物環境設計變得可行的多視角顯示（Multi-
view Display，MVD），2) 涉及多方的策略性行為，如：線上消費者、零售商及廣告經紀商，以及 3) 大
量且有偏差及雜訊的電子商務購物紀錄與社群物聯網裝置的資料，故設計智慧數位行銷的推薦系統在未
來將是複雜的大工程。因此，在此三年計畫裡，我們的目標是設計以下核心技術：1) 考慮社群影響力及
互動、運用延伸實境中多視角顯示的彈性來配置適合個別消費者的商品顯示之子系統；2) 藉由知識圖譜
（Knowledge Graphs，KG）及時序性社群網路，有效利用多個相關商品及消費者動態認知以驅動社群
影響力於多個推銷活動之子系統；3) 能從不完整資訊中為多個廣告經紀商精準預測即時競標（Real-time
Bidding，RTB）的得標價之子系統；以及 4) 能快速且主動部署社群與人工物聯網裝置，以探測延伸實境
中消費者的行為以及無偏差推薦與對消費者及時支援的困難。圖一即為延伸實境推薦系統的整體框架。
圖一：智慧數位行銷資料處理之框架。
第一年
本計畫目標是利用支援主要視角（獨自觀看不同商品）及群體視角（與好友觀看共同商品）間的彈性視
角切換的多視角顯示，為延伸實境群體購物設計一套推薦系統。雖然消費者介面及實體商品在消費者的
環境中是一致的，但顯示出的虛擬商品可根據不同消費者的不同喜好做微調，而共同觀看的商品可促進
社群互動及討論，以提升銷售額。故這套創新的延伸實境群體推薦系統是具有挑戰性的，因其需考慮 1)
個人喜好、2) 群體互動、3) 商品相關性、4) 群體動態及視角切換。相較之下，現有的個人化推薦並未
考慮社群互動，如：協同過濾（Collaborative Filtering，CF）與貝氏個人化排序（Bayesian Personalized
Ranking，BPR）；而群體推薦僅基於累加的喜好將一組統一的商品指定給一群消費者，犧牲了個人喜
90
