說到隱私權至上、AI 賦能自動化行銷技術與價值導覽..
awoo 阿物科技共同創辦人暨副總經理李振瑋 Tiger 在上個月 MarTech ASIA 現場，說明了全球越來越重視消費者隱私權之際，我們應該要用什麼樣的方式與資料來掌握、運算出消費者群背後的購物意圖/標籤。
且在這樣的趨勢脈絡下，零售、電子商務業者還可以握有多少有利於行銷的資料，而一些公開資訊如商品內容又可以如何經過人工智慧驗算、比對與重組後產生去識別化且有行銷價值的標籤進而有效應用。
最後則是談到我們可以如何結合線上、線下資料打造出專屬 PDP(Product Data Pletform) 進而有效運用跨渠道資料來預測消費者購買行為，進而有效加速公司事業發展、成長與獲利。
為什麼消費者資料越來越難取得/掌握
從去年的 MarTech ASIA 就第一次在公開論壇談論 「Cookieless」這名詞，且隨著全球隱私權政策越來越嚴格，如歐盟的 GDPR, 蘋果ios 14 隱私權政策更新、Google 開始禁用第三方 Cookie 等，都會讓很多原本利用消費者資訊、歷程的軟體工具日漸失效。
所以現在如何從公開資訊，以及跨渠道收集各方數據並有效整理、運算與再利用就非常重要。
商品 “標籤” 的運算原理、難度、必要性與人工智慧解決方案
也因為我們今後將越來越難取得用戶資訊、尤其是第三方平台資訊又開始被限制、禁用，所以我們現在不能再依賴第三方、而是要開始為自己建構第一方資料庫。
這時對一個零售業者而言，最大且豐富的既有公開資料就是成千上萬筆的 “商品資訊” 了，所以這時只要利用手中滿滿的 “商品資訊” 來分析、運算出消費者心中的購物意圖/標籤，就可以在不觸及消費者隱私權議題的前提下，用去識別化的方式來理解、推測消費者的需求與購物意圖並應用在電子商務網站經營上。
但這一層運算談何容易，且消費者購物意圖還會隨著季節、流行趨勢、新聞與時事而動態改變與增減，會需要巨量數據與即時更新、比對的機制才有辦法得到相對精準的結果。
而 awoo 透過人工智慧技術來理解、運算大量商品資訊，再利用超過10億筆關鍵字資料庫、萃取網際網路資源、圖像辨識、SEO 專家訓練模型與自然語言處理(Natural Language Processing, NLP)等技術來運算、建構出自家專屬的人工智慧模型。
商品 “標籤” 化後的應用與核心價值
“創造新的流量” 以及 “大量購物意圖挖掘與激發” 是商品 “標籤化” 後最快能夠產生價值的應用。
首先因為在運算出電子商務網站全站商品中大量購物意圖/標籤後，可以自動且快速將全站商品重新分類進而產生大量新的分類頁，這時擁有相同購物意圖/主題的頁面，搭配上完善的 SEO On-page Optmization 佈局，就可以開始透過自然搜尋帶來訪客，同時也因為主題明確、良好的頁面品質而可以加強 Google Ads 廣告品質分數進而提升廣告評級。
再者是在全站商品的大量購物意圖/標籤產生後，因可以在網站中商品、分類、站內搜尋產生與該頁面主題相關的其他購物意圖/標籤連結，如此就還可以增加瀏覽、消費動機與意願進而降低跳出率、增加瀏覽頁次與時間了。
有關上述兩段內容若有意深入瞭解，其實我們去年年初在 "nununi x 人工智慧標籤，電子商務網站/大型媒體資訊價值最大化限定解決方案" 這篇文章中就有提到了 awoo 的 NLP 與人工智慧標籤技術原理與應用價值。
跨渠道資料應用商品 “標籤” 最大價值
除了上述可以快速應用在電子商務網站上的價值外，還可以應用在 Email 行銷以及 OMO(Online Merge Offline) 上。
如首先在 Email 行銷上，因為我們已經掌握了全站商品背後的購物意圖/標籤，所以隨著持續發送 EDM 的過程以及收信人實際開信、點擊連結等行為，就可以快速把購物意圖/標籤與曾經點擊過的 Email Address 綁定，進而在未來僅需透過購物意圖/標籤的選擇，就可以快速製作 EDM 並發送給本來就對這些購物意圖有興趣的受眾。
有關上述實際運作以及 EDM 發信軟體的介紹，可以參考我們在 "nununi x Tigerfly, 人工智慧時代的分眾行銷 x 投其所好 EDM 產生器" 的文字介紹。
最後，在 OMO 上，一樣也可以透過大量線上資料數據的取得再加上線下、也就是發生實體店面的交易資料庫，來展現更多在線上導流、促銷以及再行銷的最大影響力，並建構出完整的PDP系統以精準行銷、快速獲利。
