假設您非常喜歡燒烤,以致於您迫不及待地想要入手一個新的頂級燒烤架。然後,在您網上購買燒烤架後不久,就被同一款燒烤架的廣告淹沒。
這種情況持續不斷,沒有停止的跡象。購買兩週後,似乎所有其他廣告都與您院子裡的燒烤架有關。這是怎麼一回事? 個人化不是應該解決這個問題嗎?
這就是目前的現況。
推薦引擎
過去十年來,推薦引擎一直是行銷的發展先驅,並大幅地推動了電子商務。正因如此:《哈佛商業評論》指出,個人化的使用者體驗能為行銷支出帶來五到八倍的投資報酬率。Towards Data Science 提到,在 Netflix,超過 80% 的串流時間是由個人化推薦所推動的。 這種方式一直有很好的效果。
這些引擎歷來結合使用各種篩選器:
一般:這種篩選方式會確認與使用者搜尋內容相似或最熱門的項目。
內容:這種篩選方式會檢閱使用者歷程記錄,找出關鍵字,然後提供相似內容的建議。
共同點:系統會依據歷程記錄,將使用者分類到某個群體,向使用者顯示該群體其他成員喜歡的項目。
整合:結合使用上述篩選方式。
雖然推薦引擎對零售商而言非常有效,但對於其他業務領域而言卻有不足之處,例如:廣告商的燒烤架問題。
關聯式 AI(Associative AI)
在關聯式 AI 領域中,一個模型經過訓練,瞭解您對燒烤架感興趣、您購買了燒烤架、您是某種類型的購物者,以及您可能需要燒烤架周邊商品。
模型還將零售商的燒烤產品庫存和產品折扣納入考量。事實上,這裡的參數幾乎是無上限的。模型考慮的資料越多,提供的建議就越好。這種複雜性就是簡單的推薦引擎難以確保相關性的原因,也是關聯式 AI 至關重要的原因。
正如牛津大學所指出:「新的 AI 使用關聯式學習技術,而不是 AI 的傳統神經網路,挑戰了類神經和突觸是 AI 唯一建構基礎的傳統觀念。」
透過關聯式 AI,您在購買燒烤架後就不會再被同一款商品的廣告淹沒。相反地,您會看到互補產品的廣告:燒烤食譜、即時溫度計、清潔刷或堪薩斯城牛排。
生成式 AI
複雜的關聯式 AI 推薦只是一個開端。接下來的生成式 AI 可以使零售商的購買關係變得更有效益和效率,對消費者而言也更加相關和更有效率。如果基本的個人化可以為行銷支出帶來五到八倍的投資報酬率,想像一下,當廣告的個人化程度超越「在此插入顧客姓名」時,生成式 AI 可以做些什麼。
對於零售商而言,生成式 AI 使廣告變得更聰明。雖然關聯式 AI 引導使用者完成購買程序,但實際的廣告可能是由 AI 產生的,因此每次使用者參與選購時,廣告商都會提供有關燒烤架清潔保養、技術和其他令人感興趣產品的高度個人化、人性化的對話。這種「對話」和任何相關產品都與使用者高度相關。
由於生成式 AI 會琢磨訊息、建立獨特的廣告,並決定使用者觀看廣告的位置所需的格式,因此廣告的效果將顯著提高。這對於零售商開發相關性更高、效果更佳的行銷策略而言,是一個極大的優勢。
此外,由於 AI 的精準定位,廣告資金不會花費在錯誤的客群身上。企業能鎖定正確的目標受眾,並針對他們投放廣告,進而節省時間和金錢。獲客成本直線下降。
消費者體驗
結合使用 AI 還可以實現更好的跨平台使用者體驗。eBay 知道您在 Amazon 上購買了燒烤架嗎? 答案為「否」,由於資料隱私,這種資訊共享可能在短期內不會發生。但裝置中內建的個人 AI 助理等技術會知道並將所有資訊連結在一起。
現在,您基本上擁有了一位個人助理,可以根據對您的全面瞭解,提供高度針對性、高度相關的建議。舉例來說,AI 瞭解您購買燒烤架的時間,並在您需要購買新的顆粒燃料或進行深度清潔時向您發送訊息。生成式 AI 順暢地融入於您的日常生活中,以您為中心,充分瞭解您的需求。
然而,生成式 AI 要能茁壯發展,必須能夠以閃電般的速度處理數十億參數,然後依據這些參數提供電子商務建議。為了滿足此需求,美光開發了一個無與倫比的記憶體和儲存裝置產品組合,以獨特的優勢滿足 AI 的需求,從資料中心涵蓋到裝置。我們的產品有助於設計出下一代生成式 AI 能夠實現的功能。憑藉這種效能,AI 能為企業和消費者帶來更大的貢獻。
科技確實可以豐富所有人的生活。就這一點而言,讓我們拭目以待吧!