以​人類​才​智​發揮​自動化​技術​潛力​的​三​個​關鍵要​訣

本​文​由​ Google Executive Summits ​計畫​總經理​ Alan Eagle，​以及​西北​大學​凱​洛格​管理​學院​（Kellogg School​ of Management）臨床​副教授​ Jim Lecinski ​共同​撰寫，​針對​如何​發揮​自動化​技術​的​潛力​與​效能​分享​實用​建議。

眾​所​周知，​自動化​技術​在​媒體​採購​過程​中​牽涉​的​事務​越來​越廣。​採用​與​競爭​對​手​相同​的​解決​方案​或​許可​讓​您​和​對​手​保持​並​駕​齊驅，​但​不足​以​幫助​您​取得​優勢。

要​想​利用​自動化​技術​奪得​實質​競爭​優勢，​訣竅​在​於​回歸​傳統​做法，​結合​人​類​才​智。​無論​是​近期​出版​的​書籍​《The AI Marketing Canvas》​做​為​論述​基礎​的​研究，​或​是​ Google​ 從​與​數百​位​行銷​高層​主管​合作​的​經驗​中​觀察到​的​結果，​都​指出​同​一點：​機器​學習​技術​必須​搭配​人​類獨有​的​真知​灼見，​才​能​全面​發揮​潛能。​換句話​說，​採用​了​自動化​技術​的​品牌，​要​是​沒有​結合​自家​獨有​的​業務​資料​和​實作​經驗​來​進一步​發揮​該​技術​的​效果，​不會​獲得​特別​出色​的​結果。

但​機器​學習​技術​的​潛力​無窮，​除了​進行​媒體​最佳化​及​處理​資料，​還​可​幫忙​省​下​寶貴​時間，​讓​品牌​和​代理商​專心​提升​團隊​合作​效率。​機器​學習​技術​的​發展​速度​加快，​連帶​衍生​出獨特契機，​讓​企業​內部​和​代理商​的​行銷​人員​能夠​協同​規劃出​更​細心且​影響力​更​深遠​的​事務。

不​妨​按照​下列​三​個​訣​竅​行事，​結合​人力​讓​自動化​技術​發揮​最​高​效益。

以​獨有​洞察​資料​做​為​演算法​基礎

推動​人​工智慧​（AI）​出現​突破性​發展​的​關鍵，​不​在​於​機器​分析​了​多麼​龐大​的​資料，​而​是​人們​想出​了​更​完善​的​演算法。​以​ A​I ​研究​公司​ DeepMind ​開發​的​ A​lphaZero ​西洋棋​電腦​程式​為例，​它​之​所以​成為​全​世界​最​強​大​的​西洋​棋 AI ​程式，​正是​因為​其​工程師​推翻​了​傳統。​幾乎​所有​的​自動​下​棋程式​都​會​在​下子​之​前​分析​所有​的​可能​棋路，​但​ AlphaZero ​的​決策​卻​完全​相反：​只要​落子​越​快​越好。

您​可以​仿效​這​個​方式，​利用​獨有​的​業務​洞察​資料​加強​自動化​行動​解決​方案​；​改用​更​合適​的​主要​成效​指標就是​個​簡單​有效​的​做法。​舉例來​說，​某知​名​度​假民​宿市​集​原本​的​目標​是​改善​效益；​將​目標​改成​提升​獲利​成長​後，​收益​增加​了​ 11​5%。

您​或​許​也​可以​使用​獨有​的​洞察​資料​做​為​新​的​資料​點。​比方​說，​某零售商​在​資料​組​合​中，​納入​通常​與​媒體​採購​毫​不​相關​的​產品​毛利率​數據，​結果​透過​ Google Ads​ ​獲得​的​利潤​翻​倍。​但​對​其他​企業​而言，​最​有​幫助​的​可能​是​整合​後​的​資料。​讓​我們​舉​個​很​有​說​服力​的​例子：​某時​尚​品牌​將​多​個​顧客​關係​管理​系統​整合​至​同​一​個​資料​管理​平台後，​發現​部分​顧客​的​價值​比​其他​顧客​高出 6​ ​倍。

要​找出​能夠​幫助​品​牌​創造​佳績​的​洞察​資料，​第一​步​是​徵詢團隊​成員​意見，
​ ​找出​「目前​沒有、​但​希望​能​收集到​的​資料」，​然後​與​資訊​部​門​主管​合作，​進行​一些​簡單​測試來​取得​該​項​資料。​若得​到​不錯​的​成效，​即可​繼續​執行，​藉此​逐漸​提升​資料​品質。

借​科技​之力​提升​關​聯性

利用​自動化​技術​進行​媒體​最佳化​已​逐漸​成為​現​今​常​態。​因此​想奪得​佳績，​就​得​從​廣告素材​著手。​講到​敘事​技巧，​人類​說​故事​的​本領絕​對​遠勝​機器，​更​能​引發​目標​對象​共​鳴​；​但​機器​的​「速度」​和​「規模」​則​是​人力​無法​企及​的​優勢。​利用​個人化​和​依序述​說​故事​等​方式，​機器​能夠量​身​打造​訊息，​並​觸​及​更多​目標​對象。

正​因​如此，​要​想​打​造成​效​出眾​的​廣告​活動，​自動化​技術​和​人​類​創造力​缺​一​不可。​雖然​機器​學習​技術​能夠​明確​找​出​消費者​重視​的​事物，​但​只有​人​才​能​將​這​項​資訊化​為​精彩動人​的​廣告。​請​將​發掘​最​新​趨勢設為​首要​之務​；您​可以​定期​與​創意團隊​和​代理​商​合作​夥伴​討論，​分享​洞察​資料，​然​後​藉助​自動化​工​具 ​（例​如​ Director Mix ​可用​一組​影片​廣告素材​自​訂出​多​個​版本​的​影片​），​發揮​這些​資料​的​價值。

舉例來​說，​Google​ 品​牌行​銷團隊​會​定期​進行​討論，​使用​ Google​ 搜尋​趨勢​等​工具​找出​全​新​的​消費者​熱衷​事物，​然​後​據​此​調整​產品​廣告。​疫情​第一​年，​「雲朵麵包」​（Cloud Bread）​引爆​話題，​在​大眾​之間​蔚為​風潮。​Google​ 品​牌行​銷團隊​在​這​波​熱潮剛​開始​時，​就​迅速​製作​以​雲朵麵包為​主題​的​ Google Home ​廣告，​並​在​ 7​2​ ​小時​內​讓​廣告​活動​上線。

Google​ 品​牌行​銷團隊​依據​ Google​ 搜尋​趨勢，​配合​使用​者​興趣特製出​三​個​版本​的​ Google Home ​廣告。

測試、​學習、​進步​並​擴大​應用

機器​學習​能夠​為​企業​創造​許多​價值，​但​無法​獨立​發想​新點子​是​主要​弱點
（​至少​目前​還​無法​）。​演算​法要​有​適當​的​資料​和​指引才​能​達成​有​意義​的​目標；要​做到​這​點​必須​持續​進行​測試，​為​此​許多​企業​都​需要​提升​檢測​能力。​根據​我們​的​經驗，​只要​企業​能夠​經常​測試，​並​迅速​地大​規模​應用​效果​良好​的​策略，​幾乎​都​能​獲得​比​競爭​對手​更​出色​的​成績。

擁抱​「從測試​中​學習」​的​文化​或​許需要​提升​團隊​成員​的​技能。​建議您​與​經驗​豐富​的​媒體​夥伴​合作，​或者​是​指定​內部​行​銷團隊​中熟悉 A​I ​的​成員​擔任​實驗​主持​人。​您​的​團隊​有​許多​功​能​強大​的​工具​可以​運用​（​包括​情緒​分析​和​影像​辨識），​因此​在​短時間​內​讓​實驗​步入​正軌​是​可行​的。

您​的​團隊​需要​追蹤​在​一​個​月​內​完成​的​測試​數​量，​並​嘗試​穩定​地​提高​這​個​數​字​；您​可以​從​幾​個​方面​協助​團隊​成員，​像​是​提供​更​完善​的​測試​解決​方案，​以及​加快​可能​拖慢​效率​的​程序​（像​是​徵求​利害​關係人​的​同意，​以及​廣告​素材​審查）。​累積​了​充足​資料（​不​完美​也​沒關係），​可以​進行​完善​的​測試​時，​請​放手​去​做。

如​今​「技術​轉型​才​是​正道」​的​想法​根​深​蒂固，​然​而​光憑​技術​能​做到​的​事其​實​有限。​自動化​技術​必須​結合​人​類​獨​有​的​才智，​才​能​協助​您​維持​競爭​優勢：​將​洞察​轉化為​創意​發想，​再​根據​創意​發想​帶來​的​成效​更​全面​地洞​悉​情勢，​都​是​只有​人腦​才​辦​得到​的​事。​坐​而​言，​不如起​而行：​付諸​實行​的​策略​就​算​未​臻​完善，​仍​能​帶來​寶貴​經驗。