人工智能翻译服务正热　韩国业者抢进

　　随着电脑运算能力与容量大幅进步以及数据大量产生后，评论认为，广告业者若及时引进机器学习(ML)，将可更准确预测个别用户偏好，并据以提供适当广告内容，从中减少耗时与不必要的人力分析过程。据Adotas报导，目前许多广告业者仍采用所谓“触及范围与频率”(ReachandFrequency)方法，也就是一再向每个人广播同样讯息，结果导致消费者厌烦而设法封锁广告。　　 

　　部分业者之所以仍采用此方法，主要是受到电视与印刷媒体广告思维影响，无法正视数字广告可带来一对一与消费者沟通的契机，其他原因则是认为要执行后者的难度相当高。程式化媒体采购平台就如同大型扬声器配上糟糕的音乐，负责广告的创意与讯息端一旦无从施力，就等同音乐本身品质无法提升，却只是一味将该音乐音量放大。评论认为，在广告里，欲设计与传播适合个别用户的相关与精准讯息确有难度，因此，目前可将电脑程式化各种可能情境。例如消费者浏览户外产品时，若时间刚好是周末而且预报下雨，透过上述条件以及知道该消费者喜爱户外活动，广告商便可提供鞋子并在当中提及在雨中健行的相关讯息。　　 

　　另一例子就是当周间预报天晴时，广告商便可提供民众在温暖气候户外慢跑的不同产品与讯息。虽然要判断民众行为与其前后关系、再给予客制化讯息耗时且成本高，但此时便可让机器学习派上用场，借由持续从大量数据学习，机器学习演算法可接近模仿人脑运作。而且当电脑被给予大量数据以及让演算法接触到本身产生的错误时，机器学习就能发挥最大功效。换言之，就是开发1个机器学习训练模型，一旦使用足够大量数据组后，模型会愈加准确，甚至超越人脑的能力。机器学习演算法可让行销者处理大量消费者数据，并从中学习及预测最佳产品、讯息以及提供内容的时间点，带来更好的客户互动率。除此之外，随着云端运算的能力、便宜硬件与大量存储器出现，机器学习的领域持续扩大。长期以来，行销商便习惯将用户区分成广告受众群，但问题在于受众仍相当广，依旧摆脱不了重复一体适用的行销思维。　　 

　　虽然要确认个别用户，例如母亲的偏好以及其可能有所反应的东西有其困难，但机器学习演算法具备处理大量数据潜力，可发现不同民众之间细微的差异，就像脸部辨识利用分群来打造微受众一样。若机器学习可辨识微受众并进一步发现其偏好与习惯，一旦再加上结合机器学习可判断能引起用户兴趣的讯息的能力，其带来结果将如虎添翼。日前JivoxIQ推出Neuron机器学习演算法并胜过消费品产业品牌经理后，让外界一窥机器学习在数字行销的力量。评论认为，当机器愈有智能，将可为行销者节省愈多分析成堆数据与报告的精力，转向去思考创意策略与了解消费者行为。