專訪Mashable CTO：人工智慧如何幫助媒體編輯提升效率|數位時代 BusinessNext

專訪Mashable CTO：人工智慧如何幫助媒體編輯提升效率

科技媒體Mashable現任CTO羅賓．彼得森（Robyn Peterson）帶領研發團隊設計了人工智慧資料分析系統Velocity，透過自然語言理解技術分析社群網路使用者對相關事件的討論，並透過視覺化圖表向編輯部預測可能的熱點內容。

不走傳統新聞操作，而是根據社群媒體熱門內容挑文章

正是因為Mashable的創始人沒有任何媒體從業經歷，這個科技媒體才沒有從傳統媒體那裡繼承任何過時的新聞操作方式。在Mashable創辦初期，整個團隊20多人每天最重要的工作是在Facebook、Twitter和LinkedIn等社群網路上查看自己關注的大量使用者都在轉發什麼內容，並根據熱門內容撰寫相關的文章。

後來隨著現任CTO羅賓．彼得森（Robyn Peterson）的加入，Mashable開始使用自己開發人工智慧工具來代替團隊每天在社群網路上追蹤內容的工作。羅賓帶領研發團隊設計了一個人工智慧資料分析系統Velocity，透過自然語言理解技術分析社群網路使用者對相關事件的討論，並透過視覺化的圖表向編輯部預測可能會爆發的熱點內容。

開發人工智慧追蹤數據、預測話題熱點

在今年的騰訊網媒體高峰論壇上，羅賓接受了《PingWest品玩》的專訪，並詳細解釋了Velocity系統的工作原理。羅賓表示Velocity會根據社群網路上的分享和討論生成一個熱度曲線，它其實很類似於經濟學中的供求曲線，橫軸代表時間，縱軸代表需求量。相應的，當某一個話題的需求量（熱度）提升時，Mashable就會生產相關的內容進行「供應」。

「舉個例子，透過分析我們預測到接下來一個關於食品比較大的事件有可能是《紐約時報》上所發表的轉基因番茄的故事，現在關於這條新聞的轉發量只有幾十條，但我們的系統可以預測到接下來幾個小時它的轉發量將達到上萬。」羅賓說。

使用自然語言處理等人工智慧技術的基礎是能夠擁有大量資料，Volecity每天能夠分析300萬個不同頁面的連結資料，這些連結包括社群網路貼文、文章、圖片和影片，並從中分析出下一個熱點。

2012年12月，羅賓曾在Mashable上發表了一篇文章稱媒體應該像程式師做產品一樣生產內容。在這篇文章裡，羅賓給了正在衰落的媒體公司四點建議，分別是：社群網路比搜尋引擎更重要、擁抱行動網路、提供個性化的廣告和以產品為主導生產內容。

羅賓認為媒體公司的衰落主要在於工程師幾乎不為媒體公司工作來幫助他們創造更好的資料探勘工具，但換句話來說，就是媒體公司根本就不重視工程師和產品經理的作用。但沒有任何傳統媒體基因的Mashable卻利用資料探勘工具和演算法成為了新媒體裡的佼佼者。

在Mashable的網站上，每篇文章下面都會有一個小小的曲線圖表，讀者可以直觀地看到與這篇文章相關的話題的熱度變化。但羅賓解釋道，這個曲線本來是給編輯作為內部參考的，只是初期將它放在了前臺給一個概念。但後來Mashable的讀者都習慣了這個小圖表，甚至在他們取消掉圖表後發出了抗議，所以這個圖表就被保留了下來，成為了Mashable的一個特色。

在中國，將人工智慧演算法和新聞編輯結合起來的公司同樣有很多，其中最成功的非《今日頭條》莫屬。羅賓表示，自己並不知道《今日頭條》這家公司，但他很贊同《今日頭條》用機器和演算法輔助人類編輯的做法。但他認為在新聞編輯這件事上，人的作用應該比演算法重要，而機器只能起到輔助作用。

「拿Mashable舉例，我們是在這個話題之前收集大量資料進行分析，對這個話題進行預測。這個過程中，我們預測的是人的一些行為。所以我認為我們仍然還是需要人的參與的，我們需要作者和影片製作人員為我們提供有意思的資料，或者說他們來觀看這些資料，來分享這些資料。在這個過程中，可能這些新的分享會給他們帶來一些啟發，給他們帶來一些興奮點，這個過程中他們可以創造更新的東西出來。」羅賓說。

是否擔心過於仰賴演算法造成回聲室？「會盡量做到中立。」

針對演算法和大資料過多的干預編輯是否會造成媒體過於以讀者的興趣為導向，羅賓認為這種情況存在，但最終還是取決於使用工具的人。「你說的這種情況或許在Facebook上是存在的，例如在這次美國大選中，你的資訊流裡幾乎只會出現你支持的觀點，而其他人的觀點是被過濾掉的，我們把這種情況叫做『迴聲室』（echo chamber）。但Mashable是一個面向大量讀者的新媒體，我們認為演算法不能用這種危險的方式來控制人們能夠看到哪些資訊，所以我們會儘量做到中立。」

羅賓認為，人工智慧演算法和大數據能為媒體帶來的最大幫助是效率的提升。「這幾年來媒體公司的日子都不好過了，很多媒體開始大規模裁員。在這種情況下，演算法和資料能夠説明編輯部甄選出值得關注的新聞，並讓他們集中精力在相關領域生產出更深度的新聞，同時也能讓媒體在保持稿件數量的情況下保持品質。」羅賓說。

本文授權轉載自：PingWest

一家連續十年營收 700 萬元的健身業者，如何在一年內將業績推升至 3,500 萬元，成長整整 5 倍？答案可能和多數人想的不一樣。

這家健身品牌不是一開始就加碼投放廣告，而是先從調整組織架構與薪酬制度著手，透過明確分工改善團隊運作，進而建立「全員銷售」文化，這並不是要求每位員工都成為業務員，而是讓團隊理解與認同品牌理念，確保從服務、回覆、教學到售後過程中的每一個顧客接觸點，都能傳遞一致的訊息與體驗，從而建立顧客對品牌的信任感，甚至願意主動購買與持續回購。而規劃這套成長策略的幕後推手，正是無限創意行銷。

AI 讓行銷變簡單，為何行銷公司反而更難做出成效？

雖然公司名稱裡有「行銷」兩個字，但無限創意行銷並非只從行銷工具出發，而是以顧問式行銷的角色，先理解企業經營問題，再決定應採取哪些行銷與營運解方。「我們不會一開始就告訴企業該採用哪些行銷策略，而是根據企業真的需求來提供適合解方」，無限創意行銷創辦人翁小五一語道出公司的獨特定位。

通常，企業在面對營收成長瓶頸時，第一個念頭就是做行銷，然而，翁小五從過往的工作與創業經驗中發現，限制企業營收成長的原因有很多，不一定與行銷有關，背後可能還有其他問題，若沒有釐清真正的問題所在，就急著投入廣告或其他行銷資源，很可能只是治標不治本。

基於這樣的觀察，無限創意行銷決定採取反向思考邏輯：先回到企業經營本身，找出造成「成長趨緩」的真正原因，再據此制定策略、優化營運流程，最後透過行銷放大企業優勢。當每一筆行銷投入都建立在更健康的企業體質與更精準的策略判斷之上，行銷才不只是「有做」，而是真正能為企業帶來成長。

這套「先找問題、再選工具」的服務模式，在生成式 AI 工具普及後，也成為拉開行銷成效差距的關鍵。

過去，行銷公司的價值建立在製作能力、投放技術與媒體資源；但當 AI 逐步降低文案、素材與分析的執行成本，單純提供「做內容、下廣告、做報表」的服務，差異化將快速縮小。此時真正考驗的，反而是行銷人的理解力和判斷力：能否看懂消費者真正需要什麼？能否找出限制企業營收成長的關鍵環節？而這正是無限創意行銷長期深耕企業經營現場、不斷透過數據與市場驗證所累積的核心能力。

AI 拆解營收黑洞，讓數據為企業成長導航

在無限創意行銷的顧問式服務流程中，數據是相當重要的依據。翁小五進一步說明，無限創意行銷的數據應用可以分為三個層次：從檢視行銷活動成效、拆解顧客旅程中的問題節點，再進一步延伸至年度營運規劃，讓企業不只知道「過去發生了什麼」，更能判斷「下一步該怎麼走」。

首先，是檢視行銷活動成效，其中最重要的原則在於，根據行銷目標去解讀數據。舉例來說，如果目標是增加首購顧客，除了檢視素材吸引力與點擊率，還要持續追蹤到站、詢問、成交、新客占比與首購成本；如果目標是擴大營收規模，則應進一步檢視回購率、客單價與顧客終身價值。

數據應用的第二層價值，是拆解從「廣告投入」到「營收產出」之間的過程，理解每一個節點的數據分別反映什麼問題，再針對問題逐一修正。

至於第三個層次，則是讓數據成為企業經營與資源配置的依據。無限創意行銷會從年度營收目標出發，結合產業特性、淡旺季變化與過往行銷成果，拆解每一季、每個月的業績任務，再將過去有效的策略放大、成效不佳的做法修正，據此安排下一年度的行銷資源與營運節奏。

不急著加碼廣告，從企業體質出發找出 5 倍成長解方

對無限創意行銷來說，數據是找出問題、配置資源與規劃成長路徑的關鍵，文章開頭提到的健身業者，正是此套方法論的最佳印證。當初，翁小五深入診斷後發現，這家企業真正的問題在於組織結構過度扁平，老闆長期忙於處理日常事務，難以專注在營運規劃；此外，組織缺乏真正負責營運管理的中階主管、教練流動過高導致學員缺乏安全感等，皆是影響回購率的因素。

因此，無限創意行銷先從組織架構著手，設立專責店長一職，並重新設計薪酬制度，藉此讓教練、店長與老闆皆可專注在自身工作上。之後，再透過前期廣告數據與顧客洞察，找出消費者選擇品牌的真正原因，並運用行銷活動與口碑經營持續放大。同時，翁小五也在過程中導入「全員銷售」概念，確保顧客在各個接觸點都享有一致的體驗，品牌才能逐步累積顧客信任。

最終，這家企業的營收一年就成長至 3,500 萬元，達到原先的 5 倍。這個案例也說明了無限創意行銷的方法論：行銷不是企業成長的起點，而是放大企業優勢的槓桿；企業體質愈健全，這支槓桿所能放大的成長效益也愈大。

從「會做」到「會判斷」，AI 時代，無限創意行銷正在重新定義行銷公司的價值

隨著 AI 能力越來越強大，下一代行銷公司的價值，不只是比誰更懂得運用 AI，而是行銷人的市場理解力與專業判斷力，知道 AI 產出的內容哪些值得留下、哪些應該捨棄，或是該如何持續修正，才能打造出能夠被消費者感受到的品牌體驗。

因此，無限創意行銷未來將積極建立團隊與 AI 協作的方法論，將過往的專案判斷、提問框架與數據檢核邏輯，轉化為 AI 協作流程。團隊在面對新專案時，不是直接要求 AI 給答案，而是先定義目標、限制條件與判斷標準，再去檢查 AI 產出是否符合商業情境。

對翁小五而言，AI 時代真正稀缺的，不是工具，而是定義問題、理解消費者與判斷品質的能力。未來無限創意行銷的競爭力，也不在於使用多少 AI，而是持續將人的品味、市場理解與產業 Know-how，透過 AI 放大，協助企業打造更精準的品牌體驗與更高品質的決策。