全球數據分析軟體廠商SAS台灣在過去一年中,致力於將人工智慧(AI)的應用拓展到更多元的產業中。其中,與遊戲業、金融業的合作都已交出漂亮的成績單。目前SAS台灣也正在與電子商務平台接洽合作,在未來,AI也能為電子商務的會員管理與行銷推廣帶來加值。
SAS台灣總經理陳愷新觀察,產業客戶近期對於AI等進階分析技術的需求輪廓已較以往更為清晰,主要的需求包含「發現更複雜的客戶互動行為,並作出即時決策」、「以串流資料即時管控製程」、「快速應對潛在風險與詐欺行為」等。
為因應以上需求,SAS團隊聚焦提出分析策略,加速建立AI模型,協助客戶縮短評估導入時程。讓AI不再只是試驗性質的高端科技,而是能夠實際對於企業業務有所貢獻的實用工具。
導入AI後,遊戲平台付費率成長超過162%
台灣遊戲廠鈊象電子近來主攻線上遊戲市場,面對不斷創新高的玩家人數,分秒累積的數位軌跡資料量已讓既有系統的邏輯架構難以負荷,促使鈊象電子想要利用AI技術分析更複雜的玩家行為。
因此於2018年中旬,鈊象開始與SAS展開合作,以AI技術先行啟動「會員貼標」專案,針對玩家「遊戲習慣」與「儲值習慣」打造機器學習模型,並運用模型結果所產出的特徵分群,在2018年底推出了玩家「個人精準推薦禮包系統」。
同時,鈊象也開始觀察玩家儲值行為前後期的變化,當玩家產生高風險的情況時,即可啟動特殊照顧策略,以促進玩家消費。鈊象電子與SAS合作短短半年多,已讓部份遊戲平台付費率與營收皆成長超過162%以上。
客群化推薦還不夠,做到個人化才能留住會員
在今年,鈊象最重要的目標則是要進一步做到自動化的個人推薦。
在遊戲產業中,由於玩家多使用虛擬身份,因此對於會員的性別、年齡等等輪廓時常難以清楚描繪。因此,「客群化」推薦往往無法滿足需求,需要再進一步做到「個人化」的推薦。
鈊象電子副處長姜伯威説,在過去,鈊象電子曾利用Excel進行簡單的統計分析,並搭配主觀經驗進行分析說明。但透過SAS 機器學習模型後,發現每位玩家因其遊玩習性不同,而產生出自己消費疲弱的時間點,如以過去將玩家進行一視同仁的銷售方式,其效果有限。目前鈊象已轉往以機器學習導向進行分析,終極目標是達到「自動化」玩家照顧與增強玩家遊玩體驗。
電商導入AI指日可待
電子商務也是另一個講究會員管理與數據分析的場域。目前許多電商平台與品牌賣家,都會投入將當多的人力與資源在流量分析、造訪率、轉換率等等數據分析上。在未來,數據分析的能力也絕對會是電子商務市場的致勝關鍵。
數位通路帶來大量的數據資料,但是必須要將數據轉換為消費者的樣貌,由客群化的行銷分眾,走到個人化的行銷推薦,才能帶來最大的效益。
舉例來說,就像是在實體通路的消費經驗中,店員可以透過面對面的交流來了解各別消費者是不是比較在意服務品質?或是更為在意高CP值?並針對不同的消費習慣,給予不同的服務與VIP優惠。透過AI分析,就等於將這樣的消費者購物體驗轉換到線上。
目前,SAS也已經開始與電子商務相關業者接洽合作。未來能透過旗下的AI分析平台,協助更多企業的AI應用落地。