「最靠近NBA的台灣新創」台灣人創辦、AI數據公司Preciser強項是什麼？|數位時代 BusinessNext

這也許是台灣新創距離NBA最近的一次。

Portsmouth Invitational Tournament（以下簡稱PIT）是全美最頂先的大學籃球應屆畢業生邀請賽，NBA球探與總經理會到場，觀察場上球員的表現，找尋是否有漏掉的明日之星。知名的籃球員林書豪，也曾在PIT出賽。

PIT於3月12日宣布，和新創Preciser達成合作，將使用Preciser的「數據管理平台」和「分析功能」為賽事帶來即時的數據資料，並提升球探評估、球員分析與賽事運營的精準度。

「PIT一直致力於展示籃球員的才華，並為球員提供進入職業賽場的機會，」 PIT主席麥克．莫里斯（Mike Morris）表示，「與Preciser的合作，將為我們的賽事帶來全新的創新層面，讓我們能夠利用AI驅動的數據，來提升球員評估與球探分析的精準度。」

Preciser到底在做什麼、強項又是什麼，為什麼由2位不到30歲的台灣人所創辦，卻已經是一次「浴火重生」的故事？

第一次創業夢碎，經歷團隊分裂、FBI上門

Preciser的起點，是共同創辦人暨產品長鍾佑偉（首圖左）的一個Side Project。當時還在美國就讀商業分析碩士的他，興趣是看球賽，並運用所學撈取NBA開源的球員個資、球賽分析等資料，建立模型來預測球員的表現。

這項Side Project很快被鍾佑偉的同學們發現了，包含Preciser另一位共同創辦人陳冠吟（首圖右）。對學生來說，最直接的應用就是運動彩券，2人也發現確實是個商機，2022年4月Preciser的服務正式上路，以每月10美元的訂閱制模式迅速吸引了2萬名使用者。

延伸閱讀：從球賽觀眾變成聯盟數據軍火商，新創Preciser要讓台灣運彩、比賽都「有跡可循」

然而不到1年的時間，Preciser很快就碰了壁。

「我們其實沒有找到真正的Product-Market Fit（產品市場契合度）。」鍾佑偉說，起初產品的用意，是希望更多人能用數據的方式享受球賽，然而團隊發現使用者在意的，是有沒有賭對、贏錢，「只要我們的數據預測失準，或到休賽季期間，就會出現一大批退訂潮。」每次的退訂潮都是30～40%的用戶數，讓Preciser的留存率一直處於雲霄飛車的狀態，營收和市場表現都無法成長。

市場的不穩定，則造成團隊內部運作出現裂痕。Preciser執行長陳冠吟表示，當初為了成長很快地擴充到8人團隊的編制，但是分工與架構的不明確，讓溝通越來越容易起摩擦，隨著業績波動、團隊的薪水也沒有起色，甚至一度與技術長鬧翻。

「那是我人生最黑暗的一個月。」如今回想起來，陳冠吟仍心有餘悸，「當時公司地址就是註冊在我家，所以所有員工都知道我住哪，當時真的很害怕一些瘋狂的事情發生。」最後，竟然是以警察和FBI出面並資遣員工收場。

這些挫折卻沒有擊倒他們。陳冠吟和鍾佑偉經歷過風風雨雨後的體悟是：身為創辦人，應該要聆聽市場；身為創辦人，應該要100%清楚整個公司的大小事；身為創辦人，應該設定明確的短中長期目標。

「我覺得很不甘心，而且我們都還是有『想讓大家享受運動比賽』的熱忱。」陳冠吟說，接下來2人花了一個多月的時間整頓與進修。

考量到企業客戶更能帶來穩定營收，2人轉向尋找B2B市場的痛點與潛在客戶——這正是他們遇上PIT的契機。

延伸閱讀：用AI寫程式很多，但還差關鍵一步！他們開發AI助理，最初是想解決「每年寫績效考核」的痛苦

就算有AI，數據洞察仍是一件很「人」的事情

陳冠吟提到，因為2人都不是美國運動界出身，相關領域的人脈並不強，因此市場開發的方式就是運用LinkedIn陌生開發。

他們知道，直接找尋「客戶」，被置之不理的機率很大，所以他們轉向找尋「顧問」。「找顧問比較有會議聊聊的機會，所以我們一直在LinkedIn上寫信給他們，大概送了500個人吧，只有2個回覆，其中一位就是PIT的顧問。」

Preciser並沒有浪費這次機會，僅僅一次會面就吸引了PIT的注意，「我還記得我們demo完之後，對方馬上站起來說，『Can I write you a contract right now?（現在可以直接簽約嗎？）』」陳冠吟笑著說。

那具體來說，籃球聯盟需要Preciser解決哪些問題？

鍾佑偉表示，其實最大的問題是「資料整合」。無論是球隊、球員、裁判、傷病名單還是賽程，都是資料的一環，然而這些資料卻散落在各個不同的數據系統當中，因此球隊想要得知對手比賽資料以設定戰術、聯盟要確認裁判的安排是否合理、準備要確認球隊傷病名單時，就需要從各種不同的資料庫調資料。

Preciser的產品將所有數據整合在一個平台上，因此無論是球員更新傷兵名單、聯盟安排賽程與裁判、歷史比賽數據等等，都可以直接在Preciser上看到。

不過Preciser的價值並不在於單純的數據整合，還有數據分析以及洞察。

球賽數據可以分為原始數據、進階數據和分析洞察三個層次，原始數據包含上場時間、出手數、得分、籃板、助攻、抄截、阻攻、命中率等等；而進階數據的概念則是將多個原始數據進行疊加來得出球員「實際表現與優缺點」，例如得分分佈（罰球、兩分球或是三分球的進球數）、出手的場上位置、最有效率的得分方式等；至於分析洞察的核心則是「藉由比較來驗證想法與猜測」，例如從歷史數據來看球員打法是否改變、兩隊之間的打法差異等等。

目前各大籃球聯盟都已經有配合的原始數據收集廠商，進階數據和分析洞察就是屬於Preciser接手的範疇，其中分析洞察是Preciser的一大護城河。

由於一直以來團隊都在AI數據分析的領域，因此開發相關的技術並不困難，真正的核心是：到底球隊、聯盟、主播需要什麼不同的資料？

「其實這是很『人』的一件事，所以要先知道大家想看什麼資料，有了這個目標再訓練AI就不難。」鍾佑偉指出，Preciser前一個運彩的產品之所以失敗，就是因為沒有釐清使用者需求，所以這一次團隊不斷與聯盟的各個角色溝通確認，「如果客戶有新需求，我們才會再去訓練AI，這可以大大減少球隊或主播手動研究的時間。」

陳冠吟也補充，Preciser也不會因為客戶提出需求就馬上開發，而是多方確認是個共通的需求才會開發，避免分散團隊的開發能量與前進目標。

客戶從一般消費者轉為聯盟後，Preciser仍維持訂閱制的商業模式。具體來說，Preciser以人為單位計年費，聯盟會為裁判、工作人員的帳戶付費，聯盟中的球隊則負責對內工作人員的帳戶費用。目前Preciser累積了35個聯盟客戶，其中33個就坐落在美國，包含這次新簽約的PIT。

陳冠吟也透露，和PIT的合作，也象徵著Preciser有機會往籃球的指標性聯盟NBA發起衝擊，希望有朝一日能將產品運用在所有NBA的相關聯盟中。

本文授權轉載自創業小聚

在 AI 快速進入企業營運核心的時代，數據不再只是被動的分析素材，而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據，例如會員資料、交易紀錄以及線上與線下行為數據，但因這些數據分散於不同系統，缺乏統一的身分識別機制以及明確的元數據（Metadata）定義，導致難以整合與分析，同時，也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰，Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務，如 Audience Center 與 AI Agent 等解決方案，並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程，從資料清理到 AI-Ready 再到落地應用，讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化，大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。

展望未來，Vpon 將持續擴展數據生態圈並優化產品服務，幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環，希望以數據夥伴的角色與品牌共同成長，打造互利共贏的數據生態。

「最靠近NBA的台灣新創！」2個不到30歲的台灣人創辦，AI數據公司Preciser強項是什麼？