臉書廣告是不是沒效繼續燒錢？新AI工具能通知你

現在又有一款新廣告評估工具，可用來了解數位廣告投放成效。以開發AutoML平臺服務起家的行動貝果最近推出產業型AI平臺8ndpoint，先推出可通吃臉書、Google廣告的績效預警功能，企業匯入自家廣告資料後可自動建模、分析廣告成效，也能自動預警無效廣告。行動貝果過去以純AI平臺產品為主，現在也開始推出產業型AI產品。

要整合碎片化AI應用場景，先從數位廣告自動化下手

行動貝果創辦人暨執行長鍾哲民表示，這是在原有的企業產品DecanterAI平臺上，進一步打造的8ndpoint平臺。「目標是要整合企業在不同平臺的資料，」比如臉書、Google、Line、POS等資料，「來進行不同領域的預測，」將AI預測拆分成不同的微服務模板產品。

而8ndpoint的第一個服務，就是數位廣告績效評估自動化，透過內建的AI模型來找出無效廣告，同時給出影響廣告成效的變數報告。鍾哲民說明，企業完成設定後，系統會透過API爬梳企業品牌的臉書、Google廣告後臺資料，包括受眾、觸及率等上百項參數；企業也可手動匯入自家資料，一起用來建模。

接著，內建模型會透過這些資料，來預測分析，產出模型解釋性圖表，提供廣告成效建議，比如哪些廣告是無效、該停損的，此外也會列出影響成效的變數，讓用戶用來優化廣告。

鍾哲民表示，這個功能背後的AI模型，是用了1,000多個Google廣告訓練而成，累積了相當於100萬天的廣告分析經驗，因此系統以這個經驗為基準，來提供廣告建議。

目前，行動貝果也在開發2個新服務，包括客戶輪廓自動化、行銷標籤自動化。

自建時序性演算法準確率高於臉書，企業就算沒有資料科學團隊也能無痛使用

同時，行動貝果還推出另一款AI技術產品AutoTSF，可自動建立時序性資料模型來提供預測。鍾民哲指出，對企業來說，舉凡商品銷售預測、廣告轉換率預測、供應鏈原物料價格預測、能源用量預測等，都需要建立時序性模型來分析。

但建模不只需要專業資料科學團隊，還需花費大量時間來試錯、優化模型，成效也難保理想。雖然現有開源時序性模型可用，比如臉書的Prophet，但還是須要專業人力來調參。而AutoTSF試圖解決這個問題。

3年前，行動貝果就開始開發這個產品。只不過，當時是以專案形式來提供AutoTSF功能。後來，8成企業客戶告訴他們「這個功能很重要，」於是今年，行動貝果將該功能標準化，打包成一套獨立的AutoML子產品來銷售。

在使用上，AutoTSF有三步驟，包括資料前處理、自動建模、自動時序驗證。使用者手動匯入歷史資料，這些資料可以是配貨資料、原料供需資料、設備耗材資料等，AutoTSF會根據這些資料，來處理欄位缺失值、轉換類型目標等，接著自動建模預測、透過深度學習來優化超參數，最後則進行交叉驗證、呈現視覺化結果圖表。

行動貝果宣稱，以自家客戶資料和公開資料集來驗證，AutoTSF準確率常見時序分析做法，如臉書的Prophet，也高於傳統統計方法ARIM和回歸類神經網路的LSTM。但截稿前沒有回覆準確率高的原因。文◎王若樸

行動貝果3月12日來信補充：AutoTSF準確率高於其他代表性演算法原因有2個，首先是採用多變數的機器學習時序性預測模型，可同時考慮多個變因來預測，而傳統統計方法如ARIMA只能就單一變數來預測。以股價預測為例，ARIMA只能以股價來預測，而AutoTSF可以其他類股股價、經濟指數、每日進出口貿易量等多變數來輔助預測，考慮變因較完整。

AutoTSF的另一個特點是，它是融合多種統計方法和機器學習演算法的混合型預測模型。鍾哲民解釋，因為時間預測的問題有很多種，像是短時間高頻變化、長時間趨勢變化、單/多變數變因互相影響的變化，或是滑動視窗（Sliding window）的延遲影響，而這些問題，都有不同的演算法能應對。為結合這些演算法優勢，來解決複雜的時序問題，AutoTSF採用基因演算法，來遺傳交配出合適的混合預測模型，作為超參數搜尋的核心技術。透過這個方法產出的模型，會隨著資料和運算時間越來越準確。