Happy Go將生成式AI用於商品情資蒐集，強化商品分類並豐富上億商品數據

擁有超過80萬個合作通路的聯合集點卡Happy Go（鼎鼎聯合行銷），近日揭露自家如何利用生成式AI，來強化4,000多個品牌、上億件商品數據的分類，進而支援業務部門更好的用數據來制定行銷策略。

擁抱AI和生成式AI來強化商品數據處理及分析能力

Happy Go數據管理部協理黃士峰表示，作為一個行銷服務廠商，如何用數據來支援行銷決策，是他們成立20年來不斷尋找新解方的課題。隨著Happy Go發展更多品牌，開始蒐集數位廣告、市場調查等數據，他們掌握了更多、更複雜的數據，既有技術也逐漸難以支援這些數據的處理需求。「只用關鍵字來查找資料的話，檢索『書套』的時候會出現『女秘書套裝』。」黃士峰笑道。

隨著數據基礎建設到位，他們開始利用AI來支援數據梳理與分析。2022年，他們開始利用NLP技術來解析不同格式數據，再用分類型AI技術，每天把上億筆數據分為大中小三層，共1,200多種預先定義好的分類。他們還打造MLOps平臺，標準化模型開發周期各環節，將原本以季為單位的再訓練時程縮短到可以每個月一次，讓業務部門可以用更具時效性、更精準的數據來行銷。

2023年生成式AI大爆紅後，Happy Go更發現，生成式AI可以進一步強化業務部門的數據應用能力。

「除了產品分類，業務團隊還希望知道這個商品的品牌是什麼，它有什麼風格、特色，客群是誰，大眾形象為何？」黃士峰解釋。以往，遑論上億件商品，連幾千個合作品牌，要人工蒐集、彙整相關資訊，都是艱鉅挑戰。不過，使用生成式AI，就可以做到。

他們採用公有雲上的生成式AI解決方案，將Claude、Stable Diffusion等不同模態的模型用於商品辨識和資訊蒐集，並串接到自家MLOps平臺，作為既有AI商品分類模型再訓練的數據。

黃士峰坦言，生成式AI蒐集並輸出的商品資訊並非100%精準，甚至有可能包含幻覺。「不過，我們原本是完全無法蒐集這些資料，所以能開始蒐集已經是質變。」目前，整體商品分類機制的準確率約為90%。

利用生成式AI來蒐集商品和品牌的額外資料，不僅大幅降低業務自行研究品牌資訊需求，甚至，可以超越Happy Go原本的商品分類框架，產生新分類。業務部門檢索商品分類或構思行銷角度時，便能有更多選項。

下一步是打造自助式生成式AI工具平臺

Happy Go還有意將生成式AI應用到更多業務環節中。未來，他們計畫打造自助式生成式AI平臺，來輔助日常業務。

黃士峰觀察，已有部分員工用雲端生成式AI工具，蒐集網路資訊、整理顧客數據或是生成簡報提案素材等業務。不過，內部數據需經過審查機制，或請數據團隊處理才能上雲。由員工各自報銷訂閱費用，也造成行政資源消耗。

目前，數據部門打算繼續在各部門推廣ChatGPT等工具。過一段時日，蒐集了真正有價值、切合痛點的使用情境後，再針對這些關鍵情境打造生成式AI平臺，整合所需工具，以及使用這些工具所需的數據處理、帳號權限管理、訂閱費用付款等機制。

黃士峰表示，去年3月，Happy Go數據團隊就已經串接了雲端生成式AI工具的API。之所以不急著做出這個平臺，是因為Happy Go發展新數據應用及AI專案時，只聚焦於能帶來確實、重大影響的使用情境，避免開發量能浪費。