【GRi草根影響力新視野/記者梁瓈月】

網購時,是不是覺得電腦深得我心,了解我喜歡什麼,推薦的剛好是我需要的?工研院最新解密技術,開發出逾十種多重分析演算法組合及導入線上、離線的分析模式,可以在數十萬商品與數百萬使用者之營運規模下,快速於2秒內即時運算、分析使用者行為。

(影像來源:工研院)

工研院巨資中心主任余孝先表示,根據工研院IEK資料,全球巨量資訊分析需求呈現快速成長,預測2020年將達到151億美元,未來運用巨量資料將逐步成為發展產業與掌握客戶需求的重要工具,其中「零售業」為全球巨量資訊第四大應用市場,發展潛力無限。有鑑於此,在經濟部技術處指導下,工研院積極發展國產自主的電子商城「融合多元方法之混合式推薦技術」,與Amazon、Netflix等國際大廠同步,可達到精準的推薦結果,並與富邦媒體科技(momo)進行為期三年的合作。

富邦媒體科技(momo)總經理林啟峰表示,工研院的技術融合了多元演算方法與線上、線下兩階段之使用情境偵測,這項混合式推薦技術能分析使用者的瀏覽習慣、購物行為、消費需求與偏好,精確演算出適合推薦之商品。在短短2秒內,從百萬商品中預判出使用者最需要的商品,優先列入推薦,打造快速便利的多種個人化推薦應用,包括首頁主題購物樓層及商品頁、分類頁的推薦應用等,大幅提升momo消費者點擊率達1倍,藉由個人化推薦帶動的營收占比亦達10%。

工研院還於會中發表「混合式個人音樂歌曲推薦」,透過多元混合式演算法,分析使用者個人資訊與聽歌偏好,再比對歌曲資料及曲風相似度之分析結果,向使用者提供最精準的個人化音樂歌曲推薦,這項技術更可依照使用者當下的位置、時間、活動,作出適時適地的判斷,讓音樂歌曲推薦更貼近使用者的生活需求。而「結合外部因子之動態價格預測分析」則可分析外部事件帶來的供需影響與目標物歷史價格趨勢,計算出目標物未來1個月的價格波動,協助企業充分掌握市場的未來價格變化,以石化原料價格為例,工研院運用2012-2015年間外部事件與價格資料建立預測模型,預測精準度達93%以上。余孝先特別強調,台灣製造業正嚴重面臨國際競爭,如能在原物料價格方面精確預測,將能大大提升企業的競爭力。

此外,社群網路文章的按讚數,現在也可以預測了!工研院研發出「粉絲頁按讚預測」,能分析粉絲個人資料、喜好與關注話題;並與粉絲曾瀏覽或搜尋文章的歷史資料進行交叉演算,進而準確預測出新文章推出後的粉絲頁按讚數量。這項新技術還能事先針對特定族群作出文字偏好分析,確保企業或部落客撰寫用字時,能準確吸引到特定族群,大幅提高新文章分享與點擊按讚的機率。

更多評論:草根影響力新視野