【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