iKala AI 實戰案例:怎讓 KOL Radar 網紅雷達工作效率快上 4 倍?

隨著微網紅、奈米網紅崛起,網紅們的公開社群資料也越來越多元、複雜,這也讓 iKala 的 KOL Radar 收集、整理資料的速度必須更快、更精準,那該怎麼做?AI 能幫上忙嗎?可以!
評論
評論

本文為 iKala 投稿,經 INSIDE 編審後刊載。

iKala 目前從原本的雲代理商正積極轉型成一間跨國的 AI 公司,提供以 AI 驅動的數位轉型及數據行銷整體解決方案。其中旗下產品「KOL Radar」網紅雷達則透過大數據技術,即時收集網路上龐大的公開社群資料,並結合 AI 技術為品牌與企業客戶做到最精準的網紅推薦,目前已累積超過  50,000 筆跨國網紅資料 。  

但隨著微網紅、奈米網紅崛起,網紅們的公開社群資料也越來越多元、複雜,這也讓 KOL Radar 收集、整理資料的速度必須更快、更精準,那該怎麼做呢?AI 能幫上忙嗎?

因此 KOL Radar 找上 iKala 內部 AI 團隊進行跨部門合作,來解決在篩選公開資料流程中所遇到的「精準度維持」、「審核速度需求」等挑戰,整個專案從雙方開始討論需求到 AI 順利導入,總共花了不到一個月的時間。最終 AI 成功幫助 KOL Radar 在維持資料精準度相同水準之下,讓工作效率提升了 4 倍左右。

這段專案導入過程我們覺得很值得分享,以下主要由 iKala AI Team Lead 黃宣龍 (Neil Huang) 口述,並經整理呈現。

萬地高樓平地起:把問題問對就是第一步 

在我們合作執案的開始,KOL  Radar 團隊提出的需求為「希望 AI 幫忙篩選出網紅」,但這個問題的範圍太大、指令太模糊,必須被重新定義。因此,我們首先向 KOL Radar 釐清了網紅的定義為「Facebook、Instagram、YouTube  任一平台粉絲人數達 1,000 人以上,並排除政治、宗教領域人物、企業及媒體。」再來,我們開始思考如何從公開資料中,快速篩選出符合上述條件的名單,而最快速有效的方法就是定義出他們的共同特徵或具體樣貌。  

KOL  Radar 團隊則依據過去收錄 5 萬筆網紅公開資料,發現頭圖是人/狗/貓的社群粉專,有 8 成機率是網紅!因此,我們下一步就是用 AI 從上萬筆公開社群資料中快速找出頭圖為人/狗/貓的名單。

選擇符合任務目標的 AI 工具

一旦把問題問明確,目標清楚了,AI 團隊就能快速決策打造 AI 圖像偵測模組。而這領域的 AI 現有資源相當成熟、好用。本次我們採用了雲端 AI 工具來自動偵測公開社群資料中屬於狗、貓的頭圖;並另外使用  Progressive Calibration Networks (PCN) 偵測人臉的頭圖。 

用兩種不同的 AI 工具能讓團隊以最快的效率,從 AI 偵測、貼標後的資料中取得頭圖屬於人、狗、貓類別的名單。

詳細來說,該雲端 AI 工具對於狗和貓等圖像所貼的標籤就是狗、貓等明確的類別,但有時則會同時出現「柯基」這種標籤(不過還是很好判斷與統整)。但其對人臉圖像,出現的標籤就較為多元,時常會同時出現例如手、脖子、服裝造型,甚至是工作性質等太細節的標籤。這讓我們整理出頭圖為人臉的名單時不太順利,而且這種標籤邏輯也不符合我們的需求。因此決定改用 PCN ,明確地將人臉圖像統一標籤分類為「人」。 

整個頭圖貼標工作的完整流程(如圖片一)包含了幾個步驟,我們批次依序處理數萬筆公開頭圖圖片,使用主程式把圖片抓進預測模組(Predict  Image Label),並由 PCN 模組先負責辨識圖片中有無出現人臉,將含人臉的圖片直接貼標為  Human Face,而其餘的圖片則另外呼叫雲端 AI 工具的 API,來偵測與判斷是否包含貓(Cat)、狗(Dog)相關的標籤。

整套雲端 AI 工具是建置於 Cloud 平台上並且支援 Prediction API,而 PCN 則是第三方提供的程式,其  Prediction API 功能就須由開發者自行整合與部署(如圖片二)。不過這些現有 AI 工具資源都能大幅加快整個專案流程的進行。

【圖說一】iKala 的 AI 團隊繪製的頭圖標籤偵測流程圖。
【圖說二】現有 AI 工具資源可大幅加快開發流程

最終,我們在 KOL Radar 團隊提供的 7.6 萬筆公開社群資料中,導入上述兩個 AI 模組進行偵測與標籤,並快速篩選出 1.5 萬筆頭圖為人、狗、貓的名單資料,將其做為高優先名單提供給 KOL Radar 團隊。而經過人工確認,在這 1.5 萬筆資料中有 80% 的資料符合 KOL Radar 收錄網紅的標準,使工作效率加速了 4 倍。 

【圖說三】iKala 共同創辦人暨執行長程世嘉(左後三)、iKala 資料長暨 AI 團隊負責人黃宣龍(右後一灰色外套)與去年摘下 DSA 數位奇點獎銅獎作品的 AI 自動修圖服務 Picaas 團隊合照。

關鍵思維:「人的智慧」讓 AI 成最給力的助手 

在這次  iKala 的內部案例中,我們在想一件事:「企業導入 AI 時的關鍵思維」到底是什麼?從過去經驗李看,我們發現企業最常在一開始提出需求都問:「我想要 AI 幫我增加營收、AI 能幫我做到哪些事?」

但我們認為問題應該精簡成這樣:「公司現有及未來的工作流程或產品佈局有哪些痛點需要被解決、被優化」,並加入經驗法則,將導入 AI 的目標更加具體化。在這樣思考的過程中,人的經驗法則與產業  know-how 顯得至關重要。 

總體來說,AI 不是取代人,而是輔助人解決問題,唯有在我們問對問題的時候,AI 才能更精準地發揮最佳效益。iKala  整合顧問、服務超過 400 家企業的經驗,提出 DAA 飛輪(Digitalization,  Analytics, Application)的框架,不僅以 AI 賦能內部工作流程、實踐「自己的問題自己解決」,也持續以客戶為中心,協助客戶釐清其真正的關鍵需求。

至今,我們所有對外產品皆以 AI 為核心,包含雲端資料池與 AI/  ML 數據分析服務 iKala Cloud、AI 網紅雷達 KOL  Radar、AI 社群商務銷售工具  Shoplus,讓客戶導入 AI 時能有明確的策略藍圖。

【圖說四】iKala 提出 DAA 飛輪架構,透過數位化、分析能力、以及行銷應用組成的框架,讓企業在導入 AI 應用時,有明確的策略、規劃、及發展藍圖。

【圖說四】iKala 提出 DAA 飛輪架構,透過數位化、分析能力、以及行銷應用組成的框架,讓企業在導入 AI 應用時,有明確的策略、規劃、及發展藍圖。

責任編輯:Chris
核稿編輯:Anny


Google 開創雲端運算新時代,Industry Summit Recap 線上研討會聚焦製造、零售業加速轉型

一場疫情,讓許多行業意識到「數位轉型,不轉不行」的危機,尤其是轉型腳步相對緩慢的製造業、零售流通業,在疫情當下更是受創嚴重的兩大業態。Google Cloud將在 9 月 29 日、9 月 30 日舉辦 Industry Summit Recap 線上研討會,主題多元豐富而且不用出門、不必花錢,究竟議程有多吸引人?
評論
評論

數位轉型成為近年各產業最夯的關鍵詞,尤其 COVID-19 疫情爆發後,工廠缺工、缺料造成產線大亂,無法掌握上下游供應鏈的數據,對生產排程更是致命一擊。另一現象則是消費力從實體門市往電商跑,網路買了東西卻遲遲收不到貨,零售商能否即時掌握商品流、物流、金流的資訊,也是零售業受疫情衝擊之下,順利存活下去的關鍵。

一場疫情,讓許多行業意識到「數位轉型,不轉不行」的危機。不過數位轉型的命題如此大,加上不同產業的運作模式各有特色,因此在轉型方案的選擇、轉型方向的調度,也將呈現差異化策略。

例如,根據勤業眾信Deloitte於2020年底發布的《台灣智慧製造關鍵能力調查》,發現光是在製造業本身,轉型的腳步就有落差,半導體與電腦電子屬於轉型領先者,化學製品製造業的數位化投資相對落後。

為了加速產業邁向雲端轉型,善用數位科技的力量幫助自身企業不斷創新,Google Cloud 特別舉辦為期兩天的Industry Summit Recap 線上研討會。精選製造業、零售流通業當中最熱門的轉型主題,協助企業找到雲端轉型的密鑰,在後疫情時代享受最新的雲端解決方案。

Google Cloud Industry Summit Recap 線上研討會報名連結

製造業鎖定 9月 29 日,邁向工業 4.0 就該把生產數據全都拋上雲

工業 4.0 概念提出好多年,但你的企業是否還停留在 3.0 甚至 2.0 的階段?行業內的專家一定都知道,在工廠內安裝感測設備,透過即時掌握生產數據,進而彈性調整產線、優化製造流程、提高設備稼動率、降低人力成本,是邁向智慧製造的第一步。

導入自動化設備、架設全廠 IoT 環境、落實遠端監控之後的下一步呢?把生產資訊拋上雲端,甚至進一步運用 AI 技術,回過頭來調整生產流程,這部分將是許多製造業者亟需關注的轉型環節。

Google Cloud Industry Summit Recap 在 9 月 29 日,專注探討製造業該如何透過雲端解決方案,協助工廠設備運作更有效率、更為流暢。相關議題包含如下:

● 解密製造業上雲

● 雲端技術打造未來製造業

● 利用分析和人工智能實現製造業數位轉型

● 在 Google Cloud 上運行 SAP

● 借助 Anthos 實現工業 4.0 轉型

● Google 如何賦能智能製造

上述議題除了有華麗的 Google Cloud 講師陣容之外,更重要的是,本次線上研討會邀請製造行業的代表企業,藉由他們的最佳實踐經驗,分享親自走過的雲端轉型心路歷程,包含Askey亞旭電腦、Ennoconn樺漢科技、Footprintku富比庫 、HTC宏達電、ITTS東捷資訊,多元涵蓋製造產業不同領域的轉型模式與方法。

有些業者想了解究竟生產資料這麼多,該如何把 IT 基礎設備做現代化翻新,如有這方面的煩惱可以從「解密製造業上雲」主題獲得解答;又或者有些工廠已經部署各式各樣的 IoT 設備,但不知如何把不同設備及人員網絡串聯起來,洞察數據並發揮數據的價值,那就千萬不可錯過「利用分析和人工智能實現製造業數位轉型」。

當然有些企業已經導入 SAP 的 ERP 系統,希望把營運資料、生產數據一起整合到雲端,可以從「在 Google Cloud 上運行 SAP」專題了解實際的操作方式。在「賦能智能製造」議程,Google Cloud將攜手產業電腦整合方案領導業者Ennoconn樺漢科技,共同展示Google Meet + Google Glass的應用,透過人機協作有效釋放員工雙手,進而提升工作效率展現創新。

零售流通業鎖定 9 月 30 日,運用雲端方案為供應鏈業務做好準備

講到數位轉型風潮,絕對不能不提到全球的零售行業也受到大數據、AI 影響,展開智慧零售的佈局,藉此串聯全通路的數據,以提升顧客終身價值,讓獲利模式更加多元。從疫情可以發現,零售業是高度承受市場變動的產業,而且除了銷售端,把商品送到消費者手上的最後一厘路,更需要流通業者的協助。

看準零售流通行業長期遭遇的痛點,Google Cloud Industry Summit Recap 將在 9 月30 日,分享雲端解決方案可以從哪些角度切入,協助零售流通業者培養敏捷的營運體質,快速回應是廠及顧客的需求。相關議題包含如下:

● Google Cloud 打造由資料驅動的消費者體驗與創新

● 串聯線上線下零售商機並提升客戶體驗

● 企業數據決勝零售轉型

● 雲端科技加速市場回應與服務變現

● 如何透過 API 技術連結消費者需求並改善企業運營

● 描繪您對於未來零售的想像

● 建立數位供應鏈平台

● 物流運輸效能再升級:Google Map 應用

想要打造客製化的購物體驗嗎? API(Application Programming Interface)是近年的新顯學,從「透過 API 技術連結消費者需求並改善企業運營」學習如何從系統串接API,拓展更多服務功能。優化銷售、物流效率的關鍵就在於數據的洞察,進而調整適合的商業模式,從「Google Cloud 打造由資料驅動的消費者體驗與創新」及「企業數據決勝零售轉型」將是不可錯過的主題。

因應疫情避免過多人潮群聚,Google Cloud 提供兩天豐富的知識饗宴,不用出門、不必花錢,就能學習與自己產業有關的轉型新知。現在就報名 Google Cloud Industry Summit Recap 線上研討會