央行:數位新台幣進入第二階試驗

不知道要真要把數位新台幣握在自己的手機錢包裡,還要多久?
評論
Photo Credit: Shutterstock / 達志影像
評論

本文來自合作媒體聯合新聞網,經濟日報陳美君報導,INSIDE 授權轉載

2020 年被視為是央行數位貨幣(CBDC)的元年,台灣也跟上了這波國際潮流。從「批發」邁向「通用」,數位新台幣的誕生,絕非遙不可及。

央行總裁楊金龍表示,央行將以開放的態度接納新創意和新需求,也會嘗試以分散式帳本技術,尋求提升支付系統的安全與效率的可行性。

為推動 CBDC 研究計畫,中央銀行 2019 年 6 月成立「CBDC 研究計畫專案小組」,下設「CBDC 工作小組」負責規劃與執行,並已於 2020 年 6 月完成「批發型 CBDC 可行性技術研究」,透過與學術單位協作的方式,瞭解 DLT(分散式帳本技術)應用在批發型 CBDC 的潛力與侷限,並作為下階段通用型 CBDC 技術研究的參考,相關研究進度與國際腳步一致。

央行目前正進行第二階段通用型 CBDC 的試驗,探討現金數位化的可能性,預先為未來數位支付的發展做好準備。為推動試驗計畫,央行 CBDC 工作小組已於 2020 年 8 月舉辦 CBDC 研究計畫線上說明會,向主要銀行、非銀行支付機構及相關業者,說明試驗計畫的規畫,同時交流意見與看法。

調查顯示,國內業者對 CBDC 的未來發展抱有期望,像是能改善目前國內電子支付的缺點,例如,國內支付市場碎片化,互通性不佳,影響支付效率;使用上有門檻,例如開戶有年齡限制、須綁定銀行帳戶、金融卡或信用卡,以及商家對於手續費與其他成本的考量,商家可能因手續費或課稅問題、考量收單設備整合與成本而不願採用,影響電子支付的推廣;此外也不能如同現金般離線使用。

業者期待 CBDC 能作為數位現金,具備良好互通性,促進市場自由競爭,提升支付效率;開立 CBDC 錢包若無需綁定銀行帳戶、金融卡或信用卡,則可望能降低使用門檻;另一方面,CBDC 也要注重商家系統整合與成本考量的需求,以利於推廣使用。

央行指出,公私合作提供 CBDC,作為共用支付工具,以符合數位經濟未來需求。與會機構多認為 CBDC 應由「央行與民間合作」共同提供,維持貨幣由公私合作共同提供的方式。

責任編輯:Chris


Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。