本文作者為林弘全，無名小站共同創辦人、國內群眾募資平台 FlyingV 共同創辦人。
關於臺灣創業環境的不完備，我想也不需要再多說，尚幸有許多先進一直努力的在爭取、試著去改善，這幾年也有不少突破。本文的方向，我想試著從市場募集資金的面向來談談。
背景
很多人會說，在台灣募資很難，但究竟有多難，也說不太上來。
先從實際的數據來看，下表顯示創投投資的數據，從 2000~2011 這十年中，台灣在早期投資 (包含種子期及創建期) 的創投投資比重逐年下降，並且投資總案件數也是逐年下降。
請接續閱讀：
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。
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。
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。
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。