紐約消防隊如何用數據挖掘來打火

對於紐約消防隊員來說,除了救火外,日前他們多了一項新任務:檢驗全紐約各棟建築物的安全性。
評論
評論

之前我們曾報導過紐約市長手下有一支極客(Geek)團隊,他們通過蒐集城市大數據作趨勢分析預測,解決各種疑難雜症。要準確掌握這顆大蘋果的脈絡,當中數據挖掘(data mining)是重要一環。

對於紐約消防隊員來說,除了救火外,日前他們多了一項新任務:檢驗全紐約各棟建築物的安全性。

目前紐約約有 100 萬棟建築物,平均每年當中約有 3000 棟會發生嚴重級別的大火。那是否有方法能夠預防悲劇發生呢?據 華盛頓郵報 報導,紐約消防局的數據分析師認為,每棟建築物擁有獨特的屬性,通過分析就能得知一些建築物其實本身就屬「火」。

能判斷一棟建築物是否屬「火」主要遵循不同的因素:例如貧窮,低收入家庭的房子往往更容易發生火災,而且低收入人群居住密度較高,火災的危害性更大。另外,建築物的年齡也需要關注。老房子問題更多,因為它們很容易有各種由電線線路引起火警的潛在問題,而且老房子消防設施落後,發生火災後才發現附近根本沒有足夠的水龍頭,危險指數是普通建築物的兩倍。

諸如此類,紐約消防員將影響房屋起火的因素分為 60 個。除去危害性較小的小型獨立屋,相關人員通過特定算法,為城市中 33 萬棟需要檢驗的建築物單獨進行打分,得出危險指數高低。而整個紐約城的消防數據,也因系統的檢測和防範得到更新。

這樣當消防員每週出勤檢驗時,系統都會列出建築物的詳細資料和危險指數,決定哪些是優先「照顧」的對象。這個龐大的數據挖掘計劃從去年七月開始實施,預計會將全紐約建築為歸類成 2400 種,例如學校、圖書館這種比較重要的設施就會列入超常規檢驗對象。

在前市長 Michael Bloomberg 驅動下,紐約已逐漸成為數據城市。過去幾年不同職能部門通過數據解決瞭如垃圾、火災、治安問題。

預計紐約會繼續在大數據分析系統加大投入。不過目前有個問題就是,如何找出證據顯示因為有了這些數據分析和防範,從而避免火災發生?消防局發言人表示:「最好的答案還是數據本身,因為最後我們能看到火災數量的下降。」


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。