林之晨眼裡的 AI 與 Blockchain 創業機會

當面對這兩波大浪,有哪些契機,是創業者應該把握並乘浪而行?
評論
Photo Credit: AppWorks
評論

本文為 AppWorks 投稿,經 INSIDE 編審後刊出。

作者為 AppWorks 投資經理陳敬旻負責 AppWorks Accelerator,樂於陪伴創業者打造出屬於自己的火箭。大學時期曾於 AppWorks 實習一年,碩士畢業後加入華山文創園區,負責新銳文創品牌的招商與媒體合作。2016 回到 AppWorks 擔任分析師,一直負責加速器相關計畫,2019 升任經理。平時除關注設計藝文,也喜愛與創業者走心。畢業於政大德文系、政大國際傳播所。

成功的創業者,必須善於掌握趨勢與機會,才能顛覆現況、創造改變。AI 與 Blockchain 是正在進行中的巨型典範轉移,現在,就是 AI / IoT 與 Blockchain / Crypto 創業最好的時機。

問題是,當面對這兩波大浪,有哪些契機,是創業者應該把握並乘浪而行?為了回答這個問題,繼今年初探討「AI / Blockchain 新創如何有效提高成功機率?」之後,我再度安排 AppWorks 董事長暨合夥人 Jamie 林之晨坐下來,好好為我們分享他的觀察。

多年來,Jamie 與 AppWorks 始終站在第一線,協助創業者,也因此對創業,有更全面的觀察。AppWorks Accelerator 從 2010 年成立至今,校友已累積共 328 支活躍新創團隊、925 位創辦人,是大東南亞 (東協 + 台灣) 規模最大的創業者社群。去年八月的 AW#17 開始,AppWorks Accelerator 限定招募 AI / IoT 與 Blockchain / Crypto 團隊。

今年三月進駐的 AW#18,共有 31 組新創團隊,其中 17 組以 AI / IoT 為主、16 組以 Blockchain / Crypto 為主 (有 2 組團隊同時涵蓋)。這群優秀的創業團隊中,有 21 組國際團隊,分別來自香港、馬來西亞、印度、越南、澳洲、新加坡、美國等地。

有前 Google、Microsoft、Ripple、Uber、Amazon 高管所創辦的公司,也有來自 Y-Combinator 的校友,顯示 AI 與 Blockchain 所帶來的典範轉移,正在全球各地上演,吸引更多優秀創業者投入。AppWorks Accelerator 也將持續限定招募這兩個領域的新創團隊,直到下一個更巨大的典範轉移出現為止。

在這一年加速器期間,密切輔導這群 AI 與 Blockchain 創業者後,Jamie 分享他觀察到 AI 與 Blockchain 新創可以把握的三大創業機會,以下是他的第一人稱分享整理:

AI 機會 1:自動化高人力成本的工作

AI 最顯著的用途,就是優化高成本人力在做的事。例如律師,一小時的機會成本是上萬甚至好幾萬新台幣,若律師把他們寶貴的時間,花在找判例、判決書,閱讀判決書,進而從中找到有用的參考案例,這對他們來說,是浪費時間。如果有 AI 可幫助他們更快找到所需要的資料,就可以讓他們把時間花在更有價值的事情。個人單位時間成本越高,應用 AI 的需求越強,為社會創造的價值也越高。

以 AW#13 團隊 Lawsnote 法學資料庫為例,他們利用機器學習 (Machine Learning) 的技術,將大筆法律相關的資料、數據加以分類、分析,再根據不同的目的,提供給使用者,致力於節省法律人的時間。

Lawsnote 共同創辦人 Barry 郭榮彥創業的起心動念,即來自之前當律師時,用了傳統的法學資料搜尋系統後,有時還是必須回頭用 Google 查詢,因為不管是介面的便利性,還是搜尋結果,兩者都與實際需求有落差。而 Lawsnote 利用演算法,依照關聯度,將對使用者較有參考價值的資料依序排列,而這也正是律師們最喜歡的一個功能,通常看了前面三個搜尋結果,就可以找到需要的答案

Lawsnote 在 2016 年 7 月正式上線,第一年每個月有約兩萬名法律人使用,使用者留存率更高達 65%,是草創期的兩倍。2017 年 9 月產品開始收費後,MAU (Monthly Active Users,月活躍用戶數) 進一步成長到 3 萬人,創業剛滿兩年,Lawsnote 已達到損益兩平。

AI 機會 2:做人類本來做不到的事情

 第二個運用 AI 的創業機會,是去解決人類本來做不到的事情。例如,原本人類做決策時,一次通常只能考慮三、五個因素,但 AI 可以一次考慮三萬、五萬個因素。舉例來說,當 Facebook 在判斷一位用戶,為何要停留在 FB 首頁多一點時間?他為何喜歡這篇,不喜歡那篇內容?這些問題可能就有上萬個因素得要考慮。若你要叫一個人坐在電腦前面,猜測用戶現在到網站後,下一秒要看什麼內容?看什麼廣告?在即時的情況下,人類根本沒辦法考慮到那麼多因素,並同步判斷該提供什麼內容跟廣告才好,但現在有了 AI 就可以。所以這就是為什麼 Facebook 現在首頁和廣告的優化做得那麼好,運用 AI,一秒鐘可以判斷極大量因素,這是人類做不到的事。

所以創業者可以思考,有什麼決策判斷是得考慮很多因素,以前做不到,現在有了 AI 可以做到?很多 AI 新創在為電商做推薦系統,不管是做內容、廣告,或是客服的優化推薦,其實都是同一個脈絡。如果雇用一位客服專員坐在 Call Center 裡跟消費者互動,可能沒辦法即時地做出最佳的推薦,因為當下能夠考慮的因素太少了。但若做一個聊天機器人,可以同時考慮很多因素,那推薦效果就會比人類好。

例如 AW#16 團隊 Rosetta.ai,即提供電商品牌一鍵建置推薦引擎,他們把商品資料標上 40 種以上參數,可搭配不同的消費者輪廓,即時分析偏好,做出因應推薦。Rosetta.ai 其中一個客戶,是 AW#15 團隊、來自韓國的服飾電商 Codibook,已有超過百萬消費者,業務範圍包含日本、韓國、中國、台灣、新加坡、北美、澳洲。他們使用了 Rosetta.ai 的推薦引擎,營業額成功提高了 40%,客單價也提升了 32%。像這樣的加速器校友合作案例,也是我們很樂見的情景。

同樣來自 AW#16 的香港團隊 Easychat,可即時掌握消費者在電商中的行為軌跡,讓企業能夠主動向消費者進行對話銷售,電商轉換率最高可增至 300%。目前 91APP、WACA、EasyStore 等電商開店平台,都是技術夥伴,可以串接 Easychat 的服務。

AI 機會 3:普及化工具

第三個明顯的機會是在 AI 普及化的過程中,怎麼樣讓更多人更容易地去使用,換句話說,就是 Auto ML、Auto Deep Learning、Auto CNN、Auto RNN 這類型的工具。當年,讓電腦從文字介面變成視窗介面後,就多了 100 倍人可用;把電腦從鍵盤介面變觸控介面,又多 100 倍人可用。今天的小孩,可能一歲半就學會用 iPhone,但我們當年也許要到七歲、十歲才開始使用 PC 和鍵盤。所以,創業者可以去思考,怎麼把 AI 的訓練和應用變得更簡單,就可以讓 10 倍、100 倍的人運用。

舉例來說,如果建立一個客服機器人,能讓客服主管,甚至每一位客服同仁們都可以根據自己的工作習慣訓練自己的 AI 客服,這個 AI 虛擬化身,就可以完全符合他的需求,讓他的工作做得更好。

現在人類還沒做到那步,那麼該如何幫助人類達到那一步?並不是讓每個人都去用 Google 訓練好的 Google Assistant,而是讓每個人可以訓練自己的 Assistant,未來社會一定會往那個角度去,在這過程中,也會為創業者帶來很大的機會。

而如果你是 Blockchain 創業者,目前看到的明顯機會則有以下三個:

Blockchain 機會 1:改善交易的速度跟方便性

Blockchain 還是要回到初衷,改善人跟人、組織與組織間交易的速度跟方便性。現在看起來不論是 Bitcoin 或以太坊,在解決這件事上,都有點疊床架屋,在本來的機制下想用一些彌補方式達到類似效果,而不是用一個原生的方式在解決問題。

人與人及組織與組織交易有不同形態。例如當人買東西時,小額消費會用零錢支付,數目大一點會用紙鈔,額度再大一點會刷卡或是 ATM 轉帳,更大的話要去匯款,可見從來沒有一種支付工具,可以一次解決所有交易需求。但現在的 Blockchain 世界裡,大家好像覺得設計出一種公鏈,就可以解決所有交易需求,我覺得這恐怕很難存在。在真實世界,會有不同解決方案,在 Blockchain 的世界,應該也會有不同的應對方法。

我覺得創業者可以思考,要怎麼解決一種特定的交易需求?不同的交易需求,應該都有不同的公鏈或支鏈能搭配應用。我覺得現在 Blockchain 世界裡,大家已經意識到不是 “One chain to rule it all”,不可能光靠一種鏈解決所有問題。

Blockchain 機會 2:不同 DApp 適用不同場域,解決不同問題

第二個機會,就是現在有很多 DApp 想要運用公鏈開發去中心化的解決方案。一開始,開發者也會期待有一種公鏈可以滿足所有 DApp,但現在看起來並不是這樣,這世界逐漸走向,開發不同的公鏈,設計給不同的 DApp 使用。現在有這麼多不同公鏈,每位 DApp 的開發者可以去思考,要解決什麼問題?應該可以運用什麼樣的公鏈?所以不同公鏈就會變成不同的小生態系,那每個不同的小生態系,都會有不同的創業機會進來。

我覺得 DApp 的開發者可以去思考,比如說今天 Cosmos 公鏈越來越成熟,那它有什麼特色?這些特色可以讓你打造一個 DApp,去解決一個本來無法解決的問題。

之前很多人都在期待以太坊可以變成一個全能的公鏈,現在大家理解到不是這樣,有不同的公鏈出現,所以 DApp 的開發者,就不該再一味地期待以太坊變全能、等待以太坊發展到某個程度,才能讓我去解決什麼問題;而應該是去找到某個公鏈、它可以提供怎樣的環境,讓我去開發 DApp,去解決某個我想解決的問題。

Blockchain 機會 3:隨著產業位移速度,在對的時間點做對的事

現在 Blockchain 世界裡,DApp 的發展還在偏早期階段。若參考當初 Internet 早期發展的經歷,就是博弈、遊戲類,這些娛樂類型的服務,會有比較多早期使用者和付費用戶。Blockchain 的創業者,如果不是要做底層的公鏈或比較大的 DApp,可以考慮開發這種博奕、遊戲類產品,或是其它娛樂性質的東西給用戶。

以 Netflix 為例,Netflix 知道它的最終任務,是讓消費者更方便的享受數位內容。但當年網路的基礎建設還沒到位,所以它先從 DVD 郵寄的服務開始,透過幫大家簡化看影片的流程,先累積用戶基礎,建立用戶對品牌的信任。接下來等到網路基礎建設成熟,它便開始做串流、再等到用戶量夠大時,它就開始自製原創內容。

所以創業者要隨著產業位移速度,在對的時間點做對的事。若 Netflix 在二十年前創業時,就投入做原創內容,它面對的第一個難題就是,產業的成熟時間點還沒到,即便有這樣的創業理念,卻沒有相關的產業動能支持。創業者如能配合產業發展的生命週期,可以幫助你走得更長遠。

對於想要運用 AI、Blockchain 這兩道巨大板塊位移,但尚未決定題目的創業者,以上,就是 Jamie 的提醒,希望對你有所啟發。期待 10 年之後,你就是那位 AI 世界的 Elon Musk、Blockchain 世界的 Mark Zuckerberg。

【歡迎所有 AI / Blockchain 創業者加入專為你們服務的 AppWorks Accelerator


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。