摄影／洪政伟

设计类垂直电商Pinkoi的RMN也不是从零开始打造，而是先有技术，再有商业模式。2015年，为了用更智能化的方法进行数位行销，他们开始翻新基础数据架构，集成自家不同来源的第一方数据，并开始利用设计领域数据及顾客数据，来打造商品推荐算法。

不料，他们尝试了几个开源推荐模型，发现设计类电商数据过于特殊，必须从头自行打造专属AI模型才能有效用于数位行销。结果是，他们创建了一个多功能、多模态的AI模型，具备NLP、分类、排序、CV等功能。

这个模型还能替陌生的非规格化商品自动粘贴多语言标签。这意味着，卖家与Pinkoi方都不需要了解一件商品有哪些特性，也不需要知道一个商品可能有哪些暱称、别称，就可以完整在该商品上贴好这些标签。接着，Pinkoi会再综合这些标签，来媒合商品与顾客。

应广告主需求陆续开发广告功能

来到2018年，许多卖家主动许愿，希望有一个付费提升曝光机会的管道，这个AI模型便再次派上用场。以此AI模型为基础，RMN团队写了一系列广告投放用推荐模块，根据不同广告版面的行销目的，来调整推荐商品的关联性高低，或加强时下热门主题相关商品的排序优先度。

虽然已经手握推荐算法技术，不过要打造自动化广告投放系统，Pinkoi还有许多数位行销的技术知识需要从头学习。他们投入了4成工程资源，花费许多心力在研究Facebook（现Meta）和Google两大广告巨头的Martech开发方法及投广机制，并将这些知识结合自家AI推荐技术，打造出自己的RMN服务──一个有AI投广助手的自助式RTB广告平台。

历年来，他们陆续开发了商品推荐、商品组合推荐、品牌推荐等广告形式，支持网页版、iOS及Android商城。甚至，今年AI模型分类能力进一步强化后，开始有能力将消费者标签进一步区分为长期「购物人格」和短期「即时动机」2大类标签，进一步强化了推荐能力。购物人格是由价值主张、兴趣、地域性文化、风格等4大分类标签组成，即时动机则包含圣诞节送礼、婚礼布置等透露短期消费目的标签。

能提取更多、更细致的标签，便可以使推荐结果更个人化，做到两个人进行一模一样的操作（展现即时动机），仍会分别收到不同商品推荐。甚至，不必被动等待消费者表明本次造访网站的动机，Pinkoi就可以主动推荐合适商品和品牌给消费者。受益于这个技术突破，他们今年得以打造主动推播型RMN广告格式。

他们还打造了AI广告投放建议机制，号称30秒就能开始投广，只要设置预算和欲行销商品，AI助手就可以帮忙完成其他设置。做法是，AI模型分析商家成长模式，向商家推荐RMN广告投放策略及参数设置。例如商家已有稳定客源，系统会建议下一步成长动能是获取新客源，投放策略得重视陌生潜在买家的曝光。甚至，可以为每一则广告提供优化建议，卖家可以选择立即套用，快速完成设置。未来，他们还要进一步强化此功能，连商品标题、关键字及行销预算等基本设置，AI都能根据实际行销结果来提供修正建议。

Pinkoi的RMN推荐算法最大特色是，曝光优先度以综合商品与卖场的品质为主，而不会只看广告出价──广告主出价只是排序算法众多参数中的其中一项，商品品质及关联性才是决定曝光顺序的主要依据。Pinkoi SaaS产品负责人李少昱说，他们会打造AI代投功能来搭配这种非价高者得的曝光机制，就是希望卖家专注于提供优质商品，而非过度计较广告出价策略。

维运RMN服务的技术基本功

Pinkoi的RMN每年高达74亿次请求，不考虑巅峰情况，平均每秒要处理230次请求。一次RMN广告请求的完整流程是，顾客进入页面，系统发送广告版面性质、顾客输入内容等信息到广告竞价系统。经过卖家竞价、检查卖家行销预算余额等进程后，广告推荐算法方能开始排序广告内容。后续，Pinkoi还要纪录广告曝光情形、顾客交互行为等数据，作为后续广告成效追踪及卖家投放建议的依据。

为了顾及顾客体验，Pinkoi认为，广告与一般商品内容等网站元素，需要几乎同时完成加载。，另外，为了确保广告数据正确性及服务稳定性，他们还必须过滤掉异常数据流量。要达到这些目的，Pinkoi有3大做法。

首先，为了即时因应流量波动，他们不只使用公云自动扩充（Auto-scaling）功能，还自行打造了用量调整机制，利用机器学习预测流量变动，来调整云端资源的租用量。

再来，他们回头找出推荐算法中，不须即时运算的数据，预先进行批量处理，来压低即时运算运算对机器的负荷。例如，商品品质分数这个参数的变动频率不大，可以每天计算一次，而不需要每次推荐都重算。

他们还设计了双重异常流量辨识机制，第一层辨识机制，当造访者流量刚进来时，会依据流量来源等常见机器人行为模式来筛选。若机器人成功骗过第一层机制，Pinkoi还会根据造访者行为模式来事后追认异常流量。

即使先前打造了一个强大的AI模型来进行数位行销，Pinkoi要将数位行销活动商业化，仍需投入大量IT资源来维运，甚至打造专属RMN的制度和技术机制。不过，李少昱说，RMN已经成为上万个卖家持续使用的关键功能，且确实提升整体平台的交易量，更贡献了总营收3成，因此仍会持续投入IT资源到此商业模式中。

 相关报导