攝影／洪政偉

設計類垂直電商Pinkoi的RMN也不是從零開始打造，而是先有技術，再有商業模式。2015年，為了用更智慧化的方法進行數位行銷，他們開始翻新基礎數據架構，整合自家不同來源的第一方數據，並開始利用設計領域數據及顧客數據，來打造商品推薦演算法。

不料，他們嘗試了幾個開源推薦模型，發現設計類電商數據過於特殊，必須從頭自行打造專屬AI模型才能有效用於數位行銷。結果是，他們建立了一個多功能、多模態的AI模型，具備NLP、分類、排序、CV等功能。

這個模型還能替陌生的非規格化商品自動貼上多語言標籤。這意味著，賣家與Pinkoi方都不需要了解一件商品有哪些特性，也不需要知道一個商品可能有哪些暱稱、別稱，就可以完整在該商品上貼好這些標籤。接著，Pinkoi會再綜合這些標籤，來媒合商品與顧客。

應廣告主需求陸續開發廣告功能

來到2018年，許多賣家主動許願，希望有一個付費提升曝光機會的管道，這個AI模型便再次派上用場。以此AI模型為基礎，RMN團隊寫了一系列廣告投放用推薦模組，根據不同廣告版面的行銷目的，來調整推薦商品的關聯性高低，或加強時下熱門主題相關商品的排序優先度。

雖然已經手握推薦演算法技術，不過要打造自動化廣告投放系統，Pinkoi還有許多數位行銷的技術知識需要從頭學習。他們投入了4成工程資源，花費許多心力在研究Facebook（現Meta）和Google兩大廣告巨頭的Martech開發方法及投廣機制，並將這些知識結合自家AI推薦技術，打造出自己的RMN服務──一個有AI投廣助手的自助式RTB廣告平臺。

歷年來，他們陸續開發了商品推薦、商品組合推薦、品牌推薦等廣告形式，支援網頁版、iOS及Android商城。甚至，今年AI模型分類能力進一步強化後，開始有能力將消費者標籤進一步區分為長期「購物人格」和短期「即時動機」2大類標籤，進一步強化了推薦能力。購物人格是由價值主張、興趣、地域性文化、風格等4大分類標籤組成，即時動機則包含聖誕節送禮、婚禮布置等透露短期消費目的標籤。

能提取更多、更細緻的標籤，便可以使推薦結果更個人化，做到兩個人進行一模一樣的操作（展現即時動機），仍會分別收到不同商品推薦。甚至，不必被動等待消費者表明本次造訪網站的動機，Pinkoi就可以主動推薦合適商品和品牌給消費者。受益於這個技術突破，他們今年得以打造主動推播型RMN廣告格式。

他們還打造了AI廣告投放建議機制，號稱30秒就能開始投廣，只要設定預算和欲行銷商品，AI助手就可以幫忙完成其他設定。做法是，AI模型分析商家成長模式，向商家推薦RMN廣告投放策略及參數設定。例如商家已有穩定客源，系統會建議下一步成長動能是獲取新客源，投放策略得重視陌生潛在買家的曝光。甚至，可以為每一則廣告提供優化建議，賣家可以選擇立即套用，快速完成設定。未來，他們還要進一步強化此功能，連商品標題、關鍵字及行銷預算等基本設定，AI都能根據實際行銷結果來提供修正建議。

Pinkoi的RMN推薦演算法最大特色是，曝光優先度以綜合商品與賣場的品質為主，而不會只看廣告出價──廣告主出價只是排序演算法眾多參數中的其中一項，商品品質及關聯性才是決定曝光順序的主要依據。Pinkoi SaaS產品負責人李少昱說，他們會打造AI代投功能來搭配這種非價高者得的曝光機制，就是希望賣家專注於提供優質商品，而非過度計較廣告出價策略。

維運RMN服務的技術基本功

Pinkoi的RMN每年高達74億次請求，不考慮巔峰情況，平均每秒要處理230次請求。一次RMN廣告請求的完整流程是，顧客進入頁面，系統發送廣告版面性質、顧客輸入內容等資訊到廣告競價系統。經過賣家競價、檢查賣家行銷預算餘額等程序後，廣告推薦演算法方能開始排序廣告內容。後續，Pinkoi還要紀錄廣告曝光情形、顧客互動行為等數據，作為後續廣告成效追蹤及賣家投放建議的依據。

為了顧及顧客體驗，Pinkoi認為，廣告與一般商品內容等網站元素，需要幾乎同時完成載入。，另外，為了確保廣告數據正確性及服務穩定性，他們還必須過濾掉異常數據流量。要達到這些目的，Pinkoi有3大做法。

首先，為了即時因應流量波動，他們不只使用公雲自動擴充（Auto-scaling）功能，還自行打造了用量調整機制，利用機器學習預測流量變動，來調整雲端資源的租用量。

再來，他們回頭找出推薦演算法中，不須即時運算的數據，預先進行批次處理，來壓低即時運算運算對機器的負荷。例如，商品品質分數這個參數的變動頻率不大，可以每天計算一次，而不需要每次推薦都重算。

他們還設計了雙重異常流量辨識機制，第一層辨識機制，當造訪者流量剛進來時，會依據流量來源等常見機器人行為模式來篩選。若機器人成功騙過第一層機制，Pinkoi還會根據造訪者行為模式來事後追認異常流量。

即使先前打造了一個強大的AI模型來進行數位行銷，Pinkoi要將數位行銷活動商業化，仍需投入大量IT資源來維運，甚至打造專屬RMN的制度和技術機制。不過，李少昱說，RMN已經成為上萬個賣家持續使用的關鍵功能，且確實提升整體平臺的交易量，更貢獻了總營收3成，因此仍會持續投入IT資源到此商業模式中。

 相關報導