DeepMentor

#案例分享
#智慧零售

2000年成立的Ocado公司，是一間 #沒有任何實體店面 的線上超市。

根據2017年的年度報告，他們每週約處理26萬件商品訂單，從一般蔬菜、生鮮食品到各種高級食材都有，總共販售超過五萬件商品。

Ocado的崛起是因為以往英國的週日和國定假日，一般商店或超市都會休息。因此對於可以24小時可以訂購、且不論平日或是假日都可以收到食材的需求很高。

Ocado因此掌握了商機，並且也成功使用最新科技打造物流中心CFC (Customer Fulfillment Center)。這個物流中心是Ocado獨自開發用來存放各種商品的倉儲系統。

這套倉儲系統 ，其中一個用途就是調整 #商品的存放位置，透過數據的分析，出貨越多的商品，會被放置越上層，方便 #機器人可以從上方開始取出商品。

為了讓400台以上運作的機器人避免碰撞，機器人 #來回的動線，也透過 。

在舊式的倉庫裡，處理一筆訂單約要2小時左右，透過 AI 技術可以 #縮短致15分鐘。

而Ocado 這項物流系統，更被美國零售業 Kroger 引進，在 Amazon的龐大競爭下，藉由這項技術，成了與 Amazon抗衡的王牌。

#品牌溝通與服務
#結合人工智慧

在銷售商品時，除了商品本身滿足顧客需求之外，許多人更看重的是其背後的品牌價值，以及理念是否切合他們的需要。

上一篇我們提到的The North Face為例，它們所奉行的價值觀在於 #讓用戶去到值得探險的地方，並且於戶外的用專屬APP打卡，並取得獎勵。

雖然許多品牌都有在執行 #獎勵機制的回饋，但The North Face 更加鼓勵顧客 #繼續探險。因此紅利點數不僅是購買商品所用，也能參加特別的專屬品牌活動，設計折扣以外的福利。

而當你要發出 #獎勵時， #提供適當的優惠就相當重要。The North Face 使用了人工智慧的預測分析，結合演算法匯集每位顧客的 #資料流（data stream）。

為此，當推出不同新產品時，可以為每種顧客制定不同的行銷策略以及素材，並且將每個版本寄給對此相對有興趣的顧客。

The North Face 終生價值管理與分析總監 Ian Dewar 於 2018年8月在瑞典的一場研討會上表示，將人工智慧引入行銷策略中後，成效卓越。

客製化訊息後來訪的顧客是 #一般顧客的三倍，而平均消費也比一般顧客 #高出20％，此外還增長了品牌效益，讓顧客不會 #一味感受在推銷商品。

--

若你手中有許多顧客資料，卻不知道如何使用才更增進效益，可以參考The North Face的執行方式，除了能夠掌握顧客輪廓，後面所帶來的轉換效益更是不可小覷。

#人工智慧行銷案例

在談人工智慧前，我們先來說一個小故事。

Allen很喜歡健行，身為大學生的他除了上課以外，課餘時間大多都在想健行的事。有時候也會主動到山裡享受新鮮空氣。

多年來，他訂閱了許多零售商品和品牌電子報，但裡頭內容全部都是產品、商品、折扣、銷售等資訊，沒有一份令他滿意。

在某個夏天，Allen去了一趟舊金山旅行，當地的The North Face店員 #主動提供當地的健行步道資訊給他，並推薦Allen攀登懶鬼山（Slacker`s Hill）。

在聊天過程中，店員還推薦了The North Face的 ，於是Allen就加入了會員。

VIPeak是一款提供會員健行相關有趣內容的APP，並且 #介紹吸引人的景點。店員提醒Allen，在抵達山頂十時使用這款APP打卡。

Allen登頂懶鬼山後，便打開The North Face的APP，在山頂打卡後，隨即收到通知， #獲得紅利點數50點。

接下來幾個月，Allen發現，The North Face的推播訊息開始有了變化。他適時會收到「開學促銷」的活動，恰巧其中有他喜歡的款式。

彷彿The North Face #知道他的身份，也掌握了他感興趣的事物。回想過後，Allen發現，自己確實提供許多線索，像是購買產品的類型、打卡的點、居住地址、在網路上瀏覽過的商品、點擊的電子報項目等等。

The North Face記住了這位顧客的特徵，並且精準地向他推播屬於他的內容， #製造了良好的顧客體驗。

當善用資料和機器計算的能力，便能量身打造適合的溝通、以及服務項目。無論是主動接觸顧客，又或是顧客主動上門，如此一來，品牌都可以第一時間清楚每一位顧客的來歷。

---

在下一篇中，我們會繼續分享：

1. #品牌溝通與服務的重點
2. #品牌價值觀與獎勵制度

如果喜歡我們的文章，歡迎follow DeepMentor，
按讚以及分享，支持我們整理的內容與產出！

---

參考資料：AI 行銷學

#要如何著手呢

也許你曾聽過「導入AI 有助於行銷」，可能是從我們上篇文章、又或是其他網路資訊而來，不過到底要從何處著手呢？

在談 AI 前，我們首先要先定義目標。在這個人人都想要快速取勝的時代，你必須快速展現價值，這樣才能證明 。

因此我們需要先在每個業務項目中，列出應用AI的可能，並且 #挑選容易實踐的目標，而要如何挑選可以考慮一下幾點因素：

1. #它能配合行銷目標嗎？

2. #它能帶來價值嗎？
- 可以尋找競爭或是跟你事業體相近的公司，是否已經引用AI，並研究其發揮的功效或是成功路徑。
3. #它可能帶來什麼價值？
- 試著評估使用案例的效益，並估計一個數字。例如：線上購物車的交叉銷售推薦，將使購物車的品項增加10%，這個功能的價值有多少？

4. #這個分析方法的困難度高嗎？

5. #需要什麼資料？

6. #分析結果容易應用在行動上嗎？

單純的資料分析，是不會為專案帶來價值的，所以在分析時，同時要思考「該如何應用」，以及要如何和現有的系統與程式接軌，再來尋找幾個容易達成的案例，可以逐漸看出 ，作為起始點。

以購買行的交叉銷售為例子，最常使用的AI模型是： #關聯分析演算法，這只需要顧客的購買資料，並投入機器學習就能建立模型。

而後續你可以對 #最近購買商品的客戶，進行交叉行銷售，方法是藉由寄發EDM來推薦商品，這是相當容易執行的。

透過顧客對於這些推薦行銷的 #回應率，即可評測這個 模型價值。

總結來說，雖然 AI 可估測的好處很多，但當要落地卻是困難的。藉由問題與分析，來幫助我們可以知道最佳的導入點，不至於投放太多成本，也能看見成效，漸漸的再一步步將 AI 應用到更深層的行銷應用，會是比較好的做法。

--

資料參考：AI 行銷學

#人工智慧的能力
#演算法與模型
#行銷應用

你想過 AI 也可以應用在行銷上嗎？當我們有顧客的特質資料，就可以透過演算法取得一種結果，例如：這位顧客最喜歡的產品、會被吸引的廣告類型。

機器學習可以根據歷史資料分析後，創造出新模型，幫助行銷人員來達到 #客製化的行銷目標。

透過模型，可以幫助你做出區別，例如：分辨出誰會購買、誰不會購買、針對特定的對象，做出適合的素材及文案來推廣。

除了針對個別對象以外，也能利用 #群集演算法，來辨識使用服務的 #族群。

除上述以外， #關聯分析，可以辨識出經常性一起購買的產品，也稱為「購物車分析」，也就是當購買A + B，會再購買 C 的可能性。

善用 AI 資料去訓練出合適的演算法模型，能在各行各業、各種領域發揮極大的功用。人們在短時間的計算能力有限，將這些工作交給機器去做運算，便可以從中獲得極有價值的資料。

如果你剛好是行銷人員，歡迎 follow DeepMentor，我們將繼續分享關於 ，敬請期待！

#智慧農業

【 智慧農業的發展與應用 - 下 】

把需求照片資訊交給機器去學習後，就能獲得判斷的能力。且夠大的參數，就能給予精準的預期結果。而農業應用也可以採用這樣的技術，來進行 #智慧化的管理！

今天來到最後一篇關於智慧農業的應用：

5. 利用 AI 影像判斷技術， #決定農產品是否成熟並且可以收成，讓其他未成熟的產物可以繼續生長。小至溫室，大至整片農田，可以利用空拍技術製成監控管理地圖，隨時掌握可收成的時機。

有別於以往必須人工判斷，一個個區域地毯式掃描，一次性收成，可能導致未成熟的產物被誤採。只要利用 AI 判斷能力，即可知道是否到了 #最適當的採收時機點， #避免不必要的浪費。

6. AI 與農作機器的結合。採收時的機器，是農夫們重要的幫手， #必須確保在使用時的運作順利，才不會導致成本提升。但是機器故障以及維護，是一個嚴重且經常被忽視的問題，嚴重甚至會影響利潤損失。

因此在未來的農業發展中，可以採用 AI 的監控系統，預先通知維修時程以及設備健康度， #並採用物聯網的結合， #掌握內部的零件以及電子設備狀態，以減低突發性損壞的可能。

以上就是這一期 #智慧農業 應用案例，如果你喜歡我們的文章，歡迎按讚與分享！ 🤞🤞

---

資料參考：Artificial Intelligence in Agriculture: Farming for the 21st Century

#智慧農業

【 智慧農業的發展與應用 - 中 】

還記得上次我們談到，在農業中引進 AI 的應用嗎？這次要來繼續和大家介紹智慧農業的落地可行性。

據統計，地球上 「約70%的淡水供應用於農業生產」，因此要如何聰明的利用水資源，是我們需要關注的課題。在有限的情況下，提升灌溉效能，是直接影響收成的結果。

因此：

3. 利用 AI 的機器學習技術， #紀錄土壤中的水分含量，進而「 #精準抓住灌溉時機」，且搭配自動化系統，能夠同時達成節省水資源與人力等雙重果效。並讓農夫們，可以去做更多研發或是其他重要的工作。

4. 在極端氣候下，利用人工智慧與演算法，來紀錄天候狀況，產出特定的 #氣候預測模型，使農民可以提前採取正確的耕種方法，以免因乾旱或是水災，帶來巨大的損失。

當天搜集足夠的氣候數據，便能測量太陽輻射、降水、溫度和風速，提供相關作物所具備的生長條件。例如，能預測未來一週的乾旱時機，便能提前灌溉澆水，預防土壤過度蒸發，而導致植物死亡。

在智慧農業中，除了使用 AI 之外，還能善加利用 #軟硬整合的技術，將傳統機器賦予精準判斷與預測能力，渴望解決現有存在問題之外，更能防範於未然。

#智慧農業

【 智慧農業的發展與應用 - 上 】

聯合國預計，到2050年，全球人口將膨脹至97億，這意味著我們需要更多的糧食，但可種植面積卻跟不上人口增長的速度，因此國外有許多公司，正在積極AI ，渴望提升種植效率，以增加產量，

---

隨著 #機器學習 的成熟，在農業方面，AI 可以應用在以下地方：

1. #智慧種子：如果我們想要有好的農作物，好的種子 #基因序 是重要的。位於德國的Monsanto製藥及化工跨國集團拜耳旗下農業生物技術部門，正在積極研法此技術，利用 #影像分析 來測量種子發芽的最佳條件。

例如：溫度和濕度，使農作物可以在最佳時機生長，減少了因氣候而需要的等待時間，期望全年都是可種植的時刻。

2. #智慧土壤管理：透過 AI 的演算法，可以監測植物種植前後時，土壤的健康狀況。 #土壤退化和侵蝕 是影響農作物生長的重要因素。

位於德國柏林PEAT GmbH公司，開發了 ，它是一款農作物諮詢應用程式，適用於農民，推廣人員和園丁。

Plantix可以診斷影 #響農作物的蟲害、 #植物病害，判斷農作物是否生長在 #不健康的土壤中，最後提供相應的治療措施。而使用者更可以加入社群，找到科學家，農民和植物專家來討論 #植物健康問題。

--

今天和大家介紹 ，本篇文章會分為：上、中、下，藉由國外的案例來學習， 。

以上，今天的分享就到這邊囉。
如果你喜歡我們的文章，歡迎按讚與分享！

🤞🤞🤞

#生活應用

【 將AI導入焚化流程中 】

今天要來和大家分享一則將AI應用在 #焚化垃圾的案例。

2018年12月，日本千葉縣船橋市北部的焚化設施，試著將AI導入清理垃圾的流程中。透過「 #自動辨識垃圾的技術」，能夠有效 #降低人力支出，並提升 #焚燒垃圾的穩定性，進而減少了 #有害物質的產生。

這是如何辦到的呢？

每天焚化廠要處理來自四面八方的垃圾，而其中像是：淤泥、樹枝，會影響焚化爐的溫度劇烈變動，影響燃燒效率，甚至樹枝太多也會卡住爐口堵塞。

為了解決這個問題，當地委託從事能源相關設備的設計與管理公司，透過影像拍攝，並且先從中進行標註，開發出透過「 #深度學習」後的人工智慧系統。

為了測試這個系統，其中有兩項重要的指標分數，作為精準驗證判斷，分別為： #召回率與精準率。

召回率：AI判斷這個「是」樹枝的比例；
精準率：當AI判斷是樹枝，且實際上「真的」為樹枝的比率。

經由一次次的實驗，結論是，訓練過的機器能夠實際將這套系統，應用於焚化流程中，並且穩定度極高。

藉由這次案例的分享，我們可以學習到，AI的識別能夠真正落實在我們的生活中，甚至帶來想像不到的改變。機器不像像人一樣，會因不同狀況而有失誤情況，反之，他能日以繼夜的自動運轉。

在未來，我們可以想像，設備都將自動化，發揮其最大效能。

—-

以上就是今天的科普小教室啦！希望你能有所收穫。

雖然常常在生活中聽到AI這個詞彙，但真正深入瞭解後，真是很深的一門學問！理解技術後能夠應用、落實在生活中更是不容易，未來我們也會繼續提供更多文章，讓大家有更多認識🤞

*參考書籍：向AI贏家學習

#為什麼機器能夠辨識呢？

【 當機器可以開始辨識 】

現今的人工智慧已經厲害到可以精準 #辨識出人和物品，甚至是 #性別、 #年齡、 #表情、 #姿態等等。有了這樣的能力，我們可以更加於應用不場景，使機器為我們的生活帶來更多便利。

但為什麼機器這麼厲害，有能力辨識呢？

自從人工智慧有了「 #機器學習」的能力，於影像、語音辨識中，得知 #用戶的喜好，並透過大量的資料與統計分析，從中學習人們的生活經驗。

然而，人們往往是透過自身的環境、他人教導、閱讀、觀察等等來獲取經驗。但機器無法仿照的樣的學習模式，我們必須提供「 #大量的資料給機器」，再經由判斷、分析後，理解出我們給予的目標，例如：教導機器何謂人或是物體。

雖然電腦出現後，我們不斷提升改善其硬體設備或效能，但 #資料的不足，阻礙人工智慧發展。而「 #深度學習」，這個嶄新的學習方法，加速了人工智慧的進展，這和 (物聯網)的應用有相大的關係。

「只要事先設定好，回到家就有涼涼的冷氣可以吹！」
「早晨起來，就聞到剛沖泡好的咖啡，等著我起床！」

以往我們必須親自手動的機器，現在可以透過網路的操作，讓它們在設定好的時間，預先開始動作，這是物聯網經典的使用案例。

所謂物聯網，就是讓萬物皆可連上網路，舉凡：家電、家具、交通工具、建築物等各式物品，都可以透過網路而連接起來。

物聯網跟 AI 有什麼關聯嗎？

自從物品可以連上網路後，我們便可從中獲取更多的資料與使用者行為，進而讓機器可以從這些資料中深度學習，讓它們變的更聰明，也更符合我們日常生活所需。

例如：當蒐集到足夠車子在行駛中的GPS定位，AI 便可以判斷可能塞車的路段，預先提醒駕駛改道而行。

AI 這個詞彙不斷出現在你我的生活中，不知道當你聽到 AI的第一印象是什麼呢？是一個會走路和你對話的機器人？還是如同科幻電影一樣，酷炫般地浮現各種螢幕操作呢？

透過這篇文章，我們希望用簡單的描述與生活化的舉例，讓你理解 AI 其實並沒有離我們很遙遠！讓機器可以變聰明、足以辨識的基本元素就是： #擁有大量的資料，促使他們可以進行「深度學習」，這也是 AI 加速成長的原因。

—-

今日科普小教室就到這邊啦！歡迎持續 Follow ，未來將陸續以深入淺出的方式，帶給大家更多關於 AI 的知識。

？

【 AI 融入你我的生活 】

自2010年影像辨識、語音辨識、自然語言有重大的突破，透過 #照片掃描技術，機器可以開始學辨識人、物品、自然語言，特別著名的是—2012年，Google 的人工智慧可以辨識「貓」，在當時造成了很大的迴響，讓人們開始意識到人工智慧的潛能，並且發想出更多生活的應用。

當我們使用智慧型手機，如：iPhone，呼叫 Siri 並下達指令，他便能透過指令而反饋相對應的結果，例如：我要查詢今日台北市的天氣，手機便會呈現今日的天氣預報，這代表機器可以「 #辨識」我們所說的話。

當機器能夠可以辨識時，應用層面就不僅限於手機裝置，更可以進入到我們的日常生活當中。像是許多智慧家電，也是透過語音辨識，而不需要再透過實際操作，就能擁自動化的啟用功能，為我們生活帶來更多的便利性。

除了在智慧型手機中，AI 能廣泛用於 #金融、 #製造、 #醫療、 #家電、 #零售、 #自動駕駛 等生活場景，透過 AI 來處理「 #大量且重複性高」的事務，以減少人們在工作的負擔，並且減少因人工而 #產生的失誤，甚至能提 #早一步預測問題，在不同產業皆能擔任輔助人們工作的好幫手！

網路興起後，便可以大量搜集人們的行爲輪廓，逐漸累積成大數據，舉凡我們日常的搜尋資料、社群行為、購物紀錄、GPS路經引導...等等，都是機器學習的重要資料，透過這樣的學習產生判斷的能力，這也就是 #人工智慧開始融入我們生活的第一步。

機器學習的成熟，除了帶給我們生活便利之外，甚至產生了過去未曾有的商業行為，AI 所帶來的商機不可小覷，在各個產業都能看見他的蹤跡。

在快速變化的世代，只要 AI 的演算法 #判斷足夠精準精準，就能減少額外產生的成本，有效帶來更好的產能。未來將會逐一介紹 AI 在不同領域中所發揮的價值。

DeepMentor updated their phone number.

DeepMentor updated their business hours.

DeepMentor updated their website address.