行銷公關的智能變革:AI助力品牌戰略轉型升級

行銷公關的智能變革:AI助力品牌戰略轉型升級

行銷公關的智能變革:
AI助力品牌戰略轉型升級

隨著AI人工智慧技術不斷創新突破,各行各業皆迎來前所未有的變革,例如在行銷與公關領域,AI的應用便重塑了品牌解讀市場訊息、與消費者互動的方式,也開拓了企業提升各項決策精準度的可能性。本文將帶您探討AI如何為行銷公關領域注入新動能,並藉由意藍的解決方案實際展示AI技術在應對公關危機、提升廣告投放精準度等方面的具體應用。

應用1:AI輿情應變顧問

在數位媒體蓬勃發展、資訊爆炸的現代,消費者的聲音和反饋對於品牌的影響日益顯著,負面輿論一旦出現,往往會在短時間內發酵,企業需要作出即時、恰當的應對,才能避免自身形象和信譽受損。因此,如何快速掌握輿情、進行公關危機處裡以防止負面影響進一步擴大,便成為品牌形象管理的重要課題。
以往企業會使用社群聆聽(Social Listening)或是媒體監測(Media Monitoring)工具,來了解社群網路或大眾媒體是如何提及、討論企業自身形象,這類工具蒐集處理了大量的輿情數據,且通常配合搜尋引擎及語意分析技術,協助使用者過濾出有用的資訊。而隨著AI 技術的進步,意藍的「AI輿情應變顧問」,則為此情境開創了全新的可能性。
AI輿情應變顧問基本介紹
意藍的「AI輿情應變顧問」結合DeepNLP與eLAND GOAT大語言模型,並以全台最大的網路口碑資料庫OpView作為資料基礎,僅須透過簡單的自然語句問答,AI 便會梳理大量文本並生成議題摘要內容,讓使用者能夠輕鬆且快速地掌握事件多面向輪廓。簡言之,其亮點特色如下:
  1. AI 技術結合完整、最新的在地資料,查詢結果可靠、可檢視
  2. 自然語句輸入生成列點式回答,快速了解事件全貌
接著,我們將以國內公開上市櫃公司中的王品集團,在一次食安事件風波中的應對過程為例,從事件發生、社群網路及大眾媒體公開討論,到最後事件妥善處理落幕,實際展示AI輿情應變顧問能夠在公關事件中起到怎麼樣的作用。
AI輿情應變顧問應用實例
首先,透過觀察聲量的趨勢圖,可以大致將此次公關事件劃分為三階段,分別是事件初爆發之前期、事件逐漸延燒之中期及事件落幕之後期。
王品集團食安事件 公關危機三階段

▲王品集團食安事件 公關危機三階段

在公關事件爆發初期,品牌方會需要盡速釐清事件的來龍去脈,並盤點可能造成的相關影響,藉此評估危機嚴重程度。此時我們可以透過自然語言對AI輿情應變顧問進行提問,如輸入「最近王品集團食安議題發生原因為何?該事件有哪些影響層面?」,其便會以列點方式回答,顯示事件涉及顧客信任、經濟損失、衛生與法規問題等多個面向。
王品集團食安事件 輿情應變問答範例(前期)

▲王品集團食安事件 輿情應變問答範例(前期)

而隨著公關事件逐漸延燒,品牌則需全面性地掌握社會大眾的關注重點,並決議以何種方式應對聲明、執行有效的止損措施。我們可以向AI輿情應變顧問提問「網友對於王品集團食安議題有哪些討論面向?」,根據其回覆,可以得知民眾在本次事件中在意的面向包含集團員工衛生管理是否確實、餐廳是否定期清潔消毒等,並關注集團後續面對顧客之補償措施。
王品集團食安事件 輿情應變問答範例(中期)

▲王品集團食安事件 輿情應變問答範例(中期)

最後,在品牌針對該事件做出回應後,亦可透過觀察網友給予的回饋,檢視事件是否落幕、企業品牌是否重新拾回消費者信心。AI輿情應變顧問能夠協助總結品牌做出的處理方針與民眾反饋,包含以直播廚房作業加強消費者對餐廳衛生的信心,以及對消費者進行賠償、展現願意負責任的態度等,逐步平息公關危機與修復品牌形象。
王品集團食安事件 輿情應變問答範例(後期)

▲王品集團食安事件 輿情應變問答範例(後期)

應用2:AI智能廣告投手

上段說明了AI技術的導入如何賦能企業迅速掌握輿情、有效應對公關危機;而除此之外,AI技術亦能為精準行銷、廣告投放等領域注入新動能。對於品牌而言,準確識別目標受眾並制定有效的行銷策略,可說是提升轉換率、加強顧客忠誠度的關鍵課題,而若企業品牌想要針對目標市場,精準觸及到關注自身或特定輿情的受眾,意藍的AI智能廣告投手便能有效提供協助。

AI智能廣告投手簡介
意藍的「AI智能廣告投手」結合了搜尋引擎、DeepNLP技術及大型語言模型,以AI分析《OpView社群口碑資料庫》上的社群輿情,並將數據轉化為對應「關注特定輿情」的人群樣貌,描繪出話題討論之關注受眾;使用者可以動態調整欲觀測之主題、期間以及來源,或進行網站探索以及自訂內容,最後系統將一次性地產出Google、Meta及PeopleView人群資料庫等多平台推薦的標籤結果,使品牌得以精準鎖定目標客群。

▲AI智能廣告投手亮點特色

AI智能廣告投手應用實例
我們以國內知名的金融業者為例,透過AI智能廣告投手,以公開的社群討論及媒體輿情為基礎,精準計算關注人群的樣貌,進一步顯示廣告投放平台Google Ads推薦的標籤查詢結果。如下圖,可見「玉山銀行信用卡」受眾的關注重點聚焦於房地產、信用與貸款等,競品「國泰世華銀行信用卡」之受眾則著重日常消費,如旅遊、家庭度假等,而此便可作為品牌投放廣告前拓眾的參考依據;經由探索自家與競品的受眾標籤,企業也能進一步選擇是要拓展相似標籤客群,抑或與競品作出區隔、創造獨特性。

▲玉山、國泰世華信用卡話題討論之受眾標籤;資料分析期間:2024Q1

另一方面,AI智能廣告投手也可用於探索特定頻道受眾,例如當品牌想尋找KOL(關鍵意見領袖,Key Opinion Leader)作為宣傳行銷活動的合作對象時,也可以分析關注該KOL的受眾樣貌,進一步探索其受眾標籤,確認與品牌想鎖定的客群是否契合。
AI智能廣告投手 特定KOL受眾標籤

▲AI智能廣告投手 特定KOL受眾標籤

在數據驅動的時代下,AI為各行各業注入了全新的動能,成為企業發展和創新的重要推手。透過AI技術與應用,企業得以借力使力,以更加智能、精準的分析實現更高效的運營,發掘出嶄新的商業機會。

想進一步了解「AI輿情應變顧問」和「AI智能廣告投手」嗎?

<span style=" display: block; font-size: 0.8em; font-weight: 100; color: #A5A3A3;">精華文章</span> 生成式AI的商業機會與挑戰:意藍資訊在 AI 技術上的應用

精華文章 生成式AI的商業機會與挑戰:意藍資訊在 AI 技術上的應用

生成式AI的商業機會與挑戰:
意藍資訊在 AI 技術上的應用

生成式AI是一種人工智慧技術,主要特點是能夠生成新的內容,例如文字、圖像或音訊,來解決問題。而意藍資訊除了有自行研發的大語言模型eLAND GOAT外,也推出了許多的AI智能數據解決方案。

本期 AI 知識庫亮點

認識生成式AI

生成式AI的原理是什麼?
生成式AI是 基於深度學習,透過擁有大參數量的神經網絡來記憶學習大量的資料,並且在沒有明確標籤或指導之下,自行學習資料的分佈,來生成更多類似的資料。工作邏輯就好比文字接龍遊戲,使用者在輸入詞句後,生成式AI便會根據過往學習時曾看過的訓練資料,來評估該詞句接下來在高機率的情況下會產生的字詞為何,並進行相對應的文字生成。

目前的生成式AI通常會配合兩種建立模型的技術,第一個是預訓練 (pre-train),也就是先在沒有特定任務目標的情況下先進行模型的訓練,之後再將該訓練好的模型投入到實際應用中。打一個比方,就像預先訓練AI的基本語文能力,之後在克漏字測驗、改錯、造句、摘要、閱讀理解等任務上都會用到這些能力;另一個是大模型 (large model),包括不斷推升神經網路模型的參數量規模,以及給予更多的訓練資料,都是希望讓生成式AI的能力及適用狀況可以更加地擴大。

生成式AI的應用場域與未來發展

生成式AI的應用實例
生成式AI可以在文書生成、摘要、提供方法推論、回答知識題等方面提供協助,並且也能在行銷、廣告、政治社會等領域,甚至是學術研究、政府單位當中扮演探索或發想性質的角色。不過需要注意的是,若是要針對如計算題這種有標準答案的內容時,生成式AI有時可能無法完全正確的回應,這時就會需要仰賴使用者再多留意與求證。
生成式AI的挑戰與未來趨勢
2023年劍橋字典選出的年度代表字:Hallucination (幻想),其便反應了人工智慧的可信賴性會是一大挑戰,尤其生成式AI有杜撰、編造消息來源的不可控性。因為生成式AI的能力一大部分是仰賴過往曾經看過的訓練資料再經過類似機率選擇的過程來生成內容,因此存在不確定性,以及拼湊內容、無中生有的可能。另外,生成式AI還有資安風險的隱憂,例如提供的資訊被模型業者拿去做為訓練模型之用,而近來也有許多例子都能證實,即使在訓練模型時設了重重關卡,訓練出來的模型還是可能會在無意之間把公司內的機敏資料洩漏出去。

而要克服這些問題,首先我們要能讓AI產出的答案變成是載明參考資料出處且可驗證的。在未來,生成式AI模型一定會不斷推陳出新,成為繼30年前圖形化界面 (Graphical User Interface) 之後,最大的一個人機界面革命,可以理解使用者的口語表達並完成各項任務的自然介面 (Natural User Interface)。目前已有利用生成式AI的自動化框架,能夠將一個任務的所有工作流程進行拆解的案例,使得生成式AI可以去完成每一個環節相應的步驟,成為生成式AI發展的趨勢方向。

意藍資訊的AI服務應用

意藍大語言模型eLAND GOAT 與 OpenAI的差異
而為了解決生成式AI在應用上的幻想杜撰、資安等問題,以及台灣本土大語言模型缺乏繁體 (正體) 中文語料等情況,意藍資訊也在AI領域持續追求成長與卓越。相較於OpenAI的GPT模型,由意藍所自行研發出的大語言模型eLAND GOAT,即是以大量台灣社群網站、網路媒體的繁體中文語料進行訓練,具備了更好的繁體中文理解、生成能力,在使用上能夠提供更為在地化的體驗。此外,相較於OpenAI僅提供放在公有雲上的模型,eLAND GOAT能夠提供企業小型化、特式化 (specialized) 的地端模型,可以運行在企業內部環境中,依循企業組織的權限設定,滿足企業對於資安上的需求。
意藍AI智能數據解決方案

除了大語言模型eLAND GOAT,意藍資訊也致力於發展各式AI智能數據解決方案,來滿足客戶在不同場域的各種需求,如:

  1. 輿情GPT

    結合全台最大的社群口碑資料庫OpView,讓使用者能夠在輸入簡單的關鍵詞後,快速找出最相關的資料,並藉由生成式AI來生成口語化、條列重點的輿情精華摘要,解決過去在解讀社群輿情時,需要人工對話題逐篇檢視、理解的時間。

  2. AI Search for EC 新一代智能貼標與搜尋推薦系統

    以AI語意分析技術,自動解析商品中所帶有的各式資訊文本,生成能代表商品的重點標籤,再綜合評估聲量、搜量、銷量等多元指標,能有效解決電商品牌在商品曝光、推薦、搜尋引擎優化上的各項痛點,讓消費者可以更精準的找所需的商品。

  3. AI Search for KM 新一代生成式AI知識管理系統

    整合了生成式AI、搜尋引擎,和NLP(自然語言處理)技術,讓企業員工只要上傳知識文件後,就可以輕鬆地檢索和提問,且AI Search for KM專注於企業自身所建構的知識庫,確保回答乃基於實際數據和企業內部知識,並提供地端運算方案,避免內部資料外洩風險。

想進一步了解更多意藍AI技術嗎?
<span style=" display: block; font-size: 0.8em; font-weight: 100; color: #A5A3A3;">精華文章</span>本土生成式AI大語言模型的發展與優勢:意藍輿情GPT的技術與應用

精華文章本土生成式AI大語言模型的發展與優勢:意藍輿情GPT的技術與應用

本土生成式AI大語言模型的發展與優勢:
意藍輿情GPT的技術與應用

大語言模型的優勢在於使用了先進的自然語言處理技術,由大參數量的深度學習架構,加上大規模的學習語料,來達到自行理解詞句間關係的能力,進而依照提示來生成各種內容,可以廣泛應用在多種場景,例如理解文章、生成摘要、依提示寫作及問答等。而由於目前繁體 (正體) 中文語料相對較少的緣故,台灣各界都開始投入蒐集與標註繁體中文語料,並以建置本土大語言模型為目標。

本期 AI 知識庫亮點

生成式AI大語言模型的核心特點
本土生成式AI大語言模型的可能性
意藍資訊的生成式AI應用內容

AI大語言模型的核心特點

什麼是大語言模型?
大語言模型 (Large Language Model,LLM) 是一種基於大量資料訓練而成的深度學習模型,其特色在於模型參數量大、學習訓練資料量大。而模型的核心特點在於訓練過程中,可以自行學習、理解大量資料中每個詞句間的關係與背後的意義,成為基礎的預訓練 (pre-train) 模型,隨後再依照不同的任務類別進行微調 (fine-tune),例如成為可以根據指令來提供符合邏輯的自然語言回應。 大語言模型的工作邏輯就好比文字接龍遊戲、或是猜測下一字詞的智慧型輸入法,使用者在輸入詞句後,大語言模型便會根據過學習、訓練的資料,來評估詞句背後高機率會產生的字詞為何,並進行相對應的文字生成。
大語言模型的優勢為何?

大型語言模型的優勢在於使用更先進的NLP (Natural Language Processing),也就是自然語言處理技術。相較於傳統的自然語言處理技術,大型語言模型的優勢包含:

(1)上下文理解:不是只針對字詞本身來解釋,而是透過分析上下文來更好地理解和處理文意,可以解決單一字詞依上下情境會有不同解釋的問題,所生成的回應也會更有連貫性且有邏輯。

(2)多任務適用:經過預訓練的大語言模型,就像有了基本語文能力的AI,對處理各種自然語言處理的任務都會大有幫助,例如有了基本語文能力,則學測中的克漏字測驗、改錯、造句、摘要、閱讀理解等分數都會上升,不需要單獨為每種任務來設計特定的模型,讓模型的應用更多元、廣泛。

(3)大規模資料訓練:透過數十億字符 (token)、甚至到上兆等級 (tera-) 的語料進行大規模的學習,讓模型能夠掌握更豐富的知識,從書籍、百科、論文、資料庫、網頁內容、社群貼文等,進而做出更好的理解與回覆。

本土生成式AI大語言模型的可能性

台灣大語言模型的發展

由於目前主流的大語言模型,如OpenAI的GPT系列,或是Meta的LLaMa系列,在訓練時所使用的語料都以英文為大宗,而中文語料佔比都非常低,其中大部分資料又為簡體中文,和繁體、台灣地區所慣用之用字遣詞有一定差距,因此台灣的產、官、學界也都持續致力於台灣本土大語言模型的發展,如國科會的TAIDE模型、台智雲公司的FFM(Formosa Foundation Model)、聯發科公司下聯發創新基地的breeze模型,以及作為國內自然語言處理的先導廠商 – 意藍資訊所發展之eLAND GOAT模型,目標均是讓大型語言模型能夠更加在地化。

意藍資訊在生成式AI大語言模型的發展
大語言模型的訓練是依靠大量高品質的數據資料來執行,而意藍資訊累積超過十年、規模最大的台灣公開社群與網路輿情資料,包含國人常用的各大社群平台、問答網站、評論網站、討論區、公開內容等,這些繁體中文語料就是生成式AI最好的學習教材。除此之外,意藍也發展了自己的自然語言處理演算法與模型,且經過第三方機構的驗證,語意判斷的準確度高達九成。此外,在相關性檢索、情緒判別、與AI對話等競賽中都名列前茅。故在台灣大語言模型的發展中,意藍資訊具備生成式AI領域中最核心的資料、演算法與應用,擁有如輿情分析、數位人群分析、電商搜尋推薦引擎、知識檢索與問答等不同的商業應用方向。

意藍資訊的AI應用內容

輿情GPT的特色與優勢
在研發大語言模型上,由於意藍資訊擁有全台最大、最完整的OpView社群口碑資料庫,再結合意藍訓練研發的自然語言處理技術DeepNLP,成功打造出領先全台的「輿情GPT」服務,讓輿情GPT在面對巨量的語料能夠更有效地處理並加以運用。只需要在輿情GPT中輸入簡單的關鍵詞,便可以在最短時間找出相關的資料,並藉由大型語言模型來生成口語化、條列重點的輿情精華摘要,解決過去在解讀輿情話題時,需要逐篇話題一一進行檢視、理解的大量時間。除此之外,輿情GPT強大的質化分析能力,能讓企業即時掌握突發公關事件的輿情走向,或精準抓住行銷上的流行爆紅元素。
生成式AI技術未來展望
隨著大型語言模型的能力越來越強,大眾對於資訊安全和資料保密議題的重視也日漸增加。企業在大語言模型應用上,常會受限於服務供應商多為公有雲的緣故,不放心將企業重要資訊上傳外露,使得無法讓模型在具備企業內部知識的情況下,提供更精確的產出結果。因此,意藍資訊持續發展企業專屬的地端 (on-premise) 模型,提供企業小型化、客製化的模型選項,並且不斷的探索大型語言模型的應用場景,嘗試、解決企業遇到的商業問題。
想進一步了解更多意藍AI技術嗎?

Copyright eLAND Information Co., Ltd.