優化網上銷售 藉AI互動系統吸客

評論版 2020/10/01

分享:

若然你是一間超級市場的老闆,你會怎樣安排貨品上架呢?最簡單亦最常用的方法,就是因應貨品的類別進行分類放置。然而,這做法未必能令顧客很容易地接觸到他們所需要的貨品,影響貨品銷售之餘,亦會影響客戶服務。

要加強銷售,老闆可以考慮把貨品放在最當眼的位置,例如把女性貨品放在化粧品專區附近、男性貨品放在體育用品專區附近等。

上述銷售方法的設計是以貨品及位置為本,主要是為實體商店而設,不過此方法在網上購物的場景中卻難以奏效,原因是網店與實體店不同,網上消費者甚少花時間去逛虛擬商店。在網購時若要把貨品放在合適的位置去吸引消費者眼球,傳統的推銷方法必須改良。就此,互聯網科學家多年來着力研究「推薦系統」(Recommender System)技術。在功能上,「推薦系統」利用信息過濾方法,把貨品適時及有效地推薦給在綫客戶。

了解顧客購物習慣 投其所好

推薦系統的核心算法是以客為本,目的是先了解顧客購物的習慣及喜好,然後在推薦貨品時投其所好。常用的推薦算法主要有兩種:(1)「協同過濾」(Collaborative Filtering)方法假設「物以類聚,人以群分」,與客戶購物習慣或興趣類似的朋友所喜愛的貨品,必然是系統可以推薦的目標,繼而預測客戶對哪些貨品較有可能感興趣,例如由於你的大學同學喜歡看金庸武俠小說,Amazon會推薦你看《射鵰英雄傳》;(2)「基於內容推薦」(Content-based Recommendation)則利用貨品的特徵,向客戶推薦具有類似性質的相似貨品,例如Netflix向喜歡看周星馳電影的客戶推薦其他笑片。再者,有人把兩種算法互相結合,構建「混合推薦」(Hybrid Recommendation)模式。

不論是甚麼推薦系統,這些算法的前設條件,是系統分別擁有目標客戶之相關朋友及同類貨品的資料。若然沒有這些資料的話,算法便無法向新客戶有效地推薦新產品,這現象俗稱為「冷啟動」(Cold Start)。其中一個解決方案是公司向新客戶提供誘因(Incentive),例如折扣,但這純粹是一種市場推廣手法,與推薦算法扯不上任何關係。

聊天機械人 助解決「冷起動」

近年社交網絡(Social Network)於全球大行其道,企業經常利用有關平台進行產品銷售,推薦技術也很自然地被廣泛採用。社交網絡的特別之處是,其互動功能與傳統互聯網單向為主的推薦手法相比,有很大的優化空間,尤其是在解決「冷起動」的問題上,例如企業可以利用「對話系統」(Dialogue System)技術,構建「網紅聊天機械人」(KOL Chatbot)作產品推銷員。如真人網紅一樣,「聊天機械人」好像漫無目的地與用戶對話,其實暗地裏它在鼓其如簧之舌,向客人推薦公司的產品。從構造上,「網紅聊天機械人」不但包含「自然語言處理」(Natural Language Processing, NLP)、「對話系統」、「推薦系統」等人工智能技術,也具備市場推銷、心理學等非電腦科學的知識,從而使它的特定(產品推薦)功能非常全面。

總結而言,上述案例反映創新及科技應用是一門跨學科的課題。香港未來若要在這領域重點發展,人才培育尤其關鍵,政府必須從小學開始,就此小學STEM教育非常之重要。

傳統銷售方法的設計是以貨品及位置為本,主要是為實體商店而設。(資料圖片)

撰文 : 黃錦輝 香港中文大學工程學院副院長(外務)、香港資訊科技聯會前會長

欄名 : 國是港事

緊貼財經時事新聞分析,讚好hket Facebook 專版