分析與數據科學下一個關鍵數位優勢

下一個關鍵數位優勢

插畫/亞騰.馬攸許金(Artem Matyushkin)

當你在網購平台瀏覽商品,在Google搜尋任何疑惑事項的解答,打開Netflix或Spotify想看支影片或聽點音樂來消磨時間時,是否想過:為何這些演算法可以這麼精準地知道我的喜好?甚至在我想到之前,就提供最合我心的推薦?因為這些演算法的背後,都有一個最新的「數位優勢」⋯⋯
在亞馬遜(Amazon)每分鐘銷售的4,000種產品中,大約有50%是透過其個人化的推薦引擎展示給顧客。當你造訪亞馬遜網站時,網站的演算法會預測在那個當下你想要什麼,然後根據這項預測,從大約3.53億件商品中挑選出一些產品的組合,為你安排那些產品推薦。推動產生這些結果的,是亞馬遜不斷演變發展的「購買圖」(purchase graph)演算系統,也就是以數位方式呈現出現實世界中存在的「實體事物」(entity),其中儲存了有關這些實體的資訊(例如顧客、產品、購買情形、活動和地點等),以及它們之間的關係與相互影響的關係。亞馬遜的購買圖,會把消費者的購買歷程,和網站上的瀏覽數據、Prime Video上的觀賞數據、Amazon Music上的聆聽數據,和Alexa支援裝置的使用數據,全都連結起來。該公司的演算法使用「協同過濾」(collaborative filtering)技術,也就是整合多個因素,例如多樣性(推薦項目有多麼不同)、偶然性(有多麼出乎意料之外),和新奇度(有多麼新穎)等因素,以產生出全世界最複雜精細的某些建議。亞馬遜擁有豐富的數據和領先業界的個人化技術,因而能在目前占有美國電子商務市場的40%;最接近的競爭對手沃爾瑪(Walmart),市場占有率只有7%。Google為了與亞馬遜競爭,於2021年4月公布自家的「購物圖」(Shopping Graph),這個由人工智慧(AI)強化的模型,可以在用戶搜尋時提供產品推薦。每天有超過10億人在Google上研究各項產品,購物圖將他們連結到整個網路上超過240億項商品,分別由數百萬個商家提供。「購物圖」建立在Google無與倫比的「知識圖譜」(Knowledge Graph)功能上;知識圖譜掌握了在其龐大網路中的各種實體,以及各個實體之間的關係,包括來自多個來源的結構性和非結構性數據,這些來源包括Android系統、語音和圖像搜尋、Chrome瀏覽器擴充程式、Google Assistant、Gmail、照片、地圖、Y...