美國波士頓大學凱斯特羅姆商學院（Questrom School of Business at Boston University）行銷學教授，也是傑出講座學者。
在當前的網路環境中，後台的AI推薦系統會依賴我們的數位足跡（比如我們的點擊內容、瀏覽頁面、購買等行為）來給予最佳推測，然而這些結果總是沒有真的「摸透使用者的心」。為了打造能更準確預測用戶偏好的演算法，組織可採取一系列有效做法：首先，檢查演算法是否存在人類偏見；其次，改進演算法設計以更好地反映使用者的規範性偏好；此外，應使用多樣化的用戶數據來訓練演算法；最後，確保演算法不僅參考用戶的實際行為，還能直接反映其指定的偏好。
退貨造成零售商大量的營收損失，但一般減少退貨的策略，例如提供評論與問答、增加消費者退貨成本，都不盡理想。如果善用退款效應，在退貨流程中進行交叉銷售，更能減少營收的損失。本文提出3大發現，供零售商參考。
病人不認為科技能了解自己獨一無二的需求。因此，若要實現醫療人工智慧承諾的眾多好處，並節省成本，醫護人員必須找出方法克服這些疑慮。例如，醫療服務供應者可以採取行動，以提高病人對醫療人工智慧提供服務的個人化程度有何觀感，藉以減輕病人擔心自己被視為一般病人或某個統計數據的憂慮。
為提供您更多優質的內容，本網站使用cookies分析技術。若繼續閱覽本網站內容，即表示您同意我們使用 cookies，關於更多 cookies 資訊請閱讀我們的隱私權政策。
