Share on facebook
Share on linkedin
Share on twitter
Share on facebook
Share on linkedin
Share on twitter
[consultant3]

哈囉,新竹 — 頂尖 AI 人才,現正招募中

2012是未知的一年,那年我與夥伴從美國回到台灣開始了創業之路。Appier從成立的第一天就希望能打造一個具國際視野並提供在地服務的團隊 (Day 1: Go global!)。我們乘上大家常說的「創新火箭」,從台北出發,在六年間快速飛向東北亞(東京、首爾)、東南亞與南亞(新加坡、吉隆坡、胡志明市、馬尼拉、香港、孟買、新德里、雅加達)以及澳洲的雪梨。

2018是豐收的一年,我們除了陸續插旗大阪與曼谷兩個新據點外,也在新加坡成立了Appier第二個研發中心;年中的時候,清大電機孫民副教授加入Appier擔任首席AI科學家,接著我們併購了印度新創公司QGraph並推出新產品AIQUA人工智慧行銷自動化平台,讓產品線更為完整;截至目前為止,Appier全球14個辦公室員工已超過300人,並攜手超過1,000個夥伴與客戶邁向成功。

2019是充滿挑戰的一年,人工智慧就像是過去的電力,會快速地普及在人類生活當中,當科技工具推陳出新、市場快速更迭,我們希望能持續為企業定義各個營運面向的挑戰,並讓AI能獲得最適當的發揮,也讓企業使用AI的門檻可以大幅降低。這一年來,台灣展現了過去從所未見的AI熱度與能量,而這些正向能量也反映在產業需求上 — 各行各業開始思考如何透過人工智慧轉型、對AI人才迫切的需求、相關產業與生態系的成長,以及各式新創事業應運而生。

台灣有非常多頂尖的AI人才,而對我來說,「留才之道」沒有太複雜的道理,我們希望優秀人才都能適得其所、有所作為,努力與專業能夠兌現成具競爭力的回報。

最後與各位分享,除了台北新加坡與今年稍早落成的印度班加羅爾辦公室,我們的研發團隊即將擴大至新竹,職缺已在Appier官網開放中,歡迎新竹地區的優秀人才乘上Appier火箭,和我們一起朝世界頂尖邁進!

 

WE CAN HELP

Letus know how we can help improve your marketing strategy

YOU MIGHT ALSO LIKE

提升顧客忠誠度和留存率永遠不嫌晚,聰明運用AI加速進程!

失去顧客的代價比想像的還大,不僅可能降低企業聲譽和營收,還會讓企業花費更多的行銷預算。市調公司Forrester Research便指出,獲取新客的成本是維繫既有顧客成本的五倍之多。 那麼企業如何預測哪些顧客即將離去?又應如何與這些顧客持續建立正向互動? 在此情況下,人工智慧便是企業可用來洞察顧客行為的工具。例如:辨識哪些顧客處於非活躍狀態,並藉此預測誰最有可能將投入其他服務的懷抱(稱為「流失率(churn rate)」);人工智慧還可以洞察該顧客的興趣,讓企業能夠根據洞察結果打造個人化的訊息及內容,來達到挽留該顧客的目的。下文將介紹人工智慧的運作方式。 掌握時效性分析資料,及時提升顧客留存率 留住顧客是所有行業獲取利潤的關鍵因素。若以傳統方式,行銷人需自行分析手邊龐大的資料,但真正的難題在於如何解釋這些數據,並將其轉換成可於未來執行的具體方案。不僅如此,這項分析工作也必須盡早完成,因為當顧客正考慮要離去時,企業必須和時間賽跑以搶得先機。 相較於手動蒐集資料,由人工智慧驅動的系統,其效率要高得多,因其可以按照企業的需求,自動化完成分析作業。一旦設定好目標,便可調整系統參數,人工智慧將會依照設定快速而正確地完成工作,大幅降低人為錯誤的風險。若行銷人發現資料不符合需求或不夠具體,則可以優化參數設定,此時系統也會重新調整自身的參數,以符合新的設定值。 下文將說明人工智慧如何幫助企業留住顧客。 整合企業內、外部資料,描繪「完整」的顧客樣貌 舉以Appier的AIXON人工智慧資料科學平台為例,其平台彙整不同來源的企業內部資料,同時整合企業內、外部資料,以拼湊出完整的顧客樣貌,讓企業可以更準確地掌握消費者過去的行為,並且有十足的把握可以預測其未來的動向(後者至關重要)。 內部資料指的是品牌業者透過自營管道蒐集而來的資訊,這些管道包括該品牌的網站、應用程式、內容管理系統(content management system)和線下銷售資料等等。外部資料指的則是透過以上其他方式獲得的資訊,例如:第三方資料庫以及顧客在你網站以外的線上行為。人工智慧系統可以把這些資料聚集在一起,整合成一個寶貴的企業資源,並描繪出一個完整的顧客樣貌,讓企業了解其如何與自己和其他的品牌業者互動。接著,人工智慧系統便可利用這些資料來找出企業最有可能即將流失的顧客。 探索出顧客「真正」感興趣的東西進而留住顧客的心 試想一下:企業不僅有辦法了解顧客在自家網站上的行為,還可挖掘出同一顧客在網路世界中的其他行為。該如何實現這樣的目標?人工智慧工具正好可以做到這一點:透過分析顧客在各個網站裡瀏覽過的內容中所使用的關鍵字如:健身、旅行、時尚或電影,企業便能知道顧客對什麼事物感興趣。   這些興趣可能十分具體,例如啞鈴訓練或以女強人為主角的浪漫喜劇,而非只是健身或電影這樣籠統的關鍵字。 人工智慧系統可以在轉瞬間解析所有這類的資訊,相較之下,若單純使用人力,則需要耗費許多時間來獲得相同的洞察結果。 透過結合這些見解與早先描繪出來的完整顧客樣貌,企業便可以在正確的時間點呈現正確的內容,以便在顧客決定離開前重新與其進行積極互動。 舉例來說,一位超過一個月都未打開行銷電子郵件的使用者,被人工智慧預測他可能同時即將在其他品牌進行消費,這時企業就可以主動提供優惠券來吸引顧客留下。優惠券的內容可以根據顧客的興趣來加以設計,如此一來,企業便能增加留住顧客的可能性,同時降低顧客流失率。 運用人工智慧來留住顧客的方法可創造更加個人化的顧客體驗,使其在整個顧客旅程中感受到更多與品牌業者互動的機會,從而降低離開的可能性。透過界定正確的目標受眾與滿足其特定興趣,企業便可以在老顧客保衛戰上取得主動優勢,並在顧客尚未意識到自己正考慮離開前,重新與其建立良好關係。   歡迎與我們聯繫 |了解人工智慧如何幫助你的企業解決商業難題|

VIEW >

三步驟助你掌握數據,強化留名單轉換成效

現今企業手上握有的資料比過去都來得多,理論上,資料量的激增能幫助行銷人做出更好的決策,但在許多情況下,此現象帶來的卻常是一片混亂:行銷人窮於應付龐大的數據,難以區分哪些是有用的、哪些是無用的。 在這篇文章中,我們將為你介紹如何將資料條理化的簡單三步驟,將你手邊的龐雜資料點石成金,變成有助於擴增營收的新客名單數(leads)。 第一步:資料條理化 首先,我們要將所有不同來源與格式的資料整合在一起,這些資料可能來自你的官方網站、活動、應用程式、客戶關係管理(CRM)、應用程式介面(API)等等。 想運用人腦從這些來源迥異的資料中精煉出有意義的洞察其實相當困難,但若藉由使用適當的工具來整合零散的數位資料與統整不同的資料集(data sets),企業可獲取現有顧客的全觀性輪廓並掌握其行為,甚至透過不同資料來源的交叉比對,找出具有消費潛力的高價值新客。 經過此步驟,企業可以更加聚焦於特定的業務目標。例如,條理化資料結果顯示你的顧客流失率(churn rate)過高,於是你針對該議題提出相對應的解決方案;又或者你想擴展公司的業務,以接觸新客戶和新市場,條理化資料可助你找出高投資報酬率的目標。在資料都正確無誤的情況下,條理化資料可以真實反映一個企業的體質是否健康,並助你聰明策畫具體行動方案以達成業務目標。 第二步:運用AI分析預測有效的資料區隔 到這裡,你的資料都已經條理化了,你也知道接下來想要關注哪些領域,例如增加註冊會員或是訂閱電子報的人數。下一步該怎麼做才能準確達成那些目標呢?由人工智慧(AI)所驅動的分析平台能夠建立AI模組來預測消費者行為,無須費心從零開始建立內部資料科學團隊。 隨著消費者已逐漸習慣橫跨多螢幕進行消費旅程,光憑人腦很難掌握所有消費者跨螢(cross-screen)轉換路徑的軌跡,亦難藉由多樣化的參數做有效的用戶區隔。然而,AI系統可以基於這些參數建立AI預測模組,並根據分類好的資料預測諸如轉換數和流失率等指標。舉例來說,透過瞭解過去的活動對企業的業務有何影響,企業能更有效地制定未來的策略。 台灣最具影響力之一的經濟新聞媒體《天下雜誌》利用Appier的Aixon平台,將不同來源的資料整合,並建立一個跨裝置、全觀性的顧客輪廓與行為。依據此洞察,天下成功吸引了新客群、增加其訂閱數,並且提高其線上銷售額。最後,天下每投入每一塊錢,都相對帶來十二元的營收。這些活動超越其廣告投資報酬率(return on ad spend)目標達300%,而其訂閱數和購買量則增加了404%。 第三步:根據AI產出之洞察策畫提升名單轉換的活動(Lead-Generation Campaign) 當企業擁有了這些AI預測資料所產出的洞察,即可以開始安排新的活動以達成轉換目標。市場上已存有較先進的技術可以同時透過多個行銷渠道發送資訊,大量增加企業與顧客交流的機會,且用最能觸發顧客共鳴的行銷內容進行溝通,提升轉換機率。例如:你可以在手機的Facebook App上藉由一則夾帶少量文字的橫幅廣告,先與目標受眾(target audience)小柯接觸,當他使用電腦造訪某個電子商務網站時,再對其放送一則動態產品廣告(dynamic product ad)。 若企業以錯誤的方式接觸顧客,可能會阻礙你的品牌與他們之間的連結,認為你的品牌不適合他們,甚至因為不當的曝光頻率而對你的品牌造成反感。 除了用顧客可接受的方式以及慣用的用語與他們互動,企業也可以透過先進的平台工具針對個別的廣告和活動進行優化,以便更有效地吸引顧客。舉例而言,高級汽車品牌Audi運用AI科技,以跨螢行銷的方式與顧客互動,藉此驅動預約試駕的填單數,最終達成最高48%的跨螢轉換率(conversion rate),遠高於單一裝置使用者的轉換率。

VIEW >

金融業大哉問:如何恰到好處地主動出擊並提升顧客互動?

綜觀全局,亞太地區的金融機構在顧客互動方面仍有相當大的進步空間。許多金融機構並不主動提供服務,而是被動等待顧客提出需求,而這將造成不容小覷的後果:顧客互動停滯導致顧客體驗毫無亮點,最終造成顧客移情別戀。 好在情況仍有轉機。藉由使用適當的人工智慧工具,金融服務業能夠將過往被動的互動策略轉變為主動攻勢,藉此獲得龐大的效益。   現狀:被動服務 亞太地區金融機構低迷的顧客互動性早已人盡皆知:根據IDC國際數據資訊有限公司的報告,80%的亞太地區銀行提供的顧客體驗仍然時好時壞,且將近一半(46.4%)的銀行缺乏紮實的全通路策略,導致顧客體驗不佳。 這份報告也提到,打造彈性且永續的即時顧客互動模式,對銀行而言十分重要。從樂觀的角度來看,能夠把握這項機會的亞太地區金融機構將大有可為。整體而言,若機構能夠滿足甚至超越顧客期望,便能夠提升顧客忠誠度,並吸引優秀的人才與合作夥伴。   金融機構所面臨的挑戰 就顧客互動而言,金融機構正面臨許多挑戰;舉例而言,由於金融機構不懂得如何有效運用資料,因此無法掌握各項與顧客相關的機會與威脅,自然無法獲取能夠轉化為實質行動的洞察。 此外,積習難改也是一大問題。由於許多金融機構保有繁瑣的資料,加上陳舊的行政部門運作模式與沿用過時的資料政策,要主動與顧客互動簡直難如登天。 因此,問題的關鍵在於金融機構該如何改變這些陋習,並開始轉守為攻? 為提供主動服務,將需藉由各種資料管道了解顧客生活中的所需所求,而資料科學與人工智慧則有助於提供個人化的顧客互動。   了解你的顧客 了解顧客的第一步,首先需要統整線上與其他管道中的資料,並建立完整的顧客檔案。由於目前付款方式已逐漸數位化,且亞太地區對加密貨幣的接受度較低,使得金融機構手中已握有大量資料。然而,資料量並非問題所在;真正的挑戰在於如何整合各個資料來源(例如網站、行銷活動、應用程式、顧客關係管理與應用程式介面整合),並藉此獲得有效的洞察。 若想統整與提升顧客資料價值,由人工智慧所驅動的資料科學平台將是絕佳的選擇,除了能夠協助處理海量資料,更能整合不同的資料來源,讓您有效掌握顧客在金融與其他方面的興趣。藉由增進對顧客的即時了解,便能夠進一步滿足顧客的需求。   藉由生命週期預測顧客需求 在建立全方位的顧客資料之後,接著便能依據顧客行為與興趣將其劃分為不同客群。 深度學習能夠運用第三方資料協助您判斷顧客於各個管道展現的特殊喜好,讓您提供極度貼合顧客需求的商品與訊息。此外,甚至能夠預測顧客在各個消費週期的不同需求。舉例而言,若有一位NBA球迷剛找到第一份工作,這位顧客除了對開立存款帳戶有興趣之外,可能也會想參與美國機票的抽獎活動。 不過,若要更進一步提升轉換率,便會需要與最有價值的顧客進行互動。深度學習不僅能夠預測各客群的轉換率與廣告投資報酬率,還能夠將其分級。如此一來,您便能夠藉由不同級別辨識出最有價值、轉換可能性最高,或者最可能受到行銷活動吸引的客群。   量身打造行銷訊息 藉由深入了解顧客並掌握其需求,接著便可針對不同客群進行個人化行銷活動,並使用能夠讓顧客產生共鳴的方式談論他們在乎的主題。舉例而言,對退休金帳戶有興趣的顧客與想申辦短期週轉金貸款的顧客,這兩者的需求必定大相逕庭。 此外,您也能選擇電子郵件、推播通知、應用程式內訊息或簡訊等不同方式傳遞訊息,而人工智慧能夠藉由分析歷史行銷資料,辨識出最能夠吸引顧客的管道與行銷創意類別。舉例而言,這些行銷訊息可在顧客早上通勤時以推播通知的形式出現在智慧型手機上,或者經由電子郵件寄送給習慣在睡前使用平板電腦上網的顧客。

VIEW >