看看人家是如何把AI應用在商業上的-推薦

懶得看全文?三分鐘抓重點就好。這篇是我在 2017 年寫的 AI 商業應用觀察——那時候 ChatGPT 還沒出世、機器學習還停在工程師的世界。回頭看九年前,我提到的 3 大商用價值跟 2026 年幾乎完全吻合:推薦系統、自動分類、預測分析。推薦系統是 Netflix、Amazon、Spotify 一直在吃的飯——你看的越多,它越知道你愛什麼,回頭率就越高。自動分類讓大量雜亂資料變成可操作資訊(例如客服把詢問自動分到對應部門)。預測分析從歷史行為推下一步(例如電商預測哪些客人下週會來,提前發優惠券)。2017 年寫的這些預測,到 2025 年幾乎全部實現——只是當時要工程師才能做的事,現在用 ChatGPT 加一點 no-code 工具就能玩。這篇適合 AI 轉型中的中小企業、對 AI 應用場景模糊的老闆、行銷數據分析從業者。

好啦~~ AI 真的是有夠紅的,有好多好難的術語,有甚麼 大數據,深度學習,強化學習,蒙地卡羅法。 我覺得要了解AI背後的技術前,先聊聊AI可以做甚麼,搞不好可以更讓人容易想像AI未來的應用。

推薦-不只要你買,還幫你找好客人

亞馬遜很早就在收集大家購買的情況,然後推薦給你,你很有機會再購買的東西。這個好像太普遍,大家都知道,再講就很弱了。 講一個比較有趣的。 銀行可以利用AI決定要不要發卡,要給你多少額度,要給那些人比較高的額度銀行會賺到錢。 我們想想,銀行要靠信用卡賺錢,是不是一定要讓卡奴消費者還得出錢? 這樣想是挺直覺得,要是還不出錢,那銀行就一定倒啦! 但再仔細想一想,有個超級乖寶寶消費者每一期都是準時還錢,那銀行就賺不到利息了耶。 賺不到利息,銀行就少賺好多喔~~ 當然聰明如你,一定知道使用刷卡,銀行就會抽手續費,消費者不一定知道,銀行會抽商家手續費。 但是遲繳的利息可以高達15%。(早幾年是18%。超級高!) Image result for 18% 這種全還型的超級乖寶寶在銀行眼中,是一個好客戶,會還錢,但也不能讓銀行額外賺更多錢。 另外有一種有點壞的客戶,不繳全部費用,每月繳最低還款金額,或是會拖延一點時間繳款。 這種循環型客戶,讓銀行冒一點點的風險,收到較多的利息,維持一定的獲利。所以銀行也不能說完全不喜歡這種客戶啦~ 也真是男人不壞女人不愛的另外一種證明阿~~誤         那麼找出這種有點壞又不會太壞的人就變得非常的重要。 信用卡會記錄你消費的時間,消費的金額,在對應上你的還款情況,就可以開始餵AI資料,把客戶分到不同的種類。 現在的行動支付收集的資料又更多,例如支付寶,微信支付可以知道你的社交圈,有沒有認識到馬雲阿,馬雲會不會給你手動點讚,有哪些人會在微信上發紅包給你,你發的紅包有多少。都可以作為評價你消費能力,還款能力的指標。 現實資料越多,越能描述一個人的清況,而且支付寶或是微信擁有巨量的使用者資料,還可以將不同的人分類,劃分出乖寶寶組跟有點壞的組。

在旅行業上的應用

推薦客人要買甚麼

因為我們公司是為客人做客製化行程,所以當客人詢問我時,我會去看客人在FB上面各地的打卡,TripAdvisor各地的留言,從而了解客戶喜好,推薦客人感興趣的餐廳,行程。 這件事情其實也可以交給AI去處理,而且AI抓的資料可能會比我快,又比我多,我拿到客人資料以後,做最後決策要提供給客人哪條路線。

利用AI篩選客人

因為旅遊是比較低頻的消費,一個人一年可能旅遊5次,很難有大量的資料。所以訓練AI時資料可能會不夠多。 我舉其他篩選客人的例子,如嘸位la!,或是 象卡來Whoscall 由使用者舉報奧客,或是詐騙電話。這種簡單直接的舉報,建立一個資料庫,讓同業間可以互相查詢,或是有接到詐騙電話的人就舉報,讓後面的人不會再遇到一樣的騷擾。 隨著FB、Line或其他通訊軟體的使用普及,我們也可以去看客人公開的發文,如果是會在FB上面一直跟別人筆戰,利用自然語言處裡去分析,他的發文是負面文字比較多, 並不理性,這是就可以考慮要不要接待這位客人。   ——–參考文章—–  

有關信用卡發卡風險的論文

Neural networks for credit risk evaluation: Investigation of different neural models and learning schemes

也是有台灣相關的研究喔

運用人工智慧於信用卡額度之研究-以國內發卡銀行為例

延伸閱讀

看完這篇還沒過癮?這幾篇可以接著讀:

常見問題 FAQ

小公司現在才開始用 AI 晚嗎?

不晚。2017 到 2024 是基礎建設期,2025 之後才進入應用爆發期。現在開始把 ChatGPT、Claude、Perplexity 整合到日常流程,反而是站在最好的起跑點——前面的人在嚐鮮踩坑,你可以直接用比較成熟的版本。

最容易開始的 AI 應用?

三件事:客服 FAQ 自動化、內容草稿生成、數據整理與摘要。這三件事用現成工具就能做,不用請工程師——每個月付 1000 元訂閱就能啟動。

推薦系統一定要很多資料才能做嗎?

不一定。現代向量搜尋加基礎 embedding 模型,即使只有幾百筆商品也能做出簡單推薦。關鍵不是資料量,是「商品描述是否夠結構化」——你描述得清楚,AI 才推得準。

AI 預測可信嗎?怎麼驗證?

不要把 AI 預測當決策,當「假設產生器」。用它快速產出 3 到 5 個可能,再用人類判斷最可行的那個。AI 的價值在加速,不在代勞——你如果把 AI 的結論原封不動拿去用,那是拿自己的生意在賭它沒亂講。

旅行社怎麼用 AI 推薦?

三招:根據客人過去行程推下一趟目的地、客服問答自動分類(產品/付款/退改)、行程包裝時自動找類似過去熱銷的元素組合。每個都能立刻試,ROI 明確——不用等,下週就可以跑一個小實驗看看。

發表留言