富盈數據技術長 周竝弘 （攝影／洪政偉）
對任何需要運用數位行銷的產業而言，去年初Google宣布，Chrome將淘汰第三方Cookie，是從根本技術徹底翻盤的大變革，儘管Google將退場時限延期到2023年底，但隨著Google開始測試新廣告追蹤技術，第三方Cookie的退場，似乎已成定局。對企業或行銷公司來說，尋找替代技術來維持廣告投放成效，成了當務之急。
由於第三方Cookie受到限制，企業越來越難取得用戶資料，也出現一股聲浪，擔心個人化行銷成效會大受影響，身為網路廣告龍頭的Google也連忙祭出補救措施，力推一種全新的行銷做法，稱為廣告分群匹配技術FLoC（Federated Learning of Cohorts，FLoC），將原本的廣告投放作法，從瞄準「個人行為」轉向「群體偏好」，希望在保障個人隱私資料的情況下，透過群體共同的消費偏好，來投放廣告。
FLoC一發布，就引起行銷科技圈熱烈討論，彷彿找到了隱私與廣告之間的新出路。
Google不是唯一一家考量隱私，開始限縮廣告追蹤機制和行為的科技業者。影響龐大iOS生態圈的蘋果，也同樣祭出更嚴格的消費者隱私保護和削弱廣告追蹤的控管機制。
站在廣告行銷產業第一線的富盈數據技術長周竝弘，面對市場技術即將大洗盤式的變革，他觀察，由於企業能搜集到的用戶網路行為減少，已經陸續有同業反應，出現了廣告成效下降的問題，但大多數人都還在觀望，未來應採取哪種替代做法來維持廣告成效。這個問題成了廣告行銷產業當前最大的挑戰。
目前，周竝弘指出，若要維持廣告成效，現在有兩個替代做法值得企業關注。第一，就是Google推出的FLoC技術，這項技術是用Chrome先搜集用戶瀏覽行為，再透過FLoC模型將用戶分群，並以群組代號取代用戶ID，強調無論是廣告主、出版商或廣告平臺，都只能獲得用戶的群組代號，而無從辨識用戶身份，來避免商家取得過多用戶資訊。「透過分群追蹤的概念，我不需要知道你是誰，我只要知道你屬於哪一群。」周竝弘一句話點出FLoC的核心設計。
FLoC技術還有另一大特色，是將Chrome搜集到的資料，透過聯合學習技術，分散到各個裝置上進行運算，讓使用者的瀏覽歷史紀錄保持私密。不過，針對這項作法，周竝弘剖析，儘管Google宣稱，FLoC不會將個人瀏覽行為分享給Google或廣告商，但是FLoC本身在進行運算時，仍會將Chrome搜集到的數據與雲端資料庫比對，才能運算出個人分屬於哪個群組，「看似不會搜集你的個資，但其實Google仍有透過雲端來媒合資料。」
因此，周竝弘指出，FLoC技術仍面臨了挑戰，除了得看用戶願不願意買單，也因Google作法僅限於Chrome，其他瀏覽器不一定願意跟進，如此一來，也就無法追蹤其他瀏覽器的用戶行為。
儘管如此，周竝弘仍表達對這項技術的贊同。不只認同，他甚至基於分群匹配的概念，實作出一套用於電商領域的商品分群匹配AI技術，後來更將這套技術帶進現在任職的公司，作為即將上線的新廣告投放技術基礎。
擁有豐富電商技術實戰經驗，更站在廣告技術轉變第一線
任職於內容媒體廣告管理公司的周竝弘，處於數位行銷技術轉變的第一線，踏入廣告產業前，更已擁有20年以上的電商實戰經驗，多年累積的技術力，源自於他過去曾任露天拍賣、樂屋網技術長，以及擔任電商新創技術長的經歷。
10多年前，他曾以日本的開源圖書搜尋引擎為基礎，開發了一套能支援上億物件檢索的搜尋引擎，來克服露天拍賣站內，高達3億件商品資訊隨時更新的即時搜尋挑戰。
除了搜尋引擎，他也曾開發一套商品自動上架技術，讓商家只要在Word檔記錄商品資訊，並連同圖片置於資料夾中，再上傳到指定的雲端儲存位置，商品就能自動上架到電商平臺，大幅降低商家操作上架系統的學習門檻。
在電商領域耕耘許久的周竝弘，對AI也不陌生。他碩士就讀清大資工所自然語言實驗室，曾基於機率模型開發了一套中文關鍵字提取工具，能自動提取商品敘述中的關鍵字，以利後續分類或標籤。近年來AI興起，他也開始在露天拍賣中，用AI來減少人工作業，後來進入電商新創Uitox，更基於老闆想法，實作出AI商品分群匹配的演算法。
奠基在這些豐富的開發經驗上，周竝弘從技術的角度，深入剖析行銷技術的演變，並根據第一線的觀察，提出對第三方Cookie替代技術的看法。
如何提升商品行銷成效？顧客分群推薦作法可能為解方
長年在相關領域耕耘，周竝弘觀察，當前主流電商在進行商品推薦或廣告投放的方法，大多是透過搜集顧客的網路瀏覽行為，分析瀏覽過商品的特徵與屬性，再針對個人推薦相似類型的商品或廣告。這也是在AI逐漸進入大眾視野後，興起的個人化推薦作法。
但是，周竝弘認為，從顧客瀏覽記錄來「猜你喜歡」的作法，已經逐漸過時。「因為所有的數據都是過去式，就算你此時此刻搜集到的數據，也已經是顧客上一秒的行為，不代表他下一秒會根據之前的喜好來做決策。」他舉例，若消費者網購了一串衛生紙，而電商平臺基於這個行為，在對方下一次網購時又推薦了衛生紙品項給他，可想而知，消費者短時間內已經沒有衛生紙購買需求，就可能導致無效的商品推薦結果。
「所以，進行數據分析之後，要猜的是，顧客下一秒和下一段時間的需求是什麼？而不是猜他喜歡什麼。」周竝弘點出主流商品推薦方法的局限。
因此，周竝弘認為，先將顧客分群再匹配商品，可能為提升行銷成效的一種解方，將原本瞄準個人偏好的推薦作法，轉而以同類群體的偏好來取代。
周竝弘解釋，顧客分群匹配的作法，是以人群定向分析技術為核心，先描繪消費者本身的輪廓，再將特徵相似者分群，接著，藉由消費者所屬「群體」的消費偏好，來對個人投放相關的商品。有別於主流針對瀏覽過的商品特徵，來推薦相似品項的作法。
他以電商場景商品推薦為例進一步說明，當顧客瀏覽電商平臺的商品時，根據顧客的瀏覽記錄，能為他貼上標籤，拼湊出他的形象與輪廓。比如說，一位顧客進入了電商平臺後，先點選了3C分類，搭配顧客族群資料，可以推測，這個人有可能是一名男性；若他又點擊了iPhone最新機型，還可以進一步推測，他也有可能是追求流行的年輕人；不過這款新手機價格很高，更能進一步推論，該名顧客的消費能力偏高。透過顧客點擊的商品，就可以得出該名顧客許多線索，像是可能為男性、年輕、高消費水平的形象。這就是一種用點擊行為來描繪顧客輪廓的方法。
依據每位顧客的輪廓，進一步找出與之相似的消費群體後，儘管他沒有逛過其他網站的商品，但在進行商品推薦時，仍可以推薦給他所屬群體偏好的商品，來避免重複推薦給他已經瀏覽過、甚至購買過的3C商品資訊。
這項技術更能運用在廣告場景中，先將潛在顧客依據消費偏好分群，再針對個人投放群組偏好的商品廣告。Google目前正積極測試的FLoC技術，就是運用了相同的分群概念，根據FLoC模型判斷用戶屬於哪個分類群組，以此作為廣告投放的基礎。
周竝弘也引述Google的說法指出，FLoC與原先透過第三方Cookie來追蹤個人行為的廣告投放成效相比，已經能達到原先成效的95%，「也就是說，人群具有一定的代表性。」綜合這些優勢來看，他認為：「廣告分群匹配會成為未來的趨勢。」
想了解更多有關此文章的內容嗎? 歡迎點擊以下連結觀看更多內容喔!!!
線