目前為第3次AI研發浪潮，研究焦點在於能如同人類般學習的機械學習。

人類史上已出現兩次AI研發浪潮，第1次在1960年代，第2次在1980年代，而如今被稱為是第3次AI（人工智慧）研發浪潮。其關鍵字為機械學習。

所謂機械學習，係指AI能藉由大量資料，如同人類般學習與獲得概念，進而得到問題解答的技術與手法。若使用具備機械學習能力的AI，即可藉由電腦的協助，省去原本須由人花費長時間執行的活動。

例如讓電腦即時分析監視攝影機的影像，以隨機應變方式判斷車輛或人物的可疑行為，並通知管理者，就不再需要有人長時間盯著螢幕看。此種情況下機械學習必備的重點在，並不是由人事先將「可疑行為」分類，並設計成程式教導電腦，而是電腦從事先得到的大量影像進行學習，並獲得「可疑行為」的概念。

目前全球都在進行機械學習的研究，而NEC亦將旗下跨領域的AI技術群，命名為「NEC the WISE」品牌，積極推動包含機械學習在內的尖端AI技術之研發與運用。而在此努力下獲得的最新成果之一，就是資料科學研究所研發出的「顧客特性推斷技術」。

創始自英國超市，全球所有零售企業皆採用的顧客特性推斷手法。

在企業的行銷領域中，根據每位顧客的生命階段與生活型態等特性，進行分類的「顧客細分」概念已成為主流。這是因為若無法依據個人的喜好關注與興趣嗜好，進而制定、執行精準的行銷策略，不僅無法獲得成熟社會的消費者青睞，也難以使營收成長。

然而收集顧客詳細個人資料一事並不容易。能透過註冊集點卡等方式取得的資訊，主要為年齡與性別，但難以取得職業、年收入、喜好關心與興趣嗜好等資訊。

因此，業界長期以來一直在研究除了年齡與性別之外，如何由商品購買記錄推算顧客詳細資料的手法。其中最廣為人知，並獲得全球零售企業採用的手法，是一種名為「商品DNA」的手法。這項手法是由主要根據地在英國的特易購(Tesco)超市在1990年代後半期引進，該超市依據此手法取得的詳細顧客資料發行折價券，並大獲成功。

「商品DNA」是一種能顯示出影響顧客生活型態之商品屬性標籤。例如先對各種商品附註「有益健康」、「易於烹調」、「超值」、「高級品」等「商品DNA」。接著再依據顧客的購買記錄，分析其經常購買具有哪種「商品DNA」的商品，將顧客逐一區分成「重視價格」、「追求方便性」、「注重健康」、「注重高級感」、「美食派」等群組（顧客細分）。之後針對推算出生活型態共通的各群組，實施行銷策略。

解決「商品DNA」的問題，在短時間內以高精準度推算出顧客資料。

雖然「商品DNA」手法已展現非常優秀的實用成績，但卻存在著問題：賦予商品標籤的作業需要行銷專家參與，以及需要非常龐大的作業手續與時間。

因此NEC的資料科學研究所運用具備機械學習功能的AI，研發出的「顧客特性推斷技術」，不須對商品賦予「商品DNA」，就能推算出顧客詳細個人資料。

在此技術中，首先由產生假設AI將顧客與商品分組，並同時以購買記錄將群組相互連結，再分別針對各群組，製作能導引出希望推算之個人資料（年收入、興趣等）的推算式。接著將部分顧客的詳細問卷調查回答結果（正確答案）與產生的假設進行比對與驗證後，回饋給產生假設AI。藉由不斷重複這樣高速執行「產生假設→驗證→回饋給產生假設AI」之循環的機械學習，而能用超越專家分析結果的精準度，推算出顧客個人資料。

由於不需要以人工方式為商品賦予標籤，故可大幅縮短獲得推算結果的時間。在NEC內部實施的驗證中，過去需要3個月的分析與推算時間，能大幅縮短至短短3天。此外，將此技術套用於多達100萬筆電影評論的公開資料時，相較於專家的分析，只用了20分之1的作業時間，就完成精準度提升6%的分析。

「顧客特性推斷技術」的活用法

利用「顧客特性推斷技術」，短時間內以高精準度獲得的顧客詳細個人資料，就能運用在決定DM寄送對象等的行銷策略上。例如百貨公司臨時決定要舉辦「秋季和服展」，只剩2週左右的時間來寄送DM。這時承辦人員得拚死檢查顧客名單，但卻沒有足夠時間委託專家進行分析。若此時使用「顧客特性推斷技術」，就能以客觀性判斷方式，選出參加和服展可能性較高的顧客，而能寄出極可能對營收做出貢獻的DM。

而在另一方面，超市則是致力於改善店內的陳列架。現場員工不僅提出陳列架的改善方案，也鼓勵提出新商品的建議案。而藉由「顧客特性推斷技術」將顧客個人資料可視化，也有助於驗證此類改善的效果。

例如某家分店的員工提出採購訴求健康且附加價值較高的麵包，並陳列在店內的方案。因此該分店採購了此種麵包，並針對注重健康的顧客，陳列在顯眼處。結果麵包類的整體營收在1個月後成長了2%。單純就上述情況而言，難以判斷新採購的健康訴求麵包，對於營收成長做出了多少貢獻。

然而以「顧客特性推斷技術」分析注重健康之顧客的購買行動後，發現他們購買的麵包量成長了15%。能夠確實證明該提案員工的假設與行銷策略，對於注重健康之顧客的購買行為產生了極佳影響。未來，藉由繼續增加「訴求健康」之麵包品項，來持續提升顧客的回購率。此外，像這樣依據現場提案實施的策略，做成報告與其他分店共享資訊的話，相信亦能讓其他「重視健康」顧客較多的分店，以相同策略提升營收。

研究者簡介

中台 慎二 (NEC資料科學研究所 主任研究員)