“FINTECH - Reshaping the Future of Finance Services”

74 75 廣告投放有的放矢 誠然，大多研究都以追求更高的準確度作為演算法優良的評價標準。但 是如果優秀的演算法具有解釋性，則可以更好的協助人們理解模型所推 論出結果背後的原因。對公司來說，從中可以作出更好、更精確的決策。 事實上，具解釋性的演算法，不僅可以讓公司找到決策錯誤的原因；也 可以發現模型設計偏差之處進行補救。 再以購物籃分析為例來說明，譬如，在一個網上商貿購物平臺，究竟有 那些商品經常同時在顧客的購物籃子裡出現，如何對顧客進行精准推 薦？具有解釋性的演算法模型可以告訴網購商組合購物推薦的原因，幫 助商家比較不同的行銷組合，發現之前忽略的因素甚至潛在的商機，於 是廣告的投放，便更具針對性，吸引更多顧客購買消費。 刮鬍刀、啤酒、戶外帳幕、手電筒 在此，不妨看一個購物籃子的商品組合例子，「刮鬍刀、啤酒、戶外帳 幕、手電筒」。這四個看似風馬牛不相及的商品，常常在購物籃子同時 出現；再配合分析客戶的個人資料，AI 或ML的演算法便作出推斷解釋， 喜歡喝啤酒的年青男子，多喜歡往郊外紥營旅行。於是，不僅把這四種 商品放在一起，方便消費者採購，而且更把一些喜歡到郊外紥營旅行年 青人可能會買的東西，也拿來放在一起試行推售，結果很有可能增加商 品的銷售。由此可見，AI 或 ML 的演算法具解釋性，在銷售應用上，將 是一個極具潛在增益的營銷方法。 AI 演算法預測能力 與解釋能力並重， 勢將成為人工智能 領域的發展主流， 並為商業應用帶來 更龐大的潛在收 益！ 人工智能機遇與挑戰