擁有台灣實體連鎖藥妝龍頭地位的台灣屈臣氏，近年來持續擴大數位轉型的腳步，自2014年成立屈臣氏網路商店，積極發展電商市場外，更透過結合Insider的AI技術，自營的官網加上藉由大量的門市銷售數據、會員消費行為累積，及AI的個人化推薦、在最佳的時機點投放最佳的接觸訊息給使用者，大幅提升消費者在Online成交與在線下購物的OO全通路消費體驗，大大提升轉換率。 OO線上加線下 提升客戶轉換率，帶動業績成長 屈臣氏集團為全球零售巨擘，過去30年在台灣落地深耕，專精於零售、門市營運SOP流程優化、零售供應鏈等，但對於電子商務平台經營只有數年，在電商領域如何提升轉化率、透過個人化的AI演算法提供客戶最佳化購物體驗並無足夠的人才與技術資源。 相比於在零售業經常被討論的「O2O」（online to offline），屈臣氏奉行的方向則是「OO」，也就是線下加線上。目前在屈臣氏網路商店下單的客戶，約有兩成會選擇到門市現場取貨。這時門市人員的服務如果到位，扮演現場購買的「觸媒」，就有機會利用線上商店導進來的客戶，為實體店創造額外業績。 根據統計，屈臣氏擁有將近600萬會員，在實體門市零售領域交易資料量龐大，但對比擁有120萬以上APP活躍用戶及近300萬App 下載量，會員活化的程度仍嫌不足，若能夠透過AI技術進行數據整合，也就是透過AI提供客戶進行最佳化的商品推薦以提升客戶從Offline 行為轉換至Online消費，或是導引線上客戶前往門市消費，將可提升大大客戶轉換率，帶動業績成長。 首頁個人化推薦模組：為您推薦 屈臣氏原始使用的開發套件為全球系統商SAP的電商解決方案Hybris，對於電子商務比較偏向單純展示、銷售，缺乏足夠技術資源處理提升消費體驗升級的相關解決方案。 Insider是一家行銷科技（martech）公司，在全球25個城市設有據點，並在台灣有專業的顧問團隊，提供顧客在地化的數位解決方案，致力於以技術優化數位行銷成效，幫助品牌推動數位成長。Insider是許多國內及全球企業包含屈臣氏、家樂福、IKEA、Lenovo、愛迪達、信義房屋、新加坡航空等大型企業的合作夥伴，在透過AI技術提升客戶轉換率、回購率、及提升廣告投資報酬率績效卓著。 屈臣氏引進insider AI演算機制主要是為了加強客戶體驗，透過AI的個人化、整合式行銷模組提升顧客戶消費的互動體驗。進而提升電子商務轉換率，以及透過AI的功能找尋對的客戶，增加新的客群、提供顧客更好的購物消費者體驗。 各頁依據客戶行為觸發折扣碼複製功能推薦 Insider 有許多原本已經研發好的技術模組，可以提供各種客戶於應用情境內去使用，搭配客戶在特定情況下所需要提升轉換率，可以提供許多不同功能的模組使用，目前屈臣氏電商網站APP使用insider不同模組，另有部分也會根據屈臣氏的特殊屬性，例如民生回購、導App需求、刮刮樂折扣碼，去設計因應屈臣氏客戶特殊情境的轉換套件或個人化推薦模組。 引進Web APP 個人化推薦、轉化模組套件 有效提升轉換率10 屈臣氏目前已經導入模組中的前四項，預計在2021年完成全部五項模組導入後，預期提升線上線下的互相導購，進而全面提升屈臣氏的整體電商及零售業績。 1 Web Recommendation Conversion Suit 2 App Recommendation Conversion Suit 3 InStory for eCommerce 4 Mobile App Template Store 5 Insider Architect 屈臣氏目前已經導入AT模組，預計2021年底完成 屈臣氏2020年與insider合作以來，引進了Web APP 個人化推薦、轉化模組套件，已有效提升成交轉換率達平均10以上，ROAS 平均10以上。 未來屈臣氏也希望能將POS銷售紀錄導入insider CDP，可以達成更優化的OO互動機制，完成全通路的消費體驗。 透過結合Insider的AI技術，自營的官網加上透過大量的門市銷售數據、會員消費行為累積，以及AI的個人化推薦、在最佳的時機點投放最佳的接觸訊息給使用者，將大幅提升消費者在Online成交與在線下購物或是進入屈臣氏門市創造互動的機會。藉由新技術在電商寡占的領域，為屈臣氏在消費者心中保持美妝保健類別中獨特的領導地位。

對於大多數的高爾夫球場而言，場務的營運及管理是一個令人頭疼的問題。「球場就是在賣草皮，場地一定要顧好」，一位高球場負責人不諱言指出。面臨球場場務人力短缺、老年化及成本高昂的市場痛點，導入AI無人機進行農藥噴灑及防蟲害，將可節省球場一半以上的人力成本，並大幅提升整體營運效率。 初夏晌午，位於桃園的台北高爾夫俱樂部，AI智慧無人機緩緩升空，其主要的任務是進行高爾夫球場AI 智慧無人機施肥噴藥的測試。事實上，執行此項任務的佐翼科技，其無人機普遍使用於稻田、香蕉、茶樹等農作物，來從事施肥施藥及防治病蟲害的工作，對於動輒數十到上百公頃的高爾夫球草坪，要運用AI無人機協助草皮維護作業，現階段將進行資料蒐集、建立施藥AI模型及多光譜影像分析測試等，未來將進一步進行大規模的技術落地驗證，為無人機導入高爾夫球場域建立典範。 透過AI無人機施肥灑藥 可節省一半人力 傳統高爾夫球場維護草坪的作業方式，是以人工揹著藥桶，或是駕駛施藥車逐一分區進行噴灑。「國內高爾夫球場於2001年起開始種植超矮性百慕達草種品系，此一草種喜好涼爽的氣候，台灣高溫潮濕的天氣型態並不適宜」，佐翼科技執行長進一步指出，為避免草皮遭受病蟲害，就必須進行農藥噴灑工作，以18洞球場而言，相當於每周要噴灑一次殺菌劑，T台及球道每兩個月噴藥一次。對於高爾夫球場而言，噴灑農藥耗時費力，重要的是，大規模噴灑將增加人員中毒與農藥量增加的風險。 農用無人機在高爾夫球場應用之效益 根據佐翼科技研究，高爾夫球場的蟲害包括夜盜蟲、斜紋夜盜蛾等，其生活習性是傍晚會出來覓食，因此，噴藥的工作必須傍晚施作。依據傳統作業方式，每次施藥估計需要兩台車三個人力，共耗費45小時的時間。若透過AI無人機施肥灑藥，操作人力僅需1人，20分鐘可以噴灑08公頃土地，約可節省三分之二的人力，也可減少營運成本30左右。 高爾夫球場草坪透過AI無人機施肥灑藥，約可節省一半人力 啟用農用無人機應用於高爾夫球場的草皮維護，除了顯著的效益顯現外，佐翼科技也特別導入AI多光譜影像辨識建立NDVI標準化植被指數分析，「所謂的多光譜是將不同的波長波段光線打在草坪的植株上，蒐集反射回來的影像進行分析」，佐翼科技劉姓執行長接著解釋，因為不同光譜，每一種植物在光的波長吸收程度不一，透過多光譜可以掌握草種生長狀況。同時再結合AI影像辨識，可以精準偵測病蟲害分布情況，據此決定施藥量的多寡。 跨領域協作 建立無人機草坪多源影像資料庫 運用AI多光譜影像辨識技術，佐翼科技將蒐集包括可見光譜、多光譜、熱影像和高光譜影像等，建立無人機草坪多源影像資料庫，完整掌握百慕達草種生長週期。 佐翼科技累積豐富的農業AI無人機噴灑藥劑經驗，但要將AI解決方案導入大面積的高爾夫球場仍有諸多問題需要克服。例如需要建立全新施藥模型及測試飛行方式，尤其是多光譜影像辨識運用，概念驗證並不困難，但實際執行則需要更多的測試實證，反覆推論，並與植物專家建立協同作業才能完成，這部分則須仰賴資策會等法人單位跨域整合，集結更多場域投入實證，建立典範，才能在高爾夫球場場域擴散。 智慧無人機導入高爾夫球場的國際案例文獻並不多，在驗證的過程中，能否快速複製至下一個球場尚未可知，但佐翼科技劉姓執行長認為，透過跨領域協作的方式，將問題定義清楚，一一臚列，供需雙方取得共識，針對每一個問題提出可以解決的方案，並找尋內外部的資源合作，才能逐步完成高爾夫球場智慧化的目標，順利協助產業轉型。 佐翼科技執行長劉峻麟

60歲的黃先生因中風住進醫院，在加護病房躺了兩周之後，突然病情急轉直下，經過搶救之後，才幸運撿回一命。事實上，在AI病危預警技術的輔助下，讓醫院能在病患心臟停止前的6-8小時，發現徵象並採取及時、準確的醫療措施，可大大降低病患院內死亡的機率。 病情的惡化是一個隨時間演進的過程，其細微推移變化絕非無脈絡可循。過往的研究報告顯示，發生非預期性院內心跳停止的住院病人中，約有六至七成在其心臟停止前6到8小時前已有徵象，但是卻僅有四分之一被臨床人員所偵知發覺，因此需要一種能更早期、並持續使用風險預警工具或系統監測病情，隨時警示醫護人員注意患者病情的細微變化，在病情進展前採取及時、準確的干預措施，有效減少不良事件或嚴重不良事件的發生風險。 非預期性病情惡化 無法及早偵測 急重症患者常出現不可預測的變化，及時發現或能預測潛在急重症患者為重要的課題。目前臨床常用的評估方式為Modified Early Warning Score MEWS，利用簡單的生理參數評估 包含心跳、呼吸速率、收縮壓、體溫、排尿量及意識狀態篩選出高危險群病人，已經證實可以預測病人的臨床預後。 MEWS為單一時間點且制式化公式的評分機制，然而，博鑫醫電所研發的 AI病危預警-醫院急重症病危提早預警指標系統EWS，係以即時反應預測病人狀態為目的，收集病患的連續性時間之生理資料進行深度學習，找出最佳預測模型，提高整體準確度。 博鑫醫電以大數據分析模型建置早期警訊系統EWS、IoT物聯網及5G通信技術，讓醫護人員透過通訊設備遠距離監控病患的生理狀況，監控急重症快速的病情變化，能掌握心臟停止前的6-8小時黃金搶救期。 博鑫醫電導入AI視覺判讀之後，無人化操作方式可大大降低醫護人力 博鑫醫電開發之AI技術為梯度提升集成學習系統 Gradient Boosting Ensemble Learning System, GBELS 建置早期預警系統，為該公司開發之具有學習型之EWS預測演算法，屬於集成學習 Ensemble Learning的一環，且歸類於監督式學習，提供以下三項功能： 一、早期警訊風險通知，以將具有代表性的數據，以GBELS進行分析，提供早期風險評分，讓醫護人員可即時進行臨床評估及提供適當醫療處置。 二、降低醫護人力：收集連續性生理監護數據，如心跳、呼吸、血壓及血氧濃度等，降低醫護人員書寫病例時間。 三、結合IOT物流網及5G通信技術，快速傳輸監護參數和影像資料等醫療數據，協助醫護人員透過通訊設備，遠距離監控患者的病情變化。 AI病危系統監測 掌握黃金治療期 博鑫醫電表示，急重症患者評估疾病嚴重程度是一項複雜工作，患者經常出現不可預測的變化。臨床醫護人員對病情判斷經常根據自己臨床經驗或直覺，缺乏科學、客觀，導致無法正確識別、及時發現潛在急重症患者，導致或誤診導致病患院內死亡率增加。 導入AI早期病危預警系統可輔助急重症的醫護人員正確的預判患者病情，更能讓患者即時受到需要的照料，藉此可以減少同時間急重症病房的人力安排並降低人力成本。 此外，易於攜帶的設計更有助於日後將系統導入救護車、居家照護等場所，對於急診患者可以更早得到適當的照料。院內的其他科別也可以在這套系統周邊開發新的應用，可有效加速智慧醫療技術的發展及推廣；以時下新冠疫情仍然肆虐全球多國的情況，此一系統也可以協助各地醫院更有效地照顧及監控重症患者的病情。 除了AI病危預警外，博鑫醫電也研發AI影像判讀-醫療生理監視器生命週期合規檢測AVS，也就是以AI影像判讀技術，發展生命支持類醫療器材之自動化品質檢測儀器，解決醫療儀器檢測耗時問題，可降低70的檢測時間，提高3倍的檢測數量、有效降低50的人力成本，同時100合乎法規要求，逐步解決醫療領域人力不足、醫療資源短缺、醫護工作超載等問題。目前已於中國大陸扎根，積極在歐洲為落地做準備，未來將朝日本及美國市場發展。 博鑫醫電研發AI影像判讀-醫療生理監視器生命週期合規檢測AVS，解決醫療儀器檢測耗時問題，可降低70的檢測時間。 現階段博鑫醫電的智慧醫療技術已導入包括新竹馬偕、彰基、東元綜合醫院、高雄工學大學附設醫院、振新醫院、新泰醫院、台北醫學大學附設醫院等醫療院所；國際知名醫材製造商GE HealthcareInc、中國最大醫材製造商邁瑞醫療，皆為博鑫醫電代表性客戶。