要如何將旗下集團的消費數據整合在一起，產生廣告綜效與提升電商導購訂單轉化率，恐怕是每一位橫跨多產業領域老闆朝思暮想的事情了。沒問題，透過AI就可以逐步幫您辦到 東森得易購為東森國際集團相關企業，其關係企業包含東森國際、東森新聞雲、東森保代、東森自然美、東森全球行銷、東森寵物雲、Her森森、分眾傳媒與香港草莓網、熊媽媽買菜網等公司。在集團關係企業跨產業、跨領域的情況下，加上各單位會員系統獨立運作，消費者數據無法於集團內互通，讓東森集團「將客戶放在上帝的位置」的承諾難以進一步落實。 東森集團旗下公司涵蓋產業範圍廣泛，會員數據庫龐大而分散。 東森集團具備龐大的會員流量，且已應用AI新聞推薦演算法等相關技術於各場域，東森集團各單位的會員系統獨立運作，消費者數據亦無法於集團內互通，缺乏全面性消費行為分析依據，導致無法提升個人化服務與行銷策略的精準性。 東森集團分析現今零售市場所面臨的挑戰與趨勢時表示，因應消費者需求轉變，非傳統型新商業模式紛紛興起，形成零售破碎化現象。各式新興商業模式提供滿足屬於自己的利基市場的服務或商品，消費者將會減少依賴傳統零售模式。 而零售破碎化現象最明顯可在新興國家觀察到，其以跳躍式的方式發展出新興零售，如高成長的快閃拍賣電商品會威脅傳統 B2B2C電子商務平台市場，新興商業模式快速瓜分傳統零售商場，甚而顛覆既有市場遊戲規則，預計未來零售市場將會繼續向細分發展。 新零售產業快速導入AI應用 迎戰高度競爭市場 在虛實融合趨勢下，實體零售業者與線上電商業者之界線日益模糊化，實體零售業設立品牌購物官網、開發品牌 APP、投入電商平台，另一方面電商業者也開始設立線下實體體驗店，擴大與客戶的接觸。為提升營運流程自動化程度以及達成顧客體驗個性化之目標，兩者皆透過線下與線上串接探索消費者數據輪廓，以 AI機器學習、深度學習、電腦視覺、語言處理、移動控制與推動決策技術為基礎，積極導入智慧零售AI應用，形成新零售產業 。 此外， Google Chrome於 109年宣稱 2年內 關閉 3rd party cookie功能， 零售企業 將無法用Cookie追蹤個人化、理解使用者在各個時間、地點、廣告上的使用，導致跨裝置、跨平台追蹤的公司將被迫轉型，也代表 將面臨巨大流量廣告銷售困難。 因此，東森集團決定導入「OneID AI流量變現服務驗證計畫 」，成立東森集團專屬的數據聯盟，運用「 Unified ID」進行跨產業、跨服務的資料交換。將關係企業由以往的蒐集個人化數據，轉為分析整個產業間消費者會有的相同行為特徵，再將其進行分群，以取得相同行為特徵的使用者，並提供其有興趣的內容。並利用第一方數據與 AI技術提升廣告點擊率，提升廣告商業價值以及電商導購訂單轉化率。 此一計畫的AI技術由東森與華碩電腦共同開發，系統架構主要開發項目包含專案規劃、系統架構設計、系統環境建置、演算法開發、演算模型驗證以及系統驗證等，其應用技術涵蓋大數據平行運算框架、自然語言處理、用戶推薦嵌入系統、相似度搜尋、搜尋引擎索引、點擊率預測等技術。此計畫為研發一個全面的數據收集、加工、整合平台「數據中台」，吸收各種數據源的數據，以用戶為基本單位，形成結構化的數據表，並進行用戶標籤的計算，以期精準描述各用戶的特性。而後利用此數據進行 AI精準廣告投放。nbsp 東森數據中台架構圖 東森導入OneID AI流量變現服務 預估成本效益可達2倍 東森表示，本計畫主要核心應用到「用戶行為數據」及「AI技術」兩塊，其中用戶行為數據為東森集團提供；AI技術則由公司團隊與華碩團隊共同開發，涵蓋AD Serve系統、精準受眾估計系統、AI自動優化系統、廣告效果分析系統、用戶畫像系統等。而東森與華碩共同開發與華碩共同開發AI技術，其各客戶數據與流量獨立不互通。 根據估算，此開發計畫總成本效益可達200，預期可明確掌握用戶數位軌跡，行為與輪廓之效益，將可帶來客戶終身價值LTV的大幅成長，有效整合東森線上線下，提升會員服務內涵，並大大增加企業價值。 未來，東森集團將持續拓增國際市場，目前鎖定中國大陸作為主要推廣市場，將整個服務模組，以東森全球的營運模式，拓展到全世界華人市場，並於兼顧GDPA compliance 的條件下，再結合草莓網，將東森新零售服務以大數據及AI的優勢，服務面向全世界。 東森集團將透過草莓網將服務與技術擴增至全球市場。

近2,000個在田間蹲點的日子，讓悠由數據應用公司成為台灣在農業數據領域的佼佼者，對於農作物產量、產期與價格的全盤掌握，更讓它做到能與聯合國合作，服務農地面積在短短不到3年，從24公頃擴展至超過6000公頃，飆漲250倍。對於悠由數據應用創辦人兼總經理吳君孝而言，因應全球環保趨勢，成為氣候科技X綠色經濟的數據公司，並服務全球市場，是他創業的終極目標。 工程師出身的吳君孝，在2010年進入資策會，成為涵養他深厚技術與資料科學分析實力的重要沃土，讓他練就一身功夫，得以大展拳腳。「當時，我在做資料分析工程的工作，會內幾乎所有的數據相關資料都會匯集到我這邊，加上那時執行過室內栽培箱，要種菜、種香菇，因此，農業結合數據分析就此埋下創業的種子」。 吳君孝自2016年起，就常常到農場內「蹲點」，跟農民、農改場人員聊天、交換情報，系統性地大量交換資訊，讓吳君孝的農業Know-How快速建立。 堅實的數據分析技術能量 連聯合國都買單 2017年，他離開資策會自行創業，並於2019年創立悠由數據應用公司，目前許多農企業皆是他的客戶，服務的栽種面積從24公頃快速攀升至逾6,000公頃， 2022年可望超過7,000公頃。客戶遍及海外，包括日本、中美洲市場，甚至聯合國下轄機構-世界農民組織，都使用悠由數據支持的「悠由農作物演算系統」。 悠由數據應用公司究竟是如何做到連聯合國機構都買單 悠由數據應用建置的「悠由農作物演算系統」，準確預測產期產量與價格。 首先，由於吳君孝對農業數據的精準掌握，悠由數據應用的客戶不見得要用到感測器Sensor等硬體設備，「感測器成本高，若購買便宜的設備，反而蒐集一大堆雜訊或錯誤數據，完全派不上用場」。吳君孝接著說，蒐集數據不一定要使用感測器，透過我們的數據解決方案可以更直接有效的解決問題。 例如，悠由數據應用的產品之一-悠由金錢報農產價格Linebot，係2020年與LINE合作，蒐集產地、批發、終端價格長達10年以上的數據，由悠由數據自主研發AI演算法，讓系統自主學習農產品交易價格，更以大數據與人工智慧分析進行價格預測分析，協助採購商降低交易風險，讓數據不止於生產端，更擴大應用至農產供應鏈。 以香蕉價格來說，預測價格的準確率從原本70拉高至998。吳君孝指出，不管採購商或農民，對於價格都十分敏感，現在透過悠由金錢報服務，無論是採購商或農民，都能很精準了解農產品價格波動情況。悠由數據也能針對預測作物生長情況、產量、價格預估模型等，向客戶做出最佳的決策建議。目前價格預測可達28種農作物。 精準預估產期及價格波動 悠由數據靠數據分析做出差異化服務 悠由數據應用公司所提供的「悠由農作物演算系統」內建「參數庫」，通常會搜集200～300種參數，不光是溫度、濕度等比較直觀的數據，還會依作物生理的特性去切分。透過有效動態數據的演算法，可以精準估算農作物何時會開花、何時能收成，產量是多少等。如青花菜產期預測準確率為0-4天，開花期預測今年實際使用上是0天，與現場開花時間完全吻合。而在動態的計算當中7天內都是合理範圍，悠由數據的誤差值平均在2-4 天，大多數作物產期準確率均在80以上。 透過有效動態數據演算法，全球超過120種作物可精準預估產期產量及價格。 透過有效動態數據的演算法，可以設定預估產量多少，協助在生產端做調整，悠由數據應用的客戶多以外銷的水果作物為主，如鳳梨、香蕉、芭樂、芒果、文旦、鳳梨釋迦、小番茄、洋香瓜、西瓜、玉荷包，荷蘭豆、毛豆等，尤其是毛豆，佔台灣外銷第一，種植面積達400多公頃。全球120多種作物、超過600個品種都可以適用此套系統。 台灣農業生產同質性高，容易造成一窩蜂搶種，導致價格崩跌，悠由數據應用要幫助客戶做出差異化，因此，吳君孝將公司定位在精緻的數位顧問，所採取的策略是慎選客戶，重質不重量。他分析，台灣的農業客戶著重的是如何提升良率，甚至將良率分級，規格品質均佳，走精緻化的高階外銷市場；國外客戶重視的是如何提升單位產量，國內外的操作方式有別。 除了農作水果外，悠由數據應用也將服務觸角延伸至漁業，包括虱目魚、金目鱸、白蝦等，均使用同一套系統，將各種跟魚蝦生長有關的參數建立起來，何時下料、何時收成，產量多少等，藉此預測產期、產量及價格。 悠由數據應用善用數據力量，創造智慧農業奇蹟。 因應公司的高速發展，悠由數據應用於2021年引進創投資金，進行人員擴充與業務推展。吳君孝表示，因應全球2050年淨零碳排趨勢，未來也計畫將協助客戶在土壤中種碳，有效將碳保留在土地上，同時引介客戶對接碳交易平台，與客戶共創環保商機。 吳君孝表示，剛開始創業時就將公司定位為全球化公司，因此，與國際合作的方案將不斷推出。而成為氣候科技X綠色經濟的數據公司服務全球，這是吳君孝對自己的期許及公司的長遠目標。 悠由數據應用創辦人兼總經理吳君孝

衛星遙測影像雖然可以讓地面景物無所遁形，然真正要能落地應用至產業面，還需要耗費大量時間與人力。為有效解決客戶面臨巨量影像資料消化困難及消除跨領域用戶對衛星遙測影像處理的技術障礙等問題，興創知能研發「巨量遙測空間數據AI分析雲端服務平台」，作為智慧空間資訊跨域AI應用導入的新開端。 近年來，為了因應產業全球化衝擊，臺灣農業轉型持續走向科技化與精緻化，紛紛從微氣候衝擊、病蟲害防治等問題的解決，來提升農作物的產量與品質。為了精確掌握作物的生長環境、農業對於影像的使用，有了無限擴張的需求。 在早年UAV無人機尚未盛行的年代，人工田野調查是最基本、卻也最消耗人力的工作，有了UAV無人機的出現，航拍操作也許不太困難，但能拍的範圍受限，要精確地擷取空間資訊，還需要測量專業。此時，衛星遙測數據的使用可能就此跳脫過去使用影像資料的想像。 國家太空中心TASA資料倉儲服務 在近十年，現代衛星遙測應用技術的突破，數位地球成了全球資料採集的新趨勢、各國紛紛發展資料立方的影像倉儲技術，各國發展智慧農業成了最大的影像用戶之一，掌握作物的栽種分佈，就是掌握作物產量的第一步，有了免費的衛星遙測影像、強大的資料倉儲支援，以及團隊穩健的影像辨識技術，是加速農業轉型的重要支持。 運用衛星遙測影像數據 可加速智慧農業發展 然而，在過去，想透過衛星遙測影像來萃取大面積作物分布，也是困難重重，所需要花費的費用不說，若想使用免費的資訊，必須逛透國際太空機構的網站，在琳瑯滿目的衛星產品規格表中，審慎評估感測器規格、影像解析度以及再訪週期，找到適合的影像後，還得一幅一幅的看，去蕪存菁，接下來，動輒數百MegabyteMB的影像資料、連續幾十張的影像下載存檔，所用的電腦容量恐不堪負荷。 還有，當克服影像存取、備好資料後，接著必須開始確認下載的影像產品，哪些才是想要的波段，因為眼前看到的影像並不只是一個圖檔jpg或png，複雜的多光譜資訊、屬性欄位和座標資訊，光是確認正確的資訊，就耗費龐大心力。 而面對功能複雜的GIS套裝軟體，又是另一個麻煩的開始，複雜的影像前處理流程，以及缺乏彈性的機器學習套件，大幅降低分析資料的效率。好不容易做出作物辨識的結果，才發現可能已經過了圖資使用的黃金時期。上述複雜耗時的衛星影像處理問題，恰恰就是市場的痛點， 興創知能從傳統的機器學習擴展到現代的深度學習應用，研發在GeoAI框架下的「巨量遙測空間數據AI分析雲端服務平台」，為客戶突破這些空間資訊的魔鬼細節。 AI分析雲端服務平台流程導入前後之差異 興創知能表示，在我國國家太空中心TASA, Taiwan Space Agency的多年努力下，屬於臺灣的ODCOpen Data Cube系統也已打造完成啟動服務，與國際趨勢正式接軌，強大的倉儲技術讓使用者可以輕易的根據需求，擷取並使用特定時間與空間範圍的影像資料，倉儲收納了國際太空機構旗下的多個衛星影像資源，包含ESA的Sentinel-1每隔6日一幅、Sentinel-2每隔6日一幅，USGS的Landsat-7每隔16日一幅、Landsat-8每隔16日一幅，以及國內自有的Formosat-2每日一幅與Formosat-5每隔2日一幅。 以Python語言為基礎 興創知能開發衛星影像辨識工具 擺脫GISGeographic Information System套裝軟體的侷限，興創知能以Python語言為基礎，整合GDALGeospatial Data Abstraction Library，並考慮運算效率與平行處理，完成所有衛星影像處理與影像辨識建模所需的工具開發，包含座標系統與資料格式的轉換、網格與向量資料互動，以及資料內差與正規化等工具，都是以AI應用為考量進行設計，而部分常用的工具更以TronGisPy為名，打包為開源套件造福技術社群。 興創知能善用團隊對衛星遙測影像的了解，以及透過所蒐集的標記資料作物分佈圖資，預設好影像辨識建模過程，所需的訓練資料規格與資料集定義，套用事先完成的機器學習LightGBM或深度學習CNN框架，並讓整個訓練過程在Web GIS的介面中，提供使用者部分的彈性，自由篩選影像、確認時空範圍、選用模型與超參數調整。除了訓練模型的操作，也提供歷史模型的運用產出辨識結果，最終讓作物分佈的辨識結果展示在Web GIS圖台。 事實上，不僅只是農業才會有衛星遙測的應用需求，隨著各行各業為了提升企業全球性的競爭能力，空間資訊的智慧化應用也大幅度的出現在各種領域之中。舉例而言，擁有大量圖資的測繪業者，能夠透過AI分析雲端服務平台 ，收納圖資的同時也加速數化製圖的效率；在全球氣候劇烈變化與致災性地震風險之下，產業保險類別豐富，農業保險、金融保險或是災害保險，都與空間資訊脫離不了關係，透過遙測影像辨識掌握保險標的早已成為國際趨勢。 巨量遙測空間數據AI分析雲端服務架構