根据市场研究公司IDC的预测，2026年全球围绕AI系统的软硬体和服务支出，将超过3000亿美元；同时2022 - 2026年的年均复合成长率（CAGR）将达到26.5%。另一方面，生成式 AI 也为品牌带来更强劲的素材创作动能。

根据Gartner发布之2022年重大技术趋势，预估到2025年生成式AI产制的内容将占所有数位内容10%。Gartner也指出，从技术成熟度曲线（Gartner Hype Cycle）来看，生成式AI已迈向主流市场应用的高峰期。

Appier 认为，「电脑视觉」与「对话式行销」将是较快体现生成式AI进展的领域；而运用 AI 「提高生产效率」或是「进行分析预测」也将赋能数位转型加速。

内容推荐和广告素材：电脑视觉生成更吸睛的素材

电脑视觉（Computer vision）因为生成式AI受到更大的瞩目，是近年蓬勃发展的AI领域之一，可让电脑对数位图像、影片和其他视觉输入内容进行处理、分析和有意义的解读。品牌主要可从两个方面运用电脑视觉：一是理解视觉输入内容，二是产生视觉输出内容。

电脑视觉模型的进步使图像辨识在输入资料有限的情况下更精准、功能更强大。过去业界多数使用卷积神经网路（Convolutional Neural Networks）进行图像辨识。此方法可让电脑透过与人类大脑相同的方式处理数据。随着更先进的Transformer 模型问世，AI 系统便能更自由地处理完整图像的重点部分，辨识图像或影片的内容，并根据此内容产生洞察。

其中图像辨识技术非常适用於商品推荐， AI能够分析每位浏览者查看的内容，以及这些图像的相似处和规律，并向浏览者推荐最符合其需求的商品。 除了图像辨识之外，电脑视觉也能产生视觉输出内容。过去几年内出现许多AI网站和应用程式，使用者只要输入一些文字即可自动产生图像。此类系统通常使用生成对抗网路（Generative Adversarial Network），因此需要大量数据才能创造品质稳定且优良的视觉内容。

另一方面，较近期兴起的扩散模型（Diffusion model）虽然使用不同技术，但仍可与生成式学习（Generative learning）达到相同目标，且输出内容更多元，只需仰赖更少的数据就能生成多元的输出内容。

不论使用哪一种模型，生成式AI（Generative AI）都能替品牌更快速地制作广告素材。更重要的是，生成式AI可根据粉丝在社群媒体上留言的内容，替品牌提供粉丝希??看到的内容，并运用留言文字中的构想产生新的图像。如此可使创作过程更大众化，也能产生真正独一无二的内容。

有了独特且能产生共呜的广告素材，品牌便能改善广告点击率和转换率成效。广告素材一直是行销人员重视的面向：有效促成转换的个人化内容和吸睛广告素材。随着AI及其应用发展，AI解决方案的技术将会持续精进，并且运用进阶模型和演算法，打造最先进的 AI推荐内容和AI生成的广告素材，协助品牌有效推出一档档高转换的行销活动。

图一 : 电脑视觉模型的进步让 AI 能够分析、辨识图像或影片，并根据内容产生洞察。

Appier曾在内部进行实验，让人和机器判断哪一个广告创意素材能获得更好的互动成效，例如：针对在推广「果??」产品的时候，是应该在视觉上强调「天然水果制成」，还是「新鲜冰沙囗感」；或是在推荐行李箱时，是应该强调「商务人士首选」让沟通受众更明确，还是主打「品牌热销」面向更广泛的客群。

结果发现，人为判断的准确率大约是1/2，机器判断的准确率大约是2/3，显示人为判断的成功率基本上就是随机概率，没有机器判断的准确度来得高。

这是因为AI可以看到图片中隐含的更多细节，例如功能、颜色、品牌商标、折扣显示方式、旅游暗示（机场）、客群暗示（商务人士）、行动暗示（Call to action的购买连结），种种元素都可以被加以分析，甚至能连结品牌过往销售资料、顾客购买偏好，得出更精准的预测结果。

由此可见，AI可以被运用在更多创意决策上，让品牌节省市场测试，例如A/B Testing 的时间与成本，做出具有更高报酬率的决策。消费者也能看到更符合其需求或期待的商品，提升购买意愿或是加速购买决策。

对话式行销：更直觉的人机互动

聊天机器人和对话式行销在过去没办法作为消费者与品牌互动的的首选，原因是这些聊天机器人和对话式行销工具无法像人类一样快速理解和学习。生成式AI将聊天机器人拥有的智慧提升到一个新的水平，不仅对话更加直觉与人性化，整体反应也更加灵敏。

以近期话题度非常高的ChatGPT来看，虽然它在对话的流畅度与精准度上有显着的进步，但距离对话式商务应用还有一段距离，主因是ChatGPT并非是围绕MarTech情境所设计。不过，随着年轻一代更习惯透过聊天机器人和即时通讯软体与品牌互动，加上AI 、数据分析与对话式商务互相结合，大量的数据和业界多元的应用势必将带动技术的发展。

想像未来，消费者只要输入任何想询问的内容，聊天机器人就可以提供你想知道的资讯，就像和朋友徵询意见一样自然。品牌与电商的即时通讯平台不再被视为单纯的「官方讯息平台」或「客服助理」，而是能更早地了解顾客的需求，提前与之互动。

品牌甚至能在顾客产生购买动机前掌握潜在的高价值客群，利用AI触发推送个人化讯息，或是从对话中预测其後续的消费行为，促成更好的商业策略和决策。而当专家谘询、品牌对话式互动，购物体验以及顾客谘询服务能相互融合，未来的数位行销服务也将变得更加直觉跟有趣。

生产效率：运用AI事半功倍

回顾2022年下半年，全球经济深受通货膨胀等不稳定因素的影响。专家预测2023年所有产业将面临更多挑战，包括经济放缓、顾客期??提高、数位转型加速、数据与设备安全等。而当总体经济和其他外部市场条件不隹时，品牌最立即的反应便是仰赖内部资源寻求解方，而AI已成为企业事半功倍的助手。

根据PwC的调查，AI解决方案已被证实能带动更具成长性、可预期的投资报酬，同时能透过自动化节省营运成本。在生产效率方面，传统的行销自动化系统能够节省品牌管理日常业务流程和营运的时间。

在AI赋能自动化系统後，行销人员更能够规模化行销活动，并根据即时的变化动态调整相应的行动。57 % 的AI领先企业表示将运用AI预测市场变化， 54%将运用AI协助财务、销售以及行销计画的制定；在节省营运成本方面，则是有44%的领先企业透过AI自动化提高生产力。

有鉴於AI系统可持续学习，因此能为品牌提供传统自动化系统所无法创造的弹性。举例而言，假设一家电子商务公司打算尝试自动化出货，此时不论是否使用AI都能达成目的。但使用AI的好处在於机器学习模型会将可能影响出货的各项变数纳入考量，例如供货情形、天气和交通状况等，并根据AI分析的结果作出对企业和顾客而言最适当、最符合成本效益的决策。随着品牌更趋於运用有限的预算达到更好的行销成效，以及希??在投入行销预算前掌握可预期的投资回报，AI将协助企业从短期或长远的角度实现目标。

分析和预测：仰赖更易懂的 AI

运用AI技术进行数据分析已十分常见，但对於AI如何产生洞察和其预测背後的原因仍是未解之谜。虽然越来越多企业主管更愿意采用AI解决方案，但依然有人对於AI模型作出特定结论、建议和推荐内容的方法和原因存有疑问。

为了让AI的「黑箱」能够见光，许多AI技术公司开发了可解释的AI系统和解决方案。可解释AI（Explainable AI），顾名思义旨在解释AI作出特定决策、推荐或预测的推理过程。这些资讯可协助人类进一步了解AI以及其「思考过程」，让其叁与开发或获致结果的人们更愿意相信AI的选择。

图二 : 可解释性AI能够协助人类了解AI以及其思考过程，让人们更愿意相信AI的决策

现在的AI解决方案也需要清楚了解AI产生特定结果背後的原因，因此AI模型的可解释性变得十分重要。好比让客户清楚知道AI如何决定向某位用户推荐特定内容；或是AI如何将某位顾客归类为犹豫客，并发送优惠券给该顾客。透过可解释性AI，能够让客户进一步了解AI产生结果的思考过程。

AI：未来即现在

AI如今已是进行式，AI技术和应用也已跃升主流；若没有AI，许多品牌将无法达到现今的行销成效。随着更多品牌开始推动数位转型，AI技术未来在任何企业中担纲的角色只会越来越重要。积极运用AI强化竞争力的品牌，将更有机会在充满不确定性的时期逆风前行，乘势而上，赋能数位转型成效加速。