Bridgewell 跨境跨界合作 找到有效溝通方式

（左、右）宇匯知識科技董事長周培林、國際廣告協會台北分會理事長暨堯智科技管理顧問總諮詢顧問 黃燕玲

文／黃燕玲　圖／宇匯知識科技、黃燕玲提供

Q1 從電子、數據到行銷產業，周總你可稱是最早跨界的代表人物對嗎？

　　我年齡比較大，剛好經歷了 PC ／網際網路／大數據人工智慧的時代，加上我對新的技術及社會發展有濃厚的好奇心，從 1983 年參與電子所第一個IBM 個人電腦開發專案，一路參與，所以自然而然的成了跨界的人。

Q2 周總並非行銷傳播背景，你反而是從技術端跨進來，當時是什麼契機？因應科技革命的時代，Martech 一直在談跨境、跨界。廣告界勢必得跨科技領域，才能為客戶找到更有效的溝通方式。你的路徑剛好顛倒，可否跟我們談一談？

　　原本讀企管，1983 年開始從事電子業，當時擁有企管背景加入電子業的人很少。1983 年從參與電子所研發台灣第一部 PC 做起，後來還涉略工廠管理、採購、製造、業務。思考創業，則是 1996年的事情，當時網際網路剛開始。想做高科技是源於對新事物的好奇與興趣，就像 30 年前開始做 PC 時也因為是新的東西，激起了我的好奇與熱情。1996 年，時任華邦電子的總經理的楊丁元先生就指點我：臺灣繼續搞製造，會很辛苦，臺灣一定要做技術深耕的基礎研究。所以我們創業初期就選定環繞在網際網路應用的基礎技術研究。

　　我們一開始研發「自動分類」的技術，這種技術簡單來說就是把一篇文章的詞都斷開來，然後這個詞即代表此文章的概念，以前都要透過人辨識類別，但如果能透過人工智慧的學習，系統自動的將幾萬篇或幾十萬篇文章，丟給一個學習好的機器人去自動分類，就不需要人來看。

　　所謂分類就是一種臆測，臆測他可能屬於哪一類別，而我們當時就是專注在做分類的技術。因此有一段時間進而發展到知識管理，2005 年就在想說，一篇文章的詞意、意涵，預測應該如何分類？相對於人，他的行為軌跡不就像這些詞，透過這些詞意的堆叠，描述了他是什麼樣的人？也可以預測比方說他是不是屬於某個類別的偏好？喜歡某一類商品訊息？如果用在廣告，不就是為知識管理找到變現機制。

Q3 你曾提及，最初你的團隊都不是行銷背景。為何認為你的技術應用層可以與廣告有關係呢？

　　因為先前提到的，人的偏好是可以藉由過去的行 來預測的，就好像藉由文章裡面的詞，瞭解了整篇文章的概念，預測這篇文章所屬的類別；藉由人行為的軌跡，預測這個人興趣傾向的類別。基於這個想法，那時候就想可以做個人化的精準廣告投放。現在在講的機器學習、人工智慧、大數據，其實我們在 1997、8 年就已經在做了。到 2005年就想做廣告投遞應用。但還是很困難，就好像說你明明理解一個引擎可以推動一部車子，但是你跟人家在講精準廣告時，人家聽不進去，因為人家要的是「結果」。就如同人家要的是交通運輸工具，不想了解引擎的事。就算你已經很精準了，人家也並不知道你是否精準，只期待結果來驗證。

　　2006 年我們就推出 retargeting，也做了個人化的推薦系統、數據引擎，直到最近才開始流行的精準廣告、人工智慧這件事情，市場成熟才有成績。像是 RTB 的事情，我們也很早就做了，但就是慢慢等市場成熟。好處是對於如何把事情做好、做深。團隊一直都還有很多新觀念在發展，研發的靈魂算是內建的公司文化。

Q4 一般對於追求成效的結果大過追求成效的過程這個思維，你如何看待？

　　在談精準廣告當下，大家都覺得概念上是一個好名詞，但是到底多精準？其實也充滿變數。到了這幾年，Google 一直在推廣精準投放，FB 一直在談這個題目，現在競爭越來越激烈，大家就越習慣去看待成效這件事情。

　　但廣告成效畢竟不是廣告客戶唯一要追求的ROI，長遠的銷售或是會員的實績才是廣告投資所追求的 ROI。廣告客戶要提高 ROI，要做 branding，要有策略思考，DMP 當然也有他的角色。但對廣告客戶來說他更需要知道的是 insight，或者說他看到 insight 後，他發現新需求、新趨勢，他的溝通必須用很好的創意，這些都是DSP 不能做的，一定是代理商真正藉由 data 去看到 insight、趨勢，然後產生策略再去操作。他的 ROI 更好，一定是種整合，真正好的代理商、全方位的整合，才會對廣告客戶有所幫助。

Q5 在這個所謂「整合」的領域，數據的角色應該要被體現到什麼程度？所謂DMP 你怎麼看？

　　DMP 數據服務與提供策略的團隊完全是互補的。但是 DMP 的資料品質非常重要，沒有高品質資料的 DMP，往往淪為講故事的工具。好的 DMP有兩個要件，首先是高品質的資料，其次是優越的分析工具。高品質的資料，有幾個要點，資料是正確的、資料整理的夠乾 、資料的量要夠。有了高品質的資料，再加上方便的分析工具，DMP 就可以得到好的 insight，發展出創意。要做到這麼好的DMP，需要非常精密扎實的資料系統工程，和一層層資料的梳理，這些東西是一層層疊加上去的。

　　假如企業端透過 DMP 收了自己的數據，以此為基準，進而應用，再行銷、擴大受眾，如何妥善應用就是關鍵點。曾經拜訪我們的客人就是這麼多，我們藉著這些客人，配合大量資料，找到跟他們個性很像，比較接近對公司產品有興趣的人，例如首先投進去是 5,000 人，最後經過大數據和機器學習的技術，擴大成 10 萬人。這整個程序就是一個結合資料與機器學習擴大接觸潛在受眾群的過程。

Q6 承上題，從數據整合分析運用的定調，來看買名單這事。我認為，這不是長久之計，而是要回到數據和技術，若這些必然的路是成立的，你覺得有幾個面向是關鍵必須必考量的元素，是可以提供給廣告客戶的？

　　整個過程，講起來很簡單，要真的做的好，需要長期的技術投入和扎實的功夫。對於技術夥伴的選擇與合作，廣告客戶要有長期和策略的觀點，有決心的一個長期的技術夥伴慢慢建立資料系統和運用資料的策略能力，這需要建立一個互信的關係。就是因為整個程序太複雜，所以檢視合作對象是否投入足夠的技術資源，是一個可以參考的判斷因素。雖然投入足夠技術資源不代表一定解決了所有的技術問題，但沒有投入足夠的技術資源，應該不太容易創造出這樣的結果。總之，這件事，說來容易，要真的做的好，需要長期技術投入的決心和勇氣。

Q7 那如果是企業客戶自己呢，該如何去透過這樣的機制應用，比較多還是繞在廣告行銷投遞的範疇，在看這件事情時，既然大家在數據和 machine learning，在不同歷程就可以對接，接到最後不是就把 bussiness model 接出來嗎？

　　基本上是如此，理想上是在做 DMP 系統的時候，將 data 整理的非常好，而且發展出好的工具，讓 marketer 可以用這些工具從各個角度探索下去。而且基本上都環繞在 data 上，因為想追求的是 fact，所以如何有正確的 data、data 很龐大該如何整理得好、data 很多該怎麼使用它，宇匯的 DMP 系統，就是希望做到這樣。

Q8 宇匯如何期許自己？

　　我們定位我們是個運用 AI 技術，將資料的價值發揮到最大，為廣告客戶帶來行銷效益的技術公司。我們公司高科技的技術人才占了一半的編制，還在持續增加中，想做出好東西給別人用。

Q9 既然能做的這些技術，加上團隊特質，應用層應該不會只有這個領域？

　　做的越多，越瞭解到還是很多地方沒有做好，因為在做一個應用的時候就會發現其實一個應用就可以做很深、複雜，雖然可以講很好聽說我做的人工智慧比別人早，也可誇口說我們的技術可以做 IoT，可以募到很多錢，但是要做好，每件事都要花很多時間。

Q10 很多事情已經是大勢所趨、存在的事實，如何正視、或面對這些較為陌生領域，在這過程中，新世代的 marketer 應該是怎麼樣的背景的人？

　　整合的人。比如說像這些東西，marketer 如果想清楚，這些東西都會成為一個機會，該給 AI 的就交給他們負責，自己就會有更多時間去做更棒的事情；像是一直在說要發展 DMP 工具，發展得很好就可以從中得到靈感和創意，且得到許多想像力，雖然 AI 可以優化但缺乏想像力，想像力還是必須由人給，應該是說 AI 是一種助力，而不是威脅，他可以推動你的力量。我認為，marketer 是最聰明的人，他們可以做到這些。但要做得好，還得投入更多衍生的事物。「人一輩子光是把一件事做好就很不容易。」

本文同步刊載於《廣告雜誌》2019年1+2月號326期：

特別企劃：Bridgewell 跨境跨界合作　找到有效溝通方式

--

歡迎分享文章連結，並請註明出處－

Adm廣告雜誌｜Digital x Creative：

http://adaround.blogspot.tw/

更多數位創意消息，歡迎加入廣告Adm粉絲專頁：

https://www.facebook.com/adm23915168