第七章 智慧整合，建構個人化系統（節錄）

除了資料，建構個人化技術堆疊還需要許多可移動的環節，包括：受眾定位智能、設計和啟動實驗、調度安排、內容管理、交付體驗、測試，以及成效衡量。然而，若僅擁有這些環節的一流單點解決方案（point solution）並不能獲取優勢。真正關鍵在於，如何將方案整合成一個運轉流暢的智能引擎，以及如何透過創新、測試與回饋迴路（feedback loop），讓所有環節變得更聰明，而這便涉及一系列的策略選擇。

支持「五大個人化承諾」的技術與系統應該是什麼模樣？Spotify在我們的個人化指數中名列前茅，提供了一個絕佳範例。

▲個人化智能貫穿五大承諾

你每次登入Spotify，都會啟動一種豐富的互動（give-and-take）。從App到客戶資料平台，從受眾定位模型和實驗平台到內容管理和生成（從「給我賦能」到「取悅我」），Spotify的設定體現了技術和資料堆疊，而這正是順利落實個人化計畫的基石。

讓我們深入了解一下。

Spotify如何「給我賦能」。Spotify的App包含一切，提供全方位體驗，讓用戶隨心所欲聆聽喜歡的音樂。打開App，就會看到自己最可能欣賞的歌曲、歌手和播放清單。Spotify會定期增加新功能，例如，讓你輕鬆找到和購買喜愛歌手的周邊商品。任何一個選項皆可視為你在音樂旅程中可能採取的行動。

Spotify如何「了解我」。為了提供Spotify的用戶體驗，必須蒐集和標記一系列特定的互動數據（資料）點，將它們和每位使用者的身分關聯起來，其中包括：

•你聽過的歌曲（及其所有相關的詮釋資料）和聽歌時長。

•是什麼讓你去收聽每首歌（分享、來自Spotify的訊息、源自別處的連結）。

•你是在星期幾的哪個時段，聆聽某一首歌或某位歌手的創作。

•你在Spotify上的朋友以及你和他們分享的歌曲。

Spotify如何「觸及我」。App的每個元件都由一套智能系統驅動，針對每位用戶進行評分、排名並安排下一步最佳行動，再將結果傳送至App。用戶對Spotify App與生俱來的興趣和高度參與，讓Spotify擁有強大的觸及客戶權限和管道。它會掌握你的即時位置和情境（例如通勤、工作或在家吃晚餐），再透過推播通知觸及你，或在你開啟App時突出顯示相關內容。

接著，它會顯示新樂曲、藝術家或播放清單；推薦和你相似的人正逐漸喜愛的熱門音樂；還會告訴你喜愛的藝術家即將舉行的演唱會，並提供購票連結。

Spotify如何「向我展示」。如果沒有內容引擎（亦即Spotify的音樂庫，這是它的核心產品），這些資料和這套智能系統都將無用武之地。此外，內容引擎包括：

•內容管理AI（content management AI）：它會掃描每首歌，記錄歌曲的音樂特徵，例如：流派、時代、節奏和情緒，還會分析和創建每首歌曲的詮釋資料，包括作曲家、製作人、唱片公司和其他參與創作人員的標籤；錄製歌曲的時間和地點；專輯的其他歌曲；歌曲出現的播放清單；歌曲的流行程度；以及許多人類難以辨別的「嵌入」（embedding，AI演算法可以理解的數據表示法﹝data representation﹞）。

•動態內容匹配（dynamic content matching）：每天可建立新的樂曲混合和特定流派的播放清單。Spotify的AI會根據人類的想法來建立列表，然後根據歌曲的聽眾、聽歌多久以後會快轉，以及這些聽眾喜歡的其他音樂，將眾多標籤和每位用戶匹配。AI最終會預測哪首陌生的歌曲（以及歌曲順序）能夠以最有效和最獨特的方式，取悅每個人。

Spotify如何「取悅我」。Spotify的設計理念是：你用得愈多，它就愈好用。Spotify會把探索和享受音樂（以及Podcast）過程中的一切都轉化為資料，持續充實其引擎。接著，它會運用這些洞察，提供不斷改善的體驗：預測你會喜歡什麼、找到這些內容、主動觸及你，並按照你可能喜歡的順序，播放最適合你的歌曲。此外，Spotify會讓用戶感覺自己掌握一切；除了系統自動學習的偏好，你也可以透過直接提供喜好與厭惡的回饋來進一步補充，例如你跳離一張專輯去探索類似藝術家的作品，或跳過某一首歌。Spotify不斷設計並推出各種實驗，從簡單的A／B測試，例如在App中顯示什麼內容（以及如何呈現），到一次測試多個變數的複雜多變量方法，再到所謂的「多臂式吃角子老虎機」測試，隨著時間推移，讓愈來愈多用戶接觸表現更好的版本。在任何時刻，每位Spotify用戶都處於實驗、對照或正常業務模式之一，讓Spotify能同時進行數百項實驗，且所有實驗都會自動產生報告。

許多公司思考實現個人化的技術時，忽略了一個關鍵，就是速度。Spotify等領先企業之所以脫穎而出，正是因為他們有技術堆疊，能夠快速接收回饋和從中學習。考慮如何建構技術基礎設施時，隨時都得牢記一點，就是：縮短實驗和測量週期非常重要。

現在，該如何建構個人化技術堆疊，又該如何最佳化組合其中的各個元件？

▲模組化是關鍵

頂尖的軟體業者正逐步提供（個人化領導者也日漸採用）開放式應用程式介面（open API），以建立更為模組化的架構，同時實現互通性（interoperability），亦即將連接與資料交換標準化，即使不同平台彼此封閉也能互通。開放API讓開發人員透過簡單而靈活的標準，將資料匯入不同供應商的專屬軟體，或從中匯出。一個簡單的例子是，以API將公司的顧客關係管理（後簡稱CRM）系統連接至雲端電話系統，讓客服人員無需退出CRM軟體，就能立即撥打電話給新取得的潛在客戶。有了開放API，資訊可以順暢流動、模型可以輕鬆更新，也能以模組化的方式加入新功能。

▲自建或購買

不少工具已經問世或正在開發中，且彼此連接也愈來愈容易，高階主管不禁會問：「到底該自建還是購買，哪種策略比較好？」隨著時間推移，建立自己的專屬解決方案來處理各種任務，可能會變得更加容易（一切都要感謝生成式AI），但對於缺乏強大IT和資料工程團隊的企業而言，如何維護新撰寫的程式碼，並確保其具備可擴展性、安全性與可靠性，仍將是一項持續的挑戰。若想利用個人化創造競爭優勢，並不需要自行開發核心技術系統。Spotify、Netflix和Uber等個人化領先企業，會針對自身的營運環境打造所需的系統。然而，包括這些領先企業在內，多數公司一向都會從開源模式著手，整合外部工具以實現較基本的功能，只有在需要市場上沒有的獨特應用時，才會開發利基元件（niche component）。技術堆疊中的許多關鍵元件都已廣泛可用，這意味著企業可以更快將產品推向市場，也能避開維護自有專屬程式碼所涉及的各種成本與麻煩。

無法只用一套系統就涵蓋所有通路（付費媒體、自有線上通路、客服中心、實體據點互動）中的個人化堆疊各個層面。然而，Adobe（提供Experience Manager）、Salesforce（提供Journey Builder）和HubSpot等大型供應商，提供可作為骨幹的體驗管理平台，另外還能附加其他一流的單點解決方案。這些平台的功能各異，但都能為個人化提供強大的新工具，例如，具有可客製化模型的介面，可透過視覺化方式配置管理聯絡人的規則，以及根據客戶行動或其他資料設定觸發條件的規則。這些平台也會建立規則，在同一客戶同時觸發多個聯絡原因時，決定聯絡的優先順序。當系統擷取回應資料時，AI會即時監控這些規則是否獲得遵循。

這些平台以開放API建構，讓其他工具可以嵌入其中，以添加更多功能。這表示企業可以從核心平台未涵蓋的來源（例如，零售店面的互動、帳單資料或產品使用數據）提取資料、協調與客戶的接觸、解讀資料，並呈現新的體驗（例如個人化影片）。規模較小但更聚焦的平台則可以填補不足之處，例如，連接付費媒體涉及的所有活動，同時管理廣告曝光在個人購買旅程中的流程。

▲混合方法：智慧整合

個人化領導者會投入時間和精力，學習並測試技術堆疊關鍵部分的新解決方案，然後才決定採用哪一種。解決方案的選擇至關重要，不僅會影響能做什麼，以及資料和系統如何整合，也會影響技術堆疊的可擴展性與適應性。因此，個人化領導者會先闡明最重要的用例，而不是先確定自己需要哪些技術功能。他們首先關注客戶成果，考慮體驗改善、自動化和優化，並找出影響最大的環節。唯有到了這一步，他們才會深入探索解決方案的功能、可擴展性、開放性與互通性（尤其是與技術堆疊中其他元件的連結），以及供應商在支援、安全性和維護方面的過往表現。

要取得個人化的優勢，主要取決於兩項因素：一是企業推出行銷活動的速度，二是實驗的品質和範圍。透過更多的曝光次數（impression）和更頻繁的測試，可以更快、更深入地學習，獲得更多洞見，進而提供更好的客戶體驗。能夠生成更多內容變體（為大規模多變量測試設定實驗單元），並透過自動回報快速汲取洞見，再據此改良模型，便能形成推動競爭優勢的良性循環。要實現這一點，關鍵在於採取策略性的方法，將單點解決方案與企業自身的專屬系統及更廣泛的行銷平台連結起來。這就是我們所說的智慧整合平台（smart integrator）：

• 之所以稱為整合平台，是因為整合能力會成為一項專屬優勢。選擇哪些工具來聚合和傳遞資料、將資料輸入AI，並從驅動第一線體驗的系統所進行的測試與互動中，持續擷取學習成果。

• 之所以號稱智慧，是因為個人化是持續改善的過程。它需要重新思考營運方式，以便運用（更重要的是不斷累積）智能，使其能在業務環境中持續學習。

智慧整合避開「全部自建」（build everything）或「全部購買」（buy everything）這兩個極端，轉而著重模組化，讓不斷演進的技術得以整合。一流的解決方案會隨著供應商持續增加功能而不斷變化，而智慧整合則讓企業有餘裕，將資料和技術生態系統視為推動持續學習的動力。幸運的是，智慧整合能讓企業在競爭中站在更公平的起點。你無需成為技術領導者，也不必是一家大公司，就能成為個人化領導者。

對於科技界以外的多數公司而言，想要成功的關鍵，不一定在於使用哪些工具，而在於如何「組合」這些工具。隨著技術不斷演進、能力持續提升，你很可能需要依賴數個AI引擎和軟體工具。因此，重要的是以模組化的方式設計一切，包括資料管理與資料補充、分析、協調、內容管理、體驗交付，以及能推動更快學習和即時追蹤的回饋迴路。模組化本身能帶來彈性，這也是這種方法之所以「智慧」的另一個原因。