好像很多中小電商都覺得，「AI 是大平台才會用到，中小電商根本用不到」，我歸納出中小電商不重視 AI 的應用，主要是基於兩個理由:

1. 導入 AI 的應用，需要投資很高的費用。
2. 導入 AI 的應用，需要有極大的會員數或訂單數。

中小電商大都自認為沒有那麼多的預算來投資 AI，也自認為目前的規模還不是可以導入 AI 的咖，所以覺得以後再說，但這樣的想法並不正確。

關於第一個問題

由於 AI 相關的軟硬體及技術，一直持續在進步中，即將到來的 Google TensorFlow 2.0，大大簡化了 AI 模型建立的程序，使得 AI 程式的開發難度降低，相信將有大批的工程師會投入 AI 領域，創造出大量的 AI 程式資源，也將會使得 AI 的開發人力成本大幅降低。
而在硬體方面，除了 GPU 的 C/P 值不斷提升以外，許多雲端環境也開始提供平價的 AI 環境，例如 Google Cloud 的 AI and machine learning products，或 AWS 的 AI Services，都是依使用資源來計價，這使得想要發展 AI 的中小電商，並不需要自行採購高昂的 AI 硬體設備。
整體而言，AI 軟硬體及人才的投資費用，已變得平價親民，不再是遙不可及的巨額投資項目了。

關於第二個問題

AI 的確需要大數據才能表現得更好，但並不是每一項目都需要用到天文數字一樣的大量資料，簡單的線性迴歸(Liner regression)或邏輯迴歸(Logistic regression)等機器學習(Machine Learning)，就算只有數十萬筆的資料可以進行AI模型的訓練(Training)，以 Google 的機器學習教材範例為例 (https://www.qwiklabs.com/focuses/1794?parent=catalog)，使用的就是約 74 萬筆的電商網站不重複訪客資料，來訓練模型、評估模型，然後就可以利用此一模型進行資料的預測，例如某個新會員很可能將要進行第一次的購買行為，或某個會員可能不會再來消費了，於是商家就可以針對不同階段的會員，進行各種行銷導購或回購的活動，這也是大型網站導入AI後最常見的應用。
我們回到中小電商沒有大數據的問題，74 萬筆的資料，做一些簡單的預測，已經可以得到不錯的預測效果，如果你用 2 年來收集資料，大約是平均每日 1,000 位不重複訪客，相信有很多中型的電商，早已超過了這個數字，而這還不包含這 2 年間訪客成長的量。
另外如果是要對商品瀏覽及銷售進行相關的預測，假設您的每日訪客數只有300位，平均每位訪客會瀏覽10筆商品，則經過2年的收集，您將可收集到約 219萬筆的商品瀏覽紀錄，搭配銷售紀錄，就可以針對劉覽商品的會員進行購買的預測了。
除非你是剛入門的商家，每天只有零星的訪客，否則只要您目前日均訪客數達到100位以上，我認為您就應該要開始為資料的採集做準備，以便為您幾年後的AI佈局，收集到寶貴的數據。

如何為AI收集有用的資料呢? 在此提供兩種做法:

1. 使用 GA 來記錄 -- 確實埋設 GTM，收集詳細訪客的紀錄，所謂確實，是不只是要 Google Analytics 可以運作而已，而是要連商品放入購物車、結帳到哪一個步驟，這種加強型的電子商務行為追蹤，都要確實被觸發及記錄。

2. 自行記錄在自家網站 -- 委託專業的工程師，為您的網站開發訪客或會員的活動追蹤紀錄，完整紀錄商品瀏覽、加入購物車、結帳等行為，及其各種的詳細資料，包括時間、IP、會員編號、用戶端設備、UTM來源 ... 等等。

不論採用哪一種，都需要一些時間去洽談及進行工程，再加上資料收集的時間，即使您明天就開始行動，都可能需要一年以上的時間，才能收集到足夠堪用的資料量，及日期區間，供AI應用使用。

所以 ~~ 您還在認為 AI 離你很遠嗎? 還在整天研究 SEO 嗎? 其實你的同業都已經起跑了，只是你不知道而已 !

參考資源
台灣電商社團 https://www.twec.org/
台灣電商 FB 社團 https://www.facebook.com/groups/opencart.taiwan/
OpenCart 網站代管、客製、維護 https://www.osec.tw/
OpenCart 台灣電商技術支援粉絲頁 https://www.facebook.com/ntcart/
OpenCart 台灣優化版專頁 https://www.osec.tw/opencart.html
OpenCart 台灣中文用戶討論區 https://www.ntcart.com/