歡迎追蹤，一起在 30 天完成心目中的 LINE redesign

昨天提到演算法的定義，今天將接著聊在生活之中，具體會經常遇到哪些演算法，有興趣的人也可以參考 John MacCormick 所著的「改變世界的九大演算法」一書。

會接觸到演算法，除了本身就對科技發展與 AI 相關議題感興趣，也因為之前做過一個搜尋型對話機器人的專案。整個流程大概是，機器人在收到使用者的語句後，要分析 intent 並回傳相關查詢結果。這跟一般搜尋不同的地方在於，一般搜尋只是進行關鍵字的匹配，而在當次的專案，則是要做到：

• 了解使用者問什麼 ➜ 語意分析、進階提問與互動
• 提供使用者想要的資料 ➜ 資料清洗、歸類、建立機器學習模型
• 確認使用者是否覺得此資料有幫助 ➜ 接受回饋、持續優化

話說，或許是本身比較目標導向的性格，我自己在學東西時，除了一開始要先掌握這是什麼(what)，接著會非常關注想達成的目標、為什麼要達成這個目標(why)與期望的使用情境(who&where&when)為何，因此這篇也是談與應用相關的議題。

Image Credit: Unsplash，只是想放一張看起來很厲害的圖 XD

前一篇提到，在電商等領域加入演算法機制是為了：

讓產品服務更像個「人」，甚至更像個「貼心的人」，進而提供更好的使用者體驗、並轉換成相關營收與變現。

而所謂貼心，就是試著透過使用者的行為軌跡、以及與該使用者相似輪廓的人的行為軌跡，去協助或預測，在適當時機，主動觸發或滿足使用者的真實需求。

其實這就是指個性化演算法，不再是千篇一律的內容，而是透過演算法做到個人化推薦，讓每個人可以多看到自己會關注或感興趣的議題，能應用的領域如下：

• 線上搜尋：如同 Google，透過演算法將最有價值的搜尋結果排序前方，讓使用者覺得可以在這個平台找到他想要的內容，離不開、自然就會留下來(retension)並創造更大的流量。
• 新聞：推薦使用者可能感興趣的議題，增加黏著度與服務使用時間。
• 電子商務/觀光旅遊：推薦使用者可能感興趣的商品、或是通常購買 A 商品會需要搭配哪些其他商品才算是完整購買，吸引使用者進行相關加購並提高客單價。
• 人資徵才：分析過往成功率取的使用者的特質與背景（會被錄取表示符合某些條件的即是企業要用的人才），例如： Amazon 以 AI 協助篩選履歷，不過這個作法後來有爭議也有做調整，因為在 Amazon 職員是男性多於女性及種種原因，結果機器自己解讀為男性較能被錄取，如果求職者是女性，反而會被扣，而這顯然是機器學習過程的偏差。
• 社群交友：依著使用者的喜好、特質、交友習慣與背景，交叉推薦他可能會比較感興趣的對象，並增加使用者使用服務的信心（這也是 redesign 貼文串會運用到的）
• 法院判案：分析過往案例，預測未來類似案件的判決結果。
• 醫學診斷：在去識別化的情況下，以大數據分析病人的 x 光片與病例，讓 AI 幫助醫生事別有些人眼較難看出來的小陰影或問題，並有效提升診斷速度與成功率。
• 金融運作：還款能力的驗證與分析。此外，在保險金融或放貸相關服務，也很適合結合智能合約等技術。
• 智慧生活：當使用者的作息與個人生活習慣有跡可循，就可以在適當的時機進行相關安置與服務。例如，滿足什麼條件時，自動調節室溫與空氣品質、運行掃地機器人、沖泡咖啡、預熱烤箱......等。

如果平常有在關注科技新聞，就可以看到與上述相關甚至更多的應用與說明。每每講到這些，其實內心都有點澎湃，當生活方式被改變，就是世界在改變，或許，這就是軟體與服務設計讓我如此著迷之所在吧：）

謝謝你的瀏覽。如果你也喜歡我的分享，歡迎點擊追蹤或訂閱接收更新通知，一起體驗 30 天完成心目中的 LINE redesign。如果有任何指點與建議，也歡迎留言交流，一起激盪更好的優化與創意。

我們明天見：）