以 AI 技術進行精準配對的網紅數據資料庫，KOL Radar，藉由獨家的數據分析技術與專業網紅經理人團隊，提供最完善量化數據及配對建議，協助企業主依照產品需求及特色，找到最適合的 KOL。本文分享 iKala Cloud 如何透過 AI 運算以及大數據分析，協助 KOL Radar 平台，根據客戶挑選喜好，自動推薦類似調性以及分眾族群的網紅。
KOL Radar 產品經理葉佳傑指出 :「KOL Radar 就是一個讓品牌、廣告主找到最適合網紅合作的平台。如何持續增進使用者在網紅搜尋結果的精準度，進而幫助廣告主提升業配的轉化率，都是我們希望透過與 iKala Cloud 團隊協作，以 AI 技術來突破的挑戰。」
AI 加速網紅名單建立流程，減少人工判斷誤差
過往 KOL Radar 網紅資料庫建置的流程，會先將網紅名單匯入，接著以人工判讀為每位網紅分類，包括美食、生活、旅遊、美妝、音樂、感情等各種類型，平均每月大致新增 2,500 ~ 3,000 筆數據。這樣的手工貼標流程，網紅分類主要取決於數據人員的主觀判斷，在完成速度與精準分類上都有侷限，導入 AI 自動貼標 (Auto Tagging) 後，不僅可以提升名單建置的速度，同時也減少了人工判斷可能造成的誤差。
AI 自動貼標，定期更新網紅分類，隨時掌握網紅發文風格
如何做到網紅自動貼標 ? iKala Cloud 團隊，利用自建的辭庫搭配 word embedding 的自然語言處理 (NLP) 技術，找出網紅創作內容文字中最相近的詞彙當作標籤使用。網紅的創作風格有可能隨著不同社群平台屬性、時間、社會議題而轉換，例如原本屬於美妝類型的網紅，在經歷結婚生子後，後期的貼文都是分享育兒生活，因而轉變為親子型網紅；透過機器學習與 AI 演算法來分析歸類，即可做到動態更新網紅類別與專長標籤，對於行銷人員來說，更能精準地評估網紅屬性與自家品牌形象、產品調性是否相符，進而篩選出最適合行銷專案活動的網紅。
AI 推薦網紅，發掘「帶貨力」強大的網紅人選
不管是擁有百萬粉絲追蹤的藝人、大號網紅，或是幾千鐵粉吹捧的微網紅、素人直播主，網紅行銷的目標，最終還是希望透過 KOL 的影響力為企業導入流量、達到聲量擴散或是商品的銷售轉換。iKala Cloud 團隊協助 KOL Radar 導入 iKala CDP 顧客數據平台，蒐集使用者在站上的行為，包含搜尋網紅、瀏覽網頁、點擊頁面等數位軌跡，結合數字指標如粉絲數、貼文數、互動數、觀看數與文本資料如內容關鍵字等多元資料類型，將網紅分群 (Clustering) 與進行相似度分析 (Cosine Similarity)，利用協同過濾，建置個人化 KOL 推薦引擎。另外，KOL Radar 也提供用戶進階的觀察指標 :「互動率」與「漲粉率」，進一步量化評估網紅人選的數據表現，幫助廣告主篩選出最適合、最會賣的網紅人選。
更進一步，系統會將使用者的反饋與關鍵轉換動作 ( 把 AI 推薦的網紅名單加入/移出專案清單)，當作 AI 推薦模型的驗證參數，重新調整演算法權重，持續讓系統學習，增加推薦的準確度。
產品持續創新，透過 AI 精準配對網紅
展望未來，KOL Radar 將在網紅數據收集上強化廣度與深度，更會持續優化使用者體驗，推出產品新功能。iKala Cloud 團隊也將持續挖掘 AI 技術在網紅平台的延伸應用場景，協助 KOL Radar 與品牌主用最少次搜尋數、最小量的點擊數，找到含金量最高的網紅人選，將尋找網紅這件事變得更加輕鬆簡單。
