露天拍賣靠總鋪師智慧 成交額年增2成
不到一年,效益開始出現。露天給賣家的廣告關鍵字AI代操機器人,比起人為操作,賣家採用後平均流量成長二.二倍、交易金額增加一.八倍,助二○一八年平台總成交金額年成長兩成。今年四月,露天更宣布與美國網拍龍頭eBay合作,讓台灣消費者以中文搜尋,用AI即可準確找到想要的英文頁面商品。
對一個領導者而言,這過程,很像大廚煮菜。
問題像菜色
先挑好再投資工具 考量用戶破千萬,選擇自建團隊
「使用AI的前提是,你到底要解決什麼問題。」曾薰儀說。
露天當時的最大煩惱是,它有高達一千萬用戶,客服需求、交易糾紛的量體,自然就大。它想用人工智慧,先對應每天湧進的兩千封客服信件,以減少四分之一人力,讓客服人員轉做更有挑戰性工作。
先挑好問題,露天才去衡量「炒菜工具」——哪種人工智慧方案最合適自己?曾薰儀比喻,如果只想每天喝豆漿,根本不需要花大錢買十合一食物處理機,只要買豆漿機就好了;甚至,如果你家根本就沒在開伙,就直接叫外送(買外面解決方案),不必做無謂的投資。
考量每天要炒的「菜」很大量,露天選擇自建團隊。
數據像食材
整理耗時又單調 公司上下須了解,沒分類應用無法實現
想清楚要解決的問題,你才會知道,自己要找出什麼數據解決,數據,就是「食材」。
以電商為例,如果想要用AI抓出在網路上賣仿冒品的廠商,讓仿冒品出現的機率下降,所需的「食材」,是賣家異常行為等站內數據;如果目標是以AI來增加二十五歲女性消費者購買某類別產品,數據可能不在站內,而須透過Google或是臉書(Facebook)資料協作。
別以為,露天只要把龐大客服資料灌入AI演算法,客服機器人就會自己變聰明。過程中,露天得花整整一年清理資料、重建系統。「就像寶物藏在垃圾山裡,想挖出來用,必須忍住臭味,耐心做分類。」曾薰儀說。
也就是說,當主廚得有心理準備:處理食材的時間,比想像中還長。
過程中,她對下要安撫充滿挫折感的工程師,由於過程太單調,「他們會覺得:『我不知道做這些到底有什麼價值』。」她說,身為領導人必須讓公司上下有正確認知:沒做好資料清理跟分類,後面所有應用都不可能實現。
對上,她要管理股東的預期。企業導入AI後,很可能因為清理資料耗時,而出現時間落差。「身為總經理,要清楚的把延遲多久、預計何時能上線、會發生的Pattern(模式)清楚說明。」曾薰儀強調,做不到這點,很難讓股東繼續支持、並為團隊爭取到足夠的資源。
試錯像炒小盤菜
快測試、快修正 總座親自認錯,用企業文化鼓勵嘗試
值得注意的是,總鋪師不會一日養成,就像沒經驗的廚師不會一次承辦數十桌外燴。領導人的必備工作,就是創造能先小試身手的試錯環境。
露天去年成交金額高達三千三百億元,居台灣拍賣網站之冠。規模大,IT人員做任何改版的壓力,也同樣巨大,一旦出錯,整個網站可能當機。曾薰儀發現,這造成IT部門有很好的AI想法,也不太敢提案。
於是,在導入AI的兩年間,露天很重要的一步,就是建立測試環境。例如,露天有兩百多萬賣家,對賣家推出新的AI選品推薦服務時,會先挑兩千位試水溫。效果好再加大測試到兩萬位,等確認無誤,才全面導入。
這麼做,還必須同時改變企業文化。曾薰儀分析,台灣考試文化訓練出很會答題、卻不敢大膽說:「讓我試看看」的一整世代。怎麼改?就讓總經理認錯給你看。
如文前所述,露天規畫的AI客服機器人在今年第一季上線,但結果:客服信件量竟不減反增,並未如預期般省下人力。「其實總經理是做錯事情的啊!」曾薰儀承認。
她誠實檢討後發現,客服機器人回答的正確率高達八五%,回信速度從以前的三到五個小時,縮短到幾分鐘,但正因為回得又好又即時,客戶於是回信問更艱深的問題,逼得人類客服上陣回答。
結果,露天人力沒省成,但客戶滿意度大增。回頭檢討一開始設定要解決的問題,AI客服該設的目標,可能不是省人力,而是提高滿意度。
業務有AI後業績輕鬆達標
薪酬重調後,破天荒連IT也有獎金
傳統公司的業務部門,是依據拿到多少訂單,來決定業績獎金。但曾薰儀發現, 導入AI後, 業務只要懂得運用科技去精準篩選出客戶,就能輕鬆達標。這道理就是:當手邊有好用的食物自動烹煮機,大廚何必揮舞大鍋幹體力活?這時該思考如何鼓勵業務善用AI。
甚至,當有一定比例業績是經由AI產生,這是由技術部門發想促成,是否該重新分配獎金?
「這(都)需要不同以往的獎勵方案,」曾薰儀不諱言,過去兩年來,做法仍在持續調整,IT部門績效制度改變很大。過去工程師是被動接受指揮、執行指令,但隨著AI應用變多,他們主動提案做出的成品,已開始直接貢獻公司營收成長。
現在,破天荒頭一遭,露天IT部門也有業績獎金。「過去他們對公司的營收,是沒有感覺的,」她分析,現在IT人員已開始思考:這個數據跟業績之間的連動是什麼、這個應用要幫公司具體達成什麼目標。
露天已挺過最艱難的體質改造之路,將AI應用在客服、賣家選品、賣家廣告投放等方面。
有意思的是,曾薰儀並非理工科出身,傳播系畢業的她,跟絕大多數人一樣,原本是AI界的「麻瓜」。
從三年前開始,也就是導入AI的前一年,她每個禮拜三上午,找來公司裡的年輕工程師當家教,一對一學習資訊基礎知識。現在,她依然不會寫程式,但卻已成為在商業決策跟IT解方間搭橋的人。AI領導真的可學習,只要你肯去埋頭理解!