當所有企業都使用AI，誰能脫穎而出？

當所有企業都照搬同樣的套路，它們只會互相競爭，錯失潛在客戶。

Meta今年的收入有望達到2,430億美元，超越Google的2,400億美元，成為全球最大的廣告平台。Meta利用人工智能（AI）改善演算法，使其能更精準地向35.6億活躍用戶推送廣告，同時透過Instagram及Facebook上的短片吸引用戶。

兩大巨頭在AI投入巨資，但誰也不能‌高枕無憂，因為其他大型科企亦已加強AI演算法，改善精準投放社交媒體廣告的能力。廣告商向數碼平台付費，目的就是讓廣告接觸最合適的用戶，若這些用戶最終購物，廣告客戶便可獲得回報。若潛在消費者未接觸相關廣告，他們可能根本不知有產品存在，更遑論購買。

當廣告準確觸及目標受眾時，便能同時為企業和消費者創造價值。在機器學習及大型語言模型等AI技術的幫助下，平台可收集用戶行為及人口統計數據（如年齡及所在地），並分析數據以預測其購買可能性。

社交媒體運用人工智能驅動的演算法，將用戶特徵與廣告客戶的多元需求進行配對，這種做法或許會令人不安，但香港中文大學商學院市場學系副教授姚雲飛指出，完美精準的廣告投放其實並不存在。

他表示：「當市場競爭激烈時，企業很大機會同時鎖定同一批用戶，尤其是當它們採用相近的演算法機制。雖然企業會不斷改善演算法以提升鎖定目標客戶的能力，但數據私隱法規亦將持續限制它們做到真正的『完美投放』。」

數據私隱法例限制企業收集能夠識別個人身份的數據，因此企業必須採取措施，將用戶與其真實身份分離。因此，演算法無法做到百分之百準確的目標鎖定，亦無法確定用戶是否感興趣；即使能夠做到，這批目標用戶本身亦不再具有高價值。

企業如何應對投放不精準的問題？

由於「完美投放」極為困難，廣告商經常需要在「‌精確率」‌及「召回率」之間作出取捨：究竟應只精準鎖定少數最有興趣的受眾，還是擴大覆蓋範圍，盡量接觸所有可能感興趣的人？前者的弊端在於可能錯過其他同樣感興趣但未被識別的個體；後者則容易浪費廣告資源。

因此，姚教授與加州大學柏克萊分校的 Ganesh Iyer 及多倫多大學的鐘澤民合作，發表題為《算法定向與精確率—召回率權衡》的論文，試圖解釋這一困境。在這項研究中，研究團隊運用博弈論進行分析。博弈論是一門研究策略性決策的數學學科，各方的結果取決於所有參與者的選擇。

研究指出，不同平台所使用的演算法可能高度相似。儘管各平台的演算法屬專有技術，但其底層的機器學習技術卻大同小異，尤其當它們使用公開數據，並採用相同的數據分析工具或AI模型時更是如此。此外，用戶亦通常會透過多個渠道搜尋產品，在不同平台上留下痕跡。

當演算法識別出購買概率較高的個體時，其他競爭對手極有可能也在盯著同一批人。在 TikTok、Facebook 和 Amazon 等截然不同的應用程式之間，目標受眾的重疊程度仍十分顯著，導致廣告商最終與競爭對手鎖定相似群體。這正是為何當你在 Google 搜尋某品牌之後，在社交媒體上亦會看到‌該產品的廣告，接著又看到其他同類品牌的廣告‌。

姚教授表示：「企業若能獨家接觸有興趣的消費者，回報自然最高；相反，若與他人競逐同一群目標，收益則會大減。為緩和競爭，企業會策略性地鎖定‌更少量、屬中度興趣‌的人群，或同時降低召回率與精確率。如此一來，目標用戶在看到廣告時仍有合理的購買機會，廣告商亦無需面對正面競爭所帶來的成本。」

如果企業以不同方式調整算法，又會怎樣？

當然，鎖定少量中度感興趣的受眾並非最佳方案，因為這可能導致目標群體中包含大量無意購買的「無效名單」。正因如此，廣告商都有強烈誘因開發獨特的演算法與分析工具，令預測結果與競爭對手有所區別。姚教授補充道：「企業採用愈多獨有、專屬的數據，其目標受眾與競爭對手重叠的機率便愈低。」

現時，廣告商可以選擇與數碼平台合作，或自行開發演算法，但後者成本高昂。‌此外‌，若有企業成功降低市場上廣告重疊程度‌，競爭對手無需花費分文，便可享受更少干擾的投放環境，因此企業推行這種策略時必須謹慎考慮。

部分企業或考慮結合公開數據與專有數據，以提升預測準確度並降低成本。然而，多數司法管轄區的數據私隱法規規定，企業對同一名消費者只能選擇使用公開數據或專有數據其中一種，而不得同時並用。

整合不同數據亦會生成新的個人數據檔案，根據大部分數據私隱法規，此類新檔案需重新取得用戶同意或重新評估。部分數碼平台甚至明文禁止以商業定向投放為目的，進行數據爬取或合併用戶檔案，尤其當數據整合後足以識別個人身份。

現代廣告定向在高度競爭市場中的策略

既然難以完全避免目標受眾重叠，姚教授建議廣告商應策略性調整精確率與召回率，同時密切關注競爭對手的數碼營銷策略。「企業不應僅考慮潛在客戶，更需預判競爭對手的戰略回應。」

當廣告成本較低時，企業可考慮擴大觸及範圍，盡量接觸更多潛在受眾，以提高召回率；相反，當成本高昂時，則應更審慎挑選真正有購買意欲的目標客戶。為了減少與競爭對手重疊，企業應持續尋找屬於自己的獨特客群，而非長期與對手爭奪最明顯、最熱門的目標市場。

對Meta而言，其獨特的優勢可能體現在‌短片‌與跨平台生態系統的整合。然而，對廣告商而言，其龐大的用戶基數同時意味更容易與競爭對手鎖定相同受眾。儘管該研究並非專門分析Meta的成功，但其分析框架說明，企業若能建立專屬的數據分析能力，並透過策略性差異化避開與對手正面競爭，便更有機會取得競爭優勢。正如大海魚群眾多，但若人人都用拖網捕魚之時，真正的智者是懂得在哪裏下釣。