市集之聲

我們都知道，人工智慧仍然是全球消費者和企業生活的驅動力。 人工智慧無所不在。 看來您現在無法登入應用程式而不會看到「新更新！ 現在有了人工智慧！ 在你的螢幕上爆炸。 雖然有些只是噱頭（為什麼人工智慧會出現在 Uber Eats 優食上？！），但人工智慧在幫助我們的工作生活方面有著巨大的潛力，尤其是在內容創建和審核方面。

我們已經知道人工智慧用於審核和創建內容，這不是什麼新鮮事。 目前的挑戰是了解如何負責任地、策略性地以這種方式使用人工智慧。 人工智慧潛力巨大，但負責任的創新和保障措施至關重要，世界領導人正在註意到這一點。

美國總統拜登簽署了一項關於安全、可靠且值得信賴地使用人工智慧的行政命令。 就在最近，歐盟理事會和歐洲議會就《人工智慧法案》達成了臨時協議，這是世界上第一個全面的人工智慧法規。

確保人工智慧使用的透明度至關重要。 保留人類監督至關重要，確保人工智慧仍然是一種支援工具，而不是完全控制，特別是在使用人工智慧進行內容創建和審核時。

考慮到這一點，我們將探索我們自己的研究結果，並討論確保您負責任且品牌安全地使用人工智慧的指導原則。

人工智慧在內容創作中的作用

簡而言之，內容審核涉及篩選和刪除任何違反設定期限的內容，而人工智慧可以改進這個過程。

在這裡，我們將介紹如何使用人工智慧來簡化內容供應鏈，同時確保負責任和周到的實施。

人工智慧出現之前的內容審核

消費者喜歡發表有關您品牌的評論。 這個用戶生成內容 (UGC) 金礦透過在您和受眾之間建立聯繫來培養信任並推動銷售。

但這些內容並不總是與您的品牌價值觀相符。 它可能包含不恰當的語言、禁止的內容、洩露個人訊息，甚至旨在操縱對您品牌的看法，從而破壞您已經建立的信任。

您的所有客戶對於可接受內容的組成可能有不同的標準。 例如，啤酒公司可能會接受有關酒精的討論，而兒童品牌可能不會。 或者無論如何希望不會。

在人工智慧出現之前，有不同的內容審核解決方案。 具體來說，就是手動方法。

手動方法要求人工審核員在內容管理系統中審查客戶偏好，決定是否批准或拒絕每個內容。 最初，這是我們在 Bazaarvoice 使用的方法。

結果整體不錯。 人工審核員確保內容的適當性和真實性。 但這非常耗時。 評論上線平均需要二十個小時。 這違背了消費者對內容新近度的偏好，他們會瀏覽最新的評論以獲取最新的產品資訊。

還有一個事實是，積極參與的消費者希望他們的聲音能迅速被認可。 延遲發布評論可能會導致您的品牌失去參與度。 這就提出了一個核心挑戰：如何確保快速的現場內容可用性，同時仍保持真實性？

如何在內容審核中使用人工智慧

答案？ 透過利用機器學習——人工智慧的一個分支，可以從現有數據中學習以得出模式。 例如，在Bazaarvoice，我們擁有大量數據，歷史上有超過8億個獨特的評論內容，每個月都在增加900萬個。

此類資料可用於訓練機器學習模型，以識別不需要的內容，並自動標記與該設定檔相符的任何新內容。 如果您開始使用 AI 內容審核，請依照下列步驟操作：

1. 讓現有的主持人來標記資料以進行模型訓練和驗證
2. 資料科學家利用這些標記資料來訓練針對一個或多個客戶用例客製化的模型
3. 將這些模型部署到機器學習推理系統，以便其批准或拒絕為您的客戶收集的新內容
4. 與人工智慧機器學習系統共享客戶端配置，以便可以調整內容以滿足每個客戶的個人用例

還要考慮不斷變化的景觀。 消費者行為發生變化，新趨勢出現，語言也在發展。 如果人工智慧技術無法適應這一點怎麼辦？ 你正在拿品牌信任和消費者安全冒險，沒有人願意這樣做。 例如，看看評論轟炸，它通常是針對幾乎無法預測的社會或政治動態而發生的。

內容營運團隊可以透過訓練新模型、調整現有模型或微調客戶端配置來回應這些事件，以確保只有適當的內容、適當的真實內容最終出現在現場

人工智慧應該增強人類的努力，而不是取代它

這種方法確保人類仍然負責。 客戶指定他們認為合適或不合適的內容，確保人工智慧僅在他們預先定義的參數內運作。

負責任的人工智慧方法也意味著為客戶帶來更好的結果。 目前，我們使用機器學習模型對 73% 的 UGC 進行審核，在幾秒鐘（而不是幾小時）內為客戶提供根據其需求量身定制的過濾 UGC。 與純人類版主所需的時間相比，有了巨大的改進！

為品牌負責的人工智慧內容創作

大多數品牌傾向於主動打造自己的內容，他們不僅僅依賴 UGC。 具體來說，他們會仔細制定他們打算在社群媒體平台、網站和其他管道上突出顯示的圖像、訊息和產品的策略。

但創建所有這些內容非常耗時。 大多數公司都會聘請社群媒體經理或類似人員專門負責這項任務。 想像一下，如果您可以將社群媒體經理的技能與人工智慧的實用性結合起來，自動產生內容。 這聽起來很了不起，甚至就像讀心術一樣。

當客戶加入 Bazaarvoice 時，他們會連結他們的社群媒體帳戶，為我們提供充足的數據點，展示他們喜歡的主題和溝通方式。

當使用者選擇圖像時，我們的機器學習演算法會破解其內容，告訴我們他們想要發布的內容。 我們還可以從產品標籤資料中收集有關他們想要展示的產品的信息，並透過他們的社群媒體歷史來了解他們的溝通風格。

點擊「自動生成標題」後，這些數據點將由我們（最先進！）的生成人工智慧進行處理，以客戶的聲音製作有關圖像和產品的標題。 然後，社群媒體經理可以批准、完善或拒絕訊息。

它創造了一種令人難以置信的共生關係。 人工智慧再次充當助手而不是替代品。

在實踐中，許多客戶傾向於調整建議的訊息傳遞，但他們仍然欣賞此功能如何快速啟動他們的創作過程。 這類似於擁有一個繆斯——根據過去的元素激發人類的創造力。

去年，我們在社交商務平台上推出了這款產品，並立即受到歡迎。 這讓我們思考，我們可以為消費者做同樣的事情嗎？

對消費者負責任的人工智慧創造

客戶評價有問題。 根據我們的研究，68% 的消費者不確定評論中應包含哪些內容，這意味著許多人最終會缺乏細節或偏離主題。

與內容審核一樣，人工智慧能否介入幫助消費者撰寫更好、資訊更豐富的評論？ 這將有助於購物變得更加透明，因為我們獲得的評論越多，我們掌握的資訊就越多。

例如，讓我們看看 Bazaarvoice Content Coach 是如何運作的。 首先，人工智慧根據每種產品和客戶的目錄來確定哪些主題可以包含在評論中。 然後將這些主題呈現給消費者。 當消費者寫作時，系統會突顯他們所討論的主題。

這種方法的偉大之處在於它結合了便利性和樂趣。 它引導用戶撰寫有用的評論，同時使過程變得有趣！ 或至少和寫產品評論一樣有趣。 這就像是人工智慧內容審核的一種形式，但相反。 它充當教練而不是代筆，使用戶能夠完善他們的評論。

自推出以來，Content Coach 已幫助創建了近 40 萬條真實評論，近 87% 的用戶認為它有益——這證明了人工智慧如何用於協助內容創建，而不是擁有。

進一步發揮人工智慧的幫助作用

這些都是以負責任（但有益）的方式利用生成式人工智慧的主要例子。 他們在保持真實性的同時增強消費者體驗，有效指導品牌和消費者最大限度地發揮評論的影響力。

上面的例子說明了人工智慧內容審核策略如何負責任地增強人類努力並優化您的內容供應鏈。 不過，我們只是觸及了表面。 透過我們的點播大師班，發現人工智慧在真正制定內容策略方面的變革潛力：如何策略性且負責任地使用人工智慧。