域動人群興趣標籤系統再升級，在混血數據的基礎之上，透過AI機器學習導入文字嵌入式向量與產業點擊特徵向量判斷，除了可網羅更多尚未接觸的潛在消費者，且能更精準分析使用者瀏覽內容與使用者互動程度，無論是迅速打響知名度，還是觸及目標受眾，廣告投遞智能優化都能有感提升廣告執行成效。

利用機器學習 自動辨識興趣行為喜好，預測人群點擊行為
HOLMES DATA網羅MULTIFORCE聯播網三千個網站上的使用者行為數據，結合混血數據庫，藉由深度學習(wide and deep learning model)，分析流量資料，建立行為預測模型，找到對的廣告受眾。

首先，第一階段透過站內外資料「辨識使用者觀看過的內容」; 第二階段則以「文字嵌入式向量分析」找出文字之間的語意相關性後，對使用者感興趣的內容進行權重評分。最後則是透過機器學習模型辨識的特徵，預測產出「未來對該內容有興趣的人群」。

如某群使用者在一段時間內對不同類型內容表達有興趣或消費行為的傾向，系統除了自動判斷該傾向應標記的興趣標籤外，AI模型也會進一步預測此使用者接下來會瀏覽的內容與可能採取的行為動作，然而HOLMES DATA將透過「數據驅動」(Data Driven)的優勢策略，在大規模傳遞訊息的同時，也能精準定向真正想要溝通的對象，進而優化廣告投放的準確性，在廣告預算不浪費前提之下，還能使投放成效再進化！

【資料域動行銷提供】