这一两年，台湾零售业吹起了一阵跨界广告业的风潮。Momo、全家，都在去年推出了零售媒体联播网（RMN，Retail Media Network）服务，利用庞大第一手资料，以及零售通路优势，驱动数位广告业务。

RMN是一种新型态广告概念，零售业者将自家零售场域作为广告版位，开放给广告主，并利用零售第一手顾客资料和交易资料来支援精准行销。处于零售场域的消费者，购买意愿通常较高，广告能更有效转换为实际购买行为。这个过程中，零售业者不只能获得广告收入，广告转换成的购买行为，也会成为零售业者营收。

RMN崛起，外部因素是第三方Cookie逐渐退场，许多数位广告形式将失去精准投广及追踪成效的依据。使用零售业者第一手数据的RMN不受影响，形成相对优势，吸引了大量广告主。内部因素则是，许多零售业者观察到国外RMN趋势，且自家会员数据建设和会员经营做法趋于成熟，有能力进一步发展RMN。

在这个多数RMN都在开发中或刚上线的环境中，台湾有一家电商，已经靠RMN带来一年3亿元交易量，总营收3成来自广告费的贡献。它是设计类垂直电商Pinkoi，早在5年前，就已经开始用从头自行打造广告技术，来经营RMN服务。

尽管RMN业绩亮眼，Pinkoi SaaS产品负责人李少昱直言，Pinkoi打造RMN服务，一开始并不是为了广告收入。

打造RMN服务初衷是为了强化卖家经营能力

Pinkoi的RMN服务源自2015年的一次架构翻新。当时，他们开始翻新数据技术架构，不只要强化利用数据驱动决策的管理模式，更要用自家设计领域数据来开发专属AI推荐模型，来取代规则式推荐机制，进行个人化商品推荐。

当数据技术架构及应用发展到一定程度，Pinkoi开始思考，除了用于个人化推荐，还能如何运用手上大量顾客、商品及交易数据。当时，他们接收到了许多卖家主动许愿，希望有提升自己商品曝光机会的付费机制。

李少昱解释，卖家这个需求，来自当时商品推荐机制演算法的局限。当时的商品推荐机制，全靠同一套演算法，商家必须要累积足够优良交易纪录，才容易获得这套演算法的推荐。这意味著，新进商家大多难以直接和既有商家竞争曝光度，得经历一段没没无闻的日子，慢慢让演算法认识自己。

为了打破这种情况，不少商家希望有一种机制，可以加快累积优良交易的速度，或在特定促销档期提升业绩。回应这个需求，Pinkoi决定投入高达4成工程资源，开发出了广告商品排序演算法、即时竞价机制、广告投放机制、广告内容呈现机制等RMN系统所需基础建设，并于2019年正式上线RMN服务。

服务上线头2年，愿意投放广告的卖家不多，Pinkoi花了大把时间和卖家沟通在RMN行销的价值，以及摸索RMN技术细节。随著技术成熟度和市场接受度持续发展，2021年，RMN广告主的数量开始出现惊人的2位数成长率。

紧接著，台湾疫情进入高峰期，促使许多卖家开始积极投放数位广告，为RMN注入又一波成长动能。Pinkoi把握住了这几波成长。使用过RMN的卖家高达9成会持续使用。

Pinkoi不断增加行销功能，陆续提供了促销单件商品、促销商品组合、品牌推广等广告类型，也先后增加在首页、搜寻结果，以及穿插在商品页面下面的推荐版面。去年还新增了分众推播广告，不须等待顾客造访商城，而是系统根据顾客兴趣数据，主动推播品牌广告。这些广告支援网页版、iOS及Android商城。

他们还持续强化RMN底层技术，不只用顾客数据来支援精准商品推荐，更开始用AI模型分析商家成长模式，判断商家下一步成长策略，向商家推荐RMN广告投放策略及参数设定。例如商家已有稳定客源，系统会建议下一步成长动能是获取新客源，投放策略得重视陌生潜在买家的曝光。

经营RMN最大挑战──平衡使用者体验与行销成效

卖家或品牌主投放广告时，Pinkoi背后的AI会自动推荐行销目标、广告受众、设定预算，以周为单位优化策略，还会分析成效及下次目标。

Pinkoi的RMN采取广告即时竞价（RTB，Real-time Bidding）方式。广告主设定投放参数和行销预算后可以开始竞价，赢得竞价，在广告曝光后会产生广告费用。不过，Pinkoi的RTB机制并非价高者得，而是依据产品品质、广告内容对顾客关联性等多种维度综合考量──出价仅是众多排序因素之一。

李少昱进一步说明，采取这个广告投放模式，是希望商家不要过度投入时间心力钻研投放策略的细节。「与其精算出价多少才能胜过竞争对手，我们希望商家聚焦在提升商品品质及风格的呈现，对整体顾客体验也会更好。」

注重顾客体验的精神，不只体现在RTB非价高者得的特性，也体现在Pinkoi的广告版面设计上。付费的广告内容虽然可以提高排序，但几乎不会采取任何形式强调的设计，而是会与其他非广告的推荐商品并列。

不过，李少昱说，这个坚持，带来Pinkoi经营RMN服务的最大挑战──如何在多方利害关系人需求间，找到顾客体验与行销成效之间的平衡点。

他进一步解释，从广告主角度来看，广告预算的投资报酬率越高越好。但从Pinkoi角度来看，将广告内容设计得太醒目、过于干扰顾客浏览网站的操作，虽然短期有机会增加转换率，长期来说却会降低顾客造访商城的意愿，因而打击到所有人。

如何拿捏，Pinkoi需要协调内部不同部门和下广告的商家，一方面沟通使用者体验的重要，另一方面则要找出商家及Pinkoi都可以接受的行销手段和广告版位设计方法。李少昱自豪的说，虽然协调过程不易，但坚持顾客体验优先，使他们几乎没有听到顾客抱怨购物流程受干扰，反而有许多人主动表示，Pinkoi广告使他们接触到了过往不知道，却十分喜欢的商品及品牌。

Pinkoi RMN广告形式有商品广告、品牌广告、推播广告等，会出现于网站和双平台手机App的首页、搜寻页面及商品页面。广告商品或品牌的曝光排序通常较靠前，不过仍需视商品品质及关联性而定，并非价高者靠前。为了保证顾客体验不受干扰，广告视觉设计也相当低调。

经营RMN的技术面基本功──开发与维运数位行销机制

从电商跨界数位行销，不仅需要接触新业务面向，更要面临新技术面课题。

虽然Pinkoi有从头自行开发AI模型，是专门为个人化商品推荐设计。不过，推荐只是广告机制一环，要打造成熟可用的RMN服务，还有RTB、广告成效追踪、服务可用性等更多技术挑战得克服。

开发期间，Pinkoi投入了4成开发资源和人力，研究Facebook（现Meta）和Google两大广告巨头的开发方法及投广机制，并将这些知识结合自家AI推荐技术，才打造出自己的广告服务。

广告推荐演算法是这个服务的核心技术。RMN团队写了一系列投广用推荐模组，以原本推荐演算法为基础，根据不同广告版面的行销目的微调其他参数，例如调整推荐商品的关联性高低，或加强时下热门主题相关商品的权重。

相较于原本的商品推荐演算法，广告推荐演算法多了一个关键排序要素──卖家即时竞价（RTB）数据。可是，RTB系统需要在顾客进入新页面后，才能发送广告版面性质、顾客输入内容等资讯到竞价系统。经过卖家竞价、检查卖家行销预算余额等程序后，广告推荐演算法才能开始排序广告内容。虽然广告推荐演算法运算复杂度较一般推荐演算法高，但为了不影响顾客体验，Pinkoi认为必须在0.5秒内完成额外计算程序。

RMN的维运挑战不只即时性，还有庞大的数据请求量。Pinkoi RMN每年有74亿次请求，不考虑巅峰情况，平均每秒就需处理230次请求。一次广告请求的完整流程需要进行广告竞价和广告内容的投放，还要纪录广告曝光情形、顾客互动行为等数据，作为后续广告成效追踪及卖家投放建议的依据。

为了因应庞大的流量，Pinkoi采取了云端资源用量调整机制、预处理部分所需运算，以及辨识外来异常流量等措施。

首先，Pinkoi所有IT基础架构都上云，为了即时因应流量波动，他们不只使用云端业者提供的自动扩充（Auto-scaling）功能，还自行打造了用量调整机制，可以预测流量变动，来调整云端资源的租用量。

再来，为了尽可能降低推荐演算法的运算压力，他们回头找出推荐演算法中，不须即时运算的数据，预先进行批次处理。例如，商品品质分数的变动频率不大，改为每天一次性统一计算，而不需要每次推荐都重算。

他们还设计了双重异常流量辨识机制，第一层辨识机制，当造访者流量刚进来时，会依据流量来源等常见机器人行为模式来筛选。若机器人成功骗过第一层机制，Pinkoi还会记录造访者在网站内的行为模式，若出现明显不是真人消费者的举动，例如迅速开关大量页面或行为模式过于机械性，也会事后追认为异常流量。

事后追认异常流量，不仅有维运面考量，也有广告业务面考量，要确保广告成效统计只包含有机流量数据，不会参杂爬虫机器人、点击机器人甚至DDoS等异常流量来源。

从被动到主动，从站内到跨站的RMN功能升级蓝图

不只一开始投入4成开发能量，Pinkoi后续还得投入IT资源来优化和开发新功能。

李少昱坦言，他们没有计算过RMN成本如何回收。Pinkoi经营RMN的态度，一开始就不只当成一门生意，更是提升整体电商买卖体验的一环。不过，持续投入大量IT资源维运及开发，李少昱说，有两大商业考量支持。

首先是影响范围。付费提升曝光度的行销功能，对电商卖家获取顾客、扩大营运规模非常重要。一开始，RMN的出现，源自卖家的要求。但现在，RMN已经成为上万个卖家持续使用的关键功能。

第二则是影响力度。Pinkoi的RMN服务一年促成3亿元交易，广告费收入占了总营收高达3成，而且也提升整体平台的交易量，不只是将原本有意消费的顾客导向广告商品。

接下来，Pinkoi还要持续强化RMN行销功能，从被动转到主动，站内走到站外。

RMN上线前几年，Pinkoi只有在顾客于网站中操作，表明当下兴趣时，才能投放相应广告，行销方法相对被动。后来，借助AI模型，从顾客过往行为数据中，分析其购物习惯及整体偏好。于是，Pinkoi RMN开始有主动行销功能，不必等待顾客进站，可以直接根据顾客特征推播行销讯息到会员通知中心。

下一步，他们要更细致分析顾客行为数据，更快速分析出顾客处于购物旅途的哪个阶段，以便在顾客操作当下，即时调整广告投放策略。例如，如果发现顾客已经选定商品，进入购买阶段，就会只投放相似性高的商品，让顾客比价，而非探索不同商品。

不只如此，他们还要根据RMN广告成效数据，来打造更进阶的投广参数自动设定功能。目标是，连商品描述、名称跟标签等最基础的资讯，都可以根据市场现况数据及卖家广告成效，来自动调整。

优化站内行销功能同时，Pinkoi也计划开发跨站行销功能。李少昱说，在Pinkoi营业的卖家，大多只会再于Instagram经营社群媒体电商，较少涉及更多平台。因此他们计划打造跨站投放Meta广告的功能，来提供一站式数位行销管理。文⊙郭又华

Pinkoi的AI广告代投功能会根据卖场数据，来推测品牌处于哪个发展阶段，并以此作为广告参数设定策略。图片来源-Pinkoi

卖家只需要输入商品基本资讯及预算，并确认AI建议的投广参数，便能快速完成设定。未来，Pinkoi连这几个栏位都要用AI来填入建议参数。图片来源-Pinkoi

 Pinkoi RMN发展大事记 

 2015年  内部改革数据基础建设，整合跨通路第一方数据来源，开始打造专属设计类AI模型，以开发个人化推荐、RMN等数据驱动的零售IT应用

 2018年  正式开始打造RMN系统，投入了4成工程资源

 2019年  自建AI模型开始能用上万维度分析顾客，进行个人化推荐。RMN商品广告服务正式上线

 

 2021年  RMN品牌广告服务正式上线。使用RMN服务的广告主数年增长率2位数，紧接著新冠疫情最高峰，又带来更多RMN广告主

 2023年  RMN分众广播服务正式上线，站上有近万卖家成为广告主，广告收入占营收3成

资料来源：iThome整理，2024年3月