去年中，Momo富邦媒推出了自己的開店平臺Mo店+，一年來收錄超過百萬件商品，相關產品圖檔更多達數百萬張，如何確保龐大上架商品照片的合規，成了Momo新平臺的挑戰。初起，只能用透過抽樣人工檢查，不只判斷效率不高，也容易有疏漏，直到生成式AI技術的成熟，Momo在一場活動中，首度公開他們如何用生成式AI，從百萬上架商品中，找到違規商品內容的判讀準確率高達99%。

早在2022年底ChatGPT上線後，Momo就開始嘗試這項技術，但當時這類技術不夠成熟，Momo只用於內部測試，沒有正式應用到電商業務上。富邦媒體科技資料科學研發課課長謝百恩透露，直到Gemini推出1.5版，Momo才開始正式採用，第一個導入的場景就是商品內容偵測。

開店平臺的第三方商品圖片多達數百萬張，而且店家還是不時更新圖片，謝百恩表示，為了控管上傳圖檔的品質符合規範，傳統做法是靠人工抽檢，需耗費大量人力，而且不容易抽查到違規的商品圖片。

對開店平臺來說，管理上百萬款商品有兩大課題，一個是商品分類，這是後續行銷推薦的重要基礎，另一個課題是違規商品偵測，這是電商合規的重要工作。

Momo原本就有一套自行訓練的商品分類模型，可以依據上傳商品的描述，來推薦十大建議分類，原本的分類正確率高達94%，但是Momo還不滿意，只靠人工來抽檢，來找出錯誤的分類推薦，不過，人工抽查成效有限，後來，Momo改用Gemini進行複查，重複檢查自家分類模型的建議結果，找出疑似分類錯誤的商品，再由品管人員確認，將商品分類的正確率提高到了99%。

不只用於商品分類，Momo也同樣用Gemini來偵測違規商品。為了避免違反不同主管機關各類型的法規要求，Momo的「禁止和限制商品政策」相關規範多達50多條，但傳統也只能靠人工把關，很難逐一審查高達百萬件的商品，只能抽樣檢查。

Momo改用Gemini技術，依據違規政策，來進行商品資訊的語意判斷，找出疑似違規的商品，再交給品管人員複查，找出違規商品的準確率高達99%。

不只是商品文字判讀，Momo也開始善用Gemini的多模態理解能力，來設計一個菸品偵測模型。傳統做法只能根據文字來做基本檢查，商品圖片只能靠有限的人工抽查。

謝百恩舉例，像是有店家上傳了自己拍的椅子商品照片，圖片一角拍到菸品，有可能違反菸害防制法的菸品廣告規範，得面臨高額罰款的風險。

Momo有一套嚴格的人工審查做法，但靠AI可以找到這套做法的漏網之魚，像是在圖片角落不小心拍到了菸品，也能分辨出來排除。Momo結合了原有的文字模型來識別商品文字資料，搭配Gemini多模態模型來識別商品的圖片，結合兩者結果找出疑似違規的商品，再交給品管人員複查。上線不到半年，到2024年底就發現了24件異常。

Momo先將Gemini用於商品分類輔助和商品內容的偵測。

謝百恩強調，透過生成式AI的做法，可以做到商品全檢的程度，不只是商品上架時檢查，連商品後續更新圖片時，每一次都可以檢查。Momo一個月靠生成式AI進行各種檢查的商品圖片總數，最少數十萬張，最多更可處理高達上百萬張。

不只用於商品內容偵測，去年，Ｍomo也用Gemini來提供商品包材的建議，借助Gemini多模態模型，分析商品資料，像是商品描述，商品圖檔，結合包裝資料，包裝策略，針對商品特性來決定是否可用環保袋而不用紙箱包裝。導入三個月就提升了一成的環保袋使用率，減少不少紙箱的消耗。

除了內部應用外，Momo也用Gemini來優化搜尋功能的個人化推薦能力。過去主要靠推薦詞庫來提供搜尋詞的建議給顧客，Momo現在改用LLM根據消費者的歷史搜尋和購買行為，生成個人化的搜尋詞建議清單，顧客對推薦詞的點擊率比詞庫推薦做法，提高了40%，更能符合顧客的需求。或像是節慶檔期，Momo用Gemini針對數十個商品樂別，自動建立更詳細的商品風格資訊，自動從數萬款商品中進行推薦，再提供給行銷團隊確認AI推薦結果，不用像過去得靠人工從百萬商品中挑選符合活動提的清單，大幅減少了人工作業時間。

下一步，謝百恩透露，Momo正在積極實驗AI代理應用，已經展開多項內部專案測試。

謝百恩表示，AI輔助電商，未來有三大方向，從個人化到預測需求，從效率工具到智慧核心，從技術應用到體驗升級。AI不只是回應消費者已知的需求，還可以精準洞察、預測甚至喚醒消費者的潛在需求。