本技術可剖析顧客行為模式以提供個人化自動服務。我們從兩個方向切入：(一) 建立顧客行為預測與推薦系統：透過消費資料庫為顧客建檔，發掘行為特徵，強化行銷策略與消費行為分析的連結；(二) 協同吸引力文章標題產生：解析顧客的社群點擊紀錄與消費關聯，了解「顧客-意圖-金融產品」複雜關係，產生個人化行銷標題。

在成果量化指標上，我們的行為分析與推薦模型效能勝過隨機森林等模型達40。對於提升客戶簽帳的比例增幅達2.87倍。促進消費行為發生的轉換率達48.95。我們所研發的TemPEST模型勝過同樣是標題生成的BiSET模型達16。PORL-HG模型效能比較，認為PORL-HG較具吸引力達63.1。

本技術的發展透過與KKDAY以及玉山銀行的合作，並使用其時空資料庫、金融語意及圖像資料庫、社群網路身分資料庫等，一起探索數位經營中介模組所需相關技術。藉由分析使用者瀏覽消費紀錄等數據，分析客戶喜好與行為模式等特徵，藉以生成EDM內容，並且在合適的時間，將EDM送達目標使用者，促進消費行為的實際發生。

天使投資人、策略合作夥伴