D2C X AI - 91APP高峰會來了
作為一家軟體公司，我們也希望學習那些偉大的公司，能夠每一年都有一場盛會，分享我們對市場的看法，以及最重要的，分享我們的新產品。 今年會是個重要的開始，光是場地就是選在TICC國際會議中心，2000人的場地，是個那個曾經我年輕的時候看了7年的陳昇開演唱會的地方。雖然這不是一個值得大家關心的點，總之感覺人生很奇妙，沒想到過了20年，有一天我也可以站在同一個舞台上，雖然跟當時傻傻的夢想不同，不是背著吉他站上去的，而是背著很多客戶的期待，以及對我自己的期待，在台灣作為一家軟體公司，再下一個20年，我們可以走到哪裡呢？ 總之，邀請大家一起玩。或者來找我聊聊天。 D2C ✕ AI 2023台灣品牌商務趨勢高峰會 | 全台規模最大千人品牌商務盛會2023 全台首次規模最大品牌商務盛會，2,500 位企業主與經理人共學匯聚！市場瞬息萬變，各種商模以奔馳速度推出。數位狂潮下品牌不斷破圈，尋策略、找解方，「D2C」與「AI」更是現在品牌商務的兩大重要關鍵，直面消費者，讓人工智慧賦能，為企業所用，帶來加乘效益與全新紅利。91APP 品牌新零售 | 網路開店 + 門市虛實融合OMO + 會員CRM
牛排的種類
今天去吃牛排，發現原來吃了這麼久的牛排，也沒真的搞懂有什麼分別，於是問了一下GPT。 Q: 牛排的種類：紐約客、肋眼、板腱、沙朗、牛小排、菲力各有什麼不同 A: 每種牛排的口感和風味都是根據來自牛體的不同部位決定的。以下是你提到的各種牛排的基本特徵： * 紐約客（New York Strip）: 也稱為頂級西冷，這種牛排來自牛的脊背肌肉，這是牛身上較少運動的部分，因此肉質鮮嫩且帶有細膩的油脂。它的特點是味道濃厚且有點嚼勁。 * 肋眼（Ribeye）: 這種牛排來自牛的肋部，含有豐富的油花，因此口感相當豐富且多汁。由於肌肉纖維分布均勻，使得肋眼牛排煎烤時鮮嫩且風味獨特。 * 板腱（Flat Iron）: 這種牛排來自牛的肩部，因肌肉運動量較大，肉質較為緊實，口感較有嚼勁，但也較有肌肉風味。 * 沙朗（Sirloin）: 來自牛後腰的部分，比紐約客部分稍微靠近尾部，肌肉纖維較為鬆散，但味道濃厚。煮熟後的口感介於緊實與鮮嫩之間。 * 牛小排（Short Ribs）: 這是取自牛的胸腔部位，
用Embedding尋找相似性的相關討論
ChatGPT教我的事 Q: 餘弦距離與歐式距離計算相似度的差異，如果我要計算的是兩篇文章之間的內容的相似度，什麼比較適合？ A: 餘弦距離（Cosine Similarity）和歐式距離（Euclidean Distance）都是常見的相似度（或距離）度量方法。然而，對於文本的相似度比較，兩者有著顯著的差異。 餘弦距離是基於兩個向量的夾角來度量它們的相似度的。它比較的是兩個向量的方向，而不是它們的大小。換句話說，如果兩篇文章的主題相同，即使一篇文章長度比另一篇文章長得多，餘弦相似性仍可能是高的。這對於文本相似度的比較非常有用，因為我們通常對文章的主題或內容更感興趣，而不是文章的長度。 歐式距離是基於兩個點在空間中的實際距離來度量它們的相異度的。這種方法對於兩篇文章的長度非常敏感。如果一篇文章的長度遠大於另一篇文章，即使它們的內容非常相似，它們的歐式距離可能也會非常大。這在比較文本相似性時可能不是我們想要的。 因此，如果你要計算兩篇文章之間的內容相似度，餘弦相似度通常會是一個更好的選擇。你可以將每篇文章轉換為一個「詞袋」（bag-of-words）向量或一個TF-IDF向量
科拉茨猜想-用數學看到潛在的世界規律
這種數學相關的文章莫名的吸引我， 我一直懷疑，關於我們活在Matrix中的證明，就藏在數學中。 科拉茨猜想所得到相關的數字規律，看起來像是許多事物的常態分佈，像是冰雹融化的過程、國家的人口數、公司的市值、珊瑚的結構、海藻的形狀。 全文連結： 這個數學中最大的陷阱，毀掉無數數學天才，卻有著不可抗拒的魔力！這是數學界一個充滿神秘的難題。這個看似簡單的問題，卻一直困擾著數學家們，至今尚無法找到一個滿意的解答。這個問題的核心內容是這樣的：從任意一個正整數開始，如果這個數是偶數，就將其除以2；如果是奇綜合爆料0 文章摘要： 這個問題的核心內容是這樣的：從任意一個正整數開始，如果這個數是偶數，就將其除以2；如果是奇數，則乘以3再加1。然后對所得的結果重復以上步驟。關于這個問題的猜想認為，無論我們從哪個正整數出發，最終都會達到數字1（進入一個4，2，1的循環）。(原文摘要) 這個猜想被稱為 **科拉茨猜想**（Collatz conjecture），也被稱為 **3X+1猜想**。通過應用3x+1得到的數字被稱為 **冰雹數（hailstone
資訊架構學需要發展新的章節
在AI越來越強的時代裡，分類已經變成了過去，標籤變成數據，連搜尋都遇到了挑戰。 一個經典的問題就是：如果你的網站有很多很多的商品，應該如何有效設計互動，讓想接觸到對的物件的人都可以找到？ 就像是AI擁有全部的答案，但你要學會prompt，問對的問題，才能找到對的答案。 但最困難的是，絕大多數比率的人不會問問題。 在購物的世界裡，購物慾望是等待滿足的消費者問題，是我們需要發掘出來的答案。 所以題目變成，在AI的時代裡，如何設計新的體驗，讓消費者更容易問到對的問題？然後遇到可以觸動她購買的商品。 在AI的時代裡，過去的「資訊架構學」需要重新編寫新的章節。 在Twitter留言給我： https://twitter.com/happylee/status/1657197711156973568?s=20
當AI變成代理人，「被AI利用」成為關鍵的生存之道
AI會變成人類的代理人。除了開始利用AI、使用AI，你是否準備好「被AI利用」？你的內容，是否方便AI取用與理解，是否要Eembedding？你的服務（例如購物、訂餐）是否方便AI調用，是否有API？
我們如何最終成為節點
我們依賴演算法餵養讓我們沈溺的資訊、我們依賴智慧助理告訴我們絕對的答案、我們相信網路生成的人格發布的熱門資訊，我們透過介面24小時與網路空間連結，最終的我們變成了網路上的一個節點。
寫給2023的未來筆記-9點零售業現場的觀察
這幾年零售業將會面對新的挑戰與機會，庫存有更有效率的活用方式、流量獲取有新一代的方式、數據應用將成為所有品牌的競爭基石、甚至門市店員的角色與功能界線也可以模糊、還有區塊鏈技術將回歸到產業應用，零售業的樣貌將有很大程度的變化。
區塊鏈的零售業應用(1) - WEB2.0 X 區塊鏈：連結所創造的新機會
零售業的卡、券、點，都是消費者的數位資產，透過區塊鏈的技術，卡跟券都是一種NFT、點是品牌發券，連結上區塊鏈之後，並連結既有的WEB2.0的相關機制，為消費者與品牌，都各自帶來的新的利益與機會。
會員的五種姿態：從陌生人到狂熱者
Visitors、Followers、Leads、Members、Premium五種姿態，分別有五種參與深度：到訪、虛擬身份關聯、真實身份提供、主動互動、預支消費。也代表了五種不同的回購距離。
OMO庫存融合-貨暢其流
全通路造成庫存的碎片化，庫存在線上線下多個通路各要分配多少，透過OMS與ERP的整合，讓線上與門市都可以銷售全通路庫存，最大化庫存利用率，達到貨暢其流的理想。
