YouTube即將可以買東西！影音購物(Shoppable video)將成為新風潮

FIND研究員：李盈瑩

過去，當我們在影音平臺看到有興趣的商品，需要自行記下相關資料到購物網站搜尋，如果可在影片中直接點選購買，一定能省下觀眾不少時間。有鑑於此，Google於近日宣布將在影音平臺YouTube上新增影音購物(Shoppable video)功能，加速使用者的購物流程，預計此功能將為YouTube開啟電商之路，創造影音媒體的新商機！
【案例簡介】
2021年1月，Google正式宣布開始在YouTube上測試影音購物功能，讓使用者可以透過影片直接購買商品。
Google從去年便開始這項計畫，要求YouTube的創作者們標示影片內所使用的商品，並將資料提供給Google進行分析，同時也宣布與購物平台Shopify合作，開發YouTube的商品銷售功能。
目前該功能僅開放美國少數YouTuber啟動測試，觀眾可透過Android、iOS和網頁版的YouTube適用此功能。若測試順利，未來YouTube創作者可在影片中介紹某項產品，而觀眾只要點擊左下方的「購物車」圖示即可購買該產品。
【服務情境】
影音購物(Shoppable video)指的是在觀看影片的同時能夠透過影片購物，以目前正在進行測試的YouTube為例，透過在影片內標記商品，使用者在觀看影片時，若對影片中的商品有興趣，只要按下左下方的購物圖示，便可獲得商品資訊，同時提供購買連結，除了能夠購買在影片中看到的所有產品，也可以瀏覽其他相關商品，讓使用者輕鬆購物無負擔。
【應用效益評析】
根據Facebook近期調查，當AR、直播等影音媒體熱絡地被應用在消費市場時，消費者對於影音購物的需求大幅提升，整體來說，影音購物縮減消費者旅程，簡化購物步驟，因此比起一般購物網站多了高參與度、高轉換率與促進銷售等優勢，也因此多家社群平臺開始將電子商務視為下一個目標，如Instagram宣布在其長影片IGTV及短影片Reels上測試購物功能；Snapchat也開始建立自家的影音廣告工具來吸引企業主，TikTok則在應用程式內添增廣告功能。而YouTube身為影音平臺之首，擁有數十億支影音內容，無論在任何裝置上都具有吸引觀眾注意力的潛力，因此，此次宣告的影音購物功能測試，將是影音平臺與電子商務串接重要的第一步，未來娛樂與購物間的界線將會逐漸模糊，後續趨勢值得持續關注。

資料來源：
1.邊看YouTube邊網購！比起其他社群平台，影片導購有哪些優勢？
https://www.bnext.com.tw/article/61132/youtube-shopify-vedio-buy-january
2.【挑戰電商】Google測試直接購物功能　YouTube將變成購物平台？
https://reurl.cc/AgAnW3
3.為創作者開拓商機，YouTube 推 Shorts 短影音、贊助鼓掌動畫、整合式購物新服務
https://technews.tw/2021/02/18/expanding-opportunities-for-youtuber/

整合AI辨識模組，AI行動應用程式與跨平臺應用和光學感測器

FIND研究員：張閎翰

Google五年前推出TensorFlow深度學習框架至今，全球已有超過1.6億的下載次數。為了能夠讓最先進的機器學習工具可以為更多人存取，並讓所有人都能使用TensorFlow模型，推出TensorFlow Lite的深度學習架構，讓行動端用戶也能夠在手機上運行TensorFlow模型，體驗AI應用。
【將AI帶到行動應用程式】
TensorFlow Lite的深度學習框架，讓使用者可以方便的在行動或小型嵌入式裝置上開發以機器學習為基礎之應用程式，其TensorFlow Lite Micro讓使用者甚至可以在微控制器上運行機器學習模型。TensorFlow提供多項AI應用，使用者亦可透過Teachable Machine訓練專屬自己的手勢模型，體驗無需用手操作的介面和輔助技術。
【跨平臺AI應用】
Google於去年釋出跨平臺多模應用機器學習工作管線框架(MediaPipe)開源專案，讓開發者能夠在行動裝置以及邊緣裝置上，透過WebAssembly技術與搭配XNNPack機器學習預測函式庫，在網頁瀏覽器上運行AI應用，並能即時執行MediaPipe圖。此外， MediaPipe網頁版之視覺化工具，提供互動式Playground環境，加速開發者快速迭代圖的設計，且可以即時透過網路攝影機，在每次圖迭代中進行串流測試。
【光學感測器取代接觸式感測器】
AR/VR帶動深度學習的發展，不直接接觸的感測器為深度學習主要之研究方向，而光學相機為常見之非接觸式感測器。近年電腦視覺因為深度學習(Deep Learning)在(Computer Vision)上的許多突破，推出以光學影像為輸入之AI應用，如：手勢追蹤系統、姿態輸入與瞳孔追蹤。
市面上關於手勢的應用漸漸從以往的手勢辨識(hand gesture recognition)往手姿態估測與追蹤 (hand pose estimation & tracking)發展。比起單純的辨識手勢，如果可以知道整個手的狀態，如每個指節的位置，那我們就可以不透過鍵盤、滑鼠或是遙控器，單純使用雙手得到更自然的遊戲或創作體驗，甚至是更高階的商務或是醫療服務。

資料來源：
1.https://google.github.io/mediapipe/ 

整合AI辨識模組，整合深度學習多項AI應用並適用於瀏覽器之AI 操控介面

Google去年八月於MediaPipe整合新的Pipeline（稱為MediaPipe Holistic），其中包含人體、手部與面部等各式獨立模型，並針對各模型進行了優化。>

力麗紡織廠電力服務創新應用案例-服務情境

隨著電業自由化及再生能源政策的推動，帶動國內電力能源新興市場發展。電力用戶的角色，已從過去單純的電力消費者(Consumer)轉變為產銷者(Prosumer)，可透過市場機制提供(販售)電力相關服務。本文介紹一個創新應用案例，電力用戶運用自有的能源設備，對臺電電網提供即時備轉(Spinning Reserve)輔助服務，除可創造用戶本身的營收外，更可協助政府推動及達成能源轉型政策目標。>