為提供順暢、吸引人的直播內容，17LIVE 現在用 Gemini 即時分析使用者的意見回饋，摘要後點出最亟需處理的技術問題。使用 Gemini 之前，由於使用者的意見回饋以概括性描述居多，17LIVE 的工程師往往需要逐一測試、解決可能造成體驗不佳的技術問題，不只速度緩慢，也不一定能立即改善使用者體驗。有了 Gemini 提供的建議處理問題排序，17LIVE 的團隊現在可以更快速、精準地解決體驗不佳的問題，促使使用者滿意度提高了 30%。

17LIVE 也用 Gemini 分析儲存在 BigQuery 中的日誌檔和歷史資料，偵測潛在的技術問題。識別出潛在問題之後，由 Gemini 支持的 AI 助理會自動列出需採取的措施，並指派任務給相關人員。如此一來，17LIVE 的工程師便能更有組織地提前預防技術問題，減少 30% 站點可靠性工程所需的資源。

現在，17LIVE 有更多資源投注在打造、調整新使用體驗上。每當有新功能推出時，17LIVE 會用 Gemini 收集使用者相關資料，摘要後評估新功能的表現和可改進之處。採用 Gemini 之前，17LIVE 團隊往往需要等到月底才能收到新功能表現的報告。有了 Gemini 每天產生的報告，17LIVE 能迅速依據使用者喜好調整功能設計，讓新功能得到更好的回響。

另一方面，為增加直播主有更多時間與用戶間互動，17LIVE 也用 Gemini 打造 AI 場控助理（AI co-host）代替直播主向個別使用者問好或致謝。直播進行時，AI 場控會根據直播間氣氛或觀眾喜好開啟話題，讓直播間內的互動更熱絡。當有不當內容出現時，AI 場控也扮演維持秩序與安全的角色。

由於不錄製直播內容，17LIVE 先前對於直播間內詳細情況的了解有限。為了更細緻地理解使用者的喜好，17LIVE 使用 Gemini 和 Vertex AI 分析直播內容，擷取洞見建立使用者和直播主的人物誌，再依據這些人物誌製作更個人化的內容推薦。17LIVE 的使用者因而能更輕易地接觸到感興趣的內容，留言率增加了 10%，對直播主追蹤率也提高了 20%。

同時，17LIVE 也將上述的人物誌資料應用在生成式引擎優化上，讓外部使用者能透過生成式 AI 搜尋快速找到感興趣的直播主或內容。參與這個機制的 17LIVE 直播主得以擴展受眾範圍，提高 10% 的外部曝光度。

在虛擬主播方面，17LIVE 也運用 Google Cloud 的影片生成功能創造更精彩的直播內容。為了讓虛擬直播主有更豐富的表情和肢體動作，17LIVE 先用 Gemini 偵測直播間特定時刻的情緒，再讓 Veo 依據偵測到的情緒生成表情或動作。現在，17LIVE 虛擬主播的反應更即時、生動，能創造更有渲染力的內容，拉近與觀眾的距離。

接下來，17LIVE 計畫擴大對 Google AI 的應用情境，創造更吸引人的內容，例如用 Veo 生成個人化的影像禮物，讓主播與用戶頭像可以同框出現。另外，17LIVE 也將使用 Model Armor 等 Google Cloud 工具強化生成式 AI 的安全性。