2024 年初，拍拍圈開始運用 Google Cloud 重新開發商品推薦功能。首先，拍拍圈的開發團隊在 BigQuery 上建置了一個資料倉儲，將相關的商業資料都透過 ETL 傳輸到 BigQuery 上，Google Analytics 和 Google Ads 上的使用者和廣告資料則經由 BigQuery 的輸出連結直接串流。如此一來，拍拍圈只花費了極少的開發資源就能將資料匯集到一處，準備好在 Google Cloud 上應用。

接著，拍拍圈的開發團隊使用 Vertex AI Search for commerce 上的推薦模型開發平台上的商品推薦功能。透過將產品目錄資料和使用者行為事件從 BigQuery 傳輸到 Vertex AI Search for commerce，拍拍圈得以更即時地提供更相關的商品推薦。在使用 Google Cloud 之前，拍拍圈平台上的商品推薦往往需要等待數天才會更新。現在，商品推薦內容每兩小時就會基於最新的使用者事件資料更新，能更快速地反映使用者的喜好與需求。新推薦功能推出之後，拍拍圈平台上商品推薦的點擊量增加了 2.5 倍。

「Vertex AI Search for commerce 能用更強大的 AI 模型處理更多樣的數據，協助我們大幅提高了使用者互動率。」楊時維指出。「更令我們驚喜的是，只需要少量的開發工作就能達成這個成果。我們只投入了一位工程師兩星期的時間，就開發出了新的商品推薦功能。」

成功改善了商品推薦功能之後，拍拍圈繼續運用 Google Cloud 提升平台上的使用者體驗。為了讓使用者能更快地找到想要的精品，拍拍圈使用 Vertex AI 中的 Vector Search 提供相關度更高的搜尋結果，並支持圖片搜尋。

在使用 Google Cloud 之前，拍拍圈團隊使用一個開源搜尋引擎支持平台上的搜尋功能。由於消費者經常用簡稱和暱稱搜尋精品，該開源搜尋引擎的斷詞斷字和情境理解能力有限，只能找到一部分相關商品。透過用 Text embeddings API 和 Multimodal embeddings API 將商品資料、搜尋關鍵字和圖片資料向量化，拍拍圈現在得以讓使用者輸入一個關鍵字或圖片，就能找到幾乎所有相關商品。

先前，拍拍圈需要投入大量人力確保平台上的交易安全。例如，一名員工每天需要花半天時間檢視買家和賣家之間的聊天內容，找出詐騙和違反平台規定的訊息，不只耗時，也容易疏漏。透過訓練 Vertex AI 中的 Gemini 1.5 Flash 模型辨識有違規意圖的訊息，再交由人工複查，拍拍圈得以避免人為疏漏，提高工作效率。

此外，拍拍圈也運用 Gemini 自動分類商品，並檢視商品資訊是否正確。同時，團隊也用 Vertex AI Vision 辨識賣家證件，確認身份。之前，拍拍圈需要一名員工專門負責輸入賣家的證件資料。

由於透過圖片傳送的詐騙訊息越來越氾濫，拍拍圈接下來計畫使用 Multimodal AI 更有效地從圖片中辨識詐騙文字。為了進一步提升使用者體驗，拍拍圈將用 Gemini 建置客服機器人，並基於圖片自動生成商品描述。在使用 Google Cloud 的資料和 AI 解決方案取得優異成果之後，拍拍圈團隊計劃將平台的基礎架構也遷移到 Google Cloud 上，降低管理成本。