AI引擎推薦

「AI引擎推薦，精準懂你——推薦從此不再盲選。」此功能結合自然語言處理（NLP）與機器學習模型，透過與使用者的對話，逐步了解其需求、程度與偏好，並即時提供個性化的推薦內容。相較於傳統靜態的選單式推薦方式，AI 推薦引擎能根據用戶每次的回應進行「承先啟後」的智能問答，動態調整問題內容與建議方向，讓推薦更貼近實際需求。透過這樣的互動模式，不僅提升了使用體驗，也有效提高了內容的轉換率。

立即註冊使用：https://mantago.cc/login

使用網頁在主頁應用選單點選AI引擎推薦 ⬇️

進入後，在基本設定這邊設定 ⬇️

進入/離開AI引擎推薦的關鍵字
進入AI引擎推薦所顯示的內容
離開AI引擎推薦所顯示的內容

接著選擇模型、語言 ⬇️

模型選擇通常代表不同的版本、能力與應用場景。選擇不同模型會影響生成內容的品質、語言理解、創造力與運算效率。

設定完後，接著來到品項管理也就是側邊工具列的資料庫 ⬇️

第一步，我們先新增商品，平台提供兩種方式：

新增品項：適合單筆、少量商品手動建立。
Excel 匯入：適合多筆商品快速批次上架。

首先我們先介紹第一種方式「新增品項」進行逐一手動輸入步驟如下：

輸入品項名稱、品項網址、品項描述、上傳圖片⬆️

第二種Excel 匯入，步驟如下：

請點選「匯出」以獲取 Excel 模板，點擊後系統會立即下載目前的資料檔案。

依序在紅框標示的欄位中填入商品資訊：
基礎資料：品項名稱、連結、描述、圖片。
標籤設定：自動標籤、HashTags、品項標籤。

「自動標籤、Hashtag、品項標籤」若暫無想法可先留空，待後續再行補填；但請注意，完整的標籤設定將有助於提升系統推薦的準確度。

填寫完成後，請將檔案另存為 Excel 格式 (.xlsx)。接著回到系統點選「匯入」並上傳該檔案，即可完成商品新增！

🏷️ 標籤功能詳解：它們有什麼不同？在 MantaGO 中，標籤不僅是分類，更是讓系統「認識」你商品的關鍵。以下是三種標籤的定義與應用場景：

新增分類標籤的目的：此標籤設立旨在強化用戶偏好調查的準確性與效率。透過分類標籤的設定，系統可依標籤所屬屬性進行行為分析與偏好判斷，協助後續針對不同用戶族群進行精準調查與溝通。

品項標籤 (Item Tags) —— 基礎分類用
定義：最直觀的商品分類，通常用於後台管理或基本的篩選。
用途：區分商品大類。
舉例： 上衣、配件、夏季新品、熱銷排行。
建議：這是最基礎的設定，建議每個商品都至少貼上 1~2 個類別標籤，方便後續管理。

Hashtag (標記) —— 社群與搜尋用
定義：類似社群媒體（Instagram/Threads）的標籤，用於捕捉流行趨勢或特定關鍵字。
用途：增加搜尋權重，並讓推薦內容更具社群感。
舉例： #OOTD、#文青風、#送禮首選、#小資族必備。
建議：可以使用更具口語化、感性的詞彙，吸引消費者的注意力。

自動標籤 (Auto Tags) —— AI 精準推薦用
定義：這是系統「智慧分析」的核心。透過 AI 提取出的商品特徵，用來精準對應消費者的偏好。
用途：影響系統推薦準確度度。系統會根據這些標籤，將商品推播給「對這些特徵有興趣」的潛在顧客。
舉例： 簡約風、吸濕排汗、馬卡龍色系。
建議：若不知道怎麼寫，強烈建議點擊**「生成內容 Hashtag」**按鈕，讓 AI 幫你抓出商品的靈魂關鍵字。

＃生成內容Hashtag 功能說明 ⬇️ 本功能可根據商品資訊自動生成相關主題標籤（Hashtag），協助用戶在不確定標籤方向時快速產出關鍵字，提升內容曝光度與搜尋連結性。使用者可透過點擊「生成內容Hashtag 」按鈕，由系統智慧分析產品特性並產生推薦標籤。若自動生成的結果不符合需求，亦可進行手動編輯與調整，以確保貼近品牌語調及行銷訴求。