需求單位：消金暨信用卡總處
消金推廣人員手動自業務系統撈取上週報表，經 Excel 篩選後，再匯入個別通路系統執行單點行銷。
現行消金會員推薦散落在各渠道系統，資料每週才更新一次，無法做到跨通路的即時行為標籤反饋，導致黃金行銷時間流失。
建立大數據實時行銷標籤計算核心，將跨通路反饋時效由 7 天降至 3 秒內。
消金總處全體行銷企劃同仁、智金處數據架構科、資訊中台維運團隊。
質化效益: 提升消金使用者跨通路行銷體驗，強化全通路一致性品牌黏著度與服務感知。
量化效益: 預期提升全通路跨售轉換率達 14.5%，第一年度帶動手續費淨收益顯著增長。
AI應用技術: 即時動態協同過濾與線上深度學習特徵推薦模型陣列。
資料準備程度: 消金核心資料已完成靜態清點，需打通智金中台即時串流 Kafka 數據線路。
基礎建設環境: 現有 GPU 運算叢集算力充足，需搭配增設高速記憶體資料庫緩衝節點。
品質指標: 推薦模型精準度評估值 (MAP@5) 於生產環境需穩定維持在 82% 以上。
效益指標: 行銷點擊率達成 8% 戰略目標，推薦 API 平均底層響應時間限制小於 50ms。
綜合判斷: 本案技術地基明確，戰略擴張價值高，整體投資報酬比極佳。
主要風險: 高峰開戶行銷期，即時高併發讀取對核心資料中台產生的負載壓力。
推動建議: 建議核准進行第一階段 P0 MVP 建置，由消金總處共同派員協作驗證。
複用性 / 下一步: 核心計算模組具高度封裝性，未來可直接輻射推廣至海外分行系統。