專案挑戰：
- 單一 VM 無法承受瞬間流量，急需優化資料庫架構
- 各團購主產品與文案風格迥異，難以管理產品分類
- 數據多樣且分散，無法及時轉化為有用洞察
樂樂團購（LeLeBuy）訂單管理平台擁有數千名活躍賣家用戶，透過便捷且高效的線上市場，連結買家與賣家。其專屬的訂單 管理系統可自動整合 LINE、Facebook 社團與粉專，以及蝦皮 賣場，為賣家提供更便利的訂單管理功能。
COVID-19 疫情期間，團購熱潮席捲全台，LeLeBuy 的平台使用量激增，面臨前所未有的流量挑戰。為了應對不斷增長的需求，LeLeBuy 選擇與 cacaFly 攜手合作，啟動數位轉型計劃，將基礎設施全面升級至 Google Cloud Platform (GCP) 雲端服務，為未來的穩定運營與長遠發展奠定堅實基礎。
彈性應對高流量，LeLeBuy 用 Cloud SQL 重塑資料庫優化架構
LeLeBuy 起初已使用 Google Cloud Platform (GCP)，但隨著平台商品列表超過 2000 萬筆，並且所有數據都集中在單一虛擬機（VM）中，這台設備需要處理用戶資訊、購買資料等多種業務項目，導致頻繁出現流量過載的情況。因此，LeLeBuy 面臨著如何高效管理和分析快速增長的數據集的重大挑戰。
為了解決這些問題，cacaFly 的 AI 顧問團隊對 LeLeBuy 的資料庫進行了架構上的升級，將資料庫分離並採用 Cloud SQL 等雲端資料庫解決方案，顯著提升了服務與數據的處理速度。現在，VM 專注於支援網站服務，Cloud SQL 專注於資料的讀寫，新的架構有效提升了服務平台的整體效能。
透過這次轉型，LeLeBuy 不僅順利實現了雲端升級，還將 GCP 的強大功能，如 Cloud Storage、Cloud SQL 和 Compute Engine，無縫整合進平台運營中。這使得 LeLeBuy 能夠在高流量時段靈活調配資源，保證平台的穩定運行，也降低了維護與管理資料庫的人力成本，同時顯著提升了數據儲存的安全性和運算效能。
突破團購數據瓶頸，Gemini AI 驅動 LeLeBuy 團購平台簡短標籤分類時間 70%
LeLeBuy 平台聚集了眾多團購主，面臨著複雜的數據整合挑戰。在團購平台的運營中，每位團購主撰寫的文案風格和商品分類定義千差萬別，這對商品的分類整理以及資料後續分析造成了極大的挑戰。一些團購主的文案生動有趣，充滿創意，而另一些則以功能導向為主，偏向理性描述。這些差異不僅影響商品的準確分類，也使數據分析的效率與準確性大打折扣。
為解決此問題，cacaFly AI 顧問團隊運用 Google Cloud 工具 BigQuery ML，直接在 BigQuery 環境中使用 Gemini Flash 模型，為 LeLeBuy 近半年平台數據進行深度分析。BigQuery 與 Gemini 的整合讓我們能在同一環境內運用大型語言模型處理結構化數據，充分發揮 BigQuery 的高效運算能力。
團隊透過提示工程（Prompt engineering），針對 LeLeBuy 業務需求優化提示語，確保 Gemini 精確執行分類任務。我們利用 BigQuery 打造全自動化流程，從數據導入到分類輸出皆在 BigQuery 中完成，減少人工操作並確保分類結果一致性。最終建立高效自動化分類系統，準確識別商品類別與產地資訊。
在數據可視化方面，我們利用 BigQuery 與 Looker Studio 的整合，客製化開發 Looker Studio 模板，實現即時數據洞察。透過 BigQuery 的數據處理效能和 Looker Studio 的可視化工具，客戶能快速識別頂尖團購主與熱銷品類。
這套系統還能自動產出精準的趨勢分析報告，從市場表現到消費者偏好，一目了然，為平台的決策層提供強有力的支持。同時，藉由這些洞察，平台得以優化產品推薦策略，有效提升運營效率與用戶滿意度，讓數據不僅停留於分析，更成為推動業務增長的核心引擎。
透過此 AI 驅動的數據解決方案，LeLeBuy 實現了多項具體效益：產品標籤處理時間大幅縮減 70%，平台用戶滿意度提升 25%。更重要的是，這套系統建立了可持續發展的數據分析基礎，不僅優化了現有的推薦機制，更為 LeLeBuy 的數據驅動決策提供了紮實的技術支援，創造持續性的商業價值。
「cacaFly 技術顧問團隊結合 Gemini 與 BigQuery 的強大功能，成功將我們的數據轉化為具行動力的洞察，不僅大幅節省了時間，還顯著推動了我們的業務成長。」_LeLeBuy CEO Alex
