從顧客行為到產品決策：數據驅動的產品開發循環
以下以一篇發表在《大數據與認知運算》期刊的文章〈數位行銷中消費者行為的大數據分析與AI：應用、合成資料與暗資料，以及未來方向〉，裡面提出的「數據驅動產品開發圖」進行說明。
整個故事，要從顧客開始。
消費者每天瀏覽網站、使用App、購買與退貨、留下評論、詢問客服，甚至在社群媒體上分享意見，都會留下大量的行為訊號。以前企業主要靠問卷和訪談了解顧客，現在則多了一個重要的來源：直接看顧客「實際怎麼做」。
例如，一家電商公司發現，最近很多顧客把商品加入購物車，最後卻沒有結帳。看到這個數字，只知道「顧客沒買」，卻不知道「為何沒買」。真正重要的，不是停在表面數字，而是繼續抽絲剝繭，找出背後的原因。
因此，第一步不是急著想如何使用AI，而是先做好「資料蒐集與整合」（Data Collection and Integration）。企業必須把網站點擊、會員資料、購買紀錄、客服紀錄等資料串起來，再進行清理、身分辨識與品質檢查。如果同一個人在手機與電腦上的行為，被系統當成兩個不同的人，後面的分析自然南轅北轍。
所以，資料品質永遠是第一關。資料不乾淨，再厲害的AI也只是「垃圾進、垃圾出」（Garbage In, Garbage Out）。
資料整理好之後，才能進一步執行「行為分析」（Behavioral Analytics）。企業可以觀察顧客在哪一步離開？哪些功能最常使用？哪些客群流失率最高？以及不同顧客的使用路徑有什麼差異？……。
假設最後發現，大量顧客都是在看到運費之後才離開，那麼真正的問題可能不是商品不好，而是「運費」成為購買障礙。到了這一步，資料才真正從單純的「紀錄」，轉變成可以協助決策的「洞察」。
但找到問題之後，也不能立刻憑感覺修改產品。下一步應該透過「實驗與預測建模」（Experimentation and Predictive Modeling）進行驗證。
例如，企業可以提出一個假設：「滿1,000元免運，是否可以提高結帳率？」接著透過A/B測試（A/B Testing），讓不同顧客看到不同運費方案，再比較雙方的購買率、客單價與毛利。如此一來，與其一群主管坐在會議室裡各執一詞，爭論到底哪個方案比較好，不如直接讓市場告訴我們答案。
當實驗結果出來之後，才真正進入「產品與體驗決策」（Product and Experience Decisions）。企業可能重新調整產品開發順序、修改UI／UX、簡化結帳流程、調整價格，甚至重新設計產品組合。這也是數據分析真正的價值所在。不是做出一張漂亮的報表，也不是讓主管看到更多數字，而是讓資料真正改變決策、改變產品。如果分析了半天，最後什麼都沒有改，再多數據也只是紙上談兵。
更重要的是，產品推出之後並非大功告成。新的產品、功能與流程，又會產生新的瀏覽、購買、評論與客服資料；企業再重新觀察、分析、提出假設、進行實驗與改善。
於是，這將形成一個持續的循環：顧客行為產生資料，資料形成洞察，洞察形成假設，再透過實驗驗證，最後轉化成產品決策；新的產品又帶來新的顧客行為。如此周而復始，產品跟著市場持續進化。
不過，這個循環還需要兩道重要的護欄。
第一道是「組織學習與關鍵績效指標」（Organizational Learning & KPIs）。每次實驗不能船過水無痕，而要留下成功指標、失敗經驗，以及新的做事準則。這樣下一次遇到類似問題時，組織不用重新摸索，可以站在過去經驗上繼續前進。
第二道是「治理、隱私與倫理」（Governance, Privacy & Ethics）。企業不能因為拿得到資料，就全部拿來用。哪些資料真的有必要蒐集？顧客是否同意？誰可以存取？資料如何保存？模型有沒有偏誤？這些問題都必須納入考量。否則，短期企業也許獲得更多的資料與洞察，長期卻可能失去顧客信任，反而得不償失。
所以，數據驅動產品開發真正的精神並不複雜，從顧客的真實行為出發，用資料看見問題，用實驗驗證答案，再把結果變成產品決策。
以前是「我們覺得顧客需要什麼，就做什麼。」現在則是「先看顧客怎麼做，再決定產品怎麼改。」這就是企業從「經驗驅動」走向「數據驅動」的真正轉變。
羅凱揚（台科大企管系兼任助理教授）、鍾皓軒（臺灣行銷研究有限公司創辦人）
資料來源：Theodorakopoulos, L., Theodoropoulou, A., & Klavdianos, C. (2026). Big data analytics and AI for consumer behavior in digital marketing: Applications, synthetic and dark data, and future directions. Big Data and Cognitive Computing, 10(2), 46. https://doi.org/10.3390/bdcc10020046
【Vibe Coding：行銷數據分析學習圈】訂閱計畫（3 月預購，4 月起陸續上架更新）
- 15 堂 AI × 數據分析課程
- 36 小時系統化深度學習
- 128 則 AI 時代必學實戰案例
課程詳情：https://aistudy.pse.is/vibe-coding-learning
為了回饋社群夥伴長期的支持，
原價 19,999 元，特別加碼提供本群專屬折扣券 1,000 元： 讓你最低只要 3,999 元 就能完整加入學習圈！
折價券：8MwjovkB
金庸群折價券：bJDX0v7G
歡迎大家一起加入，一起在 AI 時代持續升級