你官網那句「請問需要什麼協助？」正在趕走客人：AI 要在他開口前就認得他

巷口那家麵店，老闆一看到你走進門，不用你開口就先喊：「乾麵不要蔥、加顆蛋、大碗的齁？」

那一瞬間的「我認得你」，就是你會一直回去吃的原因。

現在把場景換到你的官網。客人點進來，右下角跳出對話框：「您好，請問有什麼可以幫您？」

聽起來很有禮貌，對吧？但如果你問我，這句話其實是一張自白書。它等於當著客人的面說：我不知道你是誰、不知道你從哪來、也不知道你想幹嘛，麻煩你從頭教我。

最近我看了一場演講，講者是 Position2（Position Squared）的全球營運與策略副總 Dr. Sajjan Kanukolanu，主題是〈Build the AI GTM Agent That Knows the Buyer〉，講怎麼打造一個「在買家開口前就認得他」的 AI GTM（Go-To-Market，市場進攻）代理。內容是講 B2B 銷售，但骨子裡那句話，每個做電商的老闆都該聽進去。

殘酷的事實：客人找上你的時候，決定早就做完了

先講一個讓很多老闆不舒服的真相。

等客人主動點進你的官網、加你 LINE、私訊你的時候，他不是「剛開始考慮」，而是「快要決定」，甚至「已經決定」了。

根據市場研究機構 Gartner 的調查，B2B 買家整段採購旅程，只有約 17% 的時間花在跟供應商接觸；有 67% 的買家偏好「不跟業務講話」的購買體驗。演講中 Dr. Sajjan 還引述 Forrester 2026：94% 的買家用生成式 AI（GenAI）當主要研究工具，80% 的成交最後落在買家「事前列好的名單」裡（後兩個數字為講者引述，我未能獨立查證確切出處，附上供參考）。

你可能想：那是 B2B，我做 B2C 電商，不一樣吧？一樣，而且更兇。

你的客人下單前，早就在 IG、Dcard、小紅書、比價網、還有 ChatGPT 上把功課做完了。根據 Dcard《2023 年末購物季洞察報告》，旗下電商「好物研究室」約 55% 的交易量，來自站內卡友的開箱文、推薦文，也就是一半以上的人下單前都先把別人的評論翻過一輪。

以前，客人走進店裡、聽你介紹、被你說服，才慢慢做決定。現在，客人在你看不到的地方把決定做完，才走到你面前。

重點是什麼？你能做的，不是在他開口後說服他，而是在他開口前就認出他、接住他。那句罐頭問候，剛好把僅存的機會親手推掉。

別再加更聰明的客服了：問題出在你把 AI 貼在破掉的系統上

很多老闆聽到這裡的第一反應是：「那我換一個更聰明的 AI 客服機器人不就好了？」

Dr. Sajjan 把這個迷思戳得很直接：大多數團隊做 AI GTM，是把 AI「外掛」（bolt-on）到現有系統上，而這個做法本身就是規模化最大的絆腳石。

你知道為什麼嗎？因為「認得買家」從來不是一個問題，是三個綁在一起：

• AI 問題：光掛上去，它認不出買家是誰、什麼角色、過去跟你有什麼往來、這次想幹嘛。
• 整合問題：舊系統接不住 AI 抓到的意圖訊號、CRM 情境、行為數據，資料散在各地兜不起來。
• 架構問題：底層架構要「以 AI 為核心」重新長出來，不是在舊骨架上貼一片藥布。

他說了一句我很認同的話：只解決前面一兩個、沒解決第三個，系統照樣是壞的。三個要一起解。

這就像餐廳生意不好，你不去理廚房動線和出餐，只在門口多請一個很會講話的迎賓，後面是亂的，客人一樣留不住。那個迎賓，就是被外掛上去的 AI 客服。

我做過百貨專櫃的櫃哥，最有感的就是這件事：真正會做業績的，是客人一走近就想起「你上次挑那件卡其色風衣、還在猶豫要不要配內搭」的人。認得客人從來不是靠嘴甜，是靠腦子裡那份「關於他」的資料。系統要補的，就是這份資料。

這件事的另一面，我之前寫過 AI Agent 時代新護城河：為什麼第一方資料比模型更關鍵？。這篇接著問下一句：那份資料，到底要怎麼組裝成一個會動的系統？

三層架構：把大品牌，重新變回那個認得你的巷口老闆

Dr. Sajjan 的答案是一套三層架構。我用台灣電商的語言翻譯一遍。

第一層，訊號層（Signal）：收料。 把 CRM 的成交紀錄、聯絡人，加上網站訪客的去匿名化（deanonymization，把匿名瀏覽者對回真實身分）資料，再加社群訊號，全收進來。台灣電商版就是官網會員資料、購買與瀏覽行為、LINE 官方帳號的綁定與互動、再加再行銷追蹤。客人加了你 LINE、看了三次某商品頁卻沒買，這些都是訊號。

第二層，買家智能層（Buyer Intelligence）：看懂。 核心是一個知識庫（knowledge base），放你對產品、客群、理想客戶輪廓（ICP，Ideal Customer Profile）、成功條件的定義。訊號進來，這層判斷：符不符合我的客群？分數多高？還在研究，還是準備下單？這層在台灣有個更熟的名字，CDP（Customer Data Platform，顧客數據平台）。你可以先把它想成一張「顧客卡」：把會員資料、購買、瀏覽、LINE 互動都貼在同一個人身上，再拿來驅動後續行銷。多數品牌會用 CDP 來承接這件事（想搞懂 CDP 到底是什麼、台灣市場上有哪些選擇，可以看這篇 CDP 是什麼、又該怎麼選？台灣顧客數據平台比較與選型指南）。你如果在用 91APP、SHOPLINE 或自架官網會員系統，其實已經站在這層門口了。

第三層，行動層（Action）：出手。 客人一落地，對話框不該再問「請問需要什麼」，而是認出他、叫得出名字、接上他上次看到一半的東西；同時決定要不要通知你、要不要發 EDM、要不要在 LINE 推一則、更新 CRM 哪些情境。想像你早上打開後台，系統已經標好「這 12 個會員這兩天各看 3 次婚戒頁，其中 4 個是回頭客」，還幫你把召回訊息草稿寫好，你看一眼、改兩個字、送出。

這就是行動層的威力：AI 不是等你問，是替你先把該做的事排好。

情境圖譜：分辨「該先追誰」的關鍵

三層裡最值得台灣電商抄的一個概念，叫「情境圖譜」（Context Graph）：把每個人的訊號串到他的帳戶，帳戶再串到交易階段，形成一張連起來的關係圖。有了它，你才知道哪個客戶是「該現在追」的高意圖名單，哪個只是路過。

回到巷口麵店。老闆記得你愛吃什麼、記得你上次帶誰來、記得你多久沒出現，這整套「關於你的情境」，就是最有人味的情境圖譜。大品牌因為客人太多，早就把這能力弄丟了，退化成罐頭式的「歡迎光臨，請問幾位」。AI GTM 要做的，就是把這張圖用系統補回來，讓一個有幾萬會員的品牌，也像巷口老闆一樣認得每個人。

沒有這張圖，你的行銷永遠是亂槍打鳥：對所有人推一樣的檔期、發一樣的 EDM。有了它，你才有辦法把力氣集中在真的快成交的那群人身上。

沒有大預算，這套怎麼落地？

不用一次到位。Dr. Sajjan 給了幾個中小電商也能照走的原則：

• 把「fit」和「intent」分開看。 fit 是「這人是不是我的菜」（客群對不對），intent 是「這人是不是現在想買」（意圖強不強）。混在一起算，你就會把促購訊息發給根本還沒準備好的人。
• 做一套你自己改得動的系統。 Dr. Sajjan 稱它 policy engine（策略引擎），重點是可稽核、可調整，哪裡出錯你自己找得到、改得掉，不用每次追著工程師跑。
• 讓飛輪滾起來。 每一筆成交、每次退貨、每個沒回的客人，都回流到知識庫，讓系統下次判斷更準。越用越聰明，這才是複利。

想看整個產業怎麼把「資料架構」為 AI 重新拆掉重組，可以參考我寫過的 Salesforce Headless 360 解讀：為什麼它把 CRM 拆了，只為了請 AI Agent 走正門。方向一致：先把地基改對，AI 才有得玩。

四個一定會壞掉的地方，先講在前面

這場演講我最欣賞的，是 Dr. Sajjan 沒只講願景，他很誠實地講了四個會壞掉的地方。

一、ICP 漂移（ICP Drift）。 你的理想客群會變。原本主力是小資女，做著做著發現婆媽貢獻更高，模型若還照舊標準跑，就一直把你引到錯的人身上。解法：每季用「成交」跟「流失」名單回頭重訓一次。

二、警示疲勞（Alert Fatigue）。 如果什麼客人都被標成「熱門、快追」，人很快就麻木，乾脆全部不理，系統就死了。少即是多，只把真正該出手的推給人。

三、識別的天花板（Identity Ceiling）。 誠實話：Dr. Sajjan 說這類訪客識別工具，辨認「公司」大概 70% 出頭準，辨認「個人」只有 15%～20% 準，這是結構性限制。B2C 要認出匿名的「個人」更難，把它當加分，別當地基。

四、人的瓶頸（Human Bottleneck）。 這條最實用。他說如果 AI 幫你寫的草稿要改超過 30 秒才能送出，這系統遲早被放棄，因為大家寧可自己重寫。設計目標是「看一眼、微調、一鍵送出」，摩擦力越小，系統活得越久。

順帶一提，Position2 自家目前跑了 75 個以上 AI 代理、18 個以上垂直知識庫，一個月超過 800 次執行（講者自報，截至 2026 年 6 月）。規模不是重點，小店要抄的也不是那 75 個代理，是它的順序：先收訊號、再判斷、最後才行動。

你的下一步

切入重點，如果今天只做三件事，我會建議：

• 一，用無痕視窗體驗一次自己的官網。 三個地方看仔細：聊天窗是不是只會問開放問題、商品頁有沒有接上你上次看的、EDM 和 LINE 有沒有分眾。它把你當「認得的人」，還是「路過的陌生人」？
• 二，先把「認得人」的地基補起來。 官網登入、LINE 綁定、會員分眾標籤，不花大錢，卻是後面所有個人化的基礎。
• 三，挑一個高意圖情境先做個人化。 別想一次做完，先挑「加購物車沒結帳」或「回頭客再訪」這種最好認、最好接的情境，把罐頭訊息換成認得他的訊息，量出轉換差多少，再往外擴。

畢竟前面提到的趨勢報告也顯示，有 58% 的消費者期待「依個人偏好精心策劃的購物體驗」，每兩人就有一個想被量身對待。這個需求已經擺在那了。

以前，行銷比的是誰廣告買得多、喊得大聲。現在，比的是誰在客人開口前就已經認得他。

AI 有沒有用，勝負不在那個對話框長得多聰明，而在它開口前那三秒，你到底有沒有把人認出來。越早開始越好。

想再看行銷工具怎麼一個個長出 AI 代理、行銷人的角色怎麼變，可以接著讀 王董週刊 #6｜Agent 元年下半場：AI 要接手的不是你的工作，是「做事」這件事。

常見問題 FAQ

Q1：把 AI 客服外掛到現有系統上，為什麼常常沒效果？

因為「認得買家」不是單一問題，是 AI、整合、架構三個綁在一起。光掛一個對話框，底層資料還是散的、認不出人，就像門口很會講話的迎賓，後面廚房是亂的。要以 AI 為核心把資料架構重整，三個一起解才會真的有用。

Q2：什麼是情境圖譜（Context Graph）？中小電商也做得到嗎？

情境圖譜就是把「一個人的所有訊號，串到他的帳戶、再串到交易階段」的一張關係圖，讓你分得出誰該先追。中小電商做得到，不用一次到位：先用官網會員、LINE 綁定、購買與瀏覽紀錄串起單一顧客視圖（很多 CDP 或會員系統已內建），再慢慢加訊號。

Q3：AI 做個人化推播，會不會反而打擾客人、扣分？

會，如果你什麼都推、什麼都標「熱門」，客人會麻木甚至封鎖你，這叫警示疲勞。解法是用資料先篩，只在真的高意圖的時機、對真的對的人出手。少而準，永遠贏過多而吵。

協作聲明與免責

這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 [來源名稱](URL) 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。

內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。

本文參考自 Dr. Sajjan Kanukolanu（Position2）演講〈Build the AI GTM Agent That Knows the Buyer〉，原始影片連結。