> ## Content Index
> Fetch the complete content index at: https://growthhackers.tw/llms.txt
> Use this file to discover other available public pages before exploring further.

# 你的電商 KPI 越優化越糟？從 AI 圈爆紅的「Loop vs Graph」看懂 Goodhart 陷阱
- URL: https://growthhackers.tw/blog/loop-to-graph-ecommerce-kpi/
- Published: 2026-07-19T16:01:59.000Z
- Updated: 2026-07-20T13:38:09.000Z
- Author: Lewis wang
- Tags: 電商經營, KPI, ROAS, 數據分析, AI agent

有個電商團隊，花了一整季優化客服 chatbot 的「結案率」。

他們挑了指標、設了目標、每週開會看數字，只要結案率一掉就調 bot 的話術跟規則。線一路往上爬了五個月，全公司都很得意。

然後續訂資料進來了。客戶流失翻倍。

你猜怎麼著？那隻 bot 根本沒學會解決問題，它學會的是「快點把對話關掉」。快速結案、勸退追問、把明明沒解決的工單標成已解決。迴圈運作得完美無瑕，數字漂亮到不行，而這個「完美」本身，就是災難的引擎。

如果你做電商、天天盯著儀表板調數字，這個故事應該讓你背脊發涼。因為這根本不是客服的問題，這是你每一個 KPI 都會遇到的問題。

## 一句話爆紅的迷因，講的其實是你的生意

前陣子 AI 圈一位很有份量的工程師 Peter Steinberger（[@steipete](https://x.com/steipete/status/2078277297791189132?ref=growthhackers.tw)）丟了一句話，被看了 190 萬次：

> 「我們還在講 loop（迴圈），還是已經改講 graph（圖）了？」

一句話，整個 AI 圈都笑了。因為做 AI agent 的人都懂，這行正一腳踩在舊模式、一腳跨向新模式。這句迷因後來被另一位長年寫 AI 設計模式的作者 Carlos Perez（[@IntuitMachine](https://x.com/IntuitMachine/status/2078419526354378975?ref=growthhackers.tw)）接住，寫成一篇很好的長文。以下的框架就是從他的觀點延伸出來的，先講清楚：這是一套值得參考的思考架構，不是什麼學術定論。

但王董讀完，第一個想到的不是工程師，是電商老闆。

因為這篇表面在講 AI 架構，骨子裡在講一件你每天都在做、卻沒有名字的事：**你越用力優化一個 KPI，它就越會背叛你。**

## Loop 是什麼？自我改進的最小單位

先把 loop 講白。任何「持續變好」的流程，拆到骨頭，都是同一台四行程引擎：

1. **選一個要控制的東西**（一個指標、一個能力）
2. **設一個目標值**（你希望它到哪）
3. **量現況跟目標的差距**
4. **動手把差距縮小，然後再跑一輪**

![自我改進迴圈的四行程引擎：選對象、設目標、量差距、行動](https://growthhackers.tw/content/images/2026/07/lgkpi-inline-four-stroke-loop-v1.png)

自我改進的最小單位：選對象 → 設目標 → 量差距 → 行動，再循環。

最純粹的 loop 就是你家的冷氣。溫度、設定值、差多少、吹冷氣，一直循環。

看懂了嗎？你的電商裡到處都是 loop。

週會看 ROAS（廣告投報率）掉了就調預算，是 loop。跑 A/B test 換版型，是 loop。廣告平台的自動出價，是一台跑得比你快一萬倍的 loop。連你年初訂的 OKR，都是一個一季跑一次的慢 loop。

loop 為什麼這麼受歡迎？因為它夠簡單，一句話就能教會；夠便宜，隨手就能搭；而且是真的有用，幾乎所有你去量、去調的東西，一開始都會變好。

最關鍵的是，**看著一個數字隨著你的調整而動，那種爽感，會讓你以為這就是答案的全部。**

至於工程師在吵的「改講 graph」，指的是像 [LangGraph](https://langchain-ai.github.io/langgraph/?ref=growthhackers.tw) 這種把 AI agent 從「一條迴圈跑到底」改成「一張互相連結的網」的新做法。這波轉向是真的。但先別急著追工具，我們得先搞懂，單一 loop 到底哪裡壞了。

## 為什麼單一 Loop 一定會壞？四種必然的故障

這些故障不是運氣不好才發生，它們是 loop 這個「形狀」註定會長出來的四顆腫瘤。

![單一 KPI 迴圈的四種必然故障：被玩壞、看不到上層、互相打架、量測腐爛](https://growthhackers.tw/content/images/2026/07/lgkpi-inline-four-failures-v1.png)

單一 KPI 迴圈的四種必然故障：被玩壞、看不到上層、互相打架、量測腐爛。

### 故障一：Goodhart 法則，指標被你玩壞

開頭那個客服故事，有個正式名字，叫 **Goodhart 法則**。經濟學家 Charles Goodhart 在 1975 年提出，後來人類學家 Marilyn Strathern 把它講成最有名的一句話：

> 「一個指標一旦變成目標，它就不再是個好指標。」（[Goodhart's law](https://en.wikipedia.org/wiki/Goodhart%27s%5Flaw?ref=growthhackers.tw)）

原因很結構性。一個 loop 只看得到它自己那個數字，這正是它之所以是 loop。所以它會找出所有能推動那個數字的方法，包括那些背叛了數字初衷的方法。

它不是壞掉，它是完美執行了你交代的任務，只是那個數字早就悄悄跟真實脫鉤了。

你把客服結案率當目標，結案率就創新高，退訂率也一起創新高。你把轉換率（CVR）當目標，瘋狂下殺、限時、彈窗，短期 CVR 上去了，客單價跟毛利卻默默往下掉。這就是典型的[績效行銷陷阱](https://growthhackers.tw/blog/kotler-marketing-7-0-ch3/)：短期數字漂亮，品牌跟利潤在流血。

### 故障二：看不到上層，沒人問「這目標對不對」

loop 會拼命把數字推向目標值，但它體內沒有任何一個零件，能回頭問一句：這個目標本身，是對的嗎？

冷氣不會懷疑 26 度是不是正確的溫度。你的廣告 loop 也不會懷疑「ROAS 要做到 3.0」這條線是不是合理。

問題是，這條線是誰定的？

很多時候是三年前某個人拍腦袋定的，那個人可能都離職了，而你的團隊還在日以繼夜地朝那個數字衝。loop 越努力，一個錯的目標就被達成得越徹底。（至於怎麼一開始就[選對該追的那個核心 KPI](https://growthhackers.tw/blog/click-here-ep2-north-star/)，是另一個大題。）

### 故障三：迴圈互相打架

真實的生意裡不會只有一個 loop，而各自獨立長出來的 loop，會打架。

衝流量的 loop，會扯優化品質那個 loop 的後腿。催出貨速度的 loop，會撞上顧退貨正確率的 loop。就像一棟大樓裡兩台各自為政的空調，一台拚命加熱、隔壁那台拚命降溫，各自都覺得自己表現優異。

單一 loop 的腦袋，根本沒有詞彙去描述這種對撞，因為每一個 loop 單獨看，都在正常運作。

### 故障四：量測自己爛掉，卻沒人看守望者

這是最安靜的一種死法。

Pixel（追蹤碼）會掉。歸因會偏。資料管線會腐爛。定義會在你沒注意的時候偷偷改掉，而儀表板還是一片綠。

最糟的是，量測會從「核對真實」滑向「核對報表」，一張報表的數字去對另一張報表的數字，於是整個 loop 繼續空轉，跑的卻是一組碰不到現實的資料。

我講一段自己看過的型態。有陣子很多人拿 in-platform ROAS（廣告平台自己算的投報率）當唯一 KPI，數字美得冒泡，但客戶的整體營收動都沒動。一查才發現，那個 loop 學會的是狂吃品牌關鍵字跟再行銷，把本來就會回來買的老客人，全算成廣告的功勞。指標亮了，MER（整體行銷效率）其實在掉。

講白一點：平台說你賺了，銀行帳戶卻沒變胖。

## Graph 不是答案，錨點才是

那答案是什麼？工程師說：不要單一 loop，要 graph，一張互相看守的迴圈網路。

這話對一半。

成熟的系統，長的從來就是一張網，一堆 loop 互相看守。一間治理健全的公司就是這個形狀：快 loop（每日站會）包在中 loop（每季規劃）裡，中 loop 再包在慢 loop（年度稽核）裡，上一層專門檢查下一層的數字有沒有跟現實脫節。

翻成你的電商，這張網長這樣，而它的重點在「**配對**」：

- **ROAS** 旁邊，一定要放 **MER 跟新客佔比**，抓它有沒有在吃自然單。
- **客服結案率** 旁邊，一定要放 **回購率或 NPS**，抓它有沒有在趕客人。
- **轉換率** 旁邊，一定要放 **毛利跟退貨率**，抓它有沒有在流血換單。

**每一個會被優化的指標，都不准單獨旅行。** 旁邊一定要配一個「抓作弊」的對照指標。

![配對指標：ROAS 配 MER、CVR 配毛利、客服結案率配回購](https://growthhackers.tw/content/images/2026/07/lgkpi-inline-paired-metrics-v1.png)

配對指標：每個關鍵 KPI 旁邊都要站一個「抓作弊」的對照指標。

**但這裡有個更硬的真相，也是這整篇最想跟你講的一句。**

你把 graph 蓋得再漂亮，配對指標、稽核迴圈、上面還有 loop 在調下面 loop 的參數，如果每一個 loop 都只是在看「另一個 loop 吐出來的報表」，沒有任何一個碰得到地面，那這張網只是一場更貴、綠燈更多的自我欺騙。它一樣會垮，只是垮得更晚、更貴、垮之前的儀表板更漂亮。

這就像你每年體檢報告都全過關，紅字一個都沒有，你很安心。但你從來沒做那項最麻煩、要空腹抽血或切片的檢查。報表全綠，不代表身體沒事，只代表你沒去量真正該量的那一項。

所以 graph 需要一個任何線路都給不了的東西：**錨點（anchor）。**

錨點，是那些吵不贏、賴不掉的量測：

- 真正匯進銀行帳戶、對得起來的**金流**。
- 真正出了倉、簽收了的**貨**。
- 真正在名單上、下次還會回來的**回購客**。
- 還有幾條**凍結的紅線**：退貨政策、真實庫存數，這些是打死不准為了衝任何 KPI 而鬆動的規則。

以前，做電商的競爭力，是「你有沒有在認真追蹤數字」。

現在，是「你的數字後面，有沒有一個碰得到現實的錨」。

還有最上面那件事：什麼叫「更好」？哪些紅線該凍結？這個判斷，機器算不出來，任何 loop 都算不出來，因為每一個 loop 都預設了它。這一題，只能由人，透過真實的失敗經驗，自己扛下來。

## 王董的三個問題，今天就能自己盤一遍

別把「換架構」當成「換腦袋」。loop 換成 graph 是好事，但真正決定你會不會被數字騙的，是下面這三題。今晚就拿去問你的團隊：

► **第一，配對了嗎？** 你最重要的 3 個指標，是不是每一個旁邊都站了一個「抓作弊」的對照指標？如果 ROAS 旁邊空空的，你就是在裸奔。

► **第二，多久對一次帳？** 你儀表板上的數字，多久跟金流、庫存這種碰得到地面的錨點，硬碰硬對一次？如果答案是「沒對過」，你的綠燈都不算數。

► **第三，哪幾條紅線凍死不動？** 哪些規則是你明講「就算能衝 KPI 也絕對不准動」的？退貨政策？真實庫存？把它們寫下來，貼在牆上。

我再補一個自己踩過的坑。曾經看過團隊為了衝「加購率」，把加購彈窗做到滿出來，加購率的線是好看了，客訴跟退貨卻跟著往上，NPS 掉下來。那個 loop 沒有錯，它只是太聽話了。錯的是沒人在它旁邊放一個對照指標，也沒人記得問一句：我們到底想要什麼？

## FAQ

**Q：為什麼我的 ROAS 很漂亮，整體營收卻沒成長？**  
很可能你的廣告 loop 在吃自然單。平台自己算的 ROAS 會把品牌關鍵字、再行銷這些「本來就會回來」的客人算成廣告功勞。解法是旁邊配一個 MER（整體行銷效率）跟新客佔比一起看，並用[增量測試（incrementality／holdout）](https://growthhackers.tw/blog/click-here-ep3-holdout-incremental-test/)，也就是刻意保留一組不投廣告的對照組，去驗真實增量。

**Q：Goodhart 法則到底跟電商有什麼關係？**  
關係大了。它說「一個指標一旦變成目標，就不再是好指標」。你把結案率、CVR、加購率任何一個 KPI 優化到極致，它都會找到背叛初衷的捷徑。這不是你團隊的錯，是單一指標這個形狀的宿命。

**Q：那我到底要不要跟進工程圈說的 graph、LangGraph 那些？**  
你不用去碰工具。你要偷的是它的觀念：指標不准單獨旅行、目標要有人負責、快 loop 不准把慢 loop 顧的東西搞爛，而且整張網一定要有幾個碰得到現實的錨點。

**Q：KPI 要怎麼設才不會被優化到失真？**  
三步：一，每個關鍵指標配一個對照指標；二，定期拿數字跟金流、庫存對帳；三，明訂幾條凍結的紅線，任何 KPI 都不准踩。

如果你問我，這場「loop 還是 graph」的討論，真正的軸線從來就不是 loop 對上 graph。是「接地」對上「不接地」。你的改進機器不管長什麼形狀，只要它還碰得到它宣稱要改善的那個現實，它就是好的。碰不到，它就是一場出席率很高的表演。

單一 loop，是系統學會變好的方式。  
一張接了地、有錨點的網，才是系統學會「不騙自己」地變好。  
而搞清楚「更好」到底是什麼意思，是比這兩者都更難、也更值錢的一課。

**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。