你的電商 KPI 越優化越糟?從 AI 圈爆紅的「Loop vs Graph」看懂 Goodhart 陷阱

你的電商 KPI 越優化越糟?從 AI 圈爆紅的「Loop vs Graph」看懂 Goodhart 陷阱

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)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)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
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 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
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

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: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,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
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
  • 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),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。

Read more

AI 超級週期是巨頭的資本遊戲:史丹佛這堂課,教中小電商老闆別追熱點、先守住你的「護城河」

AI 超級週期是巨頭的資本遊戲:史丹佛這堂課,教中小電商老闆別追熱點、先守住你的「護城河」

2026 年,四大雲端巨頭(Amazon、Google、Meta、Microsoft)光是蓋 AI 基礎設施的資本支出(capex,capital expenditure),加起來預計要燒掉大約 7,250 億美元。 比 2025 年的 4,100 億暴增 77%。分析師還說,2027 年這個數字有機會突破 1 兆美元。(數字為多家券商與分析師預估,見 Tom's Hardware 彙整報導。) 我知道你看到這種數字,第一個反應通常是焦慮。 「大家都在 all in AI,我這間小店是不是要被時代輾過去了?」 先深呼吸。這篇文章想跟你聊的,剛好相反。 這 7,250 億美元裡,

By Lewis wang
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

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,

By Lewis wang