一、案例定位

說明生成式 AI 如何把顧客行為與瀏覽紀錄轉成個人化商品建議與優惠。

二、學習目標

• 辨識個人化所需的資料輸入。
• 理解個人化與資料隱私治理必須同時處理。

三、案例情境

原書指出，生成式 AI 可快速分析顧客行為、瀏覽紀錄與既有偏好，進一步提供符合個人需求的商品建議與優惠，以提升顧客體驗。

四、開始資料

五、Excel／AI 分析方法

可用分群表比較使用個人化功能與未使用者的轉換率、點擊率與留存率，但需注意使用者自行選擇使用功能可能造成的選擇偏誤。

六、計算結果

原書沒有提供個人化造成的轉換率或營收提升數值，因此不補造結果。

七、結果分析與管理解讀

個人化的核心是提高內容與建議的相關性；但企業仍需另外處理同意、隱私與資料治理，不能因技術可用就假定所有行為資料都可無限制使用。

八、AI 提問詞

只使用已授權的顧客偏好欄位產生推薦候選，並列出每項推薦使用了哪些輸入資料；不得自行推測未提供的個人偏好。

九、思考／情境變動

**題目：**若沒有瀏覽紀錄，模型是否應自行猜測使用者興趣？

**參考解答：**不應。可退回較一般化的推薦，或要求更多合法且已授權的資料脈絡。