第 11.7 節分析實務 11.1。以 1-800-Flowers.com 說明分析、人工智慧與對話式工具如何支援顧客體驗、需求創造與創新文化。
理解智慧系統如何同時作用於推薦、個人化、顧客服務與行銷，而不是只部署單一模型。
1-800-Flowers.com 在 1990 年代中期由電話訂購轉向線上訂購。原書指出，公司後來成長至逾 10 億美元營收與 4,000 多名員工，並以提升顧客體驗、更有效創造需求，以及建立支援產品與科技創新的員工文化作為三項核心策略。
| 原書項目 | 內容／數值 |
|---|---|
| 營收 | 逾 10 億美元 |
| 員工 | 逾 4,000 名 |
| 核心策略 | 提升顧客體驗、提高需求創造效率、建立創新文化 |
| 分析工具 | SAS Marketing Automation、Data Management、Advanced Analytics、Enterprise Miner、Enterprise Guide |
| 對話介面 | Facebook Messenger、網站聊天、語音聊天、Google Assistant、Alexa |
| 推薦工具 | IBM Watson 與 GWYN（Gifts When You Need） |
公司蒐集顧客需求與互動資料，再透過資料探勘、分群、情緒與購買行為分析支援推薦與行銷。IBM Watson 的自然語言處理（Natural Language Processing, NLP）支援 GWYN 與顧客進行對話式推薦。
原書未提供模型準確率、轉換率或導入前後營收差異，因此不能把逾 10 億美元營收直接歸因於任一單一人工智慧工具。
此案例重點是「系統組合」：推薦、聊天、自助服務、行銷自動化與顧客分群共同改善顧客歷程。競爭優勢來自流程與資料整合，而非某一演算法本身。
根據原書，整理 1-800-Flowers.com 的智慧系統組合，區分推薦、個人化、客服與行銷功能；不得自行把公司營收成長歸因於特定工具。
問題： 若只保留推薦系統，但移除顧客分群與回饋分析，哪一項能力最可能受限？
參考解答： 個人化行銷與依客群調整活動的能力會受限，因原書把分群與回饋分析視為個人化的重要來源。