案例08｜Netflix、Starbucks Deep Brew、Sephora Virtual Artist：AI 個人化的三種接觸點

一、案例定位

本案例依原書第 2 章 Customer Engagement 的三個具名例子重組。

比較 Content Recommendation、Mobile Offer Personalization 與 Virtual Shopping Assistant 三種 AI 個人化方式。

二、學習目標

區分三種 Customer Engagement Mechanism。
辨識各自使用的行為／位置／偏好資料。
理解 Personalization 與 Privacy／Bias 的取捨。

三、案例情境

原書指出 Netflix 依 Viewing Habits 為 Millions of Users Curate Personalized Content 並降低 Churn；Starbucks Deep Brew 透過 Purchase History 與 Location 推薦 Seasonal Offering／Food Pairing，原書稱提高 Average Order Value；Sephora Virtual Artist 提供個人化 Beauty Advice，原書稱帶動 Online Sales。

四、開始資料

平台	資料／機制	原書結果敘述
Netflix	Viewing Habits／Recommendation	Millions of Users；降低 Churn
Starbucks Deep Brew	Purchase History＋Location	Average Order Value 增加
Sephora Virtual Artist	Virtual Beauty Advice	Online Sales 增加

五、Excel／AI 分析方法

Excel 可追蹤 Recommendation Exposure、Conversion、Order Value、Churn；AI 可分析 Segment Pattern，但原書未提供三案的精確改善百分比。

六、計算結果

原書沒有提供 Churn Reduction%、Average Order Value Lift% 或 Online Sales Lift%，因此不補數字。

七、結果分析與管理解讀

三個案例呈現 AI 個人化可以發生在 Content、Offer、Shopping Advice；成效必須用各自 KPI 衡量，不應用一個共同「Personalization Score」取代。

八、AI 提問詞

請分別以 Churn、Average Order Value、Online Conversion 分析三類 Personalization；未提供數值時只標示方向，不要自行填百分比。