原書 Teradata Vantage 的應用範例。以全球零售商改善網站搜尋結果為例，說明機器學習如何連結搜尋相關性與營收成果。
理解搜尋詞解析、分類、搜尋結果相關性與營收指標之間的關係，並區分原書直接報告成果與可由數字推導的簡單計算。
一家全球零售商的網站搜尋結果無法充分符合潛在買家的需求。原書指出，線上購買占總銷售的 25%，因此搜尋結果不準確會直接影響顧客體驗與營收。零售商導入 Teradata Vantage 的機器學習演算法，累積、解析並分類搜尋詞與片語，以找出更貼近顧客需求的搜尋結果。
| 原書指標 | 數值／內容 |
|---|---|
| 線上購買占總銷售 | 25% |
| 分析平台 | Teradata Vantage |
| 機器學習任務 | 累積、解析、分類搜尋詞與片語 |
| 改善目標 | 找出更符合線上顧客需求的搜尋結果 |
| 原書報告的增量營收 | 超過 1,300,000 美元 |
| 衡量期間 | 兩個月的假日銷售期間 |
| 營收衡量對象 | 以購買量衡量的高價值顧客 |
先累積網站搜尋詞與片語，再以機器學習進行解析與分類，辨識哪些搜尋結果更貼近顧客需求。管理上再把搜尋改善與高價值顧客的購買量及增量營收連結，評估分析工具的商業成果。
原書直接報告：兩個月假日銷售期間帶來超過 130 萬美元的增量營收。若只做簡單平均，130 萬美元 ÷ 2 個月 = 每月 65 萬美元；因原書寫的是「超過 130 萬美元」，所以實際平均月增量也應為超過 65 萬美元。這只是期間平均，不代表每個月實際增量完全相同。
本案例顯示，分析工具的價值不只在模型準確率，也可以反映在顧客搜尋體驗與營收上。但原書沒有提供導入成本、完整基準營收、對照組或投資報酬率，因此不能由 130 萬美元直接推導整體投資報酬率或因果效果大小。
根據原書的 25%、兩個月與超過 130 萬美元三項資訊，說明搜尋分析如何連結到商業成果；必須區分原書直接報告的增量營收與自行計算的每月平均，不得自行補造成本、投資報酬率或轉換率。
問題： 若只做線性假設，四個月維持相同最低平均增量速度，增量營收至少是多少？
參考解答： 65 萬美元／月 × 4 = 260 萬美元；但這只是教材假設情境，原書沒有聲稱效果可線性延伸四個月。