[專訪]攜程網劉宇：體驗設計與商業利益的平衡之道|數位時代 BusinessNext

現代化的UED團隊－學習型組織、數字管理導向

首先，攜程網UED團隊為了維持使用者體驗的一致性、提升產品設計品質，致力將自身建構為學習型組織。2013年起開始制定嚴謹的設計指南，從視覺到交互，從字型乃至icon形狀皆一一仔細規範；建立設計模組庫、前端程式庫、用戶行為庫，協助縮短新進成員的適應時間；架設攜程設計委員會論壇，促進各產品線設計同仁間的知識交流；舉辦年度攜程UED大會，廣邀國內外知名的設計師與用戶研究專家，藉此讓攜程網UED團隊學習新知並擴充視野。

圖說：規範封面。

攜程網UED團隊也非常強調客觀的數字管理觀念。當有營業單位提出研究需求，他們會仔細評估此一需求影響的用戶規模及帶來的業績營收，推算ROI後再進行優先排序；完成用戶研究報告後，UED團隊會持續追蹤專案執行後的問題改善情況與最終收益，確切評鑑成效是否符合預期。

彈性的組織文化－因應商務轉型機動調整人員佈局

更引人注目的是，UED團隊文化不因理性的管理風格而變得僵化遲滯，反可因應商務轉型，靈活地調整組織架構。攜程網早期服務以『滑鼠加水泥』模式為主，機票、飯店、套裝旅遊為核心事業，業務內容單純；但在二次創業的CEO梁建章先生的帶領下，企業服務轉型成以手機為重心的『大拇指+水泥』模式，營業單位元 (Business Unit)數更快速成長至接近20個，也使攜程網顧客透過手機端的下單比例，在各項業務皆接近或超過50%，可謂轉型成功。

但這樣的轉變，也為UED團隊帶來管理上的挑戰。2011年UED團隊僅十多名人員，2014年後成員數開始破百。在營業單位、UED團隊飛速擴充的情況下，主管們很難充分掌握各產品線的屬性與指導團隊成員的工作表現。為讓每位設計師能確實掌握其支援單位的業務重點，維持跨屏服務使用體驗上的一致性，UED團隊決定調整組織架構，將小型戰略營業單位 (SBU, Service Business Unit) 的設計師併於產品線中，並設置設計委員會、採行水準式的管理方式，替產品、服務的設計品質把關。

圖說：攜程APP最新版首頁。

O2O趨勢持續發燒，高品質的產品、服務設計體驗成為決勝點

關於電商的發展趨勢，劉宇表示中國電商近幾年發展飛快，但是有2個趨勢是未來可以關注的。

雖然淘寶在用戶中的影響力仍然很大，但是京東、蘇寧、一號店等綜合性的電商，仍有許多發展機會。早年電商如淘寶進入三、四線縣城時，產品的價格、性價比會是顧客選擇通路的關鍵因素；但當價格不再成為電商的強力優勢、當顧客轉為追求高品質的服務和產品體驗。

第二，劉宇預測，線下的實體商店因能提供顧客更具體的通路服務體驗，將具有強烈的不可取代性，正因為如此，美團、餓了麼等線上電商與線下實體商店打通的O2O作法，也會成為電商的重點趨勢之一。

透過數據驅動體驗設計，透過體驗設計滋長企業獲利

而在這次ECX 2015大會中，劉宇將依三大主軸，分別介紹攜程網UED團隊平衡設計與商業利益間的方法。

一是組織管理方法，包含：需求ROI與優先順序的評估體系、設計師績效的評鑑方法，以及UED部門從單一中心到多點單位元的管理方式變革；二是產品設計歷程，包括：2012至2013年間內部團隊與國際知名設計研究公司合作的PC版網站改版專案，與2014年起手機APP視覺設計的改版行動；三是競品設計比較，具體說明攜程網與其他競業產品設計趨勢的異同之處以及攜程網的設計思考方式。

劉宇期待透過這次的分享，讓每位與會者從攜程網UED團隊蛻變歷程中看見：一家公司如何透過數據驅動體驗設計、透過體驗設計滋長企業獲利。

在 AI 快速進入企業營運核心的時代，數據不再只是被動的分析素材，而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據，例如會員資料、交易紀錄以及線上與線下行為數據，但因這些數據分散於不同系統，缺乏統一的身分識別機制以及明確的元數據（Metadata）定義，導致難以整合與分析，同時，也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰，Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務，如 Audience Center 與 AI Agent 等解決方案，並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程，從資料清理到 AI-Ready 再到落地應用，讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化，大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。

展望未來，Vpon 將持續擴展數據生態圈並優化產品服務，幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環，希望以數據夥伴的角色與品牌共同成長，打造互利共贏的數據生態。