國際美妝品牌如何運用 Google 搜尋資料，成功創造新的商機？|數位時代 BusinessNext

國際美妝品牌如何運用 Google 搜尋資料，成功創造新的商機？

美妝品牌Make Up For Ever從搜尋資料中擷取消費者洞察，運用準確的指定目標對象工具，觸及不同文化背景的目標對象。不僅讓產品搜尋次數提升了18%，YouTube頻道訂閱人數也成長了 11%。

洞察：看見數據表象背後的潛在商機

為了替新推出的產品 Ultra HD Foundation 超高清無瑕粉底液擬定上市策略，Make Up For Ever 深入研究 Google 搜尋相關資料，比較了兩種不同的消費者搜尋內容，意外從中找出潛藏的商機。

資料顯示，70% 的一般膚色底妝產品搜尋 (例如「最好用的遮瑕膏」) 都與特定品牌有關，只有 33% 的特定膚色底妝產品搜尋 (例如「適合深色肌膚使用的最佳遮瑕膏」) 有與品牌相關。

Make Up For Ever 美洲地區總經理 Laure de Metz 說：「我們對這項資訊感到很訝異，這代表許多美妝品牌在與各種不同文化背景的目標對象交流時，並沒有顧及這些對象之間的差異。對於我們即將推出的 Ultra HD Icon (Ultra HD 經典產品) 廣告活動，我們希望可以直接觸及不同背景的消費者，有效回應那些正在尋找我們產品的多元目標對象的需求。」

Make Up For Ever 團隊瞭解，為了要達到這個目標，他們不僅需要使用多元且豐富的廣告素材，還需要採用進階的目標對象指定方式。

行動：為多元目標對象打造涵蓋完整銷售漏斗 (full-funnel) 的廣告活動

為了觸及不同文化背景的多元目標對象，從他們對品牌產生意識到考慮購買的過程中都能有效溝通，Make Up For Ever 打造了涵蓋完整銷售漏斗的廣告活動。

Make Up For Ever 團隊使用 TrueView 串流內廣告來推送廣告主打影片來提升品牌意識。而使用 TrueView 探索廣告時，他們則放上了產品使用解說影片，請到擅長為各種膚色名人打理妝容的知名美妝師來為觀眾解說產品用法，藉此提升考慮觀望。Make Up For Ever 更製作了長度 6 秒的影片前串場廣告來擴大廣告的展示頻率，並利用 Google 多媒體廣告聯播網廣告來指定舊訪客，吸引那些看過他們廣告但已離開 YouTube 的目標對象造訪 Make Up For Ever 的網站。

De Metz 表示：「這波廣告活動的關鍵其實在於指定目標對象。為了有效觸及不同文化背景的目標對象，我們指定了同時在 YouTube 和 Google 上搜尋深色及自然膚色適用的底妝修容資訊的消費者。」此舉讓 Make Up For Ever 成功吸引這些其實存在已久、但需求尚未被滿足的潛在客戶。

亮眼成效與經驗學習：品牌成長動力來自不間斷的數據洞察

就這波多元文化廣告活動的成果來看，Make Up For Ever 的品牌記憶提升了 44%，產品搜尋次數增加了 18%。Make Up For Ever 的 YouTube 頻道訂閱人數也在一個月內增加了 11%，這個亮眼數字背後的最大功臣就是教學影片。

De Metz 說：「這波廣告活動的成果證明了我們從搜尋資料中看見的機會，也促使我們抓住這隱藏在統計資料背後的商機，讓我們能更有效地觸及長久以來遭到許多品牌忽視的這群擁有不同文化背景的目標對象。這經驗告訴我們，每個品牌都必須經常檢驗自己是否能確實觸及所有重要的目標對象。只要善用工具、不斷挖掘出洞見，讓品牌持續成長的空間永遠都存在！」

1973 年，良興從台北光華商場一間 50 坪的電子零件行起家，半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過，伴隨規模擴張帶來的不只是成長，還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆，加上跨部門協作頻繁，行政耗損與知識傳承的缺口，成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧，從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營，作為 3C 零售業者，良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能，就是良興第五波轉型的核心命題。」

AI 自動化，從行政細節釋放組織戰力

轉型需要夥伴，而賴志達評估合作夥伴的標準很明確：技術能力是基本，產業知識（Domain Know-how）的深度是關鍵，回饋速度更是最終決定因素。2025 年的未來商務展上，良興選擇攜手 Data-DI，看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的，良興與 Data-DI 合作的第一個專案，就落在最耗費人力、卻最常被忽視的環節：會議記錄。「會議如果沒有產值、沒有效果，對企業很傷！」賴志達說，他每天參加許多會議，但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理，常出現人名誤植、決策遺漏、行動項目無人追蹤，讓會議效果大打折扣。

為了解決會議記錄的痛點，Data-DI 業務副總包威棣指出，在導入工具以前，團隊須先釐清三件事：場景是否具備落地價值、哪些流程節點適合 AI 介入，以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問，都決定 AI 能否精準落地。

確認方向後，良興與 Data-DI 成功導入 AI 會議記錄自動化系統，透過模糊比對技術校正語音辨識誤差，並將生成的雙版本報告直接回存至既有資料庫，不僅將行政人員從重複性作業中釋放，也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享，現在他去外部開會也會用這個工具，運用 AI 把錄音轉文字、再整理成簡報，很快就能完成，更令外部夥伴驚艷。「我認為這是很成功的案子！也提醒想做 AI 的老闆們，與其急著搞大架構，不如先從小工具讓公司嘗試 AI，建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後，良興接著切入更深層的營運核心：知識傳承。過去，頂尖銷售經驗長期鎖在少數資深員工身上，新人培訓耗時三個月，員工離職即帶走知識資本。與此同時，網路資訊發達，消費者進店前早已掌握基本規格，3C 通路門市人員要如何發揮更多價值？「我要門市的人不是死背規格，而是面對客人時，能用客人能理解的方式對話。」賴志達說。

為此，Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡，串接教材生成、審核上架、AI 銷售對練與成績回報，主管僅需在核心節點審核；員工透過手機語音對練，系統依口吻、專業度、回應力等維度自動評分。賴志達表示，目標是將新人培訓期縮短至一個月，讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而，要讓這套系統真正運作，得先解決兩個根本問題：資料從哪裡來？以及訓練如何更準確？

「以前大數據時代，講的是資料要大、全、細、實；現在 AI 要做到的是準（準確）、合（合乎場景）。」包威棣說。良興不同廠商提供的素材品質參差不齊，Data-DI 除了整合內部資料，也補充加入外部市場評測內容以填補空缺，再透過人員審核機制過濾雜訊，搭配 agent 架構的多層步驟與知識限定，確保系統能精準提煉對應品類的訓練素材。

賴志達則看得更遠：「這些教育訓練的內容，也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問，帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中，雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步，賴志達表示，公司各部門很早就建置 Power BI 報表，但數據豐富不等於決策清晰。「數據是土壤，如果沒有梳理，就沒有用了。」因此，他的下一個目標是活化數據資本、推動行銷自動流，以精實的人力持續驅動成長。

包威棣則從顧問視角歸納兩個觀察：AI 導入需要高層認同、由上而下推進，像賴志達這樣持續引領良興走在業界前端的決策者，就是不可或缺的推手；而單點工具的價值，終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構，人員訓練改變了知識傳承的方式。從點狀應用走向企業變革，這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後，對於仍在觀望AI應用的企業，他則建議：「未來 AI 導致的落差只會愈來愈大，人會變成超級工作者，企業會變成超級企業。開始做就對了，先做一個三個月的小任務，降低落差、再急起追上。」從痛點切入、小步快跑，讓組織在實作中累積對 AI 的理解與信任，這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊，請查詢網站：https://www.data-di.com/