未完成的顧客旅程服務
未完成的顧客旅程服務
2008.01.01 | 人物

台灣高鐵終於推出了期盼已久的網路購票服務,儘管一開始出了不少問題,但慢慢地大家也都習慣了,使用起來還算方便。不過說實話,從高鐵通車到現在一系列服務的推出,只是一步一步地滿足乘客的需要,讓使用者接受未完成的服務,正好說明了以使用者為中心的服務設計,在台灣還大有提升的空間。不過,接受服務的大眾為什麼願意向未完成的服務品質妥協呢?以使用者為中心進行服務設計真的很困難嗎?

以北美第一條快速鐵路為例,二○○○年底Amtrak在美國東岸推出的Acela Express線,主要途經華盛頓、費城、紐約和波士頓,在設計的時候採用了常見的顧客旅程(Customer Journey)或旅客旅程設計這個方法,將整個旅程分成十個步驟。設計者的目標是滿足乘客在這十步驟所有的需要,而不是以設計者為中心,只滿足列車從起站到終站的要求,忽略了乘客其他的需要。真的以使用者為中心的服務,並不會在顧客旅程的前五個步驟都沒有完成時,就推出半成品的服務;反之,顧客認知到自己應該得到全套服務嗎?如果顧客不挑剔未完成的服務,設計者願意以使用者為中心的動力也會降低。

這十步驟的前兩部分主要依賴資訊系統,也是初期台灣高鐵整體服務的最大弱點,主要原因是以設計者為中心而沒有以使用者為中心。以台灣高鐵售票系統的介面為例,包括為一般乘客設計的自動售票機介面和為售票人員使用的介面。還記得高鐵剛開始營運時,自動售票機的設計不夠方便,問題百出造成乘客寧願排隊購票,因而大排長龍。儘管現在系統比較穩定,有過經驗的乘客也比較熟悉而不再有大問題,但九月中有兩位教授投書指出,購買高鐵敬老票和殘障票遇到問題:一個問題是買完票才發現特殊票不能在自動售票機完成購票,另一個問題是售票人員使用的資訊系統,只允許同時買票的乘客位子劃在一起,如果同行的人不同時一起買票,就算先買到的位子旁邊都是空位,系統也無法將後買的劃位在一起。

這兩個問題顯示負責售票資訊系統的設計者,沒有做或沒有做好使用者的任務分析,而提出需求和驗收的管理者,沒有做或沒有做好可用性評估。使用者的任務分析是在設計系統初期,全部整理所有潛在使用者在各種情境中操作系統的一系列動作;可用性評估是在系統開發的過程中,以使用者有效率、輕鬆、不發生任何嚴重錯誤的原則,對系統進行各種使用者測試評估,這些測試不是在測機電腦有沒有故障,而是測試使用者會不會用、用得好不好。

其實這是國內外互動設計的基本動作,也是個別企業、產業、政府、以及國家乃至於國際的標準。
現在我們去日本自助旅行乘坐電車,並不會覺得售票機的使用非常困難。另外,整體顧客旅程的設計也相當方便,換乘各種交通工具並不困難。其實當年日本新幹線和許多電車系統設計售票系統時投入了許多心力,甚至於讓設計人員和操作人員相處在一起,生活和工作都在一起,設計者才能真正進入使用者的環境中,設身處地以使用者為中心進行設計。

這個例子剛好顯示在互動設計領域,和風與美式的一大差異。美式的風格經常先以分析歸納,建立一個理論架構和系統化方法,比如顧客旅程的架構和使用者可用性測試,然後應用這個架構方法,以產生所有個體都能接受的設計成果;但日本式的風格往往先進行感性的體會與體驗,然後從個別經驗中昇華演繹出適用於大眾的設計成果。這也是為什麼常聽到日本技藝達人強調用心,從煮拉麵到研發尖端電子產品都要用心。到底怎麼用心?除了敬業認真之外,還要以使用者為中心,體會服務對象的需要。美日風格雖然各有法門,其實殊途同歸,是否叫做顧客旅程設計法反倒不重要了。

雖然高鐵總算滿足了顧客旅程中十步驟的基本需要,還有轉型中的台鐵、興建中的北高捷運、機場捷運、其他縣市的輕軌電車等,都可以採用顧客旅程設計法。更進一步因應台灣發展觀光和服務業,現在必須以外國觀光客的顧客旅程來分析。對他們來說,高鐵、台鐵、捷運哪個比較好並不重要,任一個環節出問題都是在台灣旅遊的不愉快經驗。所以不管是採用系統化的顧客旅程法和使用者評測,還是感性用心去貼近觀光客的旅遊情境,都能避免提供未完成的半套服務給來台的外國觀光客。看來除了請金城武或F4代言之外,提升台灣的觀光還有不少事要做。 

雖然高鐵滿足了顧客旅程中的基本需要,
但還有一些交通設施也可採顧客旅程設計法。
更進一步因應台灣發展觀光和服務業,
現在必須以外國觀光客的顧客旅程來分析。
 

往下滑看下一篇文章
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率

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。

#1 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學經理 廖宜楷
圖/ 數位時代

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。」

#2 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學資深總監 陳文謙
圖/ 數位時代

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。

#3 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋產品行銷資深經理 邱心儒
圖/ 數位時代

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
AI全球100+台灣20
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓