[CMO行銷工具] 開發筆記 : 品牌決策顧問

CMO 行銷工具 · 開發筆記

一個AI憑什麼當顧問? 
顧問不是幾句對話就能做的
——CMO 行銷工具完整架構解析

顧問不是幾句對話就能做的

前面介紹了這麼多個CMO工具，每一篇都在回答一個很明確的問題。

注意力熱圖回答「這個版面的視覺焦點落在哪裡」。受眾四維度回答「我該跟誰說話」。行銷行事曆回答「這個月要做什麼」。導流頁檢查回答「這一頁有沒有把話說清楚」。Google Ads 成效回答「轉換訊號對不對」。GA4 成效回答「基礎功夫做沒做好」。每一個問題都有邊界，有輸入、有輸出、有驗證方式。

但品牌經營的現場，真正讓行銷人睡不著的問題是另一種。

「我第一批顧客該先找哪一群人。」「預算這麼少，現在該不該投搜尋廣告。」「有人在網路罵我們，今天該對外說什麼。」這些問題沒有標準答案，也沒有查表可以查。它要的不是資訊，是判斷。而且要判斷的是你的品牌、你的產業、你現在手上有多少資源。

這種東西，就是顧問在做的事。

顧問的門檻在哪裡？不是知道得多。現在任何一個 AI，知道的都比多數顧問多。門檻在於他知道你的處境，知道這個產業的門道，而且知道自己哪些話有依據、哪些話是推的。一個沒有依據卻講得斬釘截鐵的顧問，比一個講「這我不知道」的顧問危險得多。

這篇要講的，就是 CMO 平台第十二個工具「品牌決策顧問」，以及它背後那個問題。

先講一件必須誠實交代的事。CMO 目前開發資源有限，還沒有建立自己的行銷大模型，而是調用 Claude API 和 Gemini API 來做互動。API 畢竟不如大模型對話框自由度高、上下文記憶能力強，所以這個工具沒有做成「聊天機器人」，而是做成可規範化、可分類的表單式對話。你填欄位，系統根據欄位去分析，而不是你一句我一句聊到哪裡算哪裡。

這個取捨有點像什麼？像一個資深顧問到你公司坐下來做診斷。他不會跟你閒聊三個小時然後給你感覺，他會拿出訪談表，一題一題問：你的客單價多少、回購率多少、誰在做決定、一個月能動用多少人力。問完再給建議。

表單看起來不聰明。但表單逼著雙方把事情說清楚，也讓後面的每一句建議都能回頭指到「這是根據你填的哪一欄」。一句一句聊出來的東西，做不到這件事。

品牌檔案——先把「你是誰」講清楚

進入工具後第一件事不是提問，是建立品牌檔案。這個順序很重要：先讓系統認識你，再讓它回答你。

三個步驟。

系統把你網站的內容讀完之後，整理成一份可編輯的欄位：品牌名稱、行業類別、核心賣點、差異化特色、目標客群線索、整合描述、現在的一句話說法。

關鍵在旁邊的標籤。同一個畫面裡，每一欄的來源可信度標得清清楚楚：

「行業類別」標的是 AI 判斷。「目標客群線索」標的是 AI 推測。「現在的一句話說法」標的是網頁上讀到的。

為什麼要分三種？因為這三種東西犯錯的代價不同。網頁上讀到的，錯了你去改網頁就好。AI 推測的錯了，會一路錯到底。後面的每一題諮詢，都會拿這個錯誤的客群線索當前提。標出來，你才知道哪幾欄要特別看一眼。

這個設計其實跟前面幾篇是同一條線。第十四篇的 GA4 診斷，「說一切正常而其實有幾項根本沒查，比不給清單更糟」。這裡是同一句話的另一種說法：把 AI 猜的跟資料裡有的分開標，比全部混在一起講得好聽更誠實。

幾個藏在細節裡的規矩

「帶入當時的資料，不扣點；照樣要你確認。」如果你之前做過受眾四維度分析，可以把那份報告帶進來，讓品牌檔案更完整。系統明文寫著：帶入的是當時的資料，不扣點，但你照樣要自己按確認。它不因為「這是之前做過的」就預設你不用再檢查一次。

第二條規矩，講的是資料送出去之前發生什麼事。系統的說明是這樣寫的：「送出前會把電話、email、地址換成代號；人名不會自動過濾。」這句寫得很坦白，也值得說明。系統會自動把電話、email、地址換成代號再送給 AI 分析。但人名不會自動過濾，因為中文人名太難用規則辨識，誤判的風險太高。所以它不假裝自己什麼都擋得住，而是明確告訴你：人名要你自己處理。

第三條是整個設計的關鍵。「按確認以前不會交給顧問；確認後存成品牌檔案，之後每一題都會用。」品牌檔案不是一次性的問卷，是長期資產。你之後問的每一題，系統都會拿這份檔案當背景。所以值得花時間把它填對，你現在多花二十分鐘確認，後面每一題都少一個錯誤前提。

建立這個檔案不扣點。所有扣點都發生在後面真正開始分析的時候。這個順序是刻意的：先讓你放心把資料填對，再談錢。

建議不是憑空生成的

品牌檔案建好之後，進入步驟 4：「你想先處理什麼」。

系統根據你的品牌檔案，先歸納出一份建議清單：賣點是什麼、行銷媒介要怎麼開始、通路策略或商務模式怎麼進行、網站內容或社群發文要不要調整、已經寫好的廣告文案要不要看、公關與外部口碑的困擾怎麼處理。

這一份清單不扣點。你可以先看看這些題目，再決定要問哪一個。

清單本身不是重點。重點是每一題後面跟著的那一行說明。

每一題後面的那行小字

真正有意思的是每一題後面跟著的那一行說明：「為什麼先想這件」。

以這次示範的題目為例，清單裡會出現這種句子：「你在『目前的狀態與限制』寫了這一項（在步驟 3 的『進階』裡）。」

這句話看起來像 UI 文案，其實是一個很重要的承諾。它的意思是：這一題不是系統從一個通用模板裡挑出來的，是從你自己填的某一欄裡長出來的。系統指得出是哪一欄，你可以回去看，你也可以不同意。

這跟一般 AI 工具的做法差別在哪？一般的做法是：你打開一個對話框，它給你十條「品牌經營的關鍵建議」。那些建議可能每一條都對，但沒有一條跟你有關係。你問它「為什麼是這十條」，它答不出來。

這裡是：它告訴你「因為你在進階欄位填了這句話，所以我把這題排前面」。你可以順著這條線回去檢查自己的填答，也可以發現「啊我當時那句寫得不精確」，然後回去改。建議有了可追溯的路徑。

分類清單

如果你要問的是清單以外的問題，可以點「我有自己想問的」，展開完整分類。11 類：

定位與差異化、廣告與預算、合作推廣、讓人相信你、在搜尋與 AI 助理裡被找到、廣告文案、上市與活動、方案與定價、找對受眾、一句話定位、處理負評與爭議。

這 11 類大致對應行銷工作的幾個斷點：你是誰、你如何被找到、你如何說服人、你如何成交、你出事時怎麼辦。不是嚴格的對應關係，但每一類都落在這條線的某一段上。

分類還有一個實際作用：不同類別問的問題不一樣。你選了「廣告與預算」，它問的是預算、投放目標、可動用的人力時間。你選了「處理負評與爭議」，它問的是留言原文、事件經過、已經確認的事實、已經做了什麼。同一個 AI，兩套完全不同的追問方式。這就是為什麼要分類，而不是一個大聊天框。

首頁有一個黃色的提示條：「有人留負評或客訴？」——把最容易讓人慌的那個情境單獨挑出來，放在最顯眼的地方。這也是一種判斷：什麼事情不能等。

開始分析前，先把條件講清楚

選定題目之後，進入步驟 5「補充這一題」。最多三題，都可以跳過。但這裡有幾欄值得填。

「你最想先看到什麼結果？」——四個選項：有人詢問、有人申請、有人購買、自己寫。底下寫著一句話：「同一個問題，想要的結果不同，建議的做法就不同。」

這句話值得停下來想一下。「我要不要投廣告」這個問題，如果你的目標是「有人詢問」，答案可能是投。如果目標是「有人申請」，答案可能是不投——因為申請需要篩選，廣告帶來的大量流量反而增加篩選成本。同一個問題、同一個預算，目標不同結論就不同。不問清楚目標就給建議，那個建議一定是空的。

「心裡有偏好的做法？」——要、不要、還沒有、自己寫。旁邊說明：「有偏好的話，回答會講它在什麼情況下合適、什麼情況下不合適。」

這一欄設計得很聰明。它不是問你「你想怎麼做」然後照你的意思寫，而是把你心裡的答案當成一個候選項，拿去跟其他候選項比較。你填「要」，它不會直接說「好，那就做」，而是告訴你「在什麼條件下該做、什麼條件下不該做」。

「這一個月能動用的人和時間？」——這是最實際的一欄。

一個月只有一個人、預算三萬，跟一個月有五個人、預算五十萬，能做的事完全不一樣。很多行銷建議之所以沒用，不是因為它錯，是因為它假設你有資源。顧問如果不問這件事，給的建議就是空中樓閣。

確認頁：先看到全部條件，再按下去

填完之後進入確認頁。這一頁把所有條件攤開給你看：要決定的事、類別、這次使用哪個品牌檔案、你補充的內容。

還有一塊「送出前請知道」：這一題會把上面列的內容交給 Google 的 Gemini 分析；送出前電話、email、地址這些個人資料會換成代號；如果內容有身分證號或卡號，這一題只整理已知的事實與要先處理的事，不給建議，也不扣點。

最後才講點數。

這幾句在講什麼？在講先報價，後扣點。

這個順序不是理所當然的。不少 AI 工具的計費並不透明：你按下去，它跑，跑完你不知道花了多少、跑壞了會不會退。這裡把它反過來：先把範圍、點數、預估時間、報價有效期全部列清楚，你勾選「我確認上面的資料與範圍，同意這次分析使用 25 點」之後才開始。

還有一句更細的：「分析在這個頁面上進行，開始後請先不要關閉或離開。」——它不假裝自己可以在背景跑完。你關掉就是中斷，中斷就退點。

這些都是小事。但小事加起來，就是「我知道我在付什麼錢」。一個連自己的計費規則都講不清楚的工具，你很難信任它給的建議。

AI 顧問跟 AI 聊天差在哪裡

這是全文我最想講的一段。

分析跑完之後，你會看到一份建議。結論、接下來三步、為什麼、動手前要確認的、這一題沒有回答的。這五塊本身已經比多數 AI 工具仔細了：它不只給你該做什麼，還告訴你先做哪三步、每步要先有什麼、怎麼確認做完。

但真正的分界線不在這裡。在建議畫面的最下方，有一個按鈕：「查看判斷依據」。

點開，五個區塊攤在你面前。

區塊一：讀取的資料

「品牌檔案：CMO AI 行銷工作台（示範功能）：完整讀取（你確認要使用；這不代表已經獨立查證）。」

它告訴你它讀了什麼，指名道姓到「品牌檔案第幾版」，不是含糊的「我分析了你的品牌」。括號裡那句才是重點：這不代表已經獨立查證。AI 把你填的資料當事實基礎，但它沒有能力查證你填的對不對。建議的品質上限，等於你輸入資料的品質。

區塊二：使用的方法

這是我第一次看到時停最久的地方。

它列出這次分析用了哪幾個方法，每一個都有編號、版本、適配稿版本：

行銷方案條件式比較（CMO-M-004，版本 1.0.0，適配稿第 zh-TW.2 版）／主張與證據檢查（CMO-M-002，版本 1.0.0，適配稿第 zh-TW.1 版）／顧客疑慮與訊息匹配（CMO-M-006，版本 1.0.0，適配稿第 zh-TW.1 版）

然後每一項底下都附著同一段話：參考〈Marketing Skills for Everyone〉，邱煜庭（小黑老師）整理。接著是網址，然後是這一句：

後面還有一句獨立的補充：

這裡有兩個層次要講。

第一個層次是：借重外部方法論。CMO 沒有從零開始訓練一個行銷大模型，它做的是把業界已經存在的成熟方法論搬進來，改寫成自己的工作程序。台灣行銷圈的前輩邱煜庭（小黑老師）公開釋出了一套「Marketing Skills for Everyone」的行銷技能庫，裡面有 365 份中文方法包，按行銷科別分門別類。CMO 挑其中適合的，改寫成自己可執行的流程。

這個做法比「自己發明一套方法」誠實得多。方法論這東西是幾十年實戰累積的，不是幾行程式碼能重寫的。

第二個層次是：把界線劃清楚。借了人家的東西，就說借了誰的，說清楚借到什麼程度，說清楚對方沒有審閱、沒有合作、自己也沒有經過驗證。這幾句話讓這個工具少了很多光環，但它同時做了一件事：它沒有把別人的信譽拿來替自己背書。

對比一下常見的做法。很多 AI 產品會說「結合業界頂尖方法論」「由資深顧問團隊打造」，含糊地借用一種權威感。這裡是：指名道姓，說明授權狀態，然後補一句「不代表原作者審閱過」。

這種寫法在商業上是不划算的。但它讓後面那句話有了重量。

區塊三：限制

限制區塊只有四行，四行都是「我不知道的事」。它自己列出來：這一次用的分析方法還在試用、尚未完成審核；各客群在市場上的實際人數規模與佔比；取得第一波邀請名單的具體行銷預算或成本基準；各客群內部實際操作 Google 後台的權限普及率。

多數 AI 工具不會告訴你它不知道什麼。你問它市場規模，它會給你一個看起來很精確的數字。這裡是直接寫「各客群在市場上的實際人數規模與佔比，我不知道」。

知道自己的邊界在哪，在顧問工作裡比知識本身還重要。一個不知道自己邊界的顧問，會在沒把握的地方也講得一樣大聲。

區塊四：覆核

這是全文的核心，也是我認為這個工具跟其他 AI 工具真正分開的地方。

畫面上寫著：

然後列出改成待確認的項目，一項一項寫明理由。

這是什麼意思？意思是：AI 寫完建議之後，系統會把它剛剛寫的每一句話，回頭拿去跟原始資料對照。如果一句話講得斬釘截鐵，但在你給的資料裡找不到對應的依據，就把它降級成「待確認」，並且寫明「為什麼我降級它」。

AI 審 AI。而且審的是自己剛剛寫出來的東西。

這個機制解決的問題，是 AI 最危險的那個毛病：不是答錯，是答得很順、看起來很有道理、但其實是推論不是事實。這種錯誤最難被發現，因為它讀起來一點都不像錯的。人類讀者看到流暢的文字，會自動降低警戒。而 AI 生成流暢文字的能力，恰好是它最強的地方。

區塊五：分析觀點

這一句在防止一種誤解：不要以為這份建議是「好幾位專家討論出來的共識」。它就是一次分析，一次。它不假裝自己是一個顧問團隊。

五個區塊看完，回到那個原始問題：一個 AI 憑什麼當顧問？

覆核抓到了什麼——兩個真實案例

機制講完了，來看它實際抓到什麼。

我手上有兩份匯出的分析檔案，一份是「第一批顧客先找哪一群」，一份是 91APP 資安事件的危機處理。兩份都覆核了 3 項說法，兩份都各有 2 項被降級成「待確認」。

四項降級，全部是同一種類型的錯誤。

先講這個錯誤類型為什麼特別難防。AI 最典型的毛病不是胡說八道，是把推論寫成事實。它說的話通常八成是對的，剩下兩成是把「可能」寫成「會」、把「應該」寫成「是」。這種錯誤讀起來特別順，因為整段話的語氣是連貫的。

人寫的東西反而不容易這樣。人寫作時會不自覺地在不確定的地方加上「可能」「大概」「我猜」，那些語氣詞是真實認知狀態的反映。AI 沒有這個機制，它生成的每一句話語氣都一樣確定。

所以覆核這件事，本質上是在補 AI 缺的那個「可能」。來看它實際補到了什麼。

案例一：純唯讀模式

第一份分析在講「第一批顧客該先找品牌行銷人員」。其中一項判斷寫著：

理由寫得很順：「品牌行銷人員通常有審核與決策的需求，對不自動改動設定的唯讀模式接受度與需求會更高。」

然後覆核出聲了：

拆解一下這段話。「產品是純唯讀、不自動操作」——這是資料裡有的事實。「品牌行銷人員對這種模式的接受度更高」——這是推論。中間那個「因為他們有審核需求所以會更喜歡」的連結，聽起來非常有道理，但沒有任何資料支撐。

它被降級成「待確認」。

這件事的實際影響是什麼？如果我照著原本的說法去發邀請訊息，我會寫「因為我們不自動改動你的設定，所以品牌行銷主管會更喜歡」。這句話可能在記者會上被問：「你們做過調查嗎？」答不出來。

案例二：二次詐騙損害

第二份分析在處理 91APP 資安事件的危機。其中一項寫著：

覆核：

這個差別在危機處理裡是致命的。

「有二次詐騙的隱憂」跟「已經造成實際損害」，是兩種完全不同的狀況。前者你可以說「我們已提醒消費者注意」，後者你必須面對賠償、面對監管、面對媒體追問「你們早就知道卻沒處理」。

如果對外聲明照著「已經造成實際損害」的認知去寫，而實際上還沒有確認，那這份聲明本身就會變成新的問題。

共同的錯誤模式

另外兩項也是同一個類型。一份是「既有顧客回饋可作為初步溝通的信任基礎」，覆核寫「內容將推論寫成了已經發生的確定事實」。另一項在危機分析裡，把「輿論批評」推論成「主管機關會做不利認定」，覆核寫「參考資料未提及主管機關行政檢查或可能面臨不利認定的相關內容」。

四項，同一個模式：把推論寫成了事實。

「覆核用來多擋一層沒有依據的說法，不代表內容已經查證屬實；發布前仍請自行確認。」這句話它自己也寫在覆核區塊的最後面。

它不宣稱自己解決了 AI 幻覺的問題。它只是多加了一道關卡，然後告訴你這道關卡能擋什麼、不能擋什麼。

廣告預算那一題——AI 說「先不要投」

前面兩段講的是機制。這一段講一個具體的諮詢，因為它最能說明這個工具實際用起來是什麼感覺。

題目是：「該不該開始投搜尋廣告？」

條件填得很具體：最想看到的結果是「有人申請」；心裡沒有偏好的做法；這一個月能動用的人和時間是「目前能投入行銷的預算極為有限」。品牌檔案裡也寫了現階段是分批邀請測試。

建議的結論

接下來三步：盤點並列出能觸及「品牌行銷與數位成長」專業人員的免費管道；準備專屬的邀請申請頁面與篩選問卷；在選定的免費管道發布第一批邀請訊息。

「為什麼」那一欄寫得更細，兩點：

第一，你告訴我「預算極為有限」，而 B2B 服務的搜尋廣告成本較高。在預算極有限的情況下，搜尋廣告難以累積足夠的點擊數據來讓系統最佳化，預算可能很快就消耗完畢。

第二，你需要的是「真正進行品牌與行銷工作的人」，並採取分批邀請以觀察使用情境。廣泛的搜尋廣告容易帶來非目標客群，徒增篩選成本與無效點擊。

但覆核又說話了

同一份分析的覆核區塊寫著：

這兩條很有意思。它們不是小細節，它們正好是整個結論的兩根支柱。

「B2B 搜尋廣告很貴」——這是一個業界常識，但不在你給的資料裡。「搜尋廣告會帶來非目標客群」——這也是一個合理推論，但不在你給的資料裡。

也就是說：這個「先不要投」的建議，主要由兩個不在資料裡的前提撐起來。系統把它們標出來了。

這件事的意義

我的判斷是：這個結論是對的。

B2B 軟體的搜尋廣告關鍵字，一個點擊動輒幾十塊到上百塊，25 點的分析費換算下來可能只夠買十幾個點擊。在分批邀請測試、只需要幾十位精準測試者的階段，花錢買廣泛流量確實不划算。用免費管道找行銷社團、LinkedIn、既有人脈，成本更低、名單更精準。

這個判斷跟我原本想的方向很接近。

但這裡有一個很細的差別，值得說清楚：「結論對」跟「結論有依據」是兩件事。

一個顧問跟你說「先不要投廣告」，你可能就照做了。你不會問他「你這個判斷是根據什麼」。因為他講得很肯定，而且他看起來很專業。但如果那個判斷的依據其實是他自己的業界經驗，而不是你提供的資料，那你就是在用他的經驗做決策，你並不知道那個經驗在你的情境裡成不成立。

這個工具的價值不是告訴你「這兩個前提不存在」。它的價值是告訴你「這兩個前提不在你給我的資料裡」。剩下的事你自己判斷：你同不同意這個業界常識？你有沒有辦法驗證它？

選項比較

建議畫面下方還有一個「選項比較」區塊，把兩個候選項攤開對照：

「還不知道」那一欄很有意思。兩個選項都有它答不出來的部分——這個工具不假裝自己能把兩個選項算到小數點後兩位，再告訴你哪個比較好。它告訴你：這個決定最終取決於兩個它不知道的數字，你得自己去估。

這比給一個看起來很精確的 ROI 預測誠實得多。

91APP 資安事件——時間緊迫的初期怎麼處理

前面兩題都是「還來得及想」的問題。這一題不是。

公關危機有一個特性：前 24 小時的處理方式，會決定後面 24 天的走向。而前 24 小時往往是最沒有資訊、最慌、最多人問你「現在怎麼辦」的時候。這個工具針對這個場景單獨開了一個功能：「處理負評與爭議」。

示範用的是一個真實案例。台灣零售 SaaS 業者 91APP（6741）在 2026 年 10 月發生資安事件，導致大量消費者個資外流。

91APP 在 10 月 15 日於官方 Facebook 粉專發布第一份說明，10 月 22 日於官網公布《91APP 2026 遭受駭客攻擊事件 18 天調查報告》。根據這份報告：10 月 3 日上午 11 時，Commerce Cloud 其中一座訂單資料庫遭 AI 自動化滲透工具攻擊而被非法存取；10 月 4 日首次接獲客戶通報消費者收到詐騙訊息；10 月 8 日成立緊急應變小組；10 月 14 日晚間 11 時確認入侵完全阻斷；10 月 15 日依個資法向主管機關通報並向客戶說明。

以下的分析，是把我當時輸入的資料餵進工具跑出來的結果，只用來說明這個工具怎麼運作，不涉及對該公司處理方式的評價。事件細節請以 91APP 官網的調查報告與主管機關說明為準。

先輸入什麼

介面要求填的欄位跟一般諮詢不同：

留言原文（會自動換成代號）、事件經過、在哪裡看到、事件發生的時間、已經確認的事實、已經做了的、打算做但還沒做的、可以承諾的事、公開的聯絡方式。

最下面還有一題：「有沒有需要先補的？」旁邊列著三個提醒：這件可能需要負責人先介入；內容提到傷害可能還在持續；內容有身分證號、卡號等敏感個資。

這個順序是有判斷的。危機初期最常見的錯誤，就是急著發聲明。發了之後才發現事實不對、承諾給錯、責任歸屬沒搞清楚。所以它先把「找誰」這件事排在「怎麼說」前面。

輸出長什麼樣

狀況判讀：大規模個資外洩與合作夥伴商譽危機，嚴重程度「非常嚴重」。接著列出「什麼在風險上」：消費者與品牌客戶的信任、公司整體商譽與專業形象、潛在的法律賠償與行政裁罰、未來的企業合作關係。

行動清單按時間切三段，每一項都註明誰做：

每一項在原始輸出裡都還附了「為什麼」，這裡只列動作。你會注意到 24 小時那三項沒有一項是「對外說明」——先內部定調，再對外說話。

然後是「要找誰、各自負責什麼」，按角色分：負責人、處理法律的人、資安或技術負責人、公關或對外發言的人。

這一行很小，但它是一個很重要的邊界。AI 不知道你們公司誰該負責什麼。它可以告訴你「這件事需要一個能統籌跨部門的人」，但它不能告訴你「這件事交給王經理」。填人名是組織判斷，不是分析判斷。

「這一則沒有寫的」

這是整個輸出裡我覺得最值得看的部分。

對外聲明草稿寫好了，兩則，一則初步聲明、一則回覆個別留言的範本。但每一則旁邊都掛著一個清單，叫「這一則沒有寫的」：

初步聲明這一則沒有寫：具體的補償金額與認定標準（因流程預計後續才正式公布）；確切的外洩筆數與範圍（因需等待第三方資安單位進一步調查結果）；對 11 天資訊落差的承認或爭辯（待內部釐清並交由法務確認後再行溝通）。

回覆範本這一則沒有寫：單獨承諾特定的退款金額或期限；解釋駭客攻擊的技術細節；將責任推卸給品牌端或第三方軟體。

這份清單比草稿本身更有價值。

寫對外聲明最難的地方不是「該寫什麼」，是「不該寫什麼」。哪些事情現在還不能承諾、哪些事情說了會變成新的把柄、哪些事情要留給法務。這些判斷需要經驗，而且每個判斷錯了都會有代價。

這裡的做法是：把 AI 判斷「現在不該寫」的部分明列出來，並且寫明原因。你看到的不只是一份草稿，是一份「這份草稿刻意留白的地方在哪」。

有些話不只是不寫，是絕對不能說

「不要說、不要做的事」那一節，直接把兩個動作列為絕對不能做：

第一條值得特別說明。它直接命中了這類事件的爭議核心——危機發生時，企業的第一反應往往是「影響不大」或「我們也是受害者」。這兩句話在內部會議上也許能安撫士氣，但對外講出來，等於是把正在受苦的人推得更遠。

這個判斷不是我寫進去的，是 AI 從我貼的資料裡讀出來的。我貼的資料裡包含了品牌客戶的抱怨、消費者的反應、外流的個資內容。它把這些東西放在一起，然後說：這兩句話不要講。

三個誠實的邊界

輸出的最後還有三件事，我覺得比前面所有內容都重要。

這份草稿只給你複製。「草稿只給你複製，平台不會替你再發布任何回應。」它不接管你的對外溝通。

它不管法律。「危機處理建議不寫法條、不下法律結論；法律上要做的事（例如要不要通報、期限多久）會寫成『請處理法律的人確認』。」它知道自己不是律師。

覆核抓到了兩項。前面講過的那兩項，「已經造成實際損害」和「主管機關會做不利認定」，都被降級成待確認。

這三件事合起來，界線劃得很清楚：它幫你想，不幫你做；它幫你判斷溝通，不幫你判斷法律；它給的內容有一部分的依據比看起來薄。

這在危機處理裡特別重要。因為危機處理的每一個動作都有法律後果，而人在最慌的時候，最想抓一個「你就告訴我該怎麼做」的答案。這個工具拒絕給那個答案。

還有一個功能值得一提：分析結果可以匯出成 Markdown 檔，拿去給其他 AI 做交叉驗證。這個設計的邏輯是：不相信單一 AI 的判斷，就多問幾個。但前提是你手上有完整的分析內容可以拿去比對——這也是為什麼它把五個區塊全部寫進匯出檔，連畫面上收起來的項目都有。

這個工具的限制，它自己講得比你清楚

前面幾段已經把它的限制講過幾次了：讀的資料沒有獨立查證、方法還在試用、有幾個問題它答不出來、寫出來的句子有幾句是推論。

這些「限制」散落在不同地方，各自看起來像小註腳。把它們放在一起看，會看到一個共同點。

共同點：都是「要真的去做才知道」的事

第一批顧客那題沒答的：各客群在市場上的實際人數規模、取得名單的具體成本基準、各客群內部操作 Google 後台的權限普及率。

廣告預算那題沒答的：具體的預算金額、廣告關鍵字成本基準、可發布訊息的實際社團清單與規定。

這六項沒有重複，因為它們各自屬於不同的問題。但它們的性質一樣：都要真的去查、去問、去做才會知道。市場規模要花錢買報告。關鍵字成本要開帳戶試跑。社團規定要一家一家看。

AI 的價值不是假裝它知道這些。是讓你知道「決策卡在這幾個地方，你得去把它們補上」。

這跟第十四篇講的 GA4「要你自己看」是同一套邏輯。系統查得到的它查，查不到的它明確標出來。一份假裝什麼都查過的清單，比一份標明「這兩項要你自己看」的清單危險得多。

為什麼那句話放在說明欄第一行

「這一次用的分析方法還在試用、尚未完成審核」——這句話在每一份分析裡都出現，而且放在確認頁說明欄的第一行，不是藏在頁尾的服務條款裡。

大多數產品會把這類資訊放進條款。條款是給法務看的，不是給使用者看的。放在第一行，意思是：我要你在付錢之前就知道這件事。

這個位置本身就是一種表態。它不假裝自己已經完成驗證，也不希望你是「付了錢之後才發現」。

覆核擋得住什麼、擋不住什麼

覆核區塊的最後一句，我前面引用過，但值得再引一次：

這句話在講一個很重要的事：覆核是內部一致性檢查，不是事實核查。

它能做的：判斷一句話在「你提供的資料」裡有沒有依據。如果沒有，降級。

它不能做的：判斷「你提供的資料」本身對不對。你在品牌檔案裡填了一個錯的客單價，覆核不會抓到——因為那句話在資料裡確實有依據，只是那個依據本身是錯的。

這個邊界劃得很準。它不誇大自己的能力。

借重外部方法論的界線

前面提過，這裡再整理一次，因為這是這篇最需要講清楚的一件事。

這個工具用的方法論，有一部分改寫自外部。〈Marketing Skills for Everyone〉是台灣行銷圈前輩邱煜庭（小黑老師）整理並公開釋出的一套行銷技能庫，共 365 份中文方法包，涵蓋商品、定價、年度計畫、廣告、SEO、會員回購等不同科別。官方網站（thinkwithblack.com/marketing-skills）可以免費下載，GitHub 上也有對應的技能開發庫。

CMO 挑其中適合的，改寫成自己的工作程序，給每一支一個編號，例如這次分析用到的 CMO-M-002、CMO-M-004、CMO-M-006 三支。

每一份引用都附著這段話：本平台把其中的方法改寫成自己的工作程序；這不代表原作者審閱過，也不代表與本平台有合作。

還有獨立的一句：這是本平台依原始材料寫的工作程序（適配稿），不是原作者的版本，也沒有經過市場或科學驗證。

這三句話把關係講得很清楚：參考了誰、改到什麼程度、對方有沒有參與、驗證到什麼階段。

行銷圈有一種常見的說法叫「結合業界大師方法論」。這種說法兩邊都佔：借了別人的名聲，又不用負別人的責任。這裡的做法相反，借了名分，也把責任分清楚。

這在寫作上有個副作用：讀起來沒那麼厲害。但它在判斷上有個好處：你知道這套方法是誰的、改過多少、誰背書、誰沒背書。

一個 AI 顧問該有的自我認識

它知道自己讀的資料沒有獨立查證，知道自己用的方法還在試用，知道自己答不了哪幾個問題，也知道自己寫的句子裡有幾句是推論不是事實。

這些話，任何一個資深顧問都不會主動對客戶說。因為客戶聽完可能就不付錢了。

但這恰好是判斷一個顧問值不值得信任的關鍵。一個知道自己哪裡不確定、並且願意說出來的顧問，比一個什麼都答得出來、什麼都講得肯定的顧問更值得合作。

AI 顧問的價值不是給答案

回到開篇那個問題：一個 AI 憑什麼當顧問？

我的答案繞了一圈，最後落在一句很樸素的話上：它不替你決定，它讓你知道每個決定的依據在哪、沒依據的地方在哪。

這件事聽起來不夠厲害。你問它「要不要投廣告」，它說「先不要投，但支撐這個結論的兩個前提不在你給的資料裡」。你要的是一個答案，它給你一個答案加上一份依據清單。

但如果你真的做過商業決策，你會知道後面那半句才是值錢的。答案錯了可以改，依據不清楚的答案錯了，你連怎麼錯的都不知道。

這個工具的位置，用一個我自己很喜歡的說法：第二個行銷判斷者。

不是第一個。第一個是你，是品牌的行銷負責人，是真正要承擔後果的人。AI 不佔那個位置。它站在旁邊，幫你把你可能漏掉的東西指出來：這條推論沒有依據、這個數字跟你上次填的不一致、這個做法在預算極有限的情況下不成立。

跟前面十五篇是同一條線

回頭看這系列走過的十六個工具，會發現它們講的其實是同一件事的不同側面。

第十一篇講轉換訊號：訊號錯了，跑得越快偏得越遠。第十五篇講三個工具接起來：三個來源不是同一個網站，加在一起只會得到一個看起來很正常的錯答案。中間幾篇講的也都是同一件事的不同側面——換一組刻度數字會說反話、Google 不做的事不代表不需要做、垃圾進垃圾出。

到了這一篇，同一條線推到極致：連 AI 自己寫的東西，都要拿出來重新審一遍。

這些話的形狀都一樣。它們不是在講「這個工具多強」，是在講「哪裡可能會錯、怎麼發現、發現之後怎麼辦」。

現階段的限制，講明白

CMO 還沒有自己的行銷大模型，靠的是 Claude 和 Gemini 的 API，用表單式對話來補 API 上下文記憶弱的問題。介面還在整理與優化。這是現況，不是終點。

但這個限制反而逼出一件好事：因為不能用「聊到哪裡算哪裡」的方式做，所以每一步都得把欄位、依據、限制攤開來講。聊天框裡的那些優點——流暢、自然、有問必答——在這裡全部讓位給另一組優點：可追溯、可核對、可推翻。

後面還有

這個工具只是 CMO 朝「行銷中台」走的一步。後面還有幾件事在進行中。

META 社群資料的彙整，因為開發權限需要公司名義審核，目前還停在個人開發階段，等開放後才能給一般行銷人導入。數位指紋技術在測試中，目的是辨識無法辨識的訪客在跨管道的行為關係，技術執行、辨識正確性和成本負擔三者之間還在找平衡點。會員與訂單資料庫的串接也還沒做。

這些做完之後，CMO 才能真的落實 AIDAM 行銷模型架構的價值，走到「行銷平台」那個定位上去。

但不管後面加多少功能，判斷的順序不會變：先確認資料對不對，再看分析結果；先看依據在哪，再決定要不要相信。這個順序反過來，工具再強都沒用。

最後回到那個問題

一個 AI 憑什麼當顧問？