客戶說「我想做一個 AI」，我最常勸退的四種

勸退客戶是很反直覺的事。人家要給你錢，你跟他說這個不要做。

但我發現，那些我沒勸退、硬著頭皮做下去的案子，最後多半兩邊都不開心。客戶花了錢沒看到效果，我花了時間拿到一個不想放進作品集的東西。

所以我整理了四種我現在會直接說「這個先別做」的需求。

第一種：做一個什麼都能回的 AI 客服

這個問最多，也是最該勸退的。

問題不在技術。現在要接一個客服機器人是很容易的事。問題在他要回答的那些東西，現在在哪裡。

我會問一個問題：你們現在的客服，如果來一個新人，他要花多久才能上手。如果答案是「大概三個月，很多東西要問資深的」，那代表那些知識不在文件裡，在人的腦袋裡。AI 讀不到人的腦袋。

硬做的結果是一個很會講話但常常講錯的客服。而客服講錯的成本比沒有客服高很多，因為那是白紙黑字的承諾。

我的建議通常是：先花兩週把最常問的三十題整理成文件。這件事做完，你會發現有一半的問題其實可以靠改網站上的說明解決，剩下的才需要 AI。而且做完這件事，未來不管接哪個工具都用得上。

第二種：用 AI 每天發三十篇

這個需求背後的邏輯是「量大就會有機會」。

在某些通路這個邏輯曾經成立，現在也還有殘餘。但有一件事沒有變：多出來的內容沒有創造出多出來的注意力。 你發三十篇，你的受眾一天還是只有那些時間。

而且平台的分發邏輯已經不是看你發多少，是看前幾秒有多少人留下來。三十篇低品質的內容會讓你的帳號整體表現往下掉，因為每一篇都在拉低那個平均。

我會問：你現在最好的那一篇，為什麼好。如果客戶答得出來，那我們應該做的是把那個原因複製到下一篇，不是多發二十九篇。如果客戶答不出來，那更不該加量，因為你連好在哪都不知道，加量只是把不知道的東西乘以三十。

第三種：用 AI 分析我的客戶資料

這個我勸退的比例最高，而且理由跟 AI 沒關係。

我會先問：你的客戶資料現在在幾個地方。答案通常是四個以上，電商後台、LINE、Excel、還有一個業務自己的表。

然後我問第二個問題：同一個人在這四個地方，你怎麼知道是同一個人。這個問題通常會有一段沉默。

沒有這個答案，AI 分析出來的東西全部是假的。 他會很認真地告訴你「回購率是 23%」，但那個數字是把同一個人算成四個人算出來的。

更麻煩的是這種錯誤沒有徵兆。AI 不會說「我不確定」，他會給你一個看起來很專業的數字，你拿著那個數字去做決定。

所以我的建議是：先解決「怎麼認出同一個人」這件事，那可能是一個 email、一個手機、一個會員編號。這件事解決了，你連 AI 都不用就已經看得到很多東西。

第四種：做一個 AI 幫我決定預算怎麼分

這個聽起來最高級，也最不該做。

原因是 AI 分預算需要一個前提：你要先說清楚你在最佳化什麼。是這個月的營收、是新客數、是總客戶終身價值、還是三個月後的營收。這四個目標會導向完全不同的分法。

我遇到的情況是，客戶自己說不清楚要哪一個。說不清楚不是他的錯，這本來就是很難的問題。但在目標說不清楚的時候做一個自動分預算的系統，你只是把一個你沒想清楚的判斷交給機器，然後讓他每天執行。

那個系統會很有效率地把你帶往一個你沒選過的方向。

我的建議是先用三個月手動決定，每個月寫下「這個月我為什麼這樣分」。三個月後回頭看那三段話，你的目標就浮出來了。到那時候再自動化，才知道要自動化什麼。

勸退不是不做生意

我要講清楚一件事：勸退不代表這個客戶我不做。

多數時候我會說的是：這個先別做，我們先做前面那件事，做完再看還要不要做。那個「前面那件事」通常也是一個專案，也要收費，而且完成度高很多。

真正的差別在於，你是在賣一個他想買的東西，還是在賣一個會有結果的東西。 前者比較好賣，後者比較好續約。

我這幾年慢慢學會的是，客戶記得的不是你做了什麼，是那件事有沒有讓他變好。四個月後他打開那個 AI 客服看到一堆錯誤回答，他不會記得當初是他自己堅持要做的。

判斷一個 AI 需求該不該做，我另外寫過 這個 AI 功能是需求還是炒作。客戶資料那題我寫在 客戶的資料就是你的天花板。

工具的部分我整理在 AI101，先看清楚問題再挑工具會省很多事。

常見問題