【店內 AI 導購推薦 — 點擊好看不等於一定多賣】
店內 AI 導購推薦上線後，點擊與加購上升不代表多賣。先沿推薦路徑對齊訂單與淨入帳，再決定是否加版位或加模組。
不少電商在店內加入人工智能（Artificial Intelligence，AI）導購推薦後，第一眼看到的是點擊率（Click-Through Rate，CTR）、加購率（Add-to-Cart Rate）、互動次數。數字一上升，老闆很自然會想：既然顧客會點，那就加推薦位、加模組，把商品詳情頁、購物車頁、分類頁、首頁都放滿。這個想法不是完全錯，但順序錯了。公司增收降本，先看訂單與營收是否對齊，再判斷是否多賣。
店內 AI 導購推薦的價值，不在於多一個版位，而在於把商品關係、顧客意圖、庫存、價格、利潤限制放進同一個推薦決策。它可以做相關商品、經常一起購買、看了又看、個人化排序、搜索補位、缺貨替代、搭配推薦、復購提醒。做得準，可增加訂單數、提高平均訂單價值（Average Order Value，AOV）、縮短顧客找商品的時間，也可減少人工排列版位與反覆調整排序的成本。做得不準，它會製造大量好奇，卻不製造入帳。
在 Marketing Technology（MarTech）脈絡下，這類工具屬於應用層，不是只看事件追蹤。它真正影響的是顧客在站內的決策路徑：顧客看見什麼、被帶去哪類商品、是否減少比較成本、是否更快進入結帳。因此，判斷店內 AI 導購推薦是否值得擴張，不能只看互動數字，而要看它有沒有把顧客推向可成交、可入帳、可保留的訂單。
痛點：點擊可以是好奇，不是買單
點擊可以是好奇，不是買單。顧客點進推薦商品，可能只是比較規格、查看圖片、確認尺寸、看評價，甚至只是誤觸。加購也不等於付款，顧客可能把商品放進購物車，等待運費、折扣、到貨通知，或只是暫存。若把點擊與加購直接當成需求成立，很容易把推薦位擴張到不該擴張的位置。
模組費與版位也是成本。每一個推薦模組都有供應商費用、串接成本、維護成本，也可能佔用頁面空間、增加載入負擔、影響主要購買動線。版位被低效推薦佔用，還會排擠原本更能促成結帳的資訊，例如庫存狀態、配送時效、退換政策、顧客評價、促銷條件。推薦位不是免費裝飾，它佔用著顧客注意力與頁面決策空間。
錯在哪：見好看就加模組
常見的錯誤，是看到某個推薦位點擊好看，或加購好看，就立刻加模組、加曝光、加推薦位。沒有沿著推薦曝光、推薦點擊、商品頁瀏覽、加入購物車、結帳、付款入帳、退貨退款一路核對，也很難分辨哪些訂單是推薦真正帶來，哪些訂單本來就會發生。顧客可能本來就要買主商品，推薦位只是被順手點一下，最後全部算成推薦貢獻，判斷就會偏高。
另一個錯誤，是把「工具已上線」當成「結果已成立」。店內 AI 導購推薦上線之後，版位變多、互動變熱，並不自動等於公司多賣。若沒有把推薦位對回淨入帳，模組費與版位成本很容易被熱鬧的中間指標蓋住。
怎麼做：沿推薦路徑對齊入帳
我的做法，是先沿推薦路徑看最終入帳與退貨。推薦路徑可以拆成三截：曝光、點擊、入帳。曝光看版位是否被看見，點擊看推薦是否引起興趣，入帳看訂單是否完成並留下淨營收。每個推薦位都要能回答：它出現在哪個頁面？推薦的是相關品、互補品、替代品，還是個人化商品？被點後進入哪類商品頁？加購後有沒有結帳？結帳後有沒有入帳？入帳後有沒有退貨？扣除模組費與維護成本後，是否仍有正貢獻？
我會把推薦位分成三類：放大、觀察、收掉。放大類：點擊不一定最高，但推薦到結帳的路徑短，入帳穩定，退貨低，且沒有明顯排擠原有結帳動線。觀察類：點擊高但加購低，或加購高但結帳低。這類推薦可能太吸引好奇，也可能商品價格、庫存、運費、評價無法承接。收掉類：長期只產生點擊，不產生入帳；或入帳被退貨抵銷；或模組費高於貢獻；或讓主要結帳路徑變慢、變亂。
先放大真正帶來訂單的推薦位，再考慮擴模組或推推薦位。放大不是把每個頁面都塞滿，而是把已驗證的路徑放到更合適的位置。商品詳情頁（Product Detail Page，PDP）的相關推薦，若能把可立即出貨的相容配件、同系列商品、低庫存替代品帶到結帳，可先增加同類推薦的覆蓋。購物車頁的加購推薦，若能提升 AOV，且不會讓顧客離開結帳主線，可測試增加一組。首頁個人化推薦，若只帶來瀏覽，不帶來結帳，不宜盲目擴大。
這裡的 AI 應用重點，不只是追蹤，而是讓推薦決策更接近成交。店內 AI 導購推薦要能讀懂商品之間的關係，也要能讀懂顧客當下意圖。顧客看一款主機，推薦應優先顯示可立即出貨的相容配件，而不是只顯示同分類熱銷品。顧客把高單價商品加入購物車，推薦應降低決策阻力，例如顯示保固、安裝、退換說明、可搭配的低價耗材。顧客搜索沒有結果，AI 可用相近商品承接，避免流量斷掉。若供應商提供 AI 導購對話，也要看它是否把顧客帶向可結帳商品，而非只增加對話輪數。
公司增收降本要用財務口徑看。我會看四組數字：推薦帶來訂單數、推薦帶來淨入帳、推薦位成本、推薦位對整體轉換的影響。推薦位成本包括模組費、串接維護、版位機會成本。整體轉換影響要看放版位後，原本主要行動有沒有變差。若推薦位增加點擊，卻讓結帳完成率下降，或讓顧客在多個推薦商品之間反覆跳轉，最後沒有結帳，這類版位即使熱鬧，也不值得長期保留。
值得加的推薦位，通常有幾個特徵：推薦商品與當前意圖相關；點擊後商品頁能承接；加購到結帳損耗低；入帳扣除退貨與成本後仍正；不會讓主要結帳路徑變慢或變亂。該收的推薦位也很明確：點擊高但入帳低；加購高但退貨高；推薦內容與顧客意圖錯位；模組費高但貢獻低；版位遮住原本更重要的購買資訊。
限制：先對齊再擴
限制也要先講清楚。點擊率不等於訂單。加購率不等於入帳。平台或供應商的推薦模型常有黑盒，未必能完整解釋為何推薦某商品。模組費與版位成本真實存在。AI 推薦不保證多賣，尤其當商品價格、庫存、運費、評價、退換政策本身有問題時，推薦只是把顧客帶到問題前面。先對齊訂單與營收，再擴張，才不會把成本堆高。
我會先請老闆盤點現有店內 AI 導購推薦位。列出每個版位的頁面、推薦類型、曝光、點擊、加購、結帳、入帳、退貨、模組費。然後把版位排序：先保留能帶來淨入帳的位，修補點擊高但不成交的位，收掉長期只製造好奇的位。只有當既有推薦位證明能增加訂單與淨營收，才加推薦位或加模組。
店內 AI 導購推薦不是不能做，而是不能只用點擊判斷。點擊好看，可能是顧客好奇；加購好看，可能是價格或運費卡住；入帳好看，也要扣除退貨與模組費。公司要的是增收降本，不是版位熱鬧。
訂閱後可解鎖 GA 量度自查清單，逐項檢查事件訊號與訂單對帳。如需協助整理店內 AI 推薦位與訂單的對齊，可透過聯絡表單洽詢付費諮詢。