iT邦幫忙

2025 iThome 鐵人賽

DAY 5
0
生成式 AI

AI協作開發實戰:從需求到原型的挑戦系列 第 5

人機協作找答案 - AI引導下的系統量化之路(上)

  • 分享至 

  • xImage
  •  

昨天分享了訪談階段理想與現實的差距,以及我們決定轉向量化的重要決策。今天要接續這個故事,深入聊聊我們如何與AI協作,從眾多變數中找到量化的核心焦點,並最終決定自主開發追蹤系統的完整過程。

量化範圍的關鍵決策:為什麼只專注「訂單建立」?

在決定進行量化後,我們面臨的第一個問題是:要量化哪個部分?

從訪談中發現的不可控因素

回顧之前的訪談和觀察,我們發現整個銷售流程中充滿了太多變數:

客戶諮詢階段的變數:

  • 有些客戶很明確知道要買什麼,決定快速,流程簡單
  • 有些客戶需要搭配多樣商品,諮詢時間長,比較複雜
  • 客戶的決策風格差異很大:有人當場決定,有人需要回家考慮

系統架構的限制:

  • 目前詢價功能在不同系統中
  • 庫存查詢也是獨立的系統
  • 這些外部查詢的時間很難精準追蹤

環境因素的影響:

  • 門市忙碌程度不同
  • 其他客戶的干擾

與AI討論量化範圍的確立

面對這麼多變數,我帶著困惑向Claude請教:

我的 Prompt:

"我們想要量化銷售流程,但發現前段的客戶諮詢時間變數太多,包括客戶決策風格、商品複雜度、外部系統查詢等。請協助我們思考,應該聚焦在哪個環節進行量化會比較有意義?"

Claude的分析建議:

  • 建議聚焦在「可控制」且「標準化」的流程環節
  • 客戶確定購買後的訂單建立流程相對穩定
  • 這個環節的時間長短更能反映系統效率問題
  • 可以排除客戶決策因素的干擾

這個建議讓我們有了明確的方向:專注量化「客戶確定下單後,業務建立訂單的完整過程」。

與AI協作:確立技術解決方案

既有工具的評估

有了明確的量化目標後,我們開始評估實作方案。第一個想法當然是:有沒有現成的工具可以使用?
於是再次向 Claude 請教:

我的 Prompt:

"目前市面上的工具可以量化銷售流程嗎?如果有,請列出幾個我們可以測試的工具,並簡易說明原因嗎?"

Claude提供的市面上選擇有很多:

  • Google Analytics:最常見的網站分析工具
  • Hotjar:使用者行為分析和熱力圖
  • Mixpanel:事件追蹤分析
  • LogRocket:使用者會話錄製
  • Crazy Egg:點擊熱力圖分析

根據AI建議進行實際測試

拿到Claude的工具清單後,我們逐一測試和評估各種工具是否符合我們的需求。
經過一輪工具測試,我們發現標準化工具都無法完美滿足需求。於是我再次向Claude請教:

AI建議的自製方案

向Claude詳細說明我們的需求後,得到了具體的技術建議:

我的完整 Prompt:

"我們想追蹤訂單建立流程中每個步驟的時間,特別關注:1)客戶資料輸入耗時 2)商品加入訂單耗時 3)反覆編輯的頻率和時間成本 4)付款資訊填寫耗時。現有的GA和Hotjar都無法滿足這些精細化需求,請建議技術實作方案。基於我們的系統架構,我目前比較傾向使用 Google Sheets、Google Apps Script 和 GTM 來做記錄,你覺得這個方式可行嗎?"

Claude的解決方案:
https://ithelp.ithome.com.tw/upload/images/20250905/20178150Xyl4YYYZDf.png

與Claude協作設計追蹤節點

這時我意識到一個重要點:Claude並不知道我們的系統實際長什麼樣子。如果只是簡單回答「好的」,他可能會基於想像設計出一套與我們真實系統不符的追蹤節點。

於是我詳細向Claude說明了我們的實際操作流程:

我的完整 Prompt:

"好,請幫我設計追蹤節點。我建立訂單的流程是:訂單管理頁 → 點選創建訂單 → 點選創建新客戶 → 客戶email填寫 → 配送資料填寫 → 新增產品 → 其他欄位填寫 → 建立訂單。這裡都還不要寫程式喔,我們都單純規劃就好。"

注意: 這裡不是單純地告訴他 yes 或 no,而是要詳細說明你的系統操作流程,才能夠讓他設計出正確的追蹤節點,否則他會想像一套流程設計給你,那麼就脫離了我們目前系統的操作流程了。

我也特別告訴他「這裡都還不要寫程式喔,我們都單純規劃就好。」,這樣他就知道我們目前只會先規劃,不會真的寫程式,他也知道我們目前的進度和需求,這樣才會設計出正確的追蹤節點。

Claude提供的詳細追蹤節點設計

https://ithelp.ithome.com.tw/upload/images/20250905/201781509Aihg1USQ6.png

下一步:量化數據的系統實作

這個從「理論規劃」到「實際實作」的轉變,將展現AI如何在技術實作層面提供具體的協助,以及人機協作在解決真實業務問題上的實際價值。

根據以上 Claude 設計的追蹤節點,明天我們將分享與AI協作建立實際追蹤系統的過程,讓我們期待明天的分享吧!


上一篇
專案啟動 - 當AI遇見真實業務需求(下)
系列文
AI協作開發實戰:從需求到原型的挑戦5
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言