陳陳小姐產後恢復 週間下午有空
推薦：核心修復小班，週三 14:00林林先生練了兩年 想突破臥推
推薦：進階肌力一對一，週六早上王王小姐久坐肩頸痛 只想放鬆
推薦：舒緩伸展課，下班後 19:30Personalization
個人化
推薦邏輯
同一家店、同一批課程，三位顧客該收到三種完全不同的建議。三小時學會怎麼做到。
今天陪你把顧客當成唯一的人
鄭緯筌
作家／顧問／AI 應用教育者
長期研究內容行銷與 AI 應用，走訪過上百家健身、美業、寵物、旅遊的第一線店家。今天要教的只有一件事：怎麼用 AI，把每一位顧客都當成唯一的顧客來對待，而且是在小店沒有大數據的現實條件下。
www.vista.twwww.solo.tw
今天三小時，我們要走這六站
- 三種推薦邏輯內容式、協同過濾式、情境式，各自怎麼運作
- 推薦提示詞框架把顧客資料寫成 AI 看得懂的四個組成
- 個人演練：寫一份推薦提示詞十五分鐘，幫一位虛構顧客寫出第一份
- 從資料到建議文案問卷與消費紀錄怎麼變成 AI 的素材，產出又怎麼校對
- 資料有限時怎麼辦小店沒有大數據，也能做出有意義的個人化
- 分組工作坊與成果發表二十分鐘設計一套推薦文案，兩分鐘上臺
🎯
這堂課不是要你變成資料科學家
你不需要會寫演算法，也不需要懂統計模型。今天只有一個目標：看懂三種推薦邏輯，學會把顧客資料變成 AI 能用的提示詞，讓每一次推薦都有依據。
看懂邏輯，比會操作工具更重要。
三小時結束後，你會帶走什麼
| 一套推薦邏輯地圖 | 看懂三種邏輯怎麼運作，也看懂各自的限制 |
| 一份提示詞框架 | 把顧客資料轉成結構化指令的固定步驟，換產業都能用 |
| 四個完整範例 | 健身課程推薦與旅遊行程客製，照著改就能用 |
| 一次資料有限的實戰 | 知道沒有大數據時，怎麼做出有意義的個人化 |
01
個人化推薦的三種邏輯
內容式、協同過濾式、情境式。先搞懂邏輯，才知道提示詞該怎麼寫。
- 為什麼這件事值得學
- 內容式推薦
- 協同過濾式推薦
- 情境式推薦
01 三種邏輯
什麼是個人化推薦
不是靠印象亂猜顧客喜歡什麼，而是根據顧客留下的資料，有系統地判斷「這位顧客現在最需要什麼」。今天要拆的，就是這套判斷背後的三種邏輯。
為什麼生活服務業要學這個
- 01這是顧客留存的關鍵被記得、被讀懂的顧客，回頭率明顯更高
- 02小店也做得到，不是大企業專利不需要真的寫演算法，用 AI 就能做出接近的效果
- 03雇主已經在找這種能力會設計推薦流程，比只會操作單一工具值錢得多
個人化推薦到底有多重要
資料來源：McKinsey《The Future of Personalization》；Netflix 與 Amazon 的數字是業界廣泛引用的公開估計，方法論未逐一揭露，僅供趨勢參考。
成長快的企業，個人化帶來的營收比較多
個人化營收占比指數（成長較慢企業＝100）
資料來源：McKinsey《The Future of Personalization》。指數為相對值，不是絕對營收金額。
💡
這些數字對小店的意義
Netflix 和 Amazon 砸重本養了資料科學團隊。但小店不需要重造輪子，今天要教的，就是怎麼用一支對話型 AI，做出接近的判斷邏輯。
個人化推薦不是亂猜喜好
- 要有依據根據顧客留下的資料判斷，不是憑印象拍腦袋
- 要能說明理由好的推薦講得出為什麼推薦這個，不是黑盒子
- 要留人工把關AI 給的建議，最後要有人確認合不合理才發出去
進入三種邏輯前，先確認你懂了
- 我知道個人化推薦為什麼對生活服務業重要
- 我知道好的推薦需要有依據、也要說得出理由
內容式推薦是什麼
| 定義 | 根據商品或服務本身的屬性，推薦相似的項目 |
| 核心邏輯 | 你喜歡 A，A 跟 B 很像，所以推薦你 B |
| 不需要什麼 | 不用知道其他顧客的行為，只要有商品或服務的屬性資料 |
內容式推薦怎麼運作
- 定義屬性難度、時長、目標肌群、教練風格這類特徵
- 標記顧客偏好從過去選過的課程或行程，推算出他偏好的屬性
- 比對相似度找出屬性最接近的其他項目
- 排序推薦依相似度高低排出建議清單
四個產業的內容式推薦
💪
健身房
會員上過瑜伽課，推薦同樣強調伸展與呼吸的皮拉提斯
💇
美容院
顧客做過保濕護膚，推薦同系列的深層滋潤產品
🐾
寵物店
毛孩買過幼犬飼料，推薦同品牌同配方的幼犬保健品
✈️
旅遊業
訂過小眾秘境行程，推薦同樣強調在地深度的路線
內容式推薦導入前後
導入前
- 店員憑印象推薦，容易漏掉相似的選項
- 顧客常收到不相關的建議
- 複購率靠緣分，說不出原因
反應慢、不精準
導入後
- 依屬性系統化比對，推薦邏輯一致
- 新品也能立刻推薦給對的顧客
- 顧客感覺被理解，不是亂槍打鳥
系統化、有依據
內容式推薦的投入門檻
長條愈短代表門檻愈低。三種邏輯裡，內容式是最容易起步的一個。
⚠️
內容式推薦的限制
只看屬性相似，容易陷進同溫層：一直推薦類似的東西，顧客會覺得無聊、沒有驚喜。而且屬性標記得愈粗糙，推薦就愈容易失準。
內容式推薦的第一步清單
“
推薦一個顧客沒買過、但很像他會喜歡的東西，比推薦十個他從沒表現出興趣的東西更有效。
零售個人化實務觀察
協同過濾式推薦是什麼
- 01定義根據相似顧客的行為，推薦其他顧客也喜歡的東西
- 02核心邏輯跟你行為相似的人也選了 C，所以推薦你 C
- 03關鍵資料需要夠多顧客的歷史行為紀錄，才找得出相似族群
相似度長什麼樣子
格子愈實，代表這位顧客愈可能喜歡那堂課。陳小姐與王小姐的兩列幾乎一樣，所以王小姐上過但陳小姐還沒上的伸展課，就是可以推薦給陳小姐的那一堂。
協同過濾式推薦怎麼運作
- 蒐集行為資料購買、預約、瀏覽、評分這類紀錄
- 找出相似顧客把行為模式接近的顧客歸為同一群
- 交叉推薦把同群顧客買過、但你還沒買的項目推薦給你
- 持續更新行為資料愈多，推薦就愈準
四個產業的協同過濾式推薦
💇
美容院
跟你消費模式相似的顧客都升級了深層保養，推薦你保養品
💪
健身房
跟你上課習慣相似的會員後來都報了團體課，推薦你試試
🐾
寵物店
養同品種貓的顧客都買了某款貓抓板，推薦給你參考
✈️
旅遊業
訂過同類行程的旅客後來都加購了某項體驗，推薦你加購
協同過濾式推薦導入前後
導入前
- 只能推薦自己知道的固定套路
- 看不出顧客之間的共同行為模式
- 加購與升級靠店員臨場提議
靠經驗、有限
導入後
- 系統抓出相似顧客的共同行為
- 能主動提議顧客沒想過的選項
- 加購成功率有規律可循
有模式、可預期
協同過濾式推薦的投入門檻
長條愈長代表門檻愈高。這一套最吃資料量，也是小店最難單獨用起來的一種。
01 三種邏輯
協同過濾式最大的罩門：冷啟動
新顧客沒有行為資料時，這套邏輯完全失靈，這個問題有個名字，叫冷啟動。而且小店顧客數不夠多時，「相似顧客」這個概念本身就很難成立，這正是多數生活服務業的現實。
沒有資料的那一刻，它就沒有答案。
協同過濾式推薦的第一步清單
- 先確認手上有沒有夠多顧客的行為紀錄
- 沒有大量資料時，先從一小群熟客練習比對
- 對全新顧客一定要有備案，不能只靠這套
別人買了什麼不重要，重要的是跟你相似的人買了什麼。
推薦系統實務觀察
情境式推薦是什麼
- 定義根據當下的情境，例如時間、天氣、場合，推薦最適合的選項
- 核心邏輯現在是這個情境，所以推薦這個
- 關鍵資料不一定需要顧客的歷史紀錄，情境本身就是判斷依據
情境式推薦怎麼運作
- 定義情境變數時間、天氣、節慶、顧客當下的狀態
- 設定對應規則什麼情境適合推薦什麼
- 即時比對偵測到符合的情境就觸發推薦
- 結合顧客資料更準情境加上過去偏好，推薦會更貼
四個產業的情境式推薦
✈️
旅遊業
雨季詢問行程，優先推薦室內景點與雨天備案
💪
健身房
會員晚上十點才有空，推薦線上直播課而不是到店課
💇
美容院
週五詢問，推薦適合週末約會的造型服務
🐾
寵物店
換季時主動推薦厚毛梳理與保濕產品
情境式推薦導入前後
導入前
- 不管什麼時候問，回覆都一樣
- 沒考慮天氣、時段這類即時因素
- 顧客常收到不合時宜的建議
一成不變、容易失準
導入後
- 依當下情境給出對應建議
- 天氣與時段的變化都能即時反映
- 顧客覺得建議剛好符合現在的需求
即時反應、貼合當下
情境式推薦的投入門檻
長條愈長代表門檻愈高。情境式不吃歷史資料，所以新開的店也用得起來。
⚠️
情境式推薦的限制
情境判斷太粗糙就變成亂槍打鳥。例如只因為今天下雨就推薦雨具，卻沒考慮顧客要去的目的地根本沒下雨。情境變數要挑得夠精準才有意義。
情境式推薦的第一步清單
“
對的推薦，不只是對的東西，還要在對的時間出現。
服務業行銷實務觀察
一次推薦，其實是這樣被篩出來的
三種邏輯不是三選一，而是接力：一層一層把 48 堂收斂成 2 堂，而且每一層都說得出為什麼被留下、為什麼被刷掉。
健身工作室怎麼三種邏輯並用
| 第一階段 | 會員少、資料少，先用內容式，依課程屬性推薦 |
| 第二階段 | 累積半年會員紀錄後，補上協同過濾式，抓相似會員的偏好 |
| 第三階段 | 結合時段與天氣這類情境變數，讓推薦更即時 |
三種邏輯導入的時間軸
- 第一到三個月課程屬性標記完成，內容式推薦上線
- 第四到六個月會員行為資料累積足夠，開始測試協同過濾式
- 第七個月起加入情境變數，例如雨天推薦室內課程
三種邏輯並用前後
只有內容式
- 推薦範圍有限，容易重複
- 看不出顧客之間的共同偏好
- 沒辦法即時反映天氣或時段
單一邏輯、有限
三種邏輯並用
- 推薦更多元，新舊會員都涵蓋得到
- 能主動提議顧客沒想過的課程
- 即時反映情境，貼合當下需求
多元、貼合、即時
🪜
三種邏輯是階梯，不是三選一
不用一開始就三種都做。資料量會隨時間增加，邏輯可以跟著資料的成熟度一步步往上疊。這也呼應了後面會學到的、資料有限時的做法。
三種邏輯並用的三個提醒
- 先確認目前的資料量，再決定從哪一種起步
- 邏輯疊加不用急，資料夠了再加
- 即使邏輯變多，仍然要保留人工把關
推薦系統不是做一次就結束的專案，是跟著顧客資料一起長大的習慣。
課程核心提醒
邏輯會疊加，這件事本身就是求職素材
- 面試時可以這樣描述我理解推薦系統會隨資料成熟度演進，不是一步到位
- 這比只背名詞有說服力代表你懂的是邏輯，不是話術
Spotify 的每週歌單，三種邏輯全用上了
- 協同過濾式打底找出聽歌習慣相似的聽眾，推薦彼此喜歡、你還沒聽過的歌
- 內容式補強分析歌曲本身的音樂屬性，確保風格延續你的喜好
- 情境式微調每週固定更新一次，呼應你近期收聽習慣的變化
01 三種邏輯
全球最大的音樂平臺，也是混著用
你的小店規模當然不一樣，但原理相通：先有一個基礎邏輯，再疊加其他邏輯，讓推薦愈來愈貼近顧客。
三種推薦邏輯，一次看懂
🎯
內容式
看商品或服務的屬性。這個像那個，新品也推薦得動
👥
協同過濾式
看相似顧客的行為。別人也喜歡這個，但需要夠多資料
🌤️
情境式
看當下的情境。現在適合這個，沒有歷史資料也能用
三種邏輯的適用情境
| 內容式適合 | 商品屬性明確、新品多、顧客資料少的情境 |
| 協同過濾式適合 | 顧客基數夠大、行為資料累積夠久的情境 |
| 情境式適合 | 服務高度受時間地點影響、想要即時反應的情境 |
四個產業分別適合哪一種
💪
健身房
課程屬性明確，適合先用內容式
💇
美容院
老顧客的行為資料多，適合協同過濾式
✈️
旅遊業
時效性與情境變化大，適合情境式
🐾
寵物店
資料零散，三種邏輯要混合並簡化使用
🔄
現實中，大部分小店是混著用的
很少有店家能純粹只靠一種邏輯。通常是先用內容式打底，有顧客資料之後補協同過濾，再用情境式做即時提醒，三種互相搭配。
段落回顧：三種推薦邏輯
02
推薦提示詞框架設計
把顧客資料，轉成 AI 看得懂的結構化指令。
- 四個組成部分
- 健身課程推薦範例
- 旅遊行程客製範例
- 常見地雷與檢查清單
🧩
為什麼要框架化
AI 寫得快，但寫得亂就沒有用。固定框架的好處是：換顧客、換產業都能套用，不用每次重新想「該從哪裡下手」。
好的推薦提示詞，四個組成部分
- 01顧客輪廓年齡、目標、過往紀錄、預算這些基本資料
- 02推薦目標這次要推薦什麼類型的東西、達成什麼效果
- 03限制條件預算上限、時間限制、健康或飲食禁忌
- 04輸出格式要幾個選項、用什麼語氣、多長篇幅
四個組成，各自要回答什麼
🧑
顧客輪廓
他是誰：年齡、目標、過去做過什麼
🎯
推薦目標
要推薦什麼：想解決他的什麼需求
🚧
限制條件
不能碰的紅線：預算、時間、禁忌
📄
輸出格式
要幾個選項、什麼語氣、多長篇幅
顧客輪廓要蒐集哪些欄位
- 基本資料年齡、性別、居住地區，會影響交通與時間安排
- 目標與需求這次想達成什麼：減脂、放鬆、出國前充電
- 過往紀錄過去買過、上過、訂過什麼，喜歡與不喜歡什麼
- 預算與時間能接受的價位帶、方便的時段
02 提示詞框架
資料不用完美才能開始
就算只有年齡、預算、一句話需求，也能寫出一個堪用的推薦提示詞。在這件事上，完美主義才是最大的敵人。
先寫得出來，再寫得準。
老顧客與新顧客，寫法不一樣
資料多的老顧客
- 能引用完整的過往紀錄，適合協同過濾式邏輯
- 顧客輪廓可以寫得很具體細膩
資料少的新顧客
- 只能靠當下情境與簡單資訊，適合內容式或情境式
- 顧客輪廓先用一句話需求代替完整歷史
顧客輪廓不夠時，怎麼補
| 用當下情境代替 | 沒有歷史資料，就用現在的需求與情境當依據 |
| 現場快速補問 | 花一分鐘問三個關鍵問題，總比完全沒有好 |
| 用相似顧客做假設 | 參考同類型顧客的常見需求，先給出堪用的建議 |
範例主軸一：健身課程推薦
- 01情境一間社區型健身工作室，想幫新加入的會員推薦第一堂課
- 02手上的資料年齡、運動經驗、目標、可上課時段
- 03要解決的問題避免新會員選錯課，第一次體驗就受挫放棄
四步驟拆解
- 寫顧客輪廓三十二歲女性，沒有規律運動習慣，目標是紓壓與體態管理
- 寫推薦目標請推薦一堂最適合她第一次體驗的課程，並說明理由
- 寫限制條件她只有平日晚間七點後有空，膝蓋曾經受過傷
- 寫輸出格式請給兩個選項，各附一句白話說明，不要用專業術語
完整範例：健身課程推薦
✓完整提示詞
你是一間社區健身工作室的課程顧問。以下是一位新會員的資料： 年齡與性別：三十二歲女性｜運動經驗：沒有規律運動習慣 目標：想紓解工作壓力、改善體態 限制：只有平日晚間七點後有空，膝蓋曾受過傷，需避免高衝擊動作 目前開設的課程：瑜伽、皮拉提斯、有氧拳擊、重量訓練基礎班 請推薦最適合她第一堂體驗的兩堂課，用白話說明推薦理由，不要用專業術語，總長一百五十字以內。
AI 回了什麼皮拉提斯基礎班：低衝擊、節奏慢，適合第一次上課又要保護膝蓋的你；晚間七點半瑜伽課：時間配合下班節奏，搭配呼吸練習能有效緩解壓力。（示範情境，非真實會員資料）
🔍
拆解一下，這個提示詞做對了什麼
顧客輪廓具體、限制條件寫清楚了膝蓋問題、輸出格式限定字數與語氣。三件事都到位，AI 才給得出能直接拿去用的答案，而不是空泛的建議。
範例二：加入消費紀錄的進階版
- 情境一位老會員上課紀錄穩定，想推薦他升級方案而不是硬推銷
- 手上的資料過去六個月的上課紀錄、目前的消費金額、目標
- 要解決的問題既要推薦得準，又要讓顧客覺得是被理解，不是被推銷
完整範例：會員升級推薦
✓完整提示詞
你是一間健身工作室的會員關係顧問。以下是一位老會員的資料： 四十五歲男性｜入會兩年，目前是單堂體驗會員，尚未升級年約 過往紀錄：過去六個月上過十二堂重量訓練基礎班、三堂拳擊有氧，出席率穩定 預算：目前每月消費約兩千四百元，升級後每月上限三千五百元 目標：想維持出席穩定，並嘗試新的挑戰 請推薦一個適合的進階方案或加購課程，說明為什麼適合他，並用一句話提醒他升級後能省多少錢，兩百字以內，語氣像朋友聊天，不要像業務推銷。
關鍵在哪「語氣像朋友聊天，不要像業務推銷」這一句，把同一份資料寫出來的語氣整個換掉了。（示範情境，非真實會員資料）
健身課程推薦框架回顧
- 顧客輪廓寫清楚年齡、目標、過往紀錄
- 限制條件寫出時段與身體狀況這類紅線
- 輸出格式限定選項數與語氣，方便直接使用
範例主軸二：旅遊行程客製
| 情境 | 一間小型旅行社，想幫詢問行程的顧客客製一份初步建議 |
| 手上的資料 | 出遊天數、預算、同行人數、旅遊偏好 |
| 要解決的問題 | 客製化太花時間，業務常常直接丟一份制式行程 |
四步驟拆解
- 寫顧客輪廓一對三十五歲夫妻，沒有小孩同行，喜歡慢步調自由行
- 寫推薦目標請規劃一份五天四夜的行程建議，附主題與亮點
- 寫限制條件預算每人五萬元以內，不安排早起集合的行程
- 寫輸出格式用天數分段呈現，每天附一句推薦理由
完整範例：旅遊行程客製
✓完整提示詞
你是一間小型旅行社的行程顧問。顧客資料： 一對三十五歲夫妻，沒有小孩同行 偏好：喜歡慢步調自由行、在地美食，不喜歡走馬看花 限制：預算每人五萬元以內（不含機票），不安排上午八點前需要集合的行程 天數：五天四夜｜目的地方向：東北亞或東南亞皆可，希望有海景 請規劃一份五天四夜行程建議，按天數分段呈現，每天附一句話說明推薦理由，最後註明大致預算落點，四百字以內。
AI 回了什麼建議沖繩：有海景、飛行時間短、步調適合慢遊。第一天市區散步讓時差緩一緩、第二天北部海岸兜風、第三天水族館加小巷散步、第四天自由活動保留彈性。預算落點每人約四萬兩千元。（示範情境，非真實報價）
範例四：加入情境變數的版本
- 01情境一家四口過去偏好海島加兒童俱樂部，但這次出發時間是雨季
- 02手上的資料過往行程偏好、預算、小孩年齡、出發月份
- 03要解決的問題既要延續熟悉的偏好，又要考慮季節性的天氣風險
完整範例：情境搭配偏好
✓完整提示詞
你是一間旅行社的行程顧問。顧客資料： 一家四口，兩位小孩分別是六歲與九歲 出發時間：七月中旬，當地為雨季 預算：全家合計十萬元以內，含機票 偏好：過去訂過三次海島行程，都選有兒童俱樂部的飯店 限制：小孩容易暈車，長途移動不能超過九十分鐘 請根據他們過去的偏好紀錄，並考慮七月雨季的天氣狀況，推薦一個適合的目的地與行程重點，附上一句話說明為什麼避開了長途陸路移動，兩百五十字以內。
AI 回了什麼推薦蘭卡威：多間度假村有完善兒童設施，機場到飯店車程約四十分鐘，符合孩子不能久坐的限制。七月雨季多為午後陣雨，上午安排戶外、下午安排室內水上樂園。（示範情境，非真實報價）
🌦️
這個範例其實用了兩種邏輯
把七月雨季這個情境變數，結合顧客過去的行為紀錄（協同過濾式常用的偏好資料），做出更精準的建議。三種邏輯在真實情況裡，本來就常常一起用。
旅遊行程客製框架回顧
推薦結果不滿意，可以怎麼追問
- 太籠統就要求更具體請它針對特定限制條件重新調整選項
- 選項不喜歡就換條件重問例如把預算或時段條件收緊
- 要求它說明推薦理由才知道它的判斷邏輯對不對，你也才知道要調哪裡
追問範例：微調推薦結果
✓第二輪追問
這兩個選項都排在平日晚上，但我這位顧客其實只有週末上午有空。請針對這個限制重新推薦，並說明為什麼原本的選項不適合。
AI 回了什麼原本兩堂都排在平日晚上，跟顧客的時間不符。改推薦週六上午十點的皮拉提斯基礎班，同樣是低衝擊課程，時段完全對得上，而且教室週末人數較少，適合新手。（示範情境）
02 提示詞框架
提示詞不是一次寫完就結束
好的推薦流程，常常是來回追問兩三次才收斂到真正適合的答案。這也是為什麼「輸出格式」要限定簡短：方便你快速看過、快速追問。
輸出格式要配合溝通管道
| 傳訊息 | 簡短、條列，附一兩個表情符號比較好讀 |
| 電子郵件 | 可以完整一點，附上理由與價格 |
| 當面口述 | 用白話，像跟朋友聊天，不要照唸 AI 的輸出 |
框架化前後的效率對比
以上為示範情境數據，用途是幫你抓感覺，不是精確統計。
寫推薦提示詞最常踩的三個地雷
- 01顧客輪廓太籠統「一位女生」跟「三十二歲、沒運動習慣、想紓壓的女生」，答案天差地遠
- 02忘記寫限制條件AI 不知道禁忌，可能推薦出不能碰的東西，例如過敏或預算超標
- 03沒有限定輸出格式AI 可能寫出落落長的答案，店員還要自己整理才能用
一個好用的檢查口訣
顧客是誰、要什麼、不能做什麼、要長怎樣
下推薦提示詞之前，把這四句在心裡過一遍。 四個都答得出來，這個提示詞的基本盤就有了。
推薦提示詞四要素檢查清單
- 我寫了具體的顧客輪廓，不是籠統的形容
- 我寫清楚了這次的推薦目標
- 我列出了明確的限制條件
- 我限定了輸出格式：選項數、語氣、長度
“
問題不是 AI 會不會寫推薦文案，是你有沒有把顧客的狀況寫清楚。
課程核心提醒
這套框架換個產業一樣能用
- 框架本身跟產業無關顧客輪廓、推薦目標、限制條件、輸出格式，四個組成通用
- 會變的只有內容健身換成美業、旅遊換成寵物，換的是資料，不是步驟
延伸範例：美容院保養品推薦
✓換個產業，同一套框架
你是美容院的保養顧問。顧客資料：三十八歲女性，膚質偏乾，過去購買過保濕系列產品，最近詢問抗老保養，預算每次消費兩千元以內。 請推薦一項適合的加購產品，並說明為什麼適合她的膚況，六十字以內。
AI 回了什麼推薦升級版保濕精華：質地更滋潤且加入初階抗老成分，符合乾性膚質加上想開始抗老的雙重需求，價格一千八百元在預算內。（示範情境）
🎒
框架的可攜性，就是你的可攜性
學會一套框架，換到任何生活服務業都能用。這正是求職或轉職時最值錢的能力：方法可以複製，不用每個產業重新學一套。
你帶走的是方法，不是某個工具的操作手冊。
兩個示範提示詞，強弱對照
較弱
- 「一位顧客想運動，請推薦課程」
- 沒有限制條件，也沒有格式要求
較強
- 具體顧客輪廓，加上明確目標
- 寫出限制條件與輸出格式要求
別忘記加入否定型限制
- 不要用醫療效果保證不寫「保證見效」「一定改善」這類語句
- 不要引用過期資訊提醒 AI 不要自己假設庫存或價格，交由人工核對
交付前的最後檢查
段落回顧：推薦提示詞框架
- 四個組成：顧客輪廓、推薦目標、限制條件、輸出格式
- 資料不完美也能先寫，情境變數可以補強
- AI 給的答案不滿意，可以追問微調
➡️
準備進入個人演練
接下來你會拿到一張虛構的顧客資料卡，練習自己套用這個框架，寫出一個完整的推薦提示詞。
Practice
個人演練：幫顧客寫一個推薦提示詞
十五分鐘，寫出你的第一份個人化推薦。
十五分鐘
先想清楚要解決誰的問題，AI 才有意義。
今天課程的核心提醒
演練前，先複習框架四步驟
- 01顧客輪廓這位顧客是誰：年齡、目標、過往紀錄、預算
- 02推薦目標這次要幫他解決什麼問題
- 03限制條件有什麼不能碰的紅線
- 04輸出格式要幾個選項、什麼語氣、多長
為什麼要先做這個演練
- 把框架真的用一次聽懂跟做過是兩件事，動手寫過才會內化
- 幫你準備分組演練的素材等一下分組要用到你今天練出來的手感
- 累積一個說得出口的經驗面試時能講出一個真實案例，比背名詞有用
演練有兩種難度，自己選一個
基礎版
- 只寫顧客輪廓與推薦目標
- 先求有再求好，寫得出來最重要
進階版
- 四個組成都寫齊，再加上情境變數
- 挑戰一個完整、能直接貼上去用的提示詞
這是你今天要服務的顧客
你的任務：幫她寫出一個能直接貼到 AI 的推薦提示詞。（示範情境，非真實顧客資料）
動手做：幫陳小姐寫推薦提示詞
十五分鐘，四個步驟
- 把陳小姐的資料整理成顧客輪廓，並寫清楚推薦目標
- 列出至少兩個限制條件
- 設定輸出格式：選項數、語氣、字數上限
- 貼到 AI 工具，讀一遍輸出並標記需要修改的地方
時間：十五分鐘用具：手機或筆電，加上任一 AI 對話工具
常見的四個卡點與破解方法
😶
不知道顧客要什麼
用資料卡上最具體的那一句話當推薦目標
📏
不知道怎麼寫限制
把資料卡裡的「不能」與「只能」抓出來直接寫
📄
不知道要什麼格式
先想這個推薦最後要傳到哪裡
🤔
AI 給的答案太籠統
把顧客輪廓寫得更具體，再問一次
你的提示詞寫得夠具體嗎
待加強
- 顧客輪廓只寫「二十九歲女生」
- 沒有寫任何限制條件
夠具體
- 顧客輪廓包含目標、紀錄、預算、限制
- 明確寫出時間與體能的限制
個人演練
卡住的時候怎麼辦
如果不知道限制條件該怎麼寫，回頭看陳小姐資料卡上那句「對高強度心肺運動會喘不過氣」。那就是一個現成的限制條件。
參考範例，但你的版本不用一樣
一個寫得夠具體的版本
你是健身工作室的課程顧問。陳小姐二十九歲，三個月前入會只上過兩次體驗課，目標是半年內為婚禮調整體態，只有平日中午有空，做高強度心肺運動會喘不過氣，預算每月兩千元以內。 請推薦兩堂最適合她的課程並說明理由，一百字以內。
示範參考答案，不是標準答案
🧐
讀 AI 輸出時，順便練一個技能
如果 AI 寫出「保證瘦身成功」這類語氣，先在心裡標記起來。這是待會校對段落第一個要刪掉的東西，現在就可以開始養成習慣。
🙋
邀請分享
有沒有人願意分享你寫的推薦目標跟限制條件？我們花兩分鐘聽兩三位，看看大家的做法有什麼不同。
個人演練
寫完之後，還能怎麼精進
如果時間允許，試著把你的提示詞追問一次：換一個限制條件重新問，感受一下推薦結果會怎麼跟著調整。
個人演練檢核
📌
收好你的提示詞，分組演練會用到
接下來的分組演練，你會需要用今天練出來的框架手感，幫小組一起完成顧客輪廓卡的推薦文案。
03
從資料到建議文案
問卷與消費紀錄怎麼變成 AI 的素材，產出之後又該怎麼校對。
- 問卷設計要點
- 消費紀錄整理
- AI 產出後的人工校對
🗂️
這段要解決什麼問題
前面學的框架有個前提：你已經有顧客資料。這一段要教的是資料從哪裡來、怎麼整理，以及 AI 寫出來的東西怎麼把關。
為什麼問卷是最容易取得的資料
| 成本低 | 不需要系統，一張紙或一個線上表單就能開始 |
| 主動取得 | 不像消費紀錄要等時間累積，問卷當下就能問到 |
| 能問到動機 | 消費紀錄看得到行為，卻看不到顧客為什麼這麼做 |
好問卷該收集哪些欄位
- 01目標與動機這次想達成什麼具體結果
- 02過往經驗與偏好做過類似的事嗎、喜歡什麼風格
- 03限制條件預算、時間、健康或飲食禁忌
- 04聯絡與追蹤方式之後怎麼跟他保持聯繫
設計問卷的四個步驟
- 先列目標欄位想清楚這份問卷要拿到哪些資料，再動筆
- 決定問題形式選擇題、量表、開放題各有用途
- 控制題數生活服務業顧客時間有限，五到八題為宜
- 加一題開放題讓顧客補充制式選項沒問到的細節
選擇題與開放題怎麼搭配
選擇題
- 填寫快速，方便量化
- 適合預算、頻率這類有固定選項的問題
開放題
- 能收到意外的資訊，適合問目標與特殊需求
- 填寫成本較高，適合放在最後一題
四個產業的問卷欄位範例
💪
健身房
運動經驗、目標部位、可上課時段、身體限制
💇
美容院
髮質膚況、預算範圍、偏好風格、過敏史
✈️
旅遊業
同行人數、預算、偏好步調、必去或必避免的活動
🐾
寵物店
毛孩年齡、過敏史、脾氣個性、常用服務
一個問卷欄位的地雷示範
太籠統的問題，收不到能用的答案
太籠統：你想變得更健康嗎？ 改成具體：你希望三個月後達到什麼具體目標？ 第一種你只會收到「想」跟「不想」，第二種才拿得到能寫進推薦提示詞的東西。
問卷設計的三個檢查點
- 每個問題都能拿到用得上的具體資訊
- 題數控制在五到八題，別讓顧客覺得像審問
- 至少留一題開放題，補充意外的資訊
03 從資料到文案
別把問卷設計得像審問
生活服務業的顧客填問卷的時間很有限。題目太長會沒人填完，寧可少問幾題，但每一題都問得精準。
提高問卷回收率的三個小技巧
- 現場填比事後補寄有效趁顧客還在店裡，當場填完的機率高很多
- 說明填問卷能換到什麼例如折扣或優先預約，提高填寫意願
- 用手機掃碼比紙本容易也省下之後把紙本謄打成電子格式的功夫
範例：把問卷回答整理成摘要
✓整理用的提示詞
請把以下問卷回答整理成一段一百字以內的顧客摘要： 目標：想找到週末能上的課 過往經驗：只上過線上直播課，沒去過實體教室 預算：每月一千五百元以內 特殊需求：對花香精油的味道敏感
AI 回了什麼這位顧客習慣線上直播課，尚未接觸實體課程，希望安排在週末，預算偏保守，且對花香精油味道敏感，適合推薦氣味中性、預算合宜的週末實體體驗課。（示範情境）
消費紀錄怎麼變成 AI 看得懂的格式
| 原始資料通常太雜 | 欄位多、格式不統一，直接丟給 AI 容易抓錯重點 |
| 先整理再輸入 | 把重點整理成一段摘要，AI 才好直接引用 |
| 摘要要看得出趨勢 | 不只是列清單，要看出頻率、金額、偏好的變化 |
三種常見的整理方式
- 01表格化用試算表整理日期、項目、金額，方便追蹤趨勢
- 02標籤化用常客、新客、高消費這類標籤快速分類
- 03摘要化用一段自然語言，描述這位顧客的消費模式
沒有系統化紀錄時，怎麼辦
- 手記重點也能整理記事本上手寫的印象，一樣可以拿去摘要
- 先從印象最深的顧客練習請店員回想幾位熟客，從他們開始練手感
- 累積是漸進的不用等系統完美才開始，先做起來比較重要
範例：把消費紀錄整理成摘要
✓整理用的提示詞
請把以下消費紀錄整理成一段一百五十字以內的顧客摘要，方便之後拿去做推薦： 三月十二日 基礎瑜伽課單堂 六百元 四月二日 基礎瑜伽課單堂 六百元 五月二十日 十堂瑜伽套票 五千四百元 六月十五日 私人教練體驗課 一千兩百元 七月八日 十堂瑜伽套票續購 五千四百元
AI 回了什麼這位顧客過去五個月穩定上瑜伽課，從單堂體驗逐步升級為套票會員，中途嘗試過一次私人教練課。消費模式顯示她黏著度高、願意續購，對進階或客製化服務有嘗試意願。（示範情境，非真實顧客資料）
範例：從店員手記整理成偏好摘要
✓連手寫的印象都能用
請把以下店員手記整理成一段簡短的顧客偏好摘要： 店員手記：陳小姐每次都問有沒有低咖啡因的選項，而且每次來都約在下午三點以後，通常一個人來，待的時間偏長，常常帶筆電。
AI 回了什麼陳小姐偏好低咖啡因飲品，習慣在下午三點後獨自前來，停留時間較長且會使用筆電，適合安靜、可久坐的座位環境。（示範情境）
💡
為什麼要先摘要，不要整份丟給 AI
原始表格資料量大、格式雜亂，AI 很容易抓錯重點。先摘要成一段話，推薦提示詞裡才好直接引用，你自己也比較容易看出趨勢。
消費紀錄整理三步驟
AI 寫的推薦文案，兩個常見風險
- 失真AI 可能編造出顧客沒說過的偏好或紀錄
- 過度承諾保證、一定、百分之百這類用語，會帶來信任與法律風險
校對時要抓的四種問題
🚫
過度承諾
保證、一定、百分之百這類用語要刪掉
❓
事實錯誤
AI 編造了顧客沒說過的偏好或紀錄
🗣️
語氣不合品牌
寫得太制式或太浮誇，要改成品牌自己的語氣
💰
資訊過時
可能引用了過期的價格或已下架的課程
校對建議走三道關卡
- 第一關：事實正確性對照顧客資料，確認沒有編造的內容
- 第二關：過度承諾刪掉保證級的字眼，改成有依據的說法
- 第三關：品牌語氣調整成你平常跟顧客說話的口吻
校對範例：一段草稿的修改前後
同一件事，兩種說法的風險差很多
AI 原始草稿：這堂高強度間歇訓練保證讓您一個月甩肉五公斤，效果驚人。 校對後：這堂高強度間歇訓練搭配規律練習，許多學員在三個月內感受到體態變化，實際效果依個人狀況而定。
示範情境
有沒有固定校對流程，差在哪裡
沒有校對
- 文案可能出現過度承諾的用語
- 可能引用過時的價格或已下架課程
- 語氣跟品牌平常說話的方式不搭
有信任與合規風險
固定校對流程
- 過度承諾用語一律刪除或改寫
- 每次發布前核對最新價格與課程
- 語氣統一調整成品牌自己的聲音
風險降低、更可信
校對投入的時間值得嗎
以上為示範情境數據，用途是幫你抓感覺，不是精確統計。
人工校對三關卡
- 事實核對：沒有編造顧客沒說過的內容
- 語氣把關：符合品牌平常說話的方式
- 合規檢查：刪除保證級的字眼
“
AI 負責寫得快，人負責寫得對。
內容產出實務觀察
🔗
這一段直接連到你的求職故事
面試時能說出「我知道 AI 產出要校對什麼」，比只說「我會用 AI」有說服力得多。這正是雇主現在最缺的把關能力。
資料豐富與資料有限，流程不一樣
資料豐富
- 問卷與消費紀錄雙軌蒐集
- AI 的產出可以做到相當精準
資料有限
- 先靠問卷起步
- 消費紀錄用摘要法慢慢補齊
顧客資料要注意的隱私原則
- 01說明用途讓顧客知道填的資料會被拿去做什麼
- 02能刪除顧客要求刪除資料時，要能真的做到
- 03夠用就好不要蒐集超過推薦所需的資訊
資料蒐集的三個原則
段落回顧：從資料到建議文案
- 問卷是最容易取得個人化資料的方式
- 消費紀錄要先摘要，再交給 AI
- AI 產出一定要經過事實、承諾、語氣三關校對
04
資料有限，也能做出個人化
小型生活服務業沒有大數據，一樣推薦得準。
- 三種替代做法
- 隱性知識怎麼變成規則
- 兩個示範情境案例
04 資料有限
先破解一個迷思
很多人以為個人化推薦得靠大數據。但生活服務業的小店，靠的其實是老闆記得住的細節，只是從來沒有系統化整理過。今天要教的，就是怎麼把這些細節變成 AI 用得上的資料。
你缺的不是資料，是把資料寫下來的習慣。
資料有限時的三種替代做法
- 觀察式資料不用問卷，靠現場觀察記錄下來的行為線索
- 簡易分級標籤不需要精密演算法，幾個手動標籤就能做出區隔
- 老闆的隱性知識把老闆腦中的經驗規則寫下來，變成明確條件
什麼是觀察式資料
| 定義 | 不靠問卷或系統，靠現場互動累積下來的觀察 |
| 常見來源 | 店員的觀察、對話內容、到店的頻率與時段 |
| 優點 | 不用額外成本，日常互動裡本來就有 |
四個產業的觀察式資料
💪
健身房
會員習慣選哪個時段、哪位教練，不用問卷也看得出偏好
💇
美容院
顧客每次都問同一個問題，代表那是她真正在意的點
🐾
寵物店
毛孩對哪些產品有反應，記錄下來供下次參考
✈️
旅遊業
詢問時反覆確認的細節，代表那是她的顧慮點
蒐集觀察式資料的三個習慣
什麼是簡易分級標籤
- 01定義用幾個簡單維度手動幫顧客分類，不需要複雜運算
- 02適用情境顧客數不多、沒有系統支援的小型店家
- 03關鍵維度要少而精準，千萬不要貪多
三個好用的標籤維度
- 消費頻率常客、一般、久未光顧
- 預算敏感度價格敏感、不敏感
- 互動風格喜歡被主動聯繫、喜歡自己來
建立簡易標籤系統的三步驟
- 選維度先選兩到三個維度，不要貪多
- 手動標記用現有資料先標記一批老顧客
- 優先引用標籤推薦時引用標籤，而不是整段歷史紀錄
範例：用三個標籤就能寫推薦
✓只有標籤，一樣寫得出來
顧客標籤：常客、預算敏感、喜歡被主動提醒 請根據這三個標籤，幫她推薦一個本月的優惠方案，語氣要讓她感覺被記得，而不是被推銷，八十字以內。
AI 回了什麼陳小姐，妳這個月固定報到的次數我們都有注意到，這個月剛好有續約優惠，幫老朋友多留了一個名額，價格跟平常單堂差不多，但可以多上兩堂，要不要幫妳保留？（示範情境）
什麼是老闆的隱性知識
| 定義 | 老闆憑經驗知道、但從來沒寫下來的判斷規則 |
| 常見例子 | 哪類顧客容易流失、哪個時段會來哪種顧客 |
| 風險 | 只存在老闆腦中，換人就消失 |
怎麼把隱性知識變成明確規則
- 01訪談老闆列出三到五條他常掛在嘴邊的經驗法則
- 02把感覺換成條件用具體情境描述取代模糊形容
- 03寫成規則句若什麼情況發生，就採取什麼行動
隱性知識轉成規則的範例
同一件事，從一句話變成一條可執行的規則
老闆的話：熟客如果連續兩次臨時取消，通常是要流失的前兆。 轉成規則：若顧客最近兩次預約都臨時取消，標記為高流失風險，主動聯繫關心。
示範情境
示範案例一：社區早餐店
- 背景一間夫妻經營的早餐店，沒有會員系統，全靠老闆娘的記憶
- 資料有限的現實沒有消費紀錄，只有老闆娘對熟客的印象
- 怎麼做把印象轉成簡單標籤，用來設計主動問候與加點建議
早餐店的三步驟做法
- 老闆娘口述講出每位熟客的固定餐點與習慣
- 轉成簡單標籤例如「常點蛋餅、不吃辣」「趕時間、不愛等」
- 用標籤設計話術例如今天蛋餅有新口味，要不要試試
早餐店案例：導入前後
導入前
- 只有老闆娘記得住熟客習慣
- 換人顧店常常點錯餐
- 沒有系統化的加點建議
靠記憶、不穩定
導入後
- 標籤寫下來，誰顧店都能用
- 加點建議固定套用，順手就推薦
- 熟客覺得被記得，滿意度提升
有紀錄、可傳承
示範案例二：獨立瑜伽教室
| 背景 | 一位教練獨立經營的瑜伽教室，會員約六十人 |
| 資料有限的現實 | 沒有排課系統，會員資料寫在一本筆記本裡 |
| 怎麼做 | 把筆記本內容轉成簡易標籤，再結合情境式邏輯提醒課程 |
瑜伽教室的三步驟做法
- 整理筆記本把零散的紀錄整理成每位會員的簡單標籤
- 結合情境變數加上季節與時段，設計提醒訊息
- 每月更新一次固定手動更新標籤，逐步累積資料
瑜伽教室案例：導入前後
導入前
- 會員資料寫在筆記本，難以整理
- 續約提醒全靠教練自己記
- 沒辦法快速回顧會員的偏好
零散、依賴人腦
導入後
- 標籤化之後方便隨時查閱
- AI 協助生成續約與課程提醒
- 逐月累積，資料愈來愈完整
結構化、可累積
🎯
兩個案例的共同點
都不是靠系統，而是把老闆或教練原本就知道的事寫成清楚的規則，再交給 AI 去執行那些重複性的推薦動作。
📈
資料是滾雪球滾出來的
今天用簡易標籤起步，三個月後可能就有足夠的資料升級到協同過濾式。個人化的精細程度，是可以隨著時間長出來的，不用一開始就追求完美。
04 資料有限
但別把標籤當成刻板印象
標籤是輔助判斷的工具，不是給顧客貼上不能改變的定義。顧客的需求會變，標籤要定期更新，不能一次貼上就不再重新觀察。
標籤是用來記得，不是用來預設立場。
使用簡易標籤時的提醒
- 標籤只是輔助，不是絕對答案
- 定期更新，避免用過時的印象判斷
- 遇到標籤外的狀況，回到觀察與詢問
段落回顧：資料有限情境
沒有大數據，不代表不能做個人化，只是換一種方法，蒐集你早就知道的事。
小型店家導入實務觀察
Workshop
分組演練：顧客輪廓卡工作坊
四到五人一組，二十分鐘設計一套個人化推薦文案。
二十分鐘
🤝
為什麼要分組
職場上很少有事是一個人做完的。這個練習模擬真實工作情境：時間有限、要跟不熟的人快速套用同一套框架，還要能上臺講清楚結論。
分組規則
- 分組方式四到五人一組，盡量依熟悉或有興趣的產業配對
- 認領顧客輪廓卡每組拿到一張不同的虛構顧客資料卡
- 推選組長推選一位組長帶討論，完成後全組一起上臺
任務說明
- 01用今天學的推薦框架顧客輪廓、推薦目標、限制條件、輸出格式
- 02找出兩到三個推薦點子針對你們拿到的顧客卡，具體寫出來
- 03二十分鐘內完成時間到請立刻停筆，準備分享
組別 A：健身會員
示範情境，非真實顧客資料
組別 B：美容顧客
示範情境，非真實顧客資料
組別 C：寵物飼主
示範情境，非真實顧客資料
組別 D：旅遊顧客
示範情境，非真實顧客資料
討論架構：照這個順序走
- 第一步：顧客輪廓確認組員對這位顧客的理解一致
- 第二步：選邏輯判斷適合哪一種推薦邏輯
- 第三步：寫提示詞套框架寫出四個組成
- 第四步：定格式決定傳送管道與語氣
Showcase
成果發表：問題、發現、建議
每組兩分鐘，把討論結果講清楚。
每組兩分鐘
發表的三段式架構
- 問題你們拿到的顧客，最需要解決的個人化需求是什麼
- 發現你們選用了哪一種推薦邏輯，為什麼
- 建議你們設計出的推薦文案重點是什麼
上臺分享的三個小提醒
👂
臺下的任務
聽別組分享時，記下一個你覺得可以借鏡到自己產業的做法。等一下我們會請幾位分享聽到的收穫。
範例：健身組的發表
- 問題久坐上班族核心無力，怕高強度課程受傷，不敢開始
- 發現內容式加情境式最適合：先推低衝擊課程，晚間時段優先
- 建議推薦晚間八點的核心修復課，用白話說明理由，不用專業術語
範例：旅遊組的發表
| 問題 | 畢業旅行預算有限，想要拍照好看又不要太累 |
| 發現 | 內容式最合適：依「拍照好看」與「輕鬆步調」兩個屬性篩選 |
| 建議 | 推薦步調較鬆的海島行程，附上熱門拍照景點清單 |
各組常見的兩種切入路線
從邏輯出發
- 先問哪一種推薦邏輯最合適
- 再套框架寫內容
從痛點出發
- 先問顧客最卡的問題是什麼
- 再回頭選邏輯
分組工作坊
兩種路線都對
從邏輯出發比較容易確保方法用對，從痛點出發比較容易貼近顧客的真實需求。實務上通常是兩種路線來回確認。
如果組員對推薦內容有分歧
- 先各自說出理由不要急著否定，爭議背後通常是對顧客的不同解讀
- 用寫出來測試化解把兩個版本都寫成提示詞跑一次，用結果討論
分組演練檢核
- 我們完整走過討論架構的四個步驟
- 我們寫出了完整的推薦提示詞草稿
- 我們的發表清楚說明了問題、發現、建議
“
一個人想得快，一群人想得深。分組討論的價值，常常是在別人提問的那一刻才浮現。
課程協作觀察
今天分組演練練到的協作技巧
📝
把小組的結論帶回去
今天小組討論出的推薦文案，加上你個人演練寫出的提示詞，就是你離開教室時最重要的兩份筆記。
Wrap Up
收尾：帶得走的行動清單
重點回顧、後續資源、Q&A。
十分鐘
今天學到的四件事
- 三種推薦邏輯內容式看屬性、協同過濾式看相似顧客、情境式看當下
- 推薦提示詞框架顧客輪廓、推薦目標、限制條件、輸出格式
- 資料輸入與校對問卷與消費紀錄怎麼整理，AI 產出怎麼把關
- 資料有限時的做法觀察式資料、簡易標籤、老闆的隱性知識
離開教室前，可以做的三件事
- 把今天寫出的推薦提示詞存起來，一週內回頭修一次
- 挑一位熟客，實際套用簡易標籤做一次練習
- 把今天分組討論的推薦文案，講給一個朋友或家人聽
後續可以怎麼繼續練
| 從免費工具開始 | 用對話型 AI 練習寫推薦提示詞，不用先學程式 |
| 找同伴互相檢查 | 請朋友看看你的提示詞少了四個組成的哪一項 |
| 持續練習框架 | 框架學會了，套到不同產業就只是熟練度問題 |
想繼續學，這兩個資源可以帶走
求職與創業，這套框架怎麼用
求職
- 面試時具體舉出你今天寫過的推薦提示詞案例
- 履歷寫「熟悉生成式 AI 的個人化推薦應用」更有說服力
創業或接手家業
- 先在自己或家人的店試辦簡易標籤，累積一手經驗
- 用今天的框架，規劃未來半年的推薦流程
給求職者的三個具體建議
三個常被問到的問題
- 01會不會顯得像在監控顧客公開透明地說明資料用途，多數顧客反而覺得被重視
- 02資料過時怎麼辦定期更新標籤與摘要，資料有時效性，要主動維護
- 03推薦錯了讓顧客反感怎麼辦保留人工校對這一關，讓錯誤在發出去之前先被抓到
🎯
如果你只記得一句話
AI 能幫你快速產出推薦文案，但要不要推薦、推薦得對不對，靠的還是你對顧客的理解。
看懂邏輯，再讓 AI 幫你寫。
寫出一份真正貼近顧客的推薦，你就比昨天的自己，多了一項能講給雇主聽的具體經驗。
今天課程的祝福
收尾
Q&A 時間
接下來留一些時間給大家提問。不管是今天內容的疑問，或是你自己產業的具體狀況，都歡迎提出來一起討論。