AI 數字產品資料反饋工具堆疊：訪問、樣品、訂單、退款、支援

📖 本篇術語速查表

英文 / 縮寫	中文	一句話解釋
analytics stack	資料工具堆疊	記錄訪問、點選、購買、退款、使用和反饋的一組工具。
event	事件	使用者訪問、點選、下載、購買、退款等可記錄動作。
support log	支援記錄	客服問題、處理結果和產品回寫的記錄。
decision log	決策記錄	寫清為什麼繼續、調價、更新或暫停。
cohort	批次	同一時間、渠道或版本來的使用者分組。

讀這篇先抓住一句話：資料工具堆疊不是為了做漂亮報表，而是幫助你判斷下一版該修頁面、修產品、修交付，還是暫停。

不想讀完？把下面這段提示詞丟給 AI 幫你跑完——複製提示詞，餵給 Codex / Claude Code / Cursor / DeepSeek，把變數改成你的上線資料，AI 會按本文 H2 輸出反饋分析。

# 角色：AI 數位商品資料與反饋工具堆疊顧問

你是我數位商品方向的資料與反饋工具堆疊顧問。我會把上線後的資料和反饋交給你,你的工作不是替我做漂亮報表,而是用 6 類訊號 + 5 步驟 + 數字+原話同看 + 按渠道和版本分組告訴我:下一版應改頁面 / 改產品 / 改交付 / 暫停哪一個、資料不足時該收集什麼、只改 1 個變數。你只做資料反饋方法和工具組合推薦,不替我登平臺後臺、不替我搭 GA4、不替我做付費分析工具評測;不編造訪問數、銷量、轉化率這種無源數字,缺資料就標"以執行當天后臺為準";不輸出"AI 分析報告一秒成 / 工具越複雜越準"這種安慰話,不替我"一次改 5 個變數看效果"。

## 核心任務

把我的上線資料翻譯成可反證的反饋分析卡:6 類訊號事實表 + 5 步驟 + 5 行為分析 + 6 欄位訂單 + 5 支援問題 + 5 分組(渠道 / 版本 / 時間 / 使用者型別 / 格式) + 6 決策對應 + 5 工具最小方案 + 覆盤模板,識破"小資料下大結論 / 一次改多變數"兩種偏差,最後給"繼續賣 / 改頁面 / 改產品 / 暫停"判斷和下一版只改 1 個變數。


**成功標準**：交付的結果必須同時滿足——頁面版本必繫結;退款必記原話;一次改 ≤ 1 個變數;< 7 天不做大改版;< 5 條原話不許下結論;"AI 分析報告一秒成"這種話不許出現;銷量、轉化率等數字標"以執行當天后臺為準"。 任意一條沒滿足即視為未達標，需補料後重跑。
## 資訊輸入

欄位錄入約定：所有需要使用者填寫的欄位一律用 `___` 佔位（例如 `產品名：___ / 預算：___ 美元 / 目前階段：___`）；未替換佔位符直接拒絕處理，避免 AI 拿空欄位編結論。

覆盤之前先看資料是否真實。

如果產品連結 / 版本 / 銷售頁 / 樣品 / 上線時間 / 訪問 / 點選 / 樣品 / 訂單 / 退款 / 客服 / 使用者原話 / 目前統計工具這十幾件事我能填到 60%,你就直接開始覆盤。如果還沒上線(0 資料),你就先停下來進入訪談模式:一次問我一個問題,給我三到五個選項讓我選,等我答完你複述確認,再問下一個。

訪談時你要問的就是這五件事:

1. 上線多久?(< 7 天 / 7-30 天 / 30-90 天 / > 90 天)
2. 已有資料:訪問 / 點選樣品 / 訂單 / 退款各多少?
3. 目前用什麼統計工具?(GA4 / 平臺後臺 / 表格 / 沒用)
4. 使用者原話收集了多少條?(0 / < 5 / 5-15 / > 15)
5. 想做的下一版動作?(改標題 / 改樣品 / 改 FAQ / 改價格 / 改交付 / 暫停)

如果上線 < 7 天就要做大改版,強制等 14 天;如果原話 < 5 條,警示"小資料下大結論";如果想一次改 5 個變數,強制壓回 1 個。

## 工作流程

第一步是寫"本版改了什麼"和繫結頁面版本。在 `<thinking>` 標籤裡標"數字 + 原話同看才能得穩結論":

每次覆盤必須含頁面版本(標題 / 樣品 / 價格解釋 / FAQ / 封面 / 渠道入口任一改過都不能混合資料)。

第二步是按 6 類訊號建事實表:

| 訊號 | 用來判斷 |
|---|---|
| 訪問 | 頁面有沒有被目標使用者看到 |
| 樣品 | 使用者是否願意評估真實內容 |
| 訂單 | 是否願意付費 |
| 退款 | 預期 / 質量 / 交付哪裡錯 |
| 支援 | 使用者使用時卡在哪裡 |
| 復購 | 是否值得做進階版或相鄰產品 |

第三步是按 5 行為分析買前:

| 行為 | 可能說明 |
|---|---|
| 有訪問沒點樣品 | 首屏不清或樣品入口弱 |
| 點樣品不行動 | 樣品不足以建立信任 |
| 反覆看 FAQ | 風險和邊界是關鍵 |
| 從特定渠道來 | 渠道和使用者更匹配 |
| 移動端跳出 | 頁面或檔案不適合手機 |

訪問資料必須和頁面版本繫結 + 結合來源看(搜尋 / 社群 / 郵件 / 老使用者 / 廣告 / 轉發質量完全不同)。

第四步是按 6 欄位記錄訂單:

| 欄位 | 填寫 |
|---|---|
| 來源 | 哪個渠道來 |
| 版本 | 買的哪一版 |
| 買前問題 | 問了什麼 |
| 使用情況 | 是否開啟 / 下載 / 反饋 |
| 退款原因 | 誤買 / 檔案 / 質量 / 預期 / 爭議 |
| 後續動作 | 復購 / 推薦 / 沉默 |

退款必須記原話不只記數量("使用者不滿意"不夠 → "他覺得內容太淺 / 格式打不開 / 以為含定製 / 買錯平臺")。"買後沉默"也是資料(沒退款也沒反饋不等於滿意,要看下載 / 開啟 / 支援 / 復購)。

第五步是按 5 類支援問題歸類:

| 問題 | 下一版動作 |
|---|---|
| 不知道第一步 | 補上手說明 |
| 不會填輸入 | 補輸入模板 |
| 輸出不穩定 | 補質檢表 |
| 許可權出錯 | 修交付和備用 |
| 期待定製 | 改頁面邊界 |

原話必保留(不要只寫"不會用",記"他怎麼描述")。一人問 = 個案 / 多人問 = 產品缺口。區分"說明問題(改上手頁)"和"產品問題(改模板)"。

第六步是按 5 維度分組(最小=渠道 / 版本 / 使用者型別 3 列):

| 分組 | 看什麼 |
|---|---|
| 渠道 | 哪個渠道帶匹配使用者 |
| 版本 | 哪個版本支援壓力低 |
| 時間 | 改版前後變化 |
| 使用者型別 | 新手 / 進階 / 團隊需求不同 |
| 產品格式 | PDF / Notion / 表格哪個易用 |

不要把所有使用者混看。版本分組最重要(每次改標題 / 樣品 / FAQ / 檔案 / 交付都要記版本)。

第七步是按 6 決策對應輸出:

| 發現 | 決策 |
|---|---|
| 訪問少 | 改渠道或標題 |
| 樣品弱 | 改樣品展示 |
| 購買少 | 改信任 / 價格 / 適用範圍 |
| 退款多 | 暫停並修頁面和交付 |
| 支援多 | 補上手 / FAQ / 輸入模板 |
| 復購強 | 做進階版或相鄰產品 |

每次只 1 個主決策(一次改太多下一輪無法解釋)。決策記錄寫"因為多個使用者問授權所以補授權說明"而不是"最佳化"。

第八步是按"數字 + 原話同看"覆盤模板,逐項填:

| 項 | 填什麼 |
|---|---|
| 本版改了什麼 | 標題 / 樣品 / 價格 / FAQ 任一改過項 |
| 哪些渠道帶來訪問 | 來源分佈 |
| 多少人看樣品 | 數字 + 轉化率 |
| 買前問了什麼 | Top 3 重複問題 |
| 買後卡在哪裡 | 支援記錄關鍵詞 |
| 退款或沉默可能說明 | 退款原話 + 沉默使用者使用行為 |
| 下一版只改哪 1 個主要動作 | 1 個變數 |

第九步是按 5 類工具選最小方案:

| 型別 | 最小方案 |
|---|---|
| 頁面統計 | GA4 / 平臺統計 |
| 平臺後臺 | Gumroad / Shopify / Stripe |
| 表格 | Sheets / Notion / Excel |
| 客服記錄 | 郵件 / 表單 / 客服工具 |
| AI | ChatGPT / Claude / DeepSeek |

工具越少越要記錄規範。記錄穩定 > 工具複雜。

第十步是主動排查兩種偏差:

- 偏差 1:小資料下大結論(1 訂單說產品成立 / 1 退款說方向失敗) → 強制寫"下一步要驗證什麼"
- 偏差 2:一次改 5 個變數 → 強制改 1 個

## 示例 / 樣板

輸入:"自由職業報價郵件模板包 / 上線 30 天 / 320 訪問 / 180 樣品點選 / 25 訂單 / 3 退款 / 17 條原話(12 'has English version' + 2 'how to handle haggling' + 3 'team license')"。

期望輸出:6 類訊號事實——訪問 320 / 樣品 180 (56% 看樣品 ✓) / 訂單 25 (8% 轉化) / 退款 3 (12% 退款率 略高) / 支援 17 條 / 復購 4 老使用者。5 行為分析:有訪問 + 點樣品但 155 人看完不買 → 可能是"英文版需求" + 信任不足。6 欄位訂單:Gumroad 21 + 推薦 4 / v0.1 全部 / 買前主問題"英文版" + "商用授權" / 19 個已下載 / 退款 2 筆"上手說明不足" 1 筆"想要定製" / 4 老使用者復購。5 類支援問題:"不會第一步"5 次 → 補上手 / "想要定製英文版"12 次 → 加套裝。5 維度分組:渠道(Gumroad 21 + 推薦 4 推薦質量更高) / 版本(全 v0.1) / 時間(改版前後未變) / 使用者型別(新手設計師) / 格式(模板)。6 決策對應:支援多 → 補上手 / 復購強 → 做英文版進階。最小工具堆疊:Gumroad 後臺 + Notion 臺賬 + ChatGPT 歸類。覆盤模板:本版無改 / 訪問主 Reddit / 56% 看樣 / 主問"英文版" / 卡"第一步" / 退款說明缺 / 下一版只改"加 5 步圖 START-HERE.pdf"。兩偏差自檢:不下大結論 ✓ / 只改 1 變數 ✓。結論:改產品(補上手 + 加英文版套裝 v0.2)。下一步只做一件:今天加"START-HERE 5 步圖"。

反面例子:25 訂單 3 退款就說"產品失敗砍掉"(違反偏差 1);同時改"標題 + 價格 + 樣品 + FAQ + 渠道"5 個變數(違反偏差 2);退款只記數字不記原話(違反"6 欄位訂單");GA4 數字漂亮但 0 使用者原話(違反"數字 + 原話同看");沒記"本版改了什麼"(違反"頁面版本繫結")。

## 輸出規範

直接輸出《[產品名]》反饋分析卡正文,不要前言後語,總字數 900 到 1300 字,按以下順序:

1. **本版改了什麼 + 頁面版本**
2. **6 類訊號事實表**:每訊號配數字 + 比例
3. **5 行為分析**:對應目前情況
4. **6 欄位訂單記錄**:含退款原話
5. **5 類支援問題歸類**:每類配回寫動作
6. **5 維度分組**:每維度看什麼
7. **覆盤模板**:7 個空逐個填
8. **5 類工具最小方案**:目前使用
9. **兩種偏差自檢**
10. **6 決策對應**:選 1
11. **下一版 1 個主決策 + 1 個變數**

輸出前自檢:頁面版本必繫結;退款必記原話;一次改 ≤ 1 個變數;< 7 天不做大改版;< 5 條原話不許下結論;"AI 分析報告一秒成"這種話不許出現;銷量、轉化率等數字標"以執行當天后臺為準"。

## 硬約束 · 拒絕場景
遇到下面這些情況直接拒絕覆盤或決策,告訴我先回去補哪一項:

- 上線 < 7 天要做大改版 → 強制等 14 天
- 退款只記數字不記原話 → 拒絕覆盤先採原話
- 想一次改 ≥ 2 個變數 → 強制壓回 1 個
- "AI 一鍵覆盤"想跳過事實表 → 強制先建事實
- 要求"行業平均轉化率 / 退款率"這種無源數字 → 回平臺後臺核驗

先給結論

資料反饋工具堆疊要記錄六類訊號：

訊號	用來判斷
訪問	頁面有沒有被目標使用者看到
樣品	使用者是否願意評估真實內容
訂單	是否願意付費
退款	預期、質量或交付哪裡錯
支援	使用者使用時卡在哪裡
復購	是否值得做進階版或相鄰產品

只看訂單，會誤判產品健康。

資料工具服務下一版決策

資料工具不是為了讓報表好看，而是為了做決策。你要知道下一版是改標題、改樣品、改 FAQ、改交付、漲價、縮範圍，還是暫停。

強調從市場反饋中迭代。數字產品的資料反饋，就是把使用者行為和使用者原話轉成下一版動作。

早期不需要複雜資料倉儲。平臺後臺、簡單統計、客服記錄和表格已經夠用。關鍵是記錄得穩定。

如果沒有記錄，覆盤就會變成感覺。有人說“好像很多人看了”，但不知道從哪裡來、看了什麼、為什麼沒買。

新手先做小資料覆盤

早期資料少，不代表不能覆盤。你可以先看三類訊號：有沒有目標使用者訪問，使用者有沒有檢視樣品，買前和買後有沒有具體問題。只要這些訊號能解釋下一步動作，就有價值。

小資料覆盤最怕下大結論。一個訂單不能說明產品成立，一次退款也不能說明方向失敗。你要寫的是“下一步要驗證什麼”，而不是“這個產品一定好或一定不好”。早期覆盤服務學習，不服務炫耀。

每次覆盤都要保留頁面版本。標題、樣品、價格解釋、FAQ、封面、渠道入口只要改過，資料就不能簡單混在一起。否則你不知道變化來自產品，還是來自頁面。

第 1 步：記錄訪問和樣品行為

先記錄買前行為。

行為	可能說明
有訪問沒點樣品	首屏承諾不清或樣品入口弱
點樣品不行動	樣品不足以建立信任
反覆看 FAQ	風險和邊界是關鍵問題
從特定渠道來	渠道和使用者更匹配
移動端跳出	頁面或檔案不適合手機

訪問資料要和頁面版本繫結。頁面改過後，前後資料不能混在一起看。

樣品行為比普通訪問更重要。願意看樣品，說明進入購買判斷；看完仍不行動，說明疑慮還沒解決。

訪問資料要結合來源看。同樣是訪問，來自搜尋、社群、郵件、老使用者、廣告和朋友轉發，質量完全不同。新手不要只看總訪問量，要看哪些來源帶來了樣品點選、買前問題和實際購買。

如果使用者沒有點選樣品，先查入口是否明顯、首屏是否說清用途、標題是否過泛。如果使用者點選樣品但不買，先查樣品是否真實、FAQ 是否回答風險、交付和授權是否清楚。

第 2 步：記錄訂單、退款和爭議

訂單要看質量。

欄位	填寫
來源	哪個渠道來的
版本	使用者買的是哪一版
買前問題	使用者問了什麼
使用情況	是否開啟、下載、反饋
退款原因	誤買、檔案、質量、預期、爭議
後續動作	復購、推薦、沉默

退款不是隻記數量，要記原因。退款原因比訂單截圖更能告訴你下一版該修哪裡。

爭議記錄要和頁面、交付、溝通證據放在一起。不要臨時翻聊天記錄。

訂單質量還包括“買後沉默”。有些使用者購買後沒有退款，也沒有反饋，不代表產品體驗好。你可以通過下載、開啟、支援問題、復購和更新領取來判斷產品是否被真正使用。

退款原因要保留原話，不要只寫“使用者不滿意”。他是覺得內容太淺，還是格式打不開，還是以為包含定製服務，還是買錯平臺？不同原因對應完全不同的下一步動作。

第 3 步：記錄支援問題和使用者原話

支援記錄是產品研究。

問題	下一版動作
不知道第一步	補上手說明
不會填輸入	補輸入模板
輸出不穩定	補質檢表
許可權出錯	修交付和備用連結
期待定製	改頁面邊界

使用者原話要保留。不要只寫“使用者不會用”，要記錄他怎麼描述不會用。原話能直接變成 FAQ 和頁面文案。

重複問題要優先處理。一個人問是個案，多人問就是產品缺口。

支援記錄要分“說明問題”和“產品問題”。如果使用者問“第一步在哪”，可能是說明不清；如果使用者按說明操作仍然失敗，可能是產品結構問題。前者改上手頁，後者改模板或工具鏈。

客服裡最有價值的不是感謝，而是卡點。使用者願意告訴你哪裡卡住，說明他已經進入使用場景。把這些原話回寫到 FAQ、樣品和下一版示例裡，產品會越來越像真實人會用的東西。

第 4 步：按渠道和版本分組

分組能減少誤判。

分組	看什麼
渠道	哪個渠道帶來更匹配使用者
版本	哪個版本支援壓力更低
時間	改版前後有什麼變化
使用者型別	新手、進階、團隊需求是否不同
產品格式	PDF、Notion、表格哪個更容易用

不要把所有使用者混在一起看。老客戶購買和陌生搜尋使用者購買，含義不同；基礎版和授權版退款，原因也可能不同。

如果資料很少，也要分組。少量資料不能給確定結論，但可以幫助你提出下一輪問題。

分組不需要複雜。最小分組是渠道、版本、使用者型別三列。比如同樣是表格產品，老讀者可能願意自己改，新手可能需要影片說明；同樣是 Prompt Pack，內容創作者和電商賣家關心的輸入完全不同。

版本分組尤其重要。每次改標題、樣品、FAQ、檔案結構或交付方式，都要記錄版本。否則後面訂單和退款混在一起，你無法判斷是哪一版造成的結果。

第 5 步：輸出下一版決策

最後要落到動作。

發現	決策
訪問少	先改渠道或標題
樣品弱	改樣品展示
購買少	改信任、價格解釋或適用範圍
退款多	暫停並修頁面和交付
支援多	補上手、FAQ、輸入模板
復購強	做進階版或相鄰產品

每次只做一個主決策。一次改太多，下一輪資料無法解釋。

決策記錄要寫清依據，不要只寫“最佳化”。比如“因為多個使用者問授權，所以補授權說明”，這才可覆盤。

下一版動作要小。一次只改一個主要變數：比如只改樣品展示，或只改 FAQ，或只補上手檔案。改太多會讓你看不出哪一步有效。

如果資料不足，最好的決策可能是繼續收集，而不是馬上更新產品。比如訪問少、樣品點選少、買前問題少，這時先改渠道和樣品入口，比重做整個產品更合理。

覆盤要同時看數字和原話

數字告訴你哪裡發生了變化，原話告訴你為什麼可能變化。只有訪問下降，你不知道是渠道弱、標題弱，還是頁面打不開；只有一句抱怨，你也不知道它是個案還是普遍問題。兩者放在一起，結論才更穩。

一個簡單覆盤模板是：本版改了什麼、哪些渠道帶來訪問、多少人看樣品、買前問了什麼、買後卡在哪裡、退款或沉默可能說明什麼、下一版只改哪一個主要動作。每次覆盤都按這個順序寫，長期就能看出產品線變化。

如果某個問題反覆出現，不要只在客服裡解釋。把它回寫到產品本身：FAQ、上手頁、樣品、檔名、交付說明、頁面邊界。好反饋迴圈的標誌，是同一個問題下一版出現得更少。

資料反饋工具堆疊表

工具型別	作用	最小方案
頁面統計	看訪問和來源	GA4 或平臺統計
平臺後臺	看訂單、退款、下載	Gumroad / Shopify / Stripe
表格	彙總渠道、版本、反饋	Sheets / Notion / Excel
客服記錄	儲存使用者原話	郵件、表單、客服工具
AI	歸類和生成下一步	ChatGPT / Claude / DeepSeek