讓 AI 來幫我查明真相：我開發的轉換分析工具
我利用 LINE 官方帳號的對話記錄，設計了一套自動化的轉換分析工具，目的就是為了拆解轉換流程中每一個可能影響的因素。這個工具結合了即時訊息同步、歷史訊息匯入與關鍵字轉換分析功能，幫助我系統性地了解「對話如何轉化為實際報名」。
功能概要如下：
- 即時訊息接收與儲存：透過 Webhook 實作，只要一有新訊息，系統就會在 1～3 秒內即時儲存資料，同時建立對話用戶檔案。
- 匯入 LINE 對話紀錄：支援 .csv 格式的歷史訊息匯入，並能自動識別欄位、處理多行訊息內容、防止重複資料。
- 進階搜尋與篩選條件：不僅能模糊搜尋訊息內容，還可依用戶名稱、標籤（如 VIP、已付款）、日期範圍進行交叉查找。
- 關鍵字轉換分析模組：可查看指定日期內，使用特定關鍵字是否帶來詢問或成交，並列出具體用戶名單。
這不僅讓我更透明地看到顧客的決策流程，也幫助我回答一個核心問題：近期成交數成長，是曝光增加，還是說服力提升？
數據說話：課程曝光率大幅提升，是成交成長的主因
我將所有資料依照時間拆分成兩個階段進行比較：3～5 月 vs. 6～7 月。
第一階段，我觀察的是「點擊查看課程／價格」的比率。3～5 月的比例為 37%，但到了 6～7 月，這個比率飆升至 75%。換句話說，兩個月內幾乎翻倍。這是一個非常明顯的轉折點。
第二階段，我關注的是「進一步詢問報名／付款」的比例。這部分則相對穩定：從 8.8% 微幅上升至 9.1%。這顯示出來的訊號很清楚：
這樣的現象讓我幾乎可以確認：關鍵差異點在於搜尋優化與曝光環節的改善，而非客服或銷售話術的調整。
常見問題解答：為何 AI 工具能快速釐清問題？
不少朋友問我：「你怎麼知道問題不在客服？也許是說明得更清楚所以成交了？」
這正是 AI 工具的威力所在。過去我們可能只能憑感覺或事後訪談來推測原因，現在只要分析關鍵字、訊息路徑、時間戳記與使用者行為的對應關係，就能很快找到趨勢。例如：如果客服話術改善，應該會導致詢問與成交數都同步上升。但我們目前的數據只有前段上升，因此幾乎可以排除這個變數。
另一個常見問題是：「工具難不難做？需要工程師嗎？」其實不難。我使用的是 Google Sheet、Zapier 與 LINE 官方帳號串接，再加上一些 Script 處理即可初步成形。進階功能像是使用者追蹤與轉換計算，才需要額外的 Python 或第三方工具整合。