Industry RAG
Definition先看懂：這套 RAG 是什麼
商品知識RAG是把規格、比較、搭配與適用情境整理成AI可檢索來源，讓導購回覆有憑有據。
Key Takeaways
- 把商品規格、材質、尺寸表整理成單一來源，AI導購才不會報錯規格失去信任。
- 規格比較是轉換關鍵，RAG讓AI依客人需求即時比對兩三款商品差異。
- 搭配建議與適用情境寫進知識庫，AI能在客人猶豫時給出具體使用場景。
- AI導購回覆附商品頁與規格出處，客人點得進去看，決策更快。
- 先量客服到成交的轉換率與平均回覆時間，導入後對照才知成效。
高雄三民商圈有不少做3C配件與家居用品的電商，客人詢問前常常已經逛過競品，問的都是很具體的比較題：這兩款差在哪、我這情境用哪個好、配哪個一起買比較划算。這些問題答得好就成交，答得慢或答錯，客人就跳走。
Pain真實痛點與高雄現場
情境範例三民商圈家居電商的比較題卡關
我在三民商圈賣家居收納，客人最常問『A款和B款層架差在哪、我家陽台放哪個好』。以前客服要翻兩個商品頁、比對承重與尺寸再回，一題往往要三到五分鐘，尖峰時客人等不及就關視窗。我統計過，去年約有四成的商品詢問停在『比較階段』沒轉成訂單，等於白白流失。
導購的本質是幫客人在選項中做決定，而做決定需要三種資訊：準確的規格、清楚的比較、貼近情境的建議。這三種資訊平常都藏在商品頁、進貨單與客服的經驗裡，沒有整理成AI可以快速調用的形式，客服只能一題一題手動查。
賴家榮，甫東科技創辦人、SAIP 台灣首席 AI 長、SGS AI 認證；16 年帶團隊為超過 500 家企業做過系統與 AI 導入；服務高雄、台南、屏東、嘉義的中小企業主管與第一線團隊；開發時用 Claude AI、Codex、Antigravity 三工具分工。他對零售電商客戶的建議是：AI導購先做好規格與比較的準確性，能提升轉換的AI才有商業價值。
RAG（檢索增強生成）的做法，是讓AI在客人提問時檢索相關商品的規格與比較資料，再依客人描述的情境生成推薦，並附上商品頁與規格出處。這樣AI導購不是硬推，而是根據事實給建議，客人點進出處確認後更願意下單。|Solution
SolutionRAG 解法：痛點 → 做法 → 可量化效益
| 導購情境 | 傳統做法痛點 | 商品知識RAG做法 |
|---|---|---|
| 規格比較 | 客服手動翻兩頁比對，慢且易漏 | 檢索兩款規格自動比對差異並列表 |
| 搭配建議 | 靠客服經驗口頭推薦，新人給不出 | 檢索搭配知識，帶出常見組合與理由 |
| 適用情境 | 客人描述模糊，客服難對應 | 依情境關鍵字檢索對應款式與說明 |
| 尺寸與承重確認 | 數據散在商品頁，回覆易出錯 | 檢索規格表帶出精確數據與出處 |
| 庫存與替代品 | 缺貨時無替代推薦，客人流失 | 檢索同類替代款，帶出差異供選擇 |
以下內容基於 2026 年 7 月各工具版本，示範如何用三工具分工把商品知識與AI導購建置起來。核心不是讓AI話術更花俏，而是把規格與比較的事實層鋪穩，導購才站得住腳。
SOP標準導入流程 SOP：Claude × Codex × Antigravity
1商品資料盤點Claude AI
輸入商品頁、進貨規格單、型錄、客服搭配紀錄
動作請Claude AI彙整規格並統一欄位格式
產出結構化商品規格草稿
負責角色知識整理者
常見地雷不同批貨規格可能微調，要標註版本避免混用
2比較與情境萃取Claude AI
輸入商品規格草稿與客服對話
動作整理常見比較維度與適用情境說明
產出比較維度表與情境對照
負責角色內容編輯
常見地雷比較要基於事實規格，禁止杜撰效果或誇大
3切分策略設計Codex
輸入商品知識母本
動作用Codex寫切分腳本，每款商品規格與搭配各成片段
產出帶商品編號與來源的知識片段
負責角色資料工程
常見地雷同系列商品要保留關聯，方便比較檢索
4向量索引建置Codex
輸入知識片段
動作產生嵌入向量並寫入向量資料庫
產出可檢索的商品知識索引
負責角色後端工程
常見地雷商品下架或改規格要即時更新索引
5檢索與導購生成Antigravity
輸入客人需求描述與知識索引
動作在Antigravity串接檢索與生成，輸出比較與推薦
產出帶規格出處的導購回覆
負責角色整合開發
常見地雷缺乏規格佐證時不臆測，改請客人補充需求
6商品頁與客服整合Antigravity
輸入官網商品頁與客服工作台
動作把AI導購回覆嵌入諮詢入口並連回商品頁
產出可點擊出處的導購面板
負責角色前端整合
常見地雷推薦連結要對應正確商品，避免導錯頁
7轉換追蹤與優化Claude AI＋人工
輸入導購對話與成交紀錄
動作由Claude AI＋人工分析哪些推薦有效並回饋
產出轉換分析與知識庫優化建議
負責角色成效分析
常見地雷只看點擊不夠，要追到實際成交才算數
跑完這七步，AI導購就從『客服憑經驗推薦』升級成『依規格事實比較、附出處推薦』。建議先挑詢問量最大、比較最頻繁的一組商品線做起，把比較與情境做深，再逐步擴到全品項。
Flow一張圖看懂導入流程
1需求釐清
2文件清理
3切分策略
4向量索引與檢索
5生成與出處控制
6介面與整合
7試運行與維運
若看不到上方流程圖，以下文字順序與圖等價：先做需求釐清，再進行文件清理，接著設計切分策略，然後建立向量索引與檢索，之後處理生成與出處控制，再做介面與整合，最後進入試運行與維運。
| 階段 | 主要工作 | 產出 |
|---|---|---|
| 需求釐清 | 定義高頻比較題與轉換目標 | 情境清單與KPI |
| 文件清理 | 統一商品規格與欄位格式 | 商品知識母本 |
| 切分策略 | 每款規格與搭配分段標記 | 知識片段 |
| 向量索引與檢索 | 建立嵌入與比較檢索 | 可檢索索引 |
| 生成與出處控制 | 串接檢索並附商品頁出處 | 帶出處推薦 |
| 介面與整合 | 嵌入諮詢入口與商品頁連結 | 導購面板 |
| 試運行與維運 | 追蹤轉換並優化知識 | 維運機制 |
Case我踩過的坑：一次差點失敗的導入
情境範例規格沒標版本害AI報錯數據的教訓
我幫自家家居電商做AI導購時，把去年與今年兩批層架的承重都放進知識庫卻沒標版本，AI檢索時混到舊批的承重數字，回覆客人可承重20公斤，實際新批只有15公斤。客人買回去放重物出問題來客訴，我才發現是資料沒標版本惹的禍，那次退貨加運費損失不小。
講師的建議
修正做法：每筆商品規格都標註批次與更新日期，切分時把版本資訊留在片段內；同一商品若規格有異動，舊版本標為停用不再檢索。生成端要求AI引用規格時一併帶出更新日期與出處連結，讓客服與客人都能核對，避免用到過期數據。
AI導購直接關係到轉換與商譽，上線前請照下面檢核表逐項確認，尤其是規格準確性與出處連結這兩項最不能馬虎。
Checklist獨家資產：導入自我檢核表
Checklist
- 商品規格已統一格式並標註批次與更新日期
- 比較維度基於事實規格，無杜撰效果或誇大用語
- 搭配建議與適用情境有明確理由與對應款式
- 尺寸承重等關鍵數據精確且附規格出處
- AI推薦連結對應正確商品頁，無導錯情況
- 缺乏規格佐證時不臆測，改請客人補充需求
- 缺貨時能檢索同類替代款並說明差異
- 已建立轉換追蹤機制並定期回饋優化知識庫
FAQ常見問題 FAQ
常見問題 FAQ
AI導購和推薦系統有什麼不同？
推薦系統多半根據瀏覽與購買行為做關聯推薦，較難回答具體規格比較問題。AI導購用RAG檢索商品規格與比較資料，能在客人問『這兩款差在哪、我這情境用哪個』時，依事實生成比較與建議並附出處。對高雄電商而言，AI導購更貼近客服對話場景，能在客人猶豫的當下直接推一把，提升成交機會。
AI導購會不會亂推銷讓客人反感？
只要建置時要求推薦必須基於檢索到的規格事實，並禁止杜撰效果，就能避免硬推。做法是讓AI在缺乏佐證時不臆測，改請客人補充需求；推薦時附上規格出處與商品頁連結，讓客人自己確認。這種以事實為基礎、附出處的導購，通常比話術式推銷更能建立信任，反而提升客人下單意願。
建置商品知識庫需要哪些資料？
主要需要商品頁內容、進貨規格單、產品型錄，以及客服過往的搭配與比較紀錄。這些資料要統一欄位格式並標註批次與更新日期，尤其不同批貨規格可能微調，務必標清楚版本。搭配建議與適用情境可從客服經驗萃取。資料整理越結構化，AI檢索比較時越精準，導購回覆品質也越穩定可靠。
高雄中小電商導入AI導購要多少預算？
費用依商品品項數量與整合深度而定，中小電商第一版通常落在約數萬至數十萬元區間，實際金額需先評估商品資料狀況。建議先鎖定詢問量最大、比較最頻繁的一組商品線做起，做深比較與情境後再逐步擴大。先小範圍驗證轉換成效，確認有效再投入更多，投資風險較低。
商品規格改版後怎麼避免AI報錯？
關鍵是每筆規格都標註批次與更新日期，切分時把版本資訊留在片段內。規格異動時，舊版本標為停用不再被檢索，並重建向量索引。生成端要求AI引用規格時附上更新日期與出處連結，方便客服與客人核對。搭配定期抽查，一旦發現用到過期數據就立即修正，能有效避免報錯。
導入後怎麼衡量AI導購的成效？
建議追蹤三個指標：商品詢問到成交的轉換率、平均回覆時間，以及AI推薦被採用後的實際成交比例。導入前先量測基準，導入後對照才知成效。要注意只看點擊率不夠，必須追到實際成交才算數。透過分析哪些比較與搭配建議帶來成交，可持續回饋優化知識庫，讓導購越來越精準。
把商品知識與AI導購做對，客人在比較階段就能被接住，轉換自然提升。若你是高雄三民商圈或周邊的電商賣家，想讓AI在客人猶豫時即時給出有憑有據的推薦，歡迎從下方資源開始。
CTA下一步：三種開始的方式
下載商品知識與AI導購建置檢核表，逐項確認規格與出處準備
下載檢核表預約30分鐘諮詢，聊聊你的商品線與AI導購導入路徑
預約30分鐘諮詢企業內訓報價，為電商團隊安排商品知識RAG與導購實作課程
企業內訓報價
圖片來源 Image Credits
4050216.jpg｜規格比較與AI導購封面圖｜https://www.pexels.com/photo/4050216/3778477.jpg｜電商導購諮詢場景｜https://www.pexels.com/photo/3778477/8386440.jpg｜商品選購決策場景｜https://www.pexels.com/photo/8386440/
本文為賴家榮 AI 教學中心原創教學內容；想讓團隊學會用 AI，歡迎看AI 課程或預約授課 →
代表圖片來源：圖片來源：Pexels
