誰說客戶輪廓只能靠猜？用 AI + WooCommerce 歷史數據，把「冷冰冰訂單」變成「有溫度的行銷劇本」

嗨，我是 Eric，浪花科技的資深工程師。在我們公司，行銷部門跟工程部門常常有「語言隔閡」。行銷夥伴總愛說：「我們的 TA (Target Audience) 是 25-35 歲、喜歡儀式感的粉領族。」

身為一個講求邏輯的工程師，我通常會反問：「數據呢？這個結論是憑感覺，還是憑資料庫裡的 Log？」

過去，要從 WooCommerce 的後台撈出一堆訂單，再人工交叉比對算出 RFM 模型（Recency, Frequency, Monetary），最後歸納出客戶樣貌，不僅耗時，還很容易因為「倖存者偏差」而看走眼。但現在不一樣了，我們有 LLM（大語言模型）。

今天這篇文章，不談空泛的理論。我要教你如何利用 AI (OpenAI 或 Gemini)，直接讀取 WooCommerce 的 歷史訂單 (Historical Orders) 與 使用者互動行為 (Interaction Behaviors)，自動生成精準到讓你起雞皮疙瘩的「客戶輪廓 (Customer Persona)」。

為什麼傳統的客戶輪廓 (Persona) 常常失效？

很多電商老闆手上都有一份精美的 PDF，裡面寫著他們的典型客戶叫「小美」，喜歡喝咖啡、週末會去露營。但在實際操盤廣告或 EDM 時，轉換率卻慘不忍睹。為什麼？

• 靜態 vs. 動態： 那份 PDF 可能是半年前做的，但客戶的行為是每天在變的。
• 人口統計 vs. 行為數據： 知道客戶是「30 歲女性」(人口統計) 的價值，遠不如知道她「每個月初都會買兩罐昂貴貓罐頭，且只在週五晚上結帳」(行為數據)。
• 缺乏關聯性： 人類很難一眼看出「購買 A 商品的人，通常會在 3 天後回購 B 商品」這種隱性關聯，但這正是 AI 的強項。

我們要做的，是打造一個「動態客戶輪廓生成器」。它不是死的文檔，而是根據資料庫即時運算出來的戰術指引。

技術架構：從 WooCommerce 到 AI 的數據流水線

要實現客戶輪廓自動生成，我們需要打通三個環節：

1. 數據萃取 (Extraction)： 從 WooCommerce 資料庫抓取訂單、購買商品、優惠券使用紀錄，以及使用者的互動行為（如：最後登入時間、加購物車次數）。
2. 數據清洗與去識別化 (Sanitization)： 這是身為資深工程師 Eric 最在意的點。千萬不要把客戶的真實姓名、電話、地址直接丟給 AI。我們只需要「行為特徵」，不需要「個資」。
3. Prompt Engineering (提示工程)： 設計一套能讓 AI 讀懂 JSON 數據並輸出心理分析的 Prompt。

第一步：抓取並整理數據

我們需要寫一段 PHP 程式碼，撈取特定使用者的歷史數據。這裡我會示範如何抓取「訂單內容」與「互動 meta data」。

工程師的小囉嗦：請確保這段程式碼在 Server 端執行，不要暴露在前端。若你的資料量很大，建議使用 Background Process (如 Action Scheduler) 來處理，以免 timeout。

function roamer_get_customer_data_for_ai( $user_id ) {
    // 1. 獲取 WooCommerce 訂單
    $args = array(
        'customer_id' => $user_id,
        'limit'       => 10, // 取最近 10 筆即可，太多 AI 會暈，且 Token 很貴
        'status'      => array('wc-completed', 'wc-processing'),
    );
    $orders = wc_get_orders( $args );

    $order_history = [];
    $total_spent = 0;
    
    foreach ( $orders as $order ) {
        $items = [];
        foreach ( $order->get_items() as $item_id => $item ) {
            $items[] = $item->get_name();
        }
        
        $order_history[] = array(
            'date'       => $order->get_date_created()->date('Y-m-d H:i:s'),
            'total'      => $order->get_total(),
            'items'      => $items,
            'coupon_used'=> $order->get_coupon_codes(), // 判斷是否為價格敏感型客戶
        );
        $total_spent += $order->get_total();
    }

    // 2. 獲取互動行為 (假設你有紀錄這些 User Meta)
    // 這邊可以延伸：登入次數、上次瀏覽分類、棄單次數等
    $last_login = get_user_meta( $user_id, 'last_login_timestamp', true );
    $interaction_score = get_user_meta( $user_id, 'interaction_score', true ); // 自定義分數

    // 3. 組裝資料 (去識別化)
    $payload = array(
        'user_id_hash' => md5( $user_id ), // 僅作識別，不傳真實 ID
        'total_spent'  => $total_spent,
        'order_count'  => count($orders),
        'orders'       => $order_history,
        'behavior'     => array(
            'days_since_last_login' => $last_login ? floor((time() - $last_login) / 86400) : 'N/A',
            'interaction_level'     => $interaction_score ? $interaction_score : 'low',
        )
    );

    return json_encode( $payload );
}

第二步：設計 AI 的 Prompt (靈魂所在)

拿到 JSON 後，如果直接丟給 ChatGPT 說「分析這個人」，它只會給你很籠統的回答。你需要賦予 AI 一個「資深消費心理學家」的角色。

以下是我測試過，效果非常好的 Prompt 結構：

System Role: 你是一位擁有 20 年經驗的電商數據分析師與消費心理學家。你擅長從雜亂的交易數據中，分析出客戶的深層需求、價值觀與生活型態。

Input: 以下是一位客戶的去識別化交易紀錄 JSON 數據：
[INSERT JSON DATA HERE]

Task: 請根據上述數據，生成一份詳細的「客戶輪廓 (Customer Persona)」。

Output Format (JSON):
1. 標籤 (Tags): (例如：價格敏感、週末衝動購物、貓奴、儀式感重視者)
2. 心理側寫 (Psychographic Profile): 分析他的購買動機。是為了炫耀？實用？還是情感慰藉？
3. 行銷建議 (Marketing Strategy): 針對此人，我們該推播什麼樣的文案？(例如：強調折扣，還是強調獨特性？)
4. 預測 (Prediction): 他下次可能會買什麼類型的產品？

進階應用：互動行為的捕捉 (The Secret Sauce)

光看「訂單」是不夠的。很多時候，「沒買什麼」比「買了什麼」更重要。這就是我們標題提到的「互動行為分析」。

在 WooCommerce 開發中，我建議可以利用 Hook 來捕捉以下幾個關鍵指標，並存入 User Meta，作為 AI 分析的佐料：

• 搜尋關鍵字： 客戶在站內搜尋了 “抗老”，但他最後買了 “保濕”。這代表他有抗老需求，但可能預算不足或對現有抗老產品沒信心。這就是 AI 切入的點。
• 加入購物車但放棄 (Cart Abandonment)： 棄單的商品是什麼？如果是高單價商品，代表他在猶豫價格；如果是低單價，可能是運費問題。
• 瀏覽時間： 在某個分類（如：嬰兒用品）停留極久，即使沒下單，AI 也能判斷他可能「即將成為父母」或「正在選禮物」。

API 串接與成本控制：工程師的省錢心法

你可能會問：「Eric，每個人都要跑一次 AI，我的 API 帳單會不會爆炸？」

這是個好問題。如果在 WordPress 每次載入頁面都 Call API，你的信用卡肯定會哭。解決方案是：「非同步處理」與「快取防禦」。

1. 不要即時生成： 當客戶下單完成，或是每天半夜，透過 WP-Cron 背景排程去觸發分析。
2. 儲存結果： 將 AI 生成的 JSON 結果存回 User Meta (例如 _ai_generated_persona)。
3. 設定過期時間： 客戶輪廓不需要每分鐘更新。設定 30 天更新一次即可，除非他有新的購買行為。

這部分的架構，你可以參考我之前寫過的關於 API Rate Limit 與重試機制 的文章，這能保護你的系統不崩潰。

實戰價值：從「群發」到「千人千面」

當你擁有這些 AI 生成的標籤後，你的行銷自動化 (Marketing Automation) 就有了靈魂。你可以結合 CRM 系統（如 HubSpot 或 FluentCRM）做以下操作：

• 精準電子報： 對於標記為「價格敏感」的客戶，標題主打「限時 7 折」；對於「重視品質」的客戶，標題主打「職人手作工藝」。
• 自動化推薦： 在「我的帳戶」頁面，不再顯示隨機商品，而是顯示 AI 預測他「下一步會感興趣」的產品。

這就是 2025 年電商該有的樣子。不再是盲目地撒網，而是用數據與 AI 當作聲納，精準鎖定每一條大魚。

總結：數據本身沒有意義，解讀才有

WordPress 與 WooCommerce 最大的優勢，就是數據掌握在你自己手裡。但如果這些數據只是躺在資料庫裡長灰塵，那它們就只是佔用硬碟空間的垃圾。透過 OpenAI 或其他 LLM 的賦能，我們終於能讀懂這些數字背後的人性故事。

技術實作並不難，難的是跨出「憑感覺」的舒適圈，開始相信數據。

延伸閱讀

如果你對如何將這些 AI 分析結果應用到實際的行銷自動化感興趣，建議閱讀以下幾篇深度技術文章：

• 拒絕盲目行銷！資深工程師教你用 WordPress 打造「使用者行為偵測」自動標籤系統：這篇教你如何捕捉前端的行為數據，是生成 Persona 的基礎素材。
• 告別「憑感覺」抓業績！用 WordPress + CRM 數據打造你的 AI 銷售預測水晶球：學會如何利用 CRM 數據進行更宏觀的業績預測。
• 別再用「貴賓」稱呼每個人！WordPress + CRM 終極聯動，打造看人下菜碟的『智慧文案』系統：當你有了 Persona 後，如何在前台動態顯示對應的文案。