AI 客群設定的直接答案是：先不要叫 AI 直接生成「理想客戶」，而要先用 6 個顧客訪談問題補齊真實證據。對台灣 SME 來說，最有用的客群設定不是年齡、職稱和一句抽象痛點，而是客戶在什麼情境下開始找你、原本怎麼描述問題、比較哪些替代方案、最後卡在哪個疑慮、願意留下哪種聯絡方式，以及成交後是否真的適合。AI 可以整理訪談、找模式、改寫成內容題目，但不能替你發明顧客。
AI 客群設定為什麼越寫越像模板
很多小團隊做客群人物誌時，會先打開 AI 工具，輸入「請幫我分析 30 到 45 歲女性、中小企業主、重視效率」之類的句子。它看起來很快，也很整齊，但常常沒有辦法拿去改服務頁、廣告、LINE 回覆或業務話術。原因不是 AI 不會寫，而是輸入資料太像猜測。
Mailchimp 的 buyer persona template 強調，人物誌應建立在研究、現有客戶資料、社群資料、競品觀察、訪談與詳細紀錄上，而不是只靠想像。它也把痛點、目標、動機、資訊來源和行為放進客群理解裡。這對台灣 SME 很有提醒：你缺的通常不是更漂亮的人物誌，而是能回到真實對話的證據。
Google Search Central 的 people-first content 指南也提醒，內容應提供原創資訊、分析、清楚來源與足夠完整的說明，並讓讀者完成自己的目標。若你的客群設定只是把常見詞重新排列，後續內容很容易變成「給所有人看，結果沒有人覺得在講自己」。
這套做法適合誰，不適合誰
這套 AI 客群設定適合已有一些詢問、訂單、門市對話、LINE 訊息、表單、客服紀錄或業務筆記的台灣 SME。尤其適合 B2B 服務、顧問、課程、在地服務、診所周邊、電商選品、餐飲活動、設計工程與需要反覆溝通才成交的團隊。
它不適合完全沒有任何顧客接觸紀錄、只想快速做大量廣告受眾、或準備把未告知用途的個人資料直接丟進 AI 工具的情境。如果資料涉及姓名、電話、Email、LINE ID、公司名稱、病史、財務狀況或其他可識別資訊，正式處理前要先確認蒐集目的、告知、同意、保存與刪除方式。
先問 6 個顧客訪談問題
Mailchimp 的 buyer persona questions 和 user interview questions 都採用分類式問題：人口資料、地區、行為、痛點與挑戰。台灣 SME 不需要一次問 60 題。第一版反而應該縮小，先問能直接改善行銷與銷售的 6 題。
| 訪談證據 | 要問的問題 | AI 可協助整理 | 人工要判斷 |
|---|---|---|---|
| 觸發情境 | 你是在什麼狀況下開始找這類服務或產品？ | 歸納常見場景與時間點 | 哪些情境真的值得主打 |
| 原話痛點 | 如果不用我們的專業詞，你會怎麼描述這個問題？ | 保留客戶原句，整理成標題與 FAQ 線索 | 哪些話可公開、哪些太敏感 |
| 比較對象 | 你當時還比較了哪些替代方案？ | 整理競品、自己做、延後處理、找熟人等選項 | 哪些比較要放在服務頁或銷售簡報 |
| 決策疑慮 | 下決定前，你最擔心的是什麼？ | 把疑慮分成價格、時間、風險、信任、效果 | 哪些疑慮需要證據，不是文案修飾 |
| 下一步偏好 | 你比較願意先填表單、加 LINE、約電話，還是先看案例？ | 整理不同 CTA 偏好與通路 | 哪個入口符合團隊承接能力 |
| 成交適配 | 合作或購買後，哪一點最符合或最不符合你的期待？ | 歸納好客戶與不適合客戶的差異 | 是否要調整客群、價格或承諾 |
把訪談證據整理成 AI 可用資料
1. 每一則訪談都要留下來源和日期
不要只把訪談丟成一大段文字。每則紀錄至少要有日期、來源、客戶類型、是否已成交、是否同意內部分析、是否可匿名引用，以及負責人。這樣 AI 在整理時，才不會把三年前的舊客訴、上週的高意圖詢問和朋友閒聊混成同一個結論。
2. 保留原話，不要一開始就翻成行銷語
客戶原話通常比漂亮詞更值錢。例如「我不知道這筆預算到底花去哪裡」和「需要提升行銷 ROI」不是同一種語氣。前者可以變成服務頁第一屏、FAQ、銷售開場和廣告素材；後者比較像內部簡報。AI 可以幫你改寫，但第一步要先保留沒被修飾過的說法。
3. 分清楚可用、需匿名、不可用
台灣個資法對個人資料利用目的、同意和非公務機關利用個資有明確規範。對小團隊來說，實務上至少要把訪談資料分成三種：內部可分析、可匿名引用、不可用於行銷或 AI 訓練。不要因為資料在公司聊天室裡，就假設可以直接拿去生成廣告受眾或公開案例。
AI 與人工分工表
| 工作 | AI 適合做 | 人一定要做 | 輸出到哪裡 |
|---|---|---|---|
| 訪談摘要 | 把逐字稿整理成痛點、疑慮、觸發點 | 確認是否誤解語氣與上下文 | 客群資料表 |
| 客群分群 | 找出重複模式與差異 | 決定哪些分群有商業價值 | 服務頁與內容策略 |
| 內容題目 | 把原話改成問題式標題候選 | 刪除誇張承諾與不適合公開的例子 | SEO、社群、LINE 內容 |
| 銷售話術 | 整理常見反對理由與回覆草稿 | 確認價格、保證、時程與合約邊界 | 業務回覆 SOP |
| 成效檢查 | 每月比對詢問品質與內容來源 | 判斷是否要調整主客群 | 週報或月報 |
7 天完成第一版客群設定
第 1 天：選 8 到 12 則真實對話
先從最近 90 天挑資料，不要追求完整。來源可以是 LINE 詢問、表單、電話紀錄、報價前問題、已成交客戶回饋、沒成交原因、門市對話或客服訊息。每則資料先去識別化，留下情境，不留下不必要的個人資訊。
第 2 到 3 天：訪談 3 到 5 位客戶或準客戶
不用做大型研究。找最近成交、差點成交、詢問很多但未成交、回購客戶、以及一位明顯不適合的對象。每次 20 到 30 分鐘，只問前面 6 題，少追問人口統計，多追問「當時為什麼這樣想」。
第 4 天：讓 AI 先整理，不讓 AI 直接定論
把去識別化資料交給 AI，請它輸出三欄：客戶原話、可能代表的需求、仍需人工確認的假設。不要讓它直接給你「三大客群」作為最終答案，因為模型很容易把少量樣本寫得像市場結論。
第 5 到 6 天：做成三層客群頁
第一層寫「最適合誰」：具體情境、問題、預算或時間限制。第二層寫「常見疑慮」：價格、信任、風險、效果、時程。第三層寫「下一步」：該看哪篇文章、該填什麼表單、該加 LINE 還是約電話。這三層比一張漂亮人物誌更容易落到內容和銷售。
第 7 天：用詢問品質驗證，不只看流量
上線後觀察 2 到 4 週。看搜尋詞、服務頁點擊、表單來源、LINE 開場問題、有效詢問比例、報價前缺資料次數和不適合客戶比例。如果內容變好看但業務仍然收不到更清楚的需求，就回頭改訪談問題或服務頁，而不是再叫 AI 換一版語氣。
資料更新與來源
本文於 2026 年 9 月 11 日依公開資料整理。買家人物誌、顧客訪談、AI 內容生成、搜尋呈現與個資規範都可能因工具、平台和法規解釋而變動；正式導入前，請以你的實際資料來源、客戶同意紀錄、CRM 欄位與法務判斷為準。
- Mailchimp: 60 Buyer Persona Questions to Transform Your Marketing
- Mailchimp: Create Your Buyer Persona With a Buyer Persona Template
- Mailchimp: The Value of User Interviews
- Google Search Central: Creating helpful, reliable, people-first content
- Google Search Central: Optimizing for generative AI features on Search
- Taiwan Personal Data Protection Act
結論
AI 客群設定真正有價值的地方，不是把人物誌寫得更像簡報，而是把零散顧客對話整理成可驗證、可更新、可交給內容與銷售使用的判斷。台灣 SME 可以先從 6 個訪談證據開始：觸發情境、原話痛點、比較對象、決策疑慮、下一步偏好與成交適配。等這些資料站得住腳，再讓 AI 幫你摘要、分群、改寫與追蹤，客群才不會越寫越像模板。
FAQ
AI 客群設定可以完全不用訪談嗎？
不建議。AI 可以用現有資料推測初版假設，但若沒有顧客訪談、詢問紀錄或成交回饋，很容易產生看似合理但無法用在銷售現場的模板客群。
台灣 SME 至少要訪談幾位客戶？
第一版可以先訪談 3 到 5 位，加上 8 到 12 則近期詢問或成交紀錄。重點不是樣本量很大，而是每則資料都有來源、情境與人工判斷。
顧客訪談資料可以直接丟進 AI 工具嗎？
不要直接丟入可識別資料。先去除姓名、電話、Email、LINE ID、公司細節與敏感資訊，並確認原本蒐集目的、告知與同意範圍是否支援內部分析。
客群人物誌要寫年齡和性別嗎？
只有在它會影響產品、通路、訊息或服務承接時才需要。多數 B2B 或專業服務 SME 更應先寫情境、問題、決策角色、疑慮和下一步偏好。
AI 整理出的客群要怎麼驗證？
用 2 到 4 週觀察詢問品質、表單來源、LINE 開場問題、報價前缺資料次數與不適合客戶比例。如果只是流量增加但需求更模糊，就要回頭修假設。