未成交客戶訪談 AI 的重點不是讓 AI 猜客戶為什麼沒買，而是用 5 到 8 場短訪談收集買方原話，再請 AI 幫你整理重複卡點：報價看不懂、價值證據不足、決策人沒被說服、頁面沒有回答疑慮，或跟進時機錯了。台灣 SME 最該先做的是訪談剛報價後未成交的名單，保留可追溯的摘要，最後只改 3 件事：offer 說法、價格解釋、 landing page 的證據區塊。
為什麼不能只看 CRM 失單原因？
CRM 的「太貴」、「沒預算」、「沒有回覆」通常是業務或老闆的判斷，不一定是買方真正的決策理由。國外 win/loss analysis 的強勢內容都有同一個共通點：把內部猜測和買方訪談分開。Unkover 的 2026 指南把 win/loss analysis 定義成從已結束交易中找出買方選擇與放棄的模式，而不是只做 pipeline review；Product Marketing Alliance 的訪談指南則把問題放在決策標準、痛點、銷售接觸、email 與評價來源上。
對台灣 SME 來說，這件事更務實：你不是要建立昂貴研究部門，而是要知道下一版報價單、銷售頁、LINE 跟進訊息和案例頁該改哪裡。若只把失單原因寫進 CRM，下週的廣告、頁面與話術通常不會變。
7 天跑完 5 場訪談：台灣 SME 的最小流程
先不要追求大量樣本。第一次可以用 7 天跑 5 場，每場 15 到 20 分鐘，對象限縮在最近 30 到 60 天有詢價、看過報價、最後沒有成交的潛在客戶。這樣記憶還新，討論也比較貼近實際決策。
| 天數 | 要做的事 | 產出 | AI 可以幫什麼 |
|---|---|---|---|
| 第 1 天 | 從 CRM 或表單名單挑 8 到 12 個近期未成交名單 | 訪談候選清單 | 依產業、案型、金額區間分群 |
| 第 2 天 | 發出簡短邀請，說明目的、時間、是否記錄與資料使用範圍 | 訪談同意紀錄 | 潤稿邀請信，但不要捏造優惠或承諾 |
| 第 3 到 5 天 | 完成 5 場訪談，追問決策時刻與放棄原因 | 逐場訪談摘要 | 把逐字稿整理成主題，不代替受訪者原意 |
| 第 6 天 | 找出重複出現 2 次以上的卡點 | 卡點矩陣 | 把相似語句歸類並標出證據句 |
| 第 7 天 | 只選 3 個行銷修正動作 | 報價、頁面、跟進修正清單 | 產出改寫草稿與測試假設 |
未成交客戶訪談 AI 的問題怎麼問，才不會把答案問歪？
訪談要避免把答案塞給客戶。例如不要問「是不是因為我們太貴？」而要問「你最後沒有往下走時，最關鍵的考量是什麼？」再追問「那個考量是在看報價前、報價中，還是報價後出現？」這會幫你分辨問題是流量品質、offer 說明、價格證據、銷售跟進，還是決策流程。
建議問 6 題就好
- 你當初想解決的問題是什麼？
- 看到我們的頁面、簡報或報價時，哪一段最清楚？哪一段最不清楚？
- 你有比較哪些替代方案：自己做、找別家、延後、或不處理？
- 最後沒有成交的那一刻，真正卡住的是價格、信任、急迫性、決策人、規格，還是其他事？
- 如果重來一次，我們哪個資訊早一點給你，會讓判斷比較容易？
- 你會怎麼跟同事描述我們的服務？有哪一句話你不會這樣講？
這些問題的目的不是說服客戶回頭買，而是讓你看見市場語言。Hanover Research 的 win/loss 分析文章提醒，發現後要依收入、客戶體驗和競爭定位的影響排序；如果客戶常提到價格混亂，修正方向可能是價格溝通，而不是立刻降價。
AI 可以整理什麼？哪些資料不要丟進去？
AI 適合做三件事：把多場摘要歸類、找出反覆出現的客戶原話、把卡點改寫成頁面與銷售跟進假設。它不適合替你判定客戶心理，也不應該接觸不必要的個資、私人聯絡方式、付款資料或合約細節。
如果你使用商業版或 API 工具，仍要先確認服務條款與資料設定。OpenAI 的企業隱私與商業資料頁面說明，API 與商業產品資料預設不會用於訓練模型，但企業仍應管理可輸入資料、權限、保留期間與內部審核。台灣方面，個人資料保護法第 8 條要求蒐集個人資料時明確告知資料主體相關事項；做訪談、錄音或把摘要交給第三方工具處理前，應先說明目的與使用範圍。
安全做法
- 輸入 AI 前先移除姓名、電話、公司統編、精準金額與任何不需要的識別資訊。
- 保留原始摘要檔，但 AI 輸出只當作分類建議，不能覆蓋客戶原話。
- 把每個結論連回至少 2 句訪談證據，沒有證據就標成假設。
- 內部分享時用「3 位受訪者提到」而不是公開單一客戶故事。
把訪談結果改成 4 種行銷修正
訪談完成後，不要把結果丟進一份沒人看的簡報。台灣 SME 應該把結果直接接到可以在一週內修改的行銷資產。
1. Offer 說法：把服務內容改成買方問題
如果受訪者說「我不知道你們到底會交付什麼」，你的首頁和報價單不該只列服務項目。應改成「你會得到什麼決策、什麼素材、什麼追蹤表」。AI 可以幫你把訪談語句整理成 3 種買方問題，再回填到頁面開頭與 FAQ。
2. 價格解釋：不是先降價，而是先解釋比較基準
當多人說貴，先問他們拿你和誰比。若他們拿你跟自由工作者、內部人力或單次設計費比，你要補上比較表：服務範圍、修改次數、策略責任、追蹤報告、後續支援。只有當訪談證據顯示價值本身不成立，才討論方案拆分或價格帶。
3. Landing page：新增客戶決策前一定會問的區塊
Google Search Central 的 people-first content 指引強調內容應先幫助人，而不是只為搜尋排名製作。這裡的應用很直接：把訪談中反覆出現的疑問變成頁面上看得到的答案，例如「適合誰」、「多久看到第一版」、「需要客戶提供什麼」、「如果沒有素材怎麼辦」。這比只塞關鍵字更接近真實搜尋需求。
4. 追蹤與歸因：把 lead 與成交事件接起來
Google Analytics 4 的官方推薦事件把 generate_lead 用於表單、電子報註冊或 demo request 等初始 lead；同一份文件也有 lead 轉換後的事件。對 SME 來說，最低限度要能回看：哪個頁面產生詢價、哪個案型常卡在報價後、哪一種卡點修正後有沒有改善後續成交。
適合誰，不適合誰？
這套做法適合有固定詢價、報價、諮詢、B2B 服務、在地服務或高單價客製案的台灣 SME。只要每月有足夠未成交名單，就能從小樣本開始看模式。
它不適合三種情況：第一，完全沒有詢價量，應先解決流量與 offer；第二，交易太低單價且客戶不願訪談，應改用簡短問卷或客服紀錄；第三，涉及高度敏感資料，例如醫療、財務、法律或未成年人資訊，應先做合規審查，不要把資料直接丟進一般 AI 工具。
資料更新與來源
本文於 2026-07-10 撰寫。win/loss 訪談方法參考 Unkover 的 2026 win/loss analysis 指南、Product Marketing Alliance 的 win-loss interview 問題方向、Hanover Research 的 win/loss 分析步驟，並比對 Gartner Peer Insights 對 win/loss analysis providers 的市場描述。追蹤事件參考 Google Analytics recommended events；內容品質參考 Google Search Central people-first content 文件；AI 與資料邊界參考 OpenAI enterprise privacy、OpenAI business data；個資告知義務參考 台灣個人資料保護委員會 PDPA 英文頁。
結論：先訪談，再讓 AI 幫你整理可改的東西
報價後沒成交，不代表你一定要降價。更常見的問題是：客戶沒聽懂價值、決策人沒看到證據、頁面沒有回答疑慮，或跟進節奏讓人失去信任。未成交客戶訪談 AI 的價值，是把這些原本散在電話、LINE、email 和 CRM 備註裡的線索，整理成下一週真的能改的 3 個行銷動作。先用真人訪談取得可信語句，再用 AI 做分類與草稿，這才是台灣 SME 比較穩的做法。
FAQ
未成交客戶訪談 AI 一定要訪談很多人嗎？
不用。第一次建議先做 5 場近期未成交訪談，只找重複出現的卡點。等流程穩定後，再按季度補訪談。
客戶只說太貴，還有必要繼續問嗎？
有必要。太貴可能代表預算不足，也可能是價值證據、比較基準、決策時機或信任問題。訪談要追問他拿你和誰比較。
可以直接把錄音逐字稿丟進 AI 嗎？
不建議。先取得告知與同意，移除不必要個資與敏感商業資訊，再輸入摘要。AI 輸出也要保留證據來源。
訪談結果應該先改廣告還是改網站？
如果卡點是信任、價格或服務範圍不清，通常先改 landing page 與報價說明；如果卡點是流量不準，再改廣告受眾與關鍵字。
這和 CRM 失單原因有什麼不同？
CRM 失單原因是內部紀錄，未成交訪談是買方原話。兩者要一起看，但不能用內部下拉選單取代客戶實際決策脈絡。