直接答案：行銷指標字典 AI 不是把 CTR、轉換率、名單數這些名詞整理成一張表，而是先把每個指標的來源、算法、負責人、決策用途與資料使用邊界寫清楚。台灣 SME 如果直接把 GA4、廣告後台、CRM、LINE 官方帳號與試算表丟給 AI 摘要，最常見的問題不是模型不聰明，而是同一個「有效名單」在不同系統裡代表不同事。先做指標字典，AI 才能幫你解讀趨勢，而不是把錯口徑的數字講得更有自信。
為什麼 AI 報表越做越快，決策反而更亂
很多小團隊導入 AI 行銷分析時，第一個需求是「幫我看這份報表有什麼洞察」。這個需求合理，但前提是報表裡的指標已經被定義好。否則 AI 看到的只是欄位名稱與數字，無法知道「詢問數」是表單送出、LINE 加好友、電話來電，還是業務手動輸入的潛在客戶。
Google Analytics 的 recommended events把不同商業情境拆成建議事件，原因就是平台不能自動猜出每個企業真正想追的互動。GA4 custom dimensions and metrics也提醒，自訂維度與指標是用來分析標準資料之外的自有資料。換句話說，越想讓 AI 解讀得像你的生意，越不能只靠系統預設名稱。
對台灣 SME 來說，問題通常不是沒有數據，而是數據被拆在太多地方：GA4 有事件，Google Ads 有轉換，Meta 有表單，LINE 有互動，CRM 有成交狀態，老闆還有一份自己看的月報。這些資料如果沒有共同字典，AI 很容易把「看起來相近」的欄位當成同一種訊號。
行銷指標字典 AI 要先補 5 個決策欄位
不要一開始就把所有欄位做成百科。小團隊最實用的行銷資料字典，先服務決策，而不是服務完美文件。每個核心指標先補下面 5 欄，就足以讓 AI 報表、週會與外包協作少掉很多誤會。
| 欄位 | 要寫什麼 | 少了會怎樣 |
|---|---|---|
| 資料來源 | 這個指標來自 GA4、廣告後台、CRM、LINE、POS 或手動表單；最好寫到事件名稱或欄位名稱。 | AI 可能把不同平台的名單、訂單或互動加總，造成重複計算。 |
| 算法口徑 | 分子、分母、排除條件、更新頻率，例如轉換率到底是名單除以點擊，還是成交除以有效詢問。 | 同一個轉換率在週會、廣告報表與業務報表裡會講成三種意思。 |
| 負責人 | 誰維護事件、誰確認數字、誰能改定義；小團隊也要指定一個 owner。 | 指標壞掉時沒有人承認，AI 報表只會持續摘要錯資料。 |
| 決策用途 | 這個指標用來決定預算、內容、銷售跟進、客服優先順序，還是只用來觀察趨勢。 | 團隊會把觀察指標當成 KPI，或把短期波動當成立刻調整的理由。 |
| 個資與使用邊界 | 是否含個人資料、是否能上傳 AI 工具、是否能用於再行銷或名單分群。 | 可能把原本只為某目的蒐集的資料，拿去做不適合的 AI 分析或行銷用途。 |
不要把指標字典做成名詞表，要做成可追責的營運表
USGS 對 data dictionary 的說明強調，它是用來溝通資料結構與內容，並描述具名資料物件的意義。這個觀念放到行銷也一樣：指標字典不是讓新人背名詞，而是讓每個人知道這個數字從哪裡來、能不能相信、該不該拿來做決策。
Adobe Analytics 的 Data Dictionary把重點放在理解與治理 analytics components，包含找出重複、未收數、未核准的元件。這是台灣 SME 可以借用的公式：先找出最常被拿來開會的 10 到 20 個指標，標記哪些重複、哪些沒人維護、哪些還沒有被核准用於對外報告。
如果只做名詞解釋，AI 仍然不知道哪個數字可以影響預算。真正有用的字典應該讓 AI 可以回答：「這個指標目前只適合觀察，不適合直接調整廣告預算」、「這個名單數已排除重複客戶，可以用於業務跟進優先順序」、「這個指標含個資，不應直接貼到未核准的外部工具」。
先放哪些指標進字典，才不會一開始就做太大
台灣 SME 不需要第一天就整理所有欄位。先挑會直接影響錢、時間與客戶體驗的指標。以下順序比較實際：
- 廣告花費與轉換：花費、點擊、詢問、有效詢問、成交、每筆有效詢問成本。
- 網站與內容：重要頁面瀏覽、表單送出、下載、預約、加入購物車、結帳、購買。
- CRM 與銷售：新名單、有效名單、已聯絡、報價中、成交、流失原因。
- LINE 與會員：加好友、封鎖、選單點擊、優惠使用、會員狀態、拒收行銷。
- 客服與體驗：首次回覆時間、問題類型、退款原因、負評原因、待處理案件。
這些指標會進入預算、排班、內容計畫、業務跟進與客服優先順序。相反地，只是好奇但暫時不改變行動的欄位，可以先放在第二輪。指標字典的目的不是一次整理完，而是先讓最常被 AI 解讀的數字有共同口徑。
把 GA4、廣告、CRM、LINE 接起來時，先對齊事件與狀態
很多團隊的混亂來自「事件」和「狀態」沒有分清楚。GA4 事件通常描述使用者做了什麼，例如送出表單、點擊電話、購買商品。CRM 狀態描述這個客戶目前在哪個商業階段，例如待聯絡、已報價、成交、無效。LINE 或會員系統則可能同時有互動、同意、封鎖、分眾與活動使用紀錄。
做行銷指標字典 AI 時，建議先建立一張對照表：
| 系統 | 應記錄的最小欄位 | AI 可以協助的事 |
|---|---|---|
| GA4 | 事件名稱、事件參數、頁面或流程、是否為 key event、更新頻率。 | 找出漏追蹤、事件命名不一致、內容或渠道異常波動。 |
| 廣告平台 | 活動目標、轉換事件、歸因視窗、成本、素材版本。 | 摘要預算變動、找出成本升高但名單品質沒同步改善的活動。 |
| CRM | 名單來源、狀態、負責人、下一步、成交或流失原因。 | 把廣告名單與實際銷售結果接起來，避免只看表單數。 |
| LINE / 會員 | 同意狀態、拒收狀態、互動類型、會員等級、活動使用。 | 協助分群與提醒，但要先排除拒收或不適合再行銷的對象。 |
這張表不需要很漂亮，但要能被每週更新。AI 的角色是協助檢查異常、摘要變化、提出待追問問題；最後是否改預算、改素材、改銷售跟進，仍然要依照字典裡的決策用途與負責人來判斷。
個資邊界要寫進字典，不要等到要上傳 AI 才補
只要指標背後牽涉客戶姓名、電話、Email、LINE UID、購買紀錄、偏好、客服內容或再行銷名單，就不能把它當成一般數字處理。台灣 個人資料保護法第 20 條提醒，非公務機關利用個人資料應在蒐集特定目的必要範圍內，當事人拒絕接受行銷時也應停止利用其個人資料行銷。
所以行銷指標字典至少要有一欄標示資料風險：可公開、內部彙總、含個資、不可上傳外部工具、需去識別化、需尊重拒收狀態。AI 分析不是法務豁免區，尤其小團隊常把名單、客服對話、訂單備註直接貼到工具裡，短期看似省時間，長期會製造資料與信任風險。
適用誰，不適用誰
這套做法最適合已經有多個行銷渠道、每週要看報表、開始用 AI 摘要或解讀數字的台灣 SME。特別是同時跑廣告、網站、LINE、CRM、電商或門市名單的團隊，指標字典會比再買一套儀表板更先解決問題。
如果你的團隊還沒有固定追蹤事件、沒有基本 CRM、或每月只有少量自然詢問，先不要急著做完整字典。你可以先定義 5 個最重要問題：這個月有多少有效詢問、從哪裡來、誰負責跟進、多久回覆、最後是否成交。等這 5 個問題能穩定回答，再擴大到完整資料治理。
資料更新與來源
本文於 2026-07-07 依官方文件與公開資料整理。平台介面、GA4 事件建議、Adobe Analytics 功能與台灣個資法解釋可能變動；實作前應回到官方文件確認最新狀態。
- Google Analytics recommended events：用於確認事件追蹤需要依商業行為設定。
- Google Analytics custom dimensions and metrics：用於說明自訂資料如何補足標準報表。
- Adobe Analytics Data Dictionary：用於參考 analytics components 的治理與維護方向。
- USGS Data Dictionaries：用於 data dictionary 的基本資料管理定義。
- Matomo analytics glossary：用於說明 analytics glossary 能降低名詞理解成本。
- 台灣個人資料保護法第 20 條：用於提醒行銷資料利用與拒收邊界。
結論：先讓數字有共同語言，再讓 AI 幫你判斷
AI 行銷分析真正有價值的地方，不是把報表寫得更漂亮，而是讓團隊更快看見應該追問什麼、應該修正哪裡、哪些行動值得優先做。但這一切都建立在共同指標口徑上。沒有行銷指標字典，AI 只是在幫你加速包裝不一致的數字。
最小可行做法很簡單：這週先挑 10 個最常被拿來開會的指標，補上來源、算法、負責人、決策用途與個資邊界。下週開始，任何 AI 報表摘要都必須引用這張字典。當團隊能用同一套語言討論數字，AI 才會變成決策助手，而不是另一個讓報表更混亂的黑盒子。
FAQ
行銷指標字典 AI 第一版要做多完整？
第一版不要追求完整，先整理 10 到 20 個會影響預算、銷售跟進、客服優先順序或老闆週會的核心指標。每個指標先補來源、算法、負責人、決策用途與資料邊界。
行銷資料字典跟一般報表有什麼不同？
報表呈現數字，資料字典解釋數字如何產生、能不能比較、誰負責維護，以及這個數字適合拿來做什麼決策。AI 要可靠解讀報表，通常需要先有字典。
GA4 事件命名需要全部重做嗎？
不一定。先盤點目前已用於決策的事件，例如表單送出、預約、購買、下載與電話點擊。只有命名不一致、重複計算或無法回推商業意義的事件，才優先修正。
小公司只有試算表，也需要行銷指標字典嗎？
需要，但可以很輕量。只要同一張試算表會被老闆、行銷、業務或外包一起看，就應該寫清楚欄位定義、更新時間、誰填寫，以及能不能拿來做預算或跟進決策。
哪些行銷資料不適合直接丟給 AI 分析？
含姓名、電話、Email、LINE UID、訂單明細、客服對話、拒收狀態或敏感備註的資料，都不應直接貼到未核准的外部工具。應先去識別化、彙總，並確認原本蒐集目的與使用邊界。