行銷活動復盤 AI 的價值，不是把月報寫得更漂亮，而是把下一次預算要停、修、加碼的決策講清楚。
行銷復盤 stop fix scale 的重點，是把 AI 整理出的活動資料，收斂成三個決策：停止什麼、修正什麼、加碼什麼。對台灣中小企業來說，活動結束後請 AI 幫忙摘要有用，但如果最後只得到一份漂亮報告，下一次預算仍會靠感覺分配。比較務實的做法，是先準備原本目標、花費、渠道、表單或 LINE 線索、成交回填與客戶回饋，再要求 AI 把結論放進 stop、fix、scale 三欄。否則 AI 只會把零散資料包裝成看似合理的故事，卻無法回答老闆真正要問的問題：下次同樣一筆預算，該停哪裡、修哪裡、加碼哪裡？
行銷復盤 stop/fix/scale 先回答：下一次要改哪個決策
很多中小企業的活動檢討會只有三種句子：「觸及不錯」「名單品質普通」「下次再優化」。這些話都不算復盤，因為它們沒有改變下一次決策。真正有用的復盤，要讓團隊在 30 到 60 分鐘內看見一件事：這次活動失準，是目標設定、受眾、素材、出價、落地頁、追蹤、業務跟進，還是外部時機造成的。
AI 可以加速整理，但不能倒過來決定目標。Databox 的 AI campaign post-mortem 範例把第一步放在「鎖定原始目標與假設」，再做 KPI scorecard、漏斗診斷、素材與渠道分析、根因分析。這個順序很重要：如果活動前沒有假設，活動後再說「我們本來就是要提高品牌聲量」，很容易把低成交包裝成策略成功。
5 個漏錢訊號：活動結束後先查這張表
| 漏錢訊號 | 怎麼看 | AI 可以協助 | 人要決定 |
|---|---|---|---|
| 目標沒有先寫 | 活動前沒有明確 KPI、預算上限、合格名單定義 | 整理現有文件，指出缺少的假設 | 補一個可被反駁的目標，不要事後改口 |
| 追蹤事件不完整 | 只看到點擊，沒有表單、LINE、電話、成交階段 | 比對 GA4、廣告後台、表單與 CRM 欄位 | 決定下一次最少要追哪 3 個事件 |
| 漏斗斷點不明 | 曝光、點擊、詢問、合格名單、成交沒有串起來 | 找出掉最多人的階段與渠道 | 判斷是受眾、頁面、話術或交付問題 |
| 素材高互動低成交 | CTR 或互動高，但表單品質差、成交慢 | 分類素材角度、受眾、落地頁與名單品質 | 決定是否停掉吸引錯客群的創意 |
| 結論沒有負責人 | 會議後沒有 owner、期限、下次驗證方式 | 把討論轉成 action items | 指定負責人、截止日與下一次檢查點 |
活動前沒有留下假設，復盤就會變成找藉口
每次活動上線前，先寫一段短假設。格式不用複雜：「我們相信 X 客群會因為 Y 痛點，在 Z 通路看到 A 素材後，完成 B 行動；成功門檻是 C。」例如：「我們相信新竹 20 人以下 B2B 服務公司，會因為沒有固定開發名單流程，在 Google 搜尋到案例頁後預約診斷；14 天內若有效表單成本低於 2,500 元，下一輪加碼。」
這段話不是為了漂亮，而是為了讓復盤有標準。活動結束後，AI 可以協助把實際數據對照到假設：客群是否正確、痛點是否被點擊、通路是否帶來有效線索、落地頁是否承接、業務是否有跟進。最後不要產出長篇心得，而要把每一個判斷歸到 stop、fix 或 scale。最後不要產出長篇心得，而要把每一個判斷歸到 stop、fix 或 scale。如果一開始沒有寫，AI 再強也只能用事後資料拼故事。
最小資料包：沒有完整 CRM，也能做第一版復盤
台灣中小企業常見狀況是：Google Ads 在一個後台、Meta 廣告在另一個後台、LINE 官方帳號有聊天紀錄、表單進 Google Sheets、成交結果在老闆或業務腦中。這不代表不能復盤，但要先做最小資料包。
| 資料 | 最小欄位 | 復盤用途 |
|---|---|---|
| 活動基本資料 | 活動名稱、日期、預算、主通路、主 CTA | 避免不同人講的是不同活動 |
| 流量與互動 | 曝光、點擊、CTR、CPC、素材版本 | 判斷吸引力與成本 |
| 行動事件 | 表單、LINE 點擊、電話、加入購物車、預約 | 判斷是否有下一步 |
| 名單品質 | 需求、預算、地區、是否合格、是否回覆 | 判斷流量是不是正確客群 |
| 成交或流失 | 成交、未成交原因、跟進天數、負責人 | 判斷要修頁面、話術還是受眾 |
Google Analytics 官方建議的 lead generation 事件包含 generate_lead、qualify_lead、disqualify_lead、working_lead、close_convert_lead 與 close_unconvert_lead。中小企業不一定第一天就全部串好，但至少要讓表單、LINE 或電話之後的合格與未成交原因有地方回填。沒有品質欄位，活動復盤很容易把便宜名單誤判成好成效。
用 AI 開復盤會：30 分鐘流程
- 第 0 到 5 分鐘：貼上活動假設、期間、預算、渠道與成功門檻。請 AI 只整理事實，不先下結論。
- 第 5 到 10 分鐘：輸入 KPI scorecard：花費、曝光、點擊、表單、合格名單、成交、每階段成本。要求 AI 標出偏離目標最大的 3 個數字。
- 第 10 到 15 分鐘：做漏斗診斷。請 AI 找出從曝光到成交掉最多的階段，並分通路或素材比較。
- 第 15 到 20 分鐘：加入客服、LINE、業務回饋的摘要。不要貼完整個資，先遮蔽姓名、電話與可識別資訊。
- 第 20 到 25 分鐘：請 AI 產出 3 個可能根因，每個根因都要標明證據、反證、缺少資料。
- 第 25 到 30 分鐘：把結論改成 stop、fix、scale 三欄，每欄最多 1 件事，指定負責人與下一次驗證方式。
Asana 的 postmortem template 強調行動項目要有 owner、priority 與 due date；TeamRetro 的 marketing retrospective 則提醒要看 campaign performance、customer feedback、ROI、brand impact 與 lessons learned。這些結構都可以借用，但台灣 SME 不要一次開成兩小時大會。第一版先做到「一個停掉、一個修正、一個加碼」就夠。
AI 提醒你看數據，但不能替你判斷現場脈絡
假設某支素材 CTR 很高，但有效表單低。AI 可能會說「素材吸引錯受眾」；這是合理假設，但還不是結論。真正原因可能是優惠條件寫太模糊、落地頁載入慢、LINE 回覆太晚、業務沒有標記來源、競品同週降價，或活動期間遇到連假。AI 會幫你把模式浮出來，現場負責人要補齊脈絡。
因此，復盤會上每個結論都要分成三層：已知事實、合理推論、下一次驗證。例句可以這樣寫：「事實：A 素材花費 35% 預算，但合格名單率低於平均。推論：素材吸引了價格敏感客群。下一次驗證：保留同受眾，改成案例型素材與價格範圍說明，7 天後看 qualify_lead 比例。」
個資與 AI 資料邊界：不要把客戶原文整包丟進工具
復盤很容易碰到客戶姓名、電話、Email、LINE ID、公司名稱、預算、購買意願、抱怨內容與未成交原因。依個人資料保護法第 8 條，向當事人蒐集個人資料時，應明確告知蒐集者名稱、目的、資料類別、利用期間地區對象方式、當事人權利，以及不提供資料的影響；第 20 條也要求非公務機關利用個資應在特定目的必要範圍內，且首次行銷應提供拒絕接受行銷方式。
實務上，請先把復盤資料做三層處理：第一，移除姓名、電話、Email、地址、訂單編號；第二，把客戶原文改成摘要，例如「價格疑慮」「交期太長」「需要公司內部核准」；第三，只把彙整後資料交給 AI 分析。OpenAI 的企業隱私頁面說明 covered business services 的 business data 預設不會用於訓練模型，但公司仍要確認自己使用的帳號、合約、權限與資料保留設定，不要用個人免費帳號處理敏感名單。
適用與不適用情境
這套行銷活動復盤 AI 流程適合有固定活動、廣告、內容、LINE 推播、表單或門市活動的台灣中小企業，尤其是每月預算不大、但很需要知道哪一筆錢有效的團隊。它也適合顧問、B2B 服務、課程、在地服務、電商、餐飲活動與小型展會後的檢討。
它不適合完全沒有追蹤入口、沒有表單或 LINE 紀錄、也沒有人願意回填成交結果的團隊。這時不該先談 AI 復盤，而是先補最小追蹤：活動名稱、來源、表單、LINE 點擊、電話來源、合格與未成交原因。若活動涉及醫療、金融、抽獎、兒童個資或高度敏感資料，也應先做法遵審查，再決定能交給 AI 的資料範圍。
14 天落地檢查表
| 天數 | 任務 | 完成標準 |
|---|---|---|
| 第 1-2 天 | 建立活動假設模板 | 每個活動上線前都有客群、痛點、通路、CTA、成功門檻 |
| 第 3-4 天 | 整理最小資料包 | 花費、素材、點擊、表單、LINE、成交結果可放到同一張表 |
| 第 5-6 天 | 定義合格名單 | 業務與老闆同意什麼叫有效詢問 |
| 第 7-9 天 | 寫 AI 復盤提示詞 | 提示詞要求分清事實、推論、缺少資料、下一次驗證 |
| 第 10-11 天 | 試跑一個舊活動 | 產出 stop、fix、scale 三欄，各只有一個行動 |
| 第 12-14 天 | 把結論接到下一次活動 | 每個 action 有 owner、due date、預期影響與驗證事件 |
資料更新與來源
本文於 2026-07-10 依公開可查資料整理。主要來源包括 Databox campaign post-mortem with AI、Asana postmortem template、TeamRetro marketing campaign retrospective、Pedowitz Group campaign post-mortem checklist、Google Analytics recommended events、Google Search Central people-first content、個人資料保護法第 8 條與第 20 條，以及 OpenAI Enterprise Privacy。平台介面、GA4 報表、AI 工具資料政策與台灣法規施行狀態可能變動；正式使用前仍應回到官方文件與公司內部權限設定確認。
- Databox：How to Run a Campaign Post-Mortem With AI
- Asana：Postmortem template
- TeamRetro：Marketing Campaign Retrospective Template
- Pedowitz Group：Campaign Post-Mortem Analysis
- Google Analytics：Recommended events
- Google Search Central：Creating helpful, reliable, people-first content
- 個人資料保護法第 8 條、個人資料保護法第 20 條
- OpenAI Enterprise Privacy
結論：復盤不是結案，是下一次活動的開案
行銷復盤 stop/fix/scale 做得好，會讓小團隊少一點憑感覺加碼，多一點有證據的調整。每次活動結束後，不要只問成效好不好；要問目標是否被驗證、漏斗斷在哪裡、哪些素材吸引錯人、哪些名單真的接近成交、下一次要 stop 什麼、fix 什麼、scale 什麼。當 AI 協助整理資料，人負責判斷現場脈絡與行動責任，復盤才會從報告變成中小企業真正可累積的行銷資產。
FAQ
行銷復盤 stop/fix/scale 和一般活動檢討差在哪？
一般活動檢討常停在摘要與心得；stop/fix/scale 會強迫團隊只留下三種決策：停止無效項目、修正有機會但有破口的項目、加碼已被驗證的項目。
沒有完整 CRM 還能做活動成效檢討嗎？
可以。先用試算表建立最小資料包：活動名稱、日期、預算、通路、素材、表單或 LINE 來源、是否合格、成交或未成交原因。資料先一致，比工具完整更重要。
AI 復盤最容易犯什麼錯？
最常見錯誤是把相關性當因果、用事後故事補原本沒有寫的目標、只看 CTR 而不看名單品質，以及把客戶原文或個資整包貼進 AI 工具。
活動復盤要多久做一次？
小型活動建議結束後 3 到 7 天內做第一次復盤，避免現場記憶消失。固定月度廣告或 LINE 推播則可每月做一次，並在下一次投放前確認 action item 是否完成。
復盤結論要怎麼接到下一次活動？
把結論寫成 stop、fix、scale 三欄，每欄最多一個行動，並加上負責人、截止日、預期影響與驗證事件。沒有 owner 的結論，不算真正的復盤。