當賣方沒說的事，AI 也不會知道：從一張升降桌，看銷售體驗要重新設計什麼

你有沒有過這種經驗：一個東西你查了三天，看完幾十篇評測、問過 AI 兩輪，資料整理得清清楚楚，但你還是不知道該買哪一個。

不是資訊不夠。是那些資訊，沒有一個在回答你真正的問題。

我最近就卡在這裡，卡在一張看起來再普通不過的升降桌上。

這篇談的不是怎麼挑家具，而是一件更值得品牌注意的事：當客戶都先問過 AI 才走進你的店，你還能提供什麼是他手機上看不到的？

這篇你會看到：

• 為什麼「資訊愈多、判斷愈難」在 AI 時代反而更嚴重
• 一個做家具的朋友，用兩句話推翻我查了三天的功課
• AI 為什麼撈不到那些真正影響決策的經驗，而且賣方還能移動 AI 的答案
• 我之前談過的顧問價值，在一次家庭採購裡怎麼被驗證一次
• 從找資訊到走進門市，品牌現在還能幫客戶做的 4 件事

兩個孩子同時指定要升降桌，然後我就卡住了

最近，因為孩子準備進入國高中，我們開始幫他們換書桌。原本的桌椅已經不堪使用。

不知道為什麼，兩個孩子竟然都指定：「我要升降桌。」

我跟太太聽完，第一個反應也是：好像不錯。偶爾可以站著念書，感覺比較健康。現在回頭看，這大概只是「大人的一廂情願」（笑）。

於是，我們開始逛 IKEA、亞梭，也上網查了不少資料。

但說真的。一張看起來很普通的「升降桌」，居然讓我查到有點挫折。

網路上很多答案，卻沒有回答我的問題

只要搜尋「升降桌怎麼選」，看到的幾乎都是差不多的資訊：單馬達還是雙馬達、承重多少、結構穩不穩、預算多少、保固幾年。

問題是，看完這些資訊之後，我還是不知道該怎麼選。

如果只是偶爾升降一次，那幾秒鐘的噪音，真的有那麼重要嗎？我實在很難想像，我家小孩有一天會突然在書桌上放 50 公斤的東西。

至於保固，更有趣。有的三年，有的五年，有的十年。但到底「保固什麼」？這反而很少有人說。

看完一輪之後，我發現：資訊很多，但真正能幫助我做決策的資訊，其實很少。

而且我得說句公道話。這不見得是誰的錯。網路上會被大量寫下來的，本來就是「好寫、好比較、好排名」的東西：規格、價格、參數。真正難寫的部分，通常沒有人有動機寫。

會動的東西，才值得好好想

可能因為以前當過工程師，我一直覺得哪裡怪怪的。

如果今天只是一張普通桌子，我大概不會想這麼多。反正它不會動。靜態的東西，什麼都好搞。

但升降桌不一樣。它有馬達、有機械結構、有「升降模組」。只要東西會動，就代表多了故障、磨損與維修的可能。

所以我真正想知道的是：用了幾年之後，桌子會不會開始晃？升降卡住怎麼辦，維修一次多少錢？保固到底包不包這些東西？

這些問題，網路上反而很少人談。

朋友的兩句話，才給了我判斷的依據

最後，我乾脆去問一個在家具公司工作的好兄弟。果然。專業的還是有差。

他聽完我的問題後跟我說，以家庭使用來看，單馬達、雙馬達其實都可以，因為升降頻率根本沒有辦公室那麼高。真正值得注意的，反而是另一件事。

真正要看的是，保固項目有沒有含升降模組。這可能關乎以後會不會漏機油，維修起來可能會比較貴。

因為按照他的產業經驗，真正麻煩的往往不是「升得比較快還是比較慢」。而是幾年之後零件出問題，要怎麼修、維修成本高不高。

我又問他：「那你真的推薦家裡買電動升降桌嗎？」他的回答更有趣。「其實不一定。」

辦公室的人，一天可能坐八個小時。但孩子晚上回家，大概也就三、四個小時。如果真的想要升降，甚至可以考慮手動。少了電動零件，也少了一些長期維修的風險。

我那時候腦中第一個念頭是：奇怪，這些資訊為什麼網路上幾乎沒看到？

更有趣的是，連「需求」本身也不在網路上

還有一件事，是我沒預料到的。真正把使用情境講清楚的，不是任何一篇評測，是我的孩子自己。

他們告訴我，用顯微鏡的時候跟唸書的時候，需要的高度不一樣；看小說跟寫作業，坐的姿勢也不同，高度需求又不一樣。椅子雖然可以調整，但體感就是不太一樣。

這段話讓我愣了一下。做了十五年服務設計，我在客戶的專案裡不斷提醒大家「使用情境比規格重要」，結果輪到自己買東西，我整整三天都在比規格。

而且你去搜尋「升降桌」，幾乎找不到有人在討論「同一個人在同一張桌子上，會有幾種不同的使用情境」。因為那不是賣方的語言，也不是評測的語言。那是使用者的語言，而使用者通常不寫文章。

把這趟找答案的過程攤開來看，順序其實很清楚：

前兩步給我的是同一份資料，後兩步才給我判斷。而這兩步，都發生在網路以外。

AI 只能整理「已經被說出來」的東西

我們現在找資料，比過去容易太多了。問一句「升降桌怎麼挑」，幾秒鐘就可以整理出一份看起來非常完整的比較。

但問題來了。AI 能整理的，基本上還是那些「已經被說出來」的東西。

如果網路上大量討論的是單馬達、雙馬達、承重、速度、噪音、價格，AI 很自然也會把這些整理給你。

可是那些沒有被大量記錄的經驗呢？維修師傅知道的事情。通路商知道的事情。真正長期使用的人才遇過的問題。甚至是賣方沒有特別想主動告訴你的事情。當這些資訊很少、很零散，AI 就很難把它們放到決策的中心。

這件事其實有研究撐著。柏克萊團隊做過一個很直白的實驗：他們把模型答對事實的機率，跟這個事實在訓練資料裡出現過幾次，畫在同一張圖上。結果是一條很清楚的正相關。資料裡出現得少，模型就答得差。他們測到 1,760 億參數的模型都一樣，結論是要把模型放大好幾個數量級，才可能答好那些「沒什麼人寫過」的問題。

換句話說，AI 答不出「家用升降桌的升降模組會不會漏機油」，不是因為它笨。是因為這件事，全世界大概只有幾百個人寫過。

更麻煩的是，賣方可以移動 AI 的答案

如果只是「查不到」，那還算單純。但還有另一層。

哥倫比亞商學院做過一個模擬實驗，讓三種不同的模型去逛同一個電商網站、幫使用者挑東西。結果很有意思：同一份商品清單，不同模型挑出來的東西差很多，有一款健身手錶，某個模型選它的頻率是別的模型的將近兩倍。而且商品擺在頁面左邊、中間還是右邊，居然對結果有超乎比例的影響。

最值得注意的是最後一項：他們把商品描述「為 AI 重寫」之後，大約四分之一的商品市佔率出現統計上顯著的提升，其中一款滑鼠墊直接拉高超過 20 個百分點。也就是說，賣方只要改寫描述，就能移動 AI 的推薦結果。

我不是要說 AI 不能用，我自己每天都在用。但這兩件事放在一起看，結論很清楚：你透過 AI 看到的世界，是「有人寫下來」而且「有人想讓你看到」的那個世界。

所以 AI 時代有一個很有趣的現象：我們得到知識的速度愈來愈快，但「理解真實」不一定同步變快。甚至可能更困難。

我之前談過顧問的價值，這次在自己家裡驗證了一次

我之前寫過一篇談顧問價值的文章，整理了五個判斷的問題。這次買升降桌，我反而有更深的感受。因為那五個問題，在一次家庭採購裡幾乎全部跑了一遍。

（想了解更多此議題，請點這篇文章：〈AI 時代，企業還要花錢找顧問嗎？找顧問前的 5 個必問〉）

未來，「知道一套方法」會愈來愈不值錢。因為方法，AI 都可以告訴你。商業模式怎麼分析、MVP 怎麼規劃、訪談大綱怎麼寫，這些 AI 都做得愈來愈好。

真正稀缺的，是另一種能力：知道現在真正的問題是什麼。知道哪些不起眼的小事，反而會在半年、一年後變成大問題。

例如，一個 MVP 要進入測試。AI 可以幫你設計方法、規劃流程、整理訪綱。但誰是對的測試對象？客戶嘴巴上說的，跟實際行為是不是一致？

AI 時代顧問真正的價值，不是比 AI 知道更多，而是比 AI 更接近真實。

現場如果講得跟網頁一樣，客戶就不必來了

回頭看這次買升降桌的經驗，我反而覺得，從「找資訊」到「實際購買」之間，還有很大的服務設計空間。

我到了現場，問了門市人員，得到的答案基本上跟網路上一樣。另一家更不用說，全程自己看、自己摸。那當下我心裡冒出來的念頭是：如果我到了實體店，聽到的還是跟網路上一模一樣的資訊，那我為什麼還需要來到現場？

以前品牌可能會想：要不要寫更多 SEO 文章？要不要把規格整理得更完整？要不要做一張更漂亮的比較表？

這些當然都有用。但 AI 出現之後，這些公開資訊會愈來愈容易被整理。而且如同前面那個實驗，愈容易被整理，也就愈容易被別人用同一招蓋過去。

真正有差異的，是這四件事：

前兩件事，是內容的工作。後兩件事，是現場的工作。在 AI 時代，這四件事合起來才叫「服務」；少了後兩件，就只是把官網搬到店裡念一次。

最後我買的，跟原本挑的那一張一樣

故事的結尾其實有點反高潮。

問完朋友之後，我還是買了電動升降桌，而且就是原本挑中的那一張，搭配椅子一起，選了最划算的組合。

差別在哪裡？差別是這一次我很放心。我知道自己在看什麼。我會去確認保固包不包升降模組；我知道那個組合價不是因為賣不掉才促銷；我也知道孩子真正需要的是「不同情境的高度」，不是「更快的馬達」。

所以我後來一直在想這件事：專業的價值，不一定是給你一個不同的答案。有時候它給你的，是讓你敢下決定的依據。

如果你正在經營一個品牌，下次開會討論「AI 會不會影響我們的生意」時，我建議先問一個更具體的問題：我們的客戶，是查完資料才走進來的。那我們現在給他的東西，跟他在手機上看到的，有什麼不一樣？

如果答案是「沒什麼不一樣」，那要補的不是行銷預算，是服務設計。

網路可以告訴我規格。AI 可以幫我整理比較。但真正好的服務，應該幫我看到：「你原本不知道，自己還需要知道什麼。」

也許這才是 AI 時代真正稀缺的服務。不是提供更多資訊，而是幫助人，更接近真實。