文章 / Blog

關於 AI 同事、AI 客服、RAG、整合行銷的觀點與技術分享。我們把自家用 AI 客服一個月的實測攤開,把為什麼 SaaS 路線結構性做不到客製攤開,把報價跟成本攤開。讀的人省時間,我們也省。

廣告公司為什麼開始做 AI?—— 整合行銷的下一個自然延伸

薩摩是廣告公司,為什麼做 AI 客服?因為廣告 funnel 的最後一哩——客戶上門後的對話——一直被外包給跟品牌脫節的 SaaS。我們把它收回來,讓 AI 同事跟 TVC、社群、媒體投放在同一個邏輯裡長出來。

ChatGPT、Claude、Gemini 這些大模型直接接成客服 chatbot,看起來很簡單。但實際上線後會出 5 種致命包。本文用真實案例拆解每個問題與技術原因。

市面 AI 客服比價多看月費,但真實 TCO(總持有成本)還包括建置、訓練、KB 維護、答錯處理。本文把薩摩三層方案的所有成本攤開,連對比一個正職員工都算給你看。

市面 AI 客服 SaaS 普遍長得一樣、答得一樣、難用得一樣。本文寫給「裝過 SaaS 然後失望」的中型品牌:同樣的錢與其買一個工具,不如雇用一位同事。

薩摩自家小愛上線一個月,我把後台所有數字攤開。包括成本、對話品質、轉換率,以及三個一開始沒想到的事。

選 AI 客服不是比較功能列表,是選對商業模式。本文用三個 anchor 問題幫你分辨「我該買 SaaS 還是該找客製?」,以及真實成本對比。

AI 客服答非所問不是 AI 不夠強,是用錯了方式。本文從技術原因解釋為什麼通用 LLM 直接當客服會掰答案,以及 RAG 跟知識庫客製化能怎麼治。

RAG(Retrieval-Augmented Generation,檢索增強生成)就是讓 AI 答案只能來自你給的資料、答不出來就老實說。本文用人話解釋向量、切段、檢索、重排這些術語,以及為什麼做好 RAG 比做出來難得多。