跨境零售商的商品內容引擎

跨境零售的瓶頸，很少出在流量，而在內容跟不上品項擴張的速度。一家經營多個海外市場的零售商找上我們時，問題不是「要不要用 AI」，而是「為什麼導入了通用 AI，後台還是接不起來」。我們以數週駐點，交付一套跑在自家 VPC 裡的商品內容引擎，並把維運能力一併留給團隊。

挑戰

這家客戶（基於保密，以下匿名）同時在三個語系市場銷售，品項繁多。旺季上新時，行銷與營運就被商品文案淹沒：一個 SKU 的主標、賣點、規格，還得分三個語系各自改寫，人力追不上上架節奏，新品壓在倉庫裡，現金也跟著鎖死。

大促期間是另一個破口。客服信箱被「訂單到哪了」「能不能退」灌爆，重複性高卻每封都要人回；尖峰時段人力被稀釋，需要判斷的爭議反而排到後面。

他們不是沒試過 AI。通用工具寫得出通順文案，卻接不進 OMS 與 PIM，查不到即時庫存與物流，也鎖不住品牌口吻——產出不是偏離調性，就是得逐句核對，省下的時間又補回去。

起手式是駐點與一場聚焦的工作坊。工程師進場，先盤點商品資料庫（PIM）、品牌風格指南與過往客服紀錄，作為後續產出的根。我們不從零訓練模型，而是以 RAG 把內部知識接進選定的模型，讓每句產出都有出處可查。

架構上維持模型中立，哪個模型表現好就用哪個，不綁單一供應商；整套系統部署在客戶 VPC 內，商品資料與個資不外流。

最關鍵的是人工審核關卡。我們不假設模型永遠正確：商品文案上架前先進審核佇列，由編輯抽審放行；客服回覆設信心門檻與規則引擎，把握不準或涉及金流、退換貨者，升級給真人。

落地系統由三個部分組成：

商品文案批次生成：以 PIM 為輸入，依品牌風格指南鎖定口吻，一次為三個語系批次產出主標、賣點與規格；產出進審核佇列，編輯修訂後回寫上架，以既有文案為錨避免翻譯腔。
客服 Copilot 與例外升級：Copilot 串接 OMS 查詢即時訂單、物流與庫存，草擬回覆供客服確認；規則引擎判定例外——金額爭議、退換貨、地址變更——自動升級至專責人員，一般查詢即時處理。
全通路整合：文案回寫至 Shopify 與各市場通路，客服整合進既有工單系統，讓同一套知識同時供應前台與後台。

系統上線後，最直接的改變是內容產出的節奏。在人工審核把關品質的前提下，商品文案產出速度達到原本的 10 倍，採購與上架終於對得上。

其次是三個語系同步上線。過去新品多半主力市場先上、其餘慢慢補；如今三語系在同一批次裡一起產出、審核、上架，海外市場不再有時間差。

我們交付的不只是系統。透過駐點與工作坊，客戶團隊學會調整提示、維護風格指南、調校審核門檻——能力留在他們手上，而不只是一份程式碼。