為什麼你的多平台報表永遠兜不起來？電商 AI 整合的三道天花板
開週會的時候，投廣告的人一套數字、看平台後台的人一套數字、對帳的會計又一套數字，三個人講的是同一週的生意，卻像三家不同的公司。很多老闆以為這是工具不夠力，找個 AI 把資料「全部串起來」就好。做這行的我們得說實話：多數時候卡住的不是工程能力，是三道結構性的天花板。搞懂它們，你才知道哪些錢該花、哪些承諾不該信。
天花板一：資料根本不在你手上
先分清楚兩種通路的體質。用 Shopify、Shopline、CYBERBIZ 這類開店平台，資料自主權在你手上，要接 API、要匯出明細都做得到。但蝦皮、momo 這類大平台（Marketplace）不一樣：流量與受眾層級的資料沒有開放 API，買家個資也被嚴格遮蔽。
這代表什麼？凡是跟你承諾「跨平台完整分析」的方案，到了蝦皮、momo 這一段，實際上只能退化成報表匯入或爬蟲補足，資料的細緻度與更新頻率都低一階。不是廠商偷懶，是平台就給到這裡。簽約前該問的不是「能不能串」，是「每個通路各能拿到什麼等級的資料」。
天花板二：每套系統對「一筆訂單」的定義不一樣
就算資料都拿到了，數字還是對不起來，因為口徑不同。最典型的：Meta 廣告的成效算法有自己的歸因視窗（例如點擊後 7 天內、瀏覽後 1 天內成交都算它的功勞），而你的電商後台看的是訂單成立時間。再加上幣別、時區、退貨與取消怎麼算，每一項的定義都可能不同。
把三套口徑不同的數字硬湊在一起，你不會得到真相，只會得到「第四套數字」。整合系統解決不了口徑問題，只有人能決定：以哪一套為主，其他的差異要能被解釋。
還有一個很多人沒想到的斷點：廣告平台的資料只給到「點擊」為止。點擊之後的瀏覽、加購、結帳，要靠你自己的網站提供事件資料；而蝦皮、momo 站內的這段行為，外部根本拿不到。所以承諾給你「完整轉換漏斗」之前，先確認每個通路實際能看到第幾段。
天花板三：三個平台上的同一個客人，系統當成三個人
會員分析（RFM、顧客終身價值）聽起來很誘人，但前提是系統知道「蝦皮的這位買家」和「官網的這位會員」是同一個人。現實是：同一位消費者在蝦皮、momo、官網各是一組不同帳號，而大平台對買家個資嚴格遮蔽，常常只給部分手機號碼或匿名代號。
跨通路的身分對應做不起來，會員分析就只能各通路分開算，「統一顧客視圖」名不副實。這不是 AI 不夠聰明，是資料本身不允許。
加碼一個隱形陷阱：昨天的異常，明天自己好了
廣告平台的數據有回填延遲，例如 Meta 的轉換數在成交後一到三天內仍會變動。如果你的系統（或廠商做的異常警報）不處理這個回填視窗，就會常常出現「今天警報大響、明天數字自己補回來」的狀況。假警報比沒有警報更糟，因為它會讓你從此不信任任何警報。
那到底該怎麼做？動工前先畫一張「能力矩陣」
我們自己評估電商客戶時，第一步不是打開工具，是把通路組合攤開來，逐一回答三個問題：
- 每個通路實際能拿到轉換漏斗的第幾段？（廣告點擊之後的行為，誰給得出來？）
- 主口徑選哪一套？其他系統的數字差異能不能被解釋？
- 跨通路的身分對應做得起來嗎？做不起來，會員分析就誠實地分通路算。
答完這三題，再決定要承諾「統一分析」還是「分通路報告」。順序反過來，就是先簽約再發現做不到。
這張矩陣不只電商適用。任何要把多個資料來源餵給 AI 的系統（門市加線上、多套進銷存、多個品牌）都會撞到同一種結構。差別只在於：先畫矩陣的人把天花板變成規格，沒畫的人把它變成糾紛。
本文內容整理自我們在電商導入案的實作與訪談經驗，屬第一手歸納而非第三方研究。各平台的 API 開放範圍與歸因規則會隨政策調整，實際評估時請以各平台當下的官方文件為準。
用爬蟲把蝦皮、momo 的資料抓下來，不就解決了嗎？
爬蟲或報表匯入可以補足一部分，但資料粒度與更新頻率都比正式 API 低一階，而且平台政策一改就斷。把整套分析承諾建立在爬蟲上，等於把地基蓋在別人隨時會收回的土地上。正確做法是把它當補充來源，並在規劃時就標明這條資料的等級。
既然有天花板，統一報表是不是乾脆不用做了？
還是值得做，但要誠實地做：先選定一套主口徑，讓其他數字的差異可以被解釋；做得到跨通路對應的部分做統一視圖，做不到的分通路呈現。最糟的做法是硬把三套數字平均成第四套，看起來整合了，實際上誰也不敢拿它做決策。
AI 異常警報常常誤報，隔天又自己恢復正常，是系統壞了嗎？
很可能不是壞，是沒有處理資料回填延遲。廣告平台的轉換數在成交後一到三天內仍會變動，今天看到的下滑明天可能自己補回來。異常偵測若不等資料穩定就報警，就會產生大量假警報，而假警報比沒有警報更傷你對系統的信任。