2026/5/17 向量化之後 資料變成立體可以看到更多東西

在前面的這一篇文章當中已經提到，我已經利用了向量化的方式建立了文章的向量化維度。

2026/5/16 建立『你可能會有興趣的文章』的AI自動化檢索

但單純只有使用在一個地方實在是太可惜了，我重新定義了我文章的區塊，因為傳統的分類報表，抓的是人為的分類，現在透過向量化，可以透過語意判斷，來自動抓取區塊，所以我設置了大概八大類的主題，用向量化的方式，重新為每篇文章定錨，這樣看出來的數字跟相關資訊更清晰

但這個定錨的過程當中，中間有碰到一些問題，像是住宿這個詞彙會跟其他貴賓室的詞非常接近，所以還額外特別加上了詞彙檢查，確保每個主題區塊沒有重疊，避免資料上的誤判。

因為這樣，就可以得到下面這一張圖，目前我的圖表大部分都是使用ENCHART繪製，但是因為很多的文章都有可能會有屬於兩種不同分區，所以會有這樣的判斷，讓文章可以指定到個主題區塊當中。可以跳脫出來於來的分類框架，用語意的方式來進行內容的分析。

瀏覽行為帶來的數位指紋

• 這個圖是以閱讀時間為底，瀏覽量為軸的呈現
  • 瀏覽量大小不是重點，主要是看特徵/比例
  • 如果資料被打成平面就會是上面的玫瑰圖，內容會相對接近
  • 這個維度形成了一個用戶瀏覽行為數位指紋，因為我的網站累積了各航空公司旅客的瀏覽記錄，所以可以做旅客行為的參考
  • 傑西網站內容主要是在機票購買到搭機前後這個區間
• 從圖面來看，可以看到華航跟星宇的圖面非常的接近
  • 可以代表星宇跟華航的旅客行為在某一個階段是非常接近的，這個階段對應到網站內容，就是上面說的機票購買前後到搭機之間的這區間的行為模式。

以下是我請AI幫忙給出的一些定義

向量維度解析：為何稱之為「行為指紋」？ (Defining the Behavioral Fingerprint)

在數位分析中，傳統圖表（如主題分布玫瑰圖、圓餅圖）往往只能呈現結果的「聚合斷面」（例如：各主題流量佔比）。在這些傳統圖表中，不同品牌的最終數據常被抹平而顯得相似（例如：前兩大主題皆為行李與座位），導致無法察覺旅客在閱讀過程中的微小行為差異。

本報告之所以放棄傳統圖表，而將此數據模型定義為「行為指紋 (Behavioral Fingerprint)」，是因為它同時交乘了三個關鍵的向量維度，能將被抹平的行為過程「立體還原」：

指紋的結構穩定性： 當這三個向量在 180 天的長週期中交疊，數據點並未隨機散落，而是凝聚成高度穩定、可預測的幾何型態（如集中的 L 型或分散的柱狀）。這種如同人類指紋般獨一無二、難以偽造的結構特徵，讓我們得以直接穿透表層總量，辨識出該品牌在市場中真實的「受眾體質」。

向量一 / X 軸（平均停留時間）—— 突破傳統圖表的「聚合盲點」： 這是本矩陣的核心解析力。同樣是獲得 10,000 次瀏覽的「行李規則」文章，X 軸能精準辨識出讀者是「停留 10 秒鐘的高效截圖（任務導向）」，還是「停留 60 秒鐘的仔細研讀（深度探索）」。這捕捉了玫瑰圖無法呈現的「資訊消化品質」。

向量二 / Y 軸（瀏覽量）與氣泡大小（累積總流量）—— 需求共性規模： 揭示了該項資訊在所有旅客中的普及程度。能清楚界定該主題是屬於少數人的利基需求，還是全體旅客行前必看的共同剛需。

雙重受眾行為指紋 (Behavioral Fingerprints)

透過矩陣位群比對，我們從三組品牌的表現中，識別出兩種截然不同、但同樣具備高度商業價值的品牌數位體質：

指紋型態 A：高效率任務導向型 (對應群組一、二)

• 矩陣特徵： 呈現高度集中的 「L 型」分佈。流量精準且垂直地匯聚於少數「實用工具型」文章（如：行李規範、選位指南），讀者獲取資訊的效率極高。
• 體質解讀： 品牌在受眾心中具備極高的「交通機能信賴感」。旅客進站的目的明確，期望快速獲取搭機規範的確認。這群旅客現階段聚焦於核心搭機流程的順暢度，是未來品牌延伸價值的潛在開發區。

指紋型態 B：品牌生態與深度探索型 (對應群組三)

• 矩陣特徵： 呈現穩健的 「柱狀/塊狀」分佈。除了頭部流量外，中段（停留時間 40-70s）具備厚實的氣泡群，並存在停留時間超過 4 分鐘的深度閱讀節點。
• 體質解讀： 品牌成功在行前階段營造了「豐富的體驗期待感」。受眾願意投入時間主動研究客艙細節、貴賓室及常客權益，展現出極佳的品牌黏著度與價值開發潛力。

核心旅客樣貌推演 (Passenger Persona Mapping)

透過數據軌跡，我們推演出兩組兼具一般散客 (B2C) 與旅遊同業 (B2B) 的複合旅客樣貌：

資料解讀之邊界與提醒 (Data Interpretation Boundaries)

為了提供最嚴謹的顧問視角，本報告特別標明以下數據解讀的邊界（盲區說明），以利精準對焦商業策略：

• SEO 流量特性的演算法偏差 (SEO Algorithmic Bias)： 由於本報告的數據基底完全來自自然搜尋 (SEO)，矩陣的最終樣貌必然受到搜尋引擎演算法與排名的連帶影響。特定氣泡的巨大化，除了反映強烈的受眾剛需外，也代表該頁面在特定關鍵字上取得了極佳的排名優勢；反之，底部長尾區塊的低流量，可能混雜了「受眾實際需求較低」與「SEO 排名尚未發酵」雙重因素，須留意此種基於「搜尋引擎視角」帶來的觀測偏差。
• B2B 與 B2C 身份的共融性： 目前的搜尋數據中，高效率的直客與專業的旅遊領隊展現了高度一致的搜尋意圖。兩者皆代表了市場上極其重要的「行前資訊需求」，皆為品牌必須服務好的核心對象。
• 定錨於「服務與體驗」而非「銷售促銷」： 本報告的數據基底反映的是「旅客購票後的服務探索行為」。因此，較長的停留時間與龐大的瀏覽量，代表我們成功滿足了旅客的行前資訊需求、提升了安心感；但此指標不宜直接與「前端機票首購轉化率」或「促銷活動成效」進行線性綁定。
• 策略聚焦： 本分析的核心價值，在於協助品牌升級現有旅客的行前服務體驗，並從中開創更順暢的輔助收益 (Ancillary Revenue) 商業模式。

白話文版本

有鑑於上面的版本，閱讀難度有點高，我讓AI重新寫了一份白話文一點的版本。

1. 我們在看什麼？（數據背景）

想像一下，旅客剛刷卡買完機票，到他真正提著行李去機場的這段時間，他會在 Google 上搜尋什麼？

這份報告收集了 180 天（半年） 的自然搜尋數據，專門研究旅客在這段「行前準備期」的行為。我們不是要看「怎麼賣機票」，而是要看「旅客買完票後，最需要什麼服務」。

2. 為什麼要用「矩陣圖」而不是「圓餅圖」？

如果我們只看傳統的圓餅圖，每家航空公司的結果看起來都差不多：「大家最關心的都是行李規定和選位」。但這樣會忽略一個關鍵：旅客看這些資訊時，是「掃一眼就走」，還是「仔細研究」？

💡 舉個例子： 同樣是一篇有 10,000 人看過的「行李規定」文章：

• 圓餅圖只能告訴我們： 有一萬個人看了行李規定。
• 行為矩陣可以告訴我們： 這群人平均只看了 10 秒。這代表他們只是想快速知道「能帶幾公斤」，截個圖就關掉了。
• 這就是「行為指紋」： 透過把「看多久（停留時間）」和「多少人看（瀏覽量）」交叉比對，我們就能看出不同航空品牌的客人，有著完全不同的「性格」。

3. 數據背後的兩種「真實旅客樣貌」

透過矩陣，我們發現市場上主要有兩種截然不同的品牌受眾，他們包含了自己買票的「散客 (B2C)」，以及幫客人處理票務的「旅行社與領隊 (B2B)」：

樣貌 A：快進快出的「任務客」（對應：極端 L 型圖表）

• 圖表長怎樣： 流量極度集中在少數幾篇文章，且大家停留時間非常短，就像一個「L 型」。
• 具體情境舉例：
  • 散客： 小明買了廉航機票，因為怕超重被罰錢，出發前趕緊 Google「XX航空 行李限制」，看到「手提 7 公斤」的字眼後，5 秒內安心關掉網頁。
  • 領隊/旅行社： 團員在 LINE 裡問「領隊，這家航空選位要加錢嗎？」領隊熟練地搜尋這家航空的選位網頁，截圖傳給團員，然後秒退網頁。
• 我們該怎麼做： 這群人目的性極強。既然他們一定會來看行李和座位，就該在這幾頁直接放上「一鍵加購行李」或「升級舒適座位」的醒目按鈕。

樣貌 B：做足功課的「體驗客」（對應：均勻柱狀圖表）

• 圖表長怎樣： 除了熱門文章，還有很多文章（如客艙介紹、貴賓室）有穩定的瀏覽量，而且讀者會看很久（超過 1 到 4 分鐘）。
• 具體情境舉例：
  • 散客： 王小姐買了下個月的機票，她很期待這次旅行。她花了 3 分鐘看「A350 豪華經濟艙開箱」，又花了 2 分鐘看「轉機貴賓室有什麼好吃的」，她把搭飛機當作假期的開始。
  • 旅行社客製化服務： 高端客戶問旅行社：「這班飛機的商務艙是可以 180 度平躺，還是只能 170 度？」為了確認這個細節，從業人員必須花更多時間仔細閱讀官網的硬體介紹。

4. 看這份數據前，需要知道的 3 個注意事項（資料盲區）

在依據這份報告做決策前，有幾點「隱形變數」需要讓大家知道：

1. 搜尋引擎 (SEO) 的排名魔法： 有些文章看的人少，不一定是旅客沒興趣，可能單純是因為它在 Google 搜尋的「第二頁」，旅客找不到。所以低流量不等於低需求。
2. 不比誰的流量大，只比「行為形狀」： 大航空公司的總流量一定大於小公司。但這個矩陣厲害的地方在於，我們不比總人數，而是比「停留時間」。大公司和小公司都能放在同一個天平上，客觀檢視旅客「消化資訊的品質」。
3. 這不是「業績報表」： 旅客看了很久的貴賓室介紹，代表我們成功讓他對旅程充滿期待，這叫「服務體驗升級」。但這不代表他明天就會再買一張機票。這份數據是用來幫我們「賺附屬收益（加購）」和「省客服成本」的，不能直接用來評估機票促銷的成效。