AI說成交率30%「非常優秀」，報告完被主管秒打臉！3段提示詞抓出數據解讀盲點

• 原文標題：AI說成交率30%「非常優秀」，報告完被主管秒打臉！3段提示詞抓出數據解讀盲點
• 作者：韋惟珊（JSON-LD author）
• 發布時間：2026-08-10T15:59:00+08:00
• 來源：數位時代 BusinessNext
• 擷取方式：BusinessNext NewsArticle.articleBody JSON-LD；保留原文 articleBody，未加入衍生摘要。
• Canonical URL：https://www.bnext.com.tw/article/91792/ai-data-analysis-bias-prompt

原文擷取

貓貓贊助區在這，喜歡內容的朋友，歡迎來 donate 一下，幫貓貓加菜。朋友最近用 AI 分析一份業務銷售數據。AI 算出成交率有 30%，告訴他，「這非常優秀！代表業務的銷售能力很強。」他就這樣直接報告給主管聽，但主管不以為然。因為公司評估成交率的分母，是業務已經去 demo 過的客戶，而不是所有潛在客戶的名單，這些本來就是成交意願比較高的客戶。公司其他業務團隊也採用相同的篩選方式，成交率大多都在 30% 左右。這就是請 AI 做數據分析時，常見的坑！我跟朋友討論後，整理出一套提示詞，幫助自己降低數據解讀的偏誤，分享給你。你有被 AI 的數字解讀唬過嗎？點此留言跟我分享心得，我都會看！AI 數據算對了，但解讀可能沒有根據

業務成交率有 30%，AI 就說「團隊表現非常優秀」。但它不知道這份報表只計算已完成需求與預算確認的高意願客戶，也不知道其他團隊的成交率同樣約為 30%。數字本身正確，不代表解讀正確。

第一步：讓 AI 先做「資料健檢」

在問結論之前，先貼這段提示詞：「請對這份資料進行探索性資料分析：使用程式實際計算，不要憑文字推算。檢查缺失值、重複值與異常值，並檢查資料的母體、實際納入對象、篩選方式與可能偏誤。整理重要分布與趨勢，提出 3 個值得深入分析的方向。」這能幫你看見資料限制，以及下結論前還缺少哪些資訊。

第二步：確認這個數字要跟誰比較

AI 說「好」或「差」時，先追問：是跟過去表現、公司平均、設定的 KPI、其他團隊，還是同業數據相比？比較基準可信嗎？如果不同報表納入的客戶條件不一樣，就不能直接比較。沒有一致的計算方式與比較基準，也無法判斷表現好壞。

第三步：要求 AI 區分事實、推測與無法判斷

往下深入分析時，記得加這句：「請區分資料直接顯示的事實、合理推測，以及目前無法判斷的部分。不要自行假設資料背景、評價表現好壞，或將相關性解讀為因果關係。」降低 AI 把推測包裝成事實的機率。

小提醒：資料裡沒有的背景，AI 也看不出來

即使完成資料健檢、補上比較基準，也有些問題無法只靠報表發現。例如公司如何定義有效商機、哪些客戶被排除、各團隊的名單品質是否相同。AI 可以協助計算、檢查與整理，但資料怎麼產生、比較是否公平，最後仍需要人來確認。

訂閱《一天一AI》日報，每天跟你分享超實用的AI小技巧！延伸閱讀：AI做出來的東西老是歪掉？貼上這段提示詞，讓它先反過來拷問你再動手 周報自己整理到厭世？實測Gemini Spark，可讀Gmail和日曆，每周五自動寄給團隊

Source notes

• This raw capture preserves the BusinessNext NewsArticle.articleBody JSON-LD body and canonical metadata.
• The article is a practical opinion / prompt guide. Its three-step verification gate is reusable, but the example and advice are not an independent statistical or causal analysis benchmark.