月底一到，同樣的問題又擺上檯面：上個月到底哪個品項賣最好、營業額為什麼掉了？你從後台匯出一份兩千多列的銷售明細，盯著螢幕上密密麻麻的數字，卻不知道從何問起——會 Excel 樞紐分析的人手不好找，外包資料工程師又是另一筆預算。這種卡在「手上有資料、卻挖不出答案」的窘境，是很多中小企業每個月都要重演一次的劇情。
好消息是，現在要從一份銷售報表裡問出洞察，你不必會寫一行 Python，也不用先學會樞紐分析。AI 分析銷售數據怎麼做，說穿了就是把資料丟給一個會自動寫程式跑運算的助手，再用中文跟它對話。像 ChatGPT 的進階數據分析、Google Gemini 這類工具，會在背後自動產生程式碼幫你統計、畫圖、找異常，你只要把問題用人話講清楚。
真正會把人卡住的，往往不是「會不會用工具」，而是不知道該問什麼、AI 答完之後又怎麼把它變成下一步行動。所以這篇從你按下匯出之前就開始顧，一路帶到拍板決定，中間給你十個能直接複製貼上的提問範本。
不會寫程式，真的能用 AI 分析銷售數據嗎
這正是這兩年最大的轉變。過去要分析一份銷售檔，你得會 Excel 函式、樞紐分析，進階一點還要碰 SQL 或 Python；現在這些門檻被「自然語言」這層介面擋掉了，不會寫程式照樣能挖出答案。
關鍵在於這類工具的運作方式。當你把一份 CSV 或 Excel 上傳到 ChatGPT 的進階數據分析模式，它會先辨識檔案類型、抽樣幾千列來推斷每一欄是日期、數字還是文字，再把整份資料載入記憶體裡的資料表。接著，你打的每一句中文問題，會被它在背後翻譯成 Python 程式碼去執行運算；需要圖表時，它再呼叫繪圖函式庫，把折線圖、長條圖直接畫在對話框裡給你看。
換句話說，程式還是有人在寫，只是那個人變成 AI。你負責的是「問對問題」跟「看懂答案」，這兩件事剛好是身為店主、最懂自己生意的你最有資格做的。底層用的是經過大量驗證的統計函式庫，所以基本的加總、平均、排序、趨勢線這些運算，可信度是夠的。
這也是為什麼一個沒有資料團隊的中小企業，現在能做到三年前還像科幻情節的事。你不必把自己訓練成半個資料工程師，只要準備一份還算乾淨的銷售檔，加上一點對自家數字的好奇心，就能開始。
第一步，從後台把銷售數據匯出成乾淨的檔案
分析的成敗，有一大半在你按下「上傳」之前就決定了。資料準備得好不好，直接決定 AI 解讀得準不準，這一步偷懶，後面再厲害的提問都救不回來。
先想清楚你的銷售數據躺在哪裡。台灣中小企業最常見的來源不外乎幾種：實體店的 POS 系統、電商平台的後台訂單、自架官網的訂單管理，或是業務自己用 Excel 記的流水帳。多數平台的後台都有「匯出報表」或「下載訂單」的功能，把資料匯出成 CSV 或 Excel 格式，就是你要餵給 AI 的原料。
匯出之後，花五分鐘做基本整理，AI 會回報你準確得多的結果。幾個重點：
- 欄位名稱要清楚好懂：用「銷售金額」「訂單日期」這種一看就懂的標題，不要用代號或縮寫，AI 才不會猜錯哪一欄是什麼。
- 同一欄的格式要一致：日期統一成同一種寫法（例如都用 2025/03/15），金額欄就純粹放數字、不要混進「元」或逗號，分類標籤的用詞也要前後統一。
- 刪掉整列整欄的空白：完全空白的列或欄會干擾 AI 判讀，先清掉。
- 缺漏值想好怎麼處理：空格子要嘛留空、要嘛補零、要嘛填「無」，挑一種並保持一致，不要這裡空那裡零。
不必追求完美。事實上很多清理工作也能交給 AI——格式亂掉的報表、從 PDF 匯出的對話紀錄，你可以直接貼給它，請它幫你整理成有欄位的表格。但欄位的「語意」要對，這是你比 AI 更清楚的地方，值得在上傳前先顧好。
第二步，把檔案上傳到 AI，用一句話確認它讀懂了
檔案備好之後，上傳本身是最簡單的一步——打開 ChatGPT，切到資料分析模式，把 CSV 或 Excel 直接拖進對話框就完成了。有些工具還能直接連結你雲端硬碟裡的試算表，省下下載再上傳的麻煩。
別急著馬上開始問複雜問題。上傳完先丟一個「驗收型」的提問，確認 AI 真的讀對了你的資料。AI 通常會回你類似「已載入一份 2,034 列、12 欄的檔案」這樣的訊息，這時你就能對照自己的資料筆數對不對。
第一個提示詞，建議用一段話請它先做整體盤點：
> 這是我們的銷售明細。請先用一段話幫我做整體盤點，告訴我：資料涵蓋的時間範圍、總筆數、總營業額，以及每一欄分別是什麼意思。如果有欄位你判讀不出來，直接問我。
這一步看起來多餘，其實是整個流程裡最划算的保險。它能讓你提早抓出三個常見的坑：日期被當成文字、兩個系統匯出時撞名的重複欄位、超過容量被悄悄截斷的資料。AI 不會主動告訴你它讀錯了，所以由你先逼它把理解講出來，後面的分析才站得住腳。
第三步，用 10 個提示詞把銷售數據問出洞察
這一段是整篇的核心。同樣一份資料，問得好不好，差距可以從「看了等於沒看」到「找到一條成長線」。提示詞的訣竅就一句話：把「指標、維度、時間範圍、輸出格式」四件事講清楚，不要只丟一句「幫我分析一下」，那樣只會換來空泛的答案。
下面這十個提示詞，涵蓋了中小企業最常要問的銷售場景。你可以照抄，再把欄位名稱換成自己檔案裡的實際名稱。
- 找出暢銷與滯銷品：「請列出銷售金額前十名與後十名的產品，各做成一張表，欄位包含產品名稱、銷售數量、銷售金額。」
- 看月營收趨勢：「請以月份為單位統計總營業額，畫一張折線圖，並用一句話告訴我整體趨勢是上升、下降還是持平。」
- 比較不同期間：「請比較這個月和上個月的營業額、訂單數、平均客單價，做成一張對照表，並標出變化幅度。」
- 拆解客單價：「請幫我算出整體平均客單價，再依產品分類分別算出各類的平均客單價，由高到低排序。」
- 做 RFM 客戶分群：「請依每位顧客的最近購買日、購買次數、累計消費金額，計算 RFM 分數（各項以 1 到 5 分評分），把顧客分成幾群，並告訴我哪一群最值得經營。」
- 找毛利洩漏：「如果資料裡有成本或利潤欄位，請列出各產品分類的平均折扣與平均毛利，把折扣高於 15% 又虧損的項目標出來。」
- 看銷售的時間規律：「請分析訂單集中在哪些星期幾與哪些時段，畫成長條圖，幫我看出有沒有明顯的尖峰與離峰。」
- 抓地區差異：「請依出貨地區或縣市統計營業額與訂單數，由高到低排序，並指出貢獻最高的前三個地區。」
- 做簡單預測：「請用一個簡單的時間序列模型，預測未來三個月的每月營業額，並附上信賴區間，提醒我這只是趨勢推估。」
- 驗證可疑結果：「剛才那個分類的毛利率特別高，請把支撐這個數字的原始幾列資料列出來給我看，確認沒有算錯。」
有幾個讓提問更順的小訣竅。一是可以「接力提問」，請 AI 沿用上一步的結果繼續算，例如「用你剛剛做好的客戶分群，幫我算出每一群的平均客單價」。二是想看圖，直接補一句「把上面的資料畫成圖，你來決定哪種圖表最適合」就好。三是中文圖表、中文欄位現在多半都能正常顯示，下載成圖檔或試算表也沒問題。
要提醒的是，這類工具不是萬能。它不擅長把好幾張大表 join 在一起，檔案太大（動輒數萬列以上）也可能被悄悄抽樣或截斷，複雜的多步驟運算偶爾會出錯。所以第十個「驗證」提示詞才那麼重要——遇到讓你眼睛一亮、好到不太真實的數字，先請它把背後的原始資料攤開來核對一遍，再決定要不要相信。
第四步，怎麼看懂 AI 給的圖表與數字
AI 把圖畫出來，分析只完成了一半。很多人到這裡就停了，把漂亮的折線圖貼進報告就交差，但圖表只是把數字換個樣子呈現，它不會替你判斷「這代表什麼」。
解讀的第一個動作，是養成追問「為什麼」的習慣。AI 告訴你某個月營業額掉了 18%，這是現象，不是答案。你要接著問下去：「那個月營業額下滑，主要是哪些產品分類或哪些地區造成的？」把總數一層層往下拆，才會從「掉了」走到「為什麼掉、哪裡掉」。一個能行動的洞察，幾乎都藏在這種逐層下鑽裡。
第二個動作，是帶著你的生意常識去檢查 AI 的解讀合不合理。AI 看得到數字的高低，看不到數字背後的脈絡。同樣是某個月業績暴衝，AI 只會說「這個月最高」，但只有你知道那是因為剛好辦了週年慶、還是有個大客戶一次性下了大單。把這種「現實世界發生了什麼」的脈絡補回去，乾巴巴的圖表才會變成講得通的故事。
第三個動作，是別讓平均值騙了你。平均客單價、平均毛利這些數字很好用，但平均會把極端值藏起來。當某個數字漂亮到不太尋常，回頭用前面第十個提示詞，請 AI 把支撐那個數字的原始幾列攤開來看——很多時候你會發現，那個 42% 的高毛利只是來自一兩筆特殊訂單，並不是常態。AI 看得到模式，分辨「這個模式合不合理」是你的工作。
第五步，把洞察變成下一步該做的決定
走到這裡，你手上已經有了看得懂的數字。但分析的終點從來不是圖表，而是「接下來要做什麼」。這一段最容易被跳過，卻是真正決定這份分析有沒有用的地方。
要讓 AI 幫你把洞察推向行動，但別讓它替你做決定。比較好的用法，是請它幫你把「該釐清的問題」和「不同選項的可能後果」攤開來，最後拍板的判斷留給你自己。可以這樣問它：
> 根據以上的分析，請幫我列出三個我接下來該進一步釐清的問題，並針對「加碼經營高價值客群」和「搶救滯銷品」這兩個方向，各自預測可能帶來的影響與風險。
你會發現，這種問法得到的不是一個生硬的結論，而是一張幫你想清楚的決策地圖。AI 負責把選項和後果鋪開，你負責用對自家生意的理解去選。
舉個假設的例子。假設你的 RFM 分群跑出來，發現有一群「最近沒回購、但過去消費金額很高」的老客戶正在流失。AI 能幫你算出這群人佔了多少營收、平均多久沒回購，但要不要為他們設計一檔專屬回購方案、預算抓多少、用簡訊還是會員通知去觸及，這些得你來定。數據幫你把該關心的人圈出來，怎麼把他們找回來，是人的判斷。
最後一個務實提醒，是用完別忘了「留痕」。這類對話式工具沒有版本紀錄，關掉分頁，這次的分析過程就沒了；下個月老闆再問「上次那個數字怎麼算的」，你只能從一長串對話裡翻。所以重要的分析記得把結論、用到的提示詞、關鍵圖表存成一份檔案或簡報。順帶一提，上傳資料前也想一下隱私——你按下上傳的那一刻，每一列顧客資料都送到了服務商的伺服器，含個資的欄位（姓名、電話、信用卡片段）能先去識別化就先處理，會更安心。
從一份報表到一個決定，最難的是開始問第一句
把這五段連起來看，AI 分析銷售數據其實沒有想像中那麼依賴技術。匯出一份乾淨的檔案、上傳、用講清楚的提示詞提問、帶著生意常識解讀、再把洞察收斂成一個決定——每一步都不需要你會寫程式，需要的是你對自家生意的理解，加上願意多問一句「為什麼」。
工具會愈來愈聰明，但有兩件事它替代不了——問出對的問題，以及在數字攤開之後，做出那個只有你能拍板的決定。下個月老闆再丟來那句「到底哪裡出了問題」，不妨就從匯出報表、打開對話框、貼上第一個提示詞開始。