前言
即時預訂平台 (如 FunNow) 最迷人也最殘酷的地方在於它的「時效性」。不同於電商有庫存緩衝，這裡的供給與需求必須在當下精準匹配。
在這次的練習中，我扮演即時預訂平台住宿類別的 PM，挑戰 Gemini 給我的數據現象：週末流量暴增 40%，但營收卻下跌 10%。這次練習讓我深刻體會到即時預訂平台面對住宿「供需失衡」的狀況，以及如何利用「跨界補貼」來挽救訂單，同時透過嚴謹的數據監控來防止利潤被侵蝕。
從圖表發現問題 — 體驗崩壞導致的轉化率雪崩
週五和週六的晚上 20:00 到凌晨 02:00 是情侶或派對族群尋找住宿的黃金時段。行銷團隊成功透過「夜貓專案」導入大量流量，但結果卻令人意外。
現象
- 圖表 A (流量)：搜尋量從 50,000 暴增至 70,000 (+40%)。
- 圖表 B (營收)：GMV 卻從 $500萬 下跌至 $450萬 (-10%)。
- 行銷活動成功帶來了流量 (+40%)，但 GMV 卻不升反降 (-10%)。
我的洞見
這是一個典型的「供需失衡」。即時預訂的「房間供給」是物理限制的，無法像流量一樣無限放大。當大量用戶湧入卻發現「空房庫存不足」、「熱門時段售罄」時，挫折感飆升，導致轉化率雪崩，甚至連原本可能成交的訂單都流失了。
關鍵指標驗證
我原本想看「即時空房數」，但 Gemini 建議了一個更好的指標，用更具象的方式表達其落差，並且搭配過去的數據做 benchmark，加強其推測的說服力！
- 搜尋無結果率：如果這個數字從 5% 飆升到 40%，就證實了我們把流量帶進來了，卻沒有東西賣給他們。
詢問解法 — 跨越邊界的產品思維
策略
這是一個棘手的問題，因為以產品的角度，不可能在週五晚上突然變出新的旅館房間。PM 必須透過產品機制或營運手段來優化「分配」。
供給端：動態底價
我原本的想法是透過降低抽成來激勵業者，但 GPT 給出了更優化的方案，同時考慮時間與定價
- 機制：業者越晚釋出房間，平台給的底價越低；越早釋出，底價越高。
- 心理誘因：讓業者產生「反正剩房是要丟掉，不如前一天先放到平台，鎖住較高保證價」。 這展現了策略平衡的重要性，利用業者想最大化每間可售房收入的心理，激勵提早釋出保留房。
需求端：跨界補貼
我提出了「訂房送叫車」的方案。
- 邏輯： 解決用戶的「移動成本」。舉例：當信義區滿了，大直還有房。用戶不去大直是因為「懶/遠」。
- 價值： 用 $200 的車資補貼，挽救一筆 $3000 的高單價訂單，ROI 極高。
預判風險 — 補貼的雙面刃
情境
這個「訂房+叫車」的方案非常迷人，但這個方案涉及了跨業合作和成本結構，風險不小。
營運風險
如果 Uber/Taxi 的 API 在週五晚上也「運力不足」（叫不到車），這個原本想「挽救體驗」的功能，將會變成不僅無法解決用戶的問題，反而複雜了問題本身；下次如果用戶再次遇到房源不足的狀況，可能就不會選擇平台，另尋其他方法。
這是我最初未意識到的隱藏風險。
財務風險
無謂損失，如果用戶本來就願意去大直，卻也領了補貼，這筆錢就變成了純粹的利潤損失。
- 我的反思： 我原本以為「沒關係，當作加速決策」。但經過 Gemini 和 GPT 的提點，我才意識到這會導致 CAC 飆升且毛利下降。
- 自然轉化： 用戶本來就要買，補貼是多給的（浪費）。
- 增量轉化： 用戶本來不買，因為補貼才買。
- 利潤推演：假設飯店賣 $3,000，原本毛利 $600。若補貼 $140，毛利剩 $460，毛利率下降 23%。如果這筆補貼沒有帶來額外訂單，就等於純虧損。
數據監控 — 從庫存思維到體驗思維
監控營運風險 (叫不到車)
- 我的誤區： 我設定「車輛數 < 空房數 5%」時隱藏優惠。這是一個典型的「庫存思維」。
- Gemini 的挑戰： 用戶不在乎周邊有幾台車，只在乎車子「多久能到」。
- 假設周邊有 100 台車（車輛數很多），但因為塞車或距離，每一台都要 20 分鐘才能到你這裡。對用戶來說，這跟「沒有車」是一樣的。
- 修正指標： Uber/Taxi API 回傳的「最短 ETA」。
- 邏輯： 當 ETA > 15 分鐘，代表體驗已經變差（不夠即時），必須自動隱藏優惠，避免用戶產生二次挫折。這亦是「體驗思維」的展現。
監控財務風險 (驗證增量價值)
要證明這筆補貼能帶來「增量利潤」，而不僅僅是「增量訂單」。
請設計實驗
- 實驗組 (B)： 看到「遠距離旅館 + 車資補貼」。
- 對照組 (A)： 看到「遠距離旅館」 (沒有補貼)。
洞察
- 我的公式：
實驗組訂單量 * (毛利 - 補貼) > 對照組訂單量 * 毛利 - 量級感推演： Gemini 建議可以帶入實際數字進行推演，得出了一個震撼的結論
- 假設對照組 (A) 產生 100 張單，毛利 $600。總利潤 = $60,000。 實驗組 (B) 每單賺 $460 ($600 - $140)。
- 實驗組需要多少單才能打平？
X * 460 > 60,000→X > 130.4
- 結論： 補貼策略必須帶來 至少 30% 的訂單增長，才能抵銷補貼成本並打平利潤。如果只成長 10%，雖然 GMV 變高了，但公司其實賺得更少。
結語：做大蛋糕，還是切分蛋糕？
這次練習讓我學到，資深 PM 的價值不在於提出「有創意的解法」（如訂房送叫車），而在於能精準計算「解法的代價」。
從 ETA 的體驗閥門，到 30% 增量訂單的損益平衡點，數據分析最終是為了回答一個問題：「我們是在做大蛋糕（增量），還是在切分原本的蛋糕（存量）？」
透過這套嚴謹的驗證邏輯，我學會了在動態的供需戰場中，不被表面的流量迷惑，而是用數據守住利潤與體驗的底線。這將是我未來處理複雜商業問題時需要時時刻刻提醒自己！
這是我第 52 天的練習紀錄，將持續練習這個「數據思維升級計畫」，持續優化觀察力與邏輯💪
