前言
這次練習的題目是關於金融科技(Fintech)，Fintech 產品往往面臨著最極端的兩難：追求極致的支付速度，往往伴隨著極高的詐欺風險。
在這次練習中，我扮演電子支付 App的 PM，面對新推出的「小額免密碼快付」功能雖然帶來了交易量 (+80%)，卻也引爆了爭議款客訴 (+500%)。這次練習不僅是解決問題，更是一次對「風控體驗」與「商業量級」的深刻反思。
同時，我也在練習的過程中，補足了許多支付領域的關鍵知識。我深刻體會到，在優化產品或思考策略之前，不能只急著規劃「行動」，必須先掌握「產業知識」。這也是與 AI 協作練習的最大價值 — 透過每一次的問答攻防，我不僅發現了自己的思考盲區，更快速吸收了該產業的底層邏輯。從圖表發現問題 — 遲來的客訴
新功能上線一個月後，數據分析師丟給你這兩張趨勢圖：
- 圖表 A：小額交易 (<$500) 的日訂單量
- 上線前：平均 10,000 筆/天
- 上線後 (第 1-2 週)：暴增至 15,000 筆/天 (+50%)
- 上線後 (第 3-4 週)：持續成長至 18,000 筆/天 (+80%)
- 圖表 B：客服中心「爭議款項 (Dispute)」工單量
- 上線前：平均 50 件/天
- 上線後 (第 1-2 週)：平均 60 件/天
- 上線後 (第 3-4 週)：暴增至 300 件/天 (+500%)
現象
功能上線後，交易量立刻暴增，但客訴（爭議款）卻延遲到第 3-4 週才集中爆發。
我的盲點與反思
針對我發現什麼了問題以及為何客訴會有延遲，反映我最初對「客訴來源」的判斷不夠敏銳。
- 我的誤區： 我直覺以為客訴會來自合作廠商或平台（因為拿不到款項）。
- 真實情況： 我忽略了用戶收到「月結帳單」時對「帳單總額的震撼」。
- 學習點： 金融產品的反饋迴圈往往帶有延遲性。用戶當下的沈默不代表滿意，可能只是還沒看到帳單。PM 必須預判這種時間差，不能被初期的平靜誤導。
詢問解法 — 風控不是阻擋，是驗證
策略：為了壓低爭議款，我們必須引入風控機制，但不能犧牲太多體驗。
產品 UX
增加物理摩擦力 在思考 UX 優化時，題目明確提到「不恢復輸入密碼」，因此我諮詢 GPT 金融業的常見做法後，最終選擇「滑動確認」，透過增加物理摩擦力來防止誤觸。
- 我的反思（撤回機制）： 過程中 GPT 也有提出「撤回機制」，我認為這也可以當一個機制。但經過 Gemini 的提醒，我才意識到在金流邏輯中，錢一旦劃撥，要「撤回」涉及跨行清算與退款流程，成本極高且技術複雜。PM 不能只提「想做的功能」，要考量「底層的可行性」。
風控邏輯
攔截後的下一步，我提出了針對高頻交易進行攔截提醒。
- 我的盲點與反思： 我原本只想到了「跳出提醒」，卻沒想清楚「然後呢？」，如果用戶真的想買，卻被擋住，他該怎麼辦？
- 學習點： 風控不該是死胡同。好的風控可以是加上「升級驗證」— 如果因為交易量而懷疑其交易的不安全性，就讓用戶輸密碼；輸對了，就讓他過。這是「平衡安全與體驗」的關鍵一課。
預判風險— 20% 的跌幅是災難
挑戰一
從「點擊即付」變成「滑動確認」，雖然防止了誤觸，但對於「正常想結帳的用戶」可能會造成什麼負面影響？
我的盲點與反思
- 原本的想法： 一開始我知道這會影響交易量，同時我根據交易量的下滑，我認為下滑 20% 應是可以被接受的，以為 100 個人剩 80 個「還好」，畢竟有篩選掉誤觸。
- 盲點： Genimi 認為，20% 完全不合理，並且向我展示財務推演。
- Genimi 提到，根據使用情境，這 20% 的用戶不是路人，而是已經決定要結帳卻因為介面難用而放棄的用戶。
- 體驗是營收的領先指標： 如果結帳體驗掉 20%，營收就不會只掉 20%，扣掉固定成本後，淨利潤可能會直接歸零甚至虧損。
- 這讓我學會了對數字要有「量級感」：在支付轉化環節，其實只能容忍 1-5% 的摩擦，20% 是產品災難。
挑戰二
如果風控誤殺了高頻交易的大戶，該怎麼辦？
我的盲點與反思
- 原本的解法： 分群 + 調整額度。
- 反思： 但和 Gemini 討論後，我發現我的解法只是一個「長期解法」，沒有不好，但無法解決「當下」的問題。當用戶想要結帳但一直刷不過時，他沒時間等你「調額度」，最終只會流失。
- 學習點： PM 必須區分「即時解法」與「長期解法」。在支付場景，讓用戶當下「輸密碼通關」遠比事後「調額度」更符合人性。
數據定義—精確的公式
監控
為了確保解法有效，需要監控指標。
- 針對 UX 風險： 會監控哪個漏斗轉化指標，來確保「滑動確認」沒有把太多懶惰的用戶嚇跑？
- 針對風控風險： 要如何衡量我們的風控規則是否「太嚴格」了？會看什麼數據來判斷是否「誤殺」了太多好人？
學習點
我針對定義的指標都只給名詞，如：交易完成率，但其實這樣的回答，看似有回答但其實根本沒有回答，關鍵在於必須給出明確的公式，才能和團隊對齊目標。
- 模糊： 交易完成率
- 精確：
- 挑戰通過率 = 輸入正確密碼並完成交易的人數 / 被要求輸入密碼的總人數
- 結帳頁面轉化率 ＝ 成功滑動的人數 / 進入結帳頁面的人數
只有精確到分子分母，團隊才能對齊目標，知道我們到底在優化什麼。
結語：數據分析的終點是商業洞察
這次的 Fintech 實戰演練，讓我對「數據驅動」有了更立體的認知。
我深刻體會到，數據分析的終點不是產出報表，而是對商業本質的洞察。從「帳單震撼」的延遲性，到「20% 跌幅」對淨利的毀滅性打擊，再到「即時 vs 長期」解法的權衡，每一個決策背後都需要深厚的產業知識、數字量級感與對於體驗設計的敏銳度作為支撐。
未來的產品修練中，我會時刻提醒自己：不要只做「功能設計者」，更要成為能用數據權衡風險與利潤的「產品操盤手」。只有將體驗、技術與商業邏輯融會貫通，才能在每次的決策中走出穩健的步伐。
這是我第 51 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💪
