DATA SIGNAL 01
⌕
搜尋語言不等於決策語言
作品瀏覽率高，但收藏轉換低，代表找到內容不等於知道該選誰。
Data-driven product proposal · 2026
人才很多，
但合作走到哪？
PaPiin 已建立全台最大的影視人才與作品供給；下一個成長槓桿，是看見搜尋後的流失、找出決策摩擦，將瀏覽真正推進成有效媒合。
CORE DATA GAP
−64% DROP
看過作品，卻沒有收藏或聯繫
供給已成立61K+ 影視人才
轉換待補足決策理由不可見
看藏聯
61,483+ 影視人才17,551+ 商案作品469+ 影像團隊提案焦點：搜尋 → 決策 → 合作
01 · Data diagnosis
現在缺的不是更多流量，而是看懂流量為何沒有變成合作。
以下為提案用模擬資料，用來示範事件埋點、漏斗診斷與產品決策方法，非 PaPiin 真實營運數據。
PaPiin Growth Dashboard SIMULATED DATA
搜尋使用者12,480↑ 18.4% 流量健康
作品瀏覽率71.2%↑ 4.2% 有興趣
收藏轉換率9.8%↓ 6.1% 最大流失
有效媒合率3.6%距目標 8.0%
品牌方媒合漏斗Unique users · 模擬資料
Search 搜尋
12,480
View 看作品
8,886
Save 收藏
3,108
Compare 比較
1,622
Contact 聯繫
624
⚠ 最大流失：View → Save（−65%）
使用者看得到作品，卻缺少「為何適合我」與跨候選人的比較依據。
使用者看得到作品，卻缺少「為何適合我」與跨候選人的比較依據。
TA 有效媒合率Contact / Search
品牌端行銷5.8%
廣告代理商4.3%
中小企業主1.9%
產品決策優先服務有明確需求但比較成本高的品牌端行銷，先驗證可解釋推薦與 Shortlist。
PRODUCT HYPOTHESIS
若讓推薦理由透明、候選人可比較，品牌方就更有信心把「看作品」推進到「收藏與聯繫」。
目標：有效媒合率 3.6% → 8.0%02 · Actionable data table
把異常指標，直接翻成下一個產品任務。
選擇資料列即可更新右側的優化模板；可依 TA 與狀態篩選，模擬 PM 每週檢視與決策流程。
| TA／來源 | 漏斗階段 | 使用者 | 轉換率 | WoW | 狀態 |
|---|
點擊任一資料列，查看對應的產品假設與實驗模板。所有數字皆為提案模擬。
03 · Product insight
從漏斗掉點，回推使用者的決策阻力。
模擬數據是診斷起點；正式開發前，以訪談、session replay 與事件資料交叉驗證。
PRODUCT LEVER
◎
讓推薦理由可被理解
把作品風格、預算、檔期與合作經驗轉成透明 Match reason，降低不確定性。
DATA SIGNAL 02
⇄
收藏沒有形成決策流程
加入 Shortlist、並排比較與共享，讓零散收藏自然推進至聯繫與發案。
02 · Interactive MVP
用一句需求，建立可行動的候選清單。
試著搜尋、切換條件並收藏創作者。此流程驗證「可解釋推薦」能否提升收藏與合作意願。
PaPiin Match
PROPOSAL DEMO · 模擬資料
為你推薦 3 組創作者
依契合度排序 · 推薦理由可解釋0 位已加入比較清單
03 · Product strategy
不是追求更多搜尋，而是更多有效媒合。
以北極星指標串起搜尋品質、候選評估與合作啟動，避免只優化流量表層。
North Star Metric
+25%
目標：90 天內提升「有效媒合率」——品牌方在搜尋後 7 天內，完成收藏、主動聯繫或發出 brief 的比例。
實驗組：增加風格、預算、經驗的 Match reason
觀察最大掉點與不同品牌規模的差異。
04 · 90-day roadmap
先驗證決策，再擴張媒合。
每一階段都有可觀測的成功條件，確保資源投入能回答產品假設。
建立基準
- 漏斗與搜尋詞分析
- 品牌方／創作者雙邊訪談
- 定義有效媒合事件與資料埋點
EXIT CRITERIA確認前 3 大決策摩擦與 funnel baseline
推出 MVP
- 可解釋推薦與 shortlist
- 快速比較與共享候選清單
- 小流量 A/B test + usability test
SUCCESS SIGNAL收藏率 +15%、聯繫啟動率 +10%
閉合回饋
- 媒合後回饋與推薦品質標記
- 創作者檔期／回覆率訊號
- 個人化排序與團隊組合推薦
NORTH STAR有效媒合率 +25%，創作者回覆率同步提升
Why this role
把模糊問題，變成可驗證的產品。
這份 Demo 本身就是一次縮小版的 PM 工作流程：從市場觀察、假設、優先級、互動原型到指標與上線路徑。
◈
0→1 產品拆解
把商業目標轉成可交付的 MVP、使用流程與驗收條件。
把商業目標轉成可交付的 MVP、使用流程與驗收條件。
◎
數據驅動迭代
先定義 North Star 與 funnel，再用實驗而非直覺做決策。
先定義 North Star 與 funnel，再用實驗而非直覺做決策。
⇄
跨職能溝通
讓需求、設計、工程與營運共享同一個目標和成功標準。
讓需求、設計、工程與營運共享同一個目標和成功標準。
05 · Authenticated surface audit
從登入後欄位，建立可分析的資料骨架。
僅根據本人可存取頁面的前端欄位與流程推測；Confirmed 是可觀察事實，Inferred 是架構假設，Proposed 是本提案建議。
會員與內容位於 papiin.com；案件建立與紀錄由 projects 子系統承載，需有穩定的跨服務 member_key。
預算、產業、風格、影片類型、職務、時程、規格與參考網址皆可形成推薦特徵。
若推薦曝光、收藏、聯繫與回覆分散於不同服務，便難以計算完整媒合漏斗與模型品質。
members INFERRED
- member_id
BIGINT PK - member_type
ENUM - signup_at
TIMESTAMP - profile_score
DECIMAL
works INFERRED
- work_id
BIGINT PK - owner_id
BIGINT FK - industry_ids
RELATION - style_vector
VECTOR
match_tickets CONFIRMED FIELDS
- ticket_id
UUID PK - budget_min/max
INTEGER - due_date
DATE NULL - video_length
ENUM
ticket_taxonomies PROPOSED
- ticket_id
UUID FK - taxonomy_type
ENUM - taxonomy_id
INTEGER - source
AI / USER
recommendations PROPOSED
- request_id
UUID - candidate_id
BIGINT - rank / score
INT / FLOAT - reason_codes
JSON
shortlists PROPOSED
- shortlist_id
UUID PK - ticket_id
UUID FK - candidate_id
BIGINT FK - saved_at
TIMESTAMP
contacts PROPOSED
- contact_id
UUID PK - ticket_id
UUID FK - recipient_id
BIGINT FK - reply_at
TIMESTAMP NULL
product_events PROPOSED
- event_id
UUID PK - member_id
HASHED ID - event_name
STRING - properties
JSON
member 1—N ticket 1—N recommendation → shortlist → contact → reply / match
關鍵建議：所有服務共用 ticket_id、member_id、request_id 與 candidate_id，才能把一次推薦從曝光追到合作結果。
| 欄位 | 建議型態 | 來源 | 用途／品質檢查 |
|---|---|---|---|
| budget_min / max | INTEGER, TWD | Confirmed | 推薦硬條件；檢查 min ≤ max、極端值與未填率 |
| publication_form_ids | ARRAY<INT>／關聯表 | Confirmed | 影片類型多選；不要以逗號字串儲存 |
| industry_ids | ARRAY<INT>／關聯表 | Confirmed | 產業配對與分群；需 taxonomy version |
| work_style_ids | ARRAY<INT>＋VECTOR | Confirmed | 使用者標籤與 AI 風格向量分開保存 |
| job_ids | ARRAY<INT>／關聯表 | Confirmed | 製作公司、導演、攝影、製片等合作對象 |
| due_date_type / date / day | ENUM + DATE + SMALLINT | Confirmed | 互斥欄位；以 validation rule 保證一致 |
| keywords / purpose | TEXT + embedding | Confirmed | 保留原文、斷詞結果與 embedding model version |
| match_score | FLOAT 0–1 | Proposed | 需搭配 reason_codes 與 model_version |
| Event | 觸發時機 | 必要 properties | 回答問題 |
|---|---|---|---|
| ticket_started | 開始填寫需求 | member_id, mode, source | 哪些入口帶來有效需求？ |
| ticket_submitted | 需求驗證成功 | ticket_id, completeness, taxonomy_count | 表單完成率與摩擦在哪？ |
| recommendation_impression | 候選卡進入畫面 | request_id, candidate_id, rank, model_version | 每個排序位置實際曝光多少？ |
| recommendation_opened | 查看作品或創作者 | request_id, candidate_id, rank, reason_codes | 哪些推薦理由帶來點擊？ |
| shortlist_added | 加入候選清單 | ticket_id, candidate_id, source_surface | View → Save 掉點是否改善？ |
| contact_started | 開啟／送出聯繫 | ticket_id, candidate_id, channel | 推薦是否轉成合作意圖？ |
| reply_received | 創作者首次回覆 | contact_id, response_hours | 供給端品質與流動性如何？ |
| match_outcome | 合作成立或結案回饋 | ticket_id, outcome, value_band | 演算法是否創造真實媒合？ |
| 指標 | 定義 | Grain | 切分維度 | 決策用途 |
|---|---|---|---|---|
| 需求完成率 | submitted tickets / started tickets | member × session | 入口、裝置、會員類型 | 優化表單步驟 |
| 推薦開啟率 | opened candidates / impressed candidates | request × candidate | rank、理由、模型版本 | 評估排序相關性 |
| Shortlist rate | saved candidates / opened candidates | ticket × candidate | TA、預算、影片類型 | 衡量決策信心 |
| 有效媒合率 | tickets with contact / submitted tickets | ticket（7 日窗） | TA、來源、model_version | North Star leading metric |
| 24h 回覆率 | contacts replied ≤24h / contacts | contact | 職能、活躍度、檔期 | 供給端品質 |
| 合作成立率 | successful outcomes / contacted tickets | ticket（30 日窗） | 預算帶、產業、團隊規模 | 真正商業成果 |
Event contract example
{ "event": "shortlist_added", "member_id": "hashed_id", "ticket_id": "uuid", "candidate_id": "id", "request_id": "uuid", "occurred_at": "ISO-8601" }資料治理原則
分析層使用雜湊會員 ID；敏感聯絡資料與產品事件分庫；定義 taxonomy 與 model version；事件具冪等 event_id；建立資料保存期限與刪除流程。