上週 ROAS 為什麼下滑， 一問就告訴你下一步怎麼做的 AI
預先定義好資料之間的關係，大幅減少 AI 憑空捏造答案(幻覺)的情況。用正確的資料找出問題，並提出解決方案。
一份報表耗掉半天， 原因最後還是靠猜。
時間都花在蒐集與核對數字上，真正關鍵的「為什麼」和「下一步做什麼」只能靠猜。
每個通路都要下載檔案
按通路下載廣告·訂單資料，再貼到同一張工作表。每週都在重複同樣的工作。
調公式就花掉半天
為了做一份報表，要重新套 VLOOKUP 和 SUMIF。光是找出錯的儲存格就要花很久。
看到了數字，卻不知道原因
看得出下降了，卻只能憑感覺猜原因。下一步怎麼做，還得開會再定。
只要提問。 從分析到下一步行動，一併告訴你。
Laplace 是以本體(Ontology)為基礎的 AI 平台，能定義資料之間的關係與意義。它在理解業務脈絡的前提下進行分析，因此不只是查詢數字，還能指出原因並提出行動建議。
提問即自動分析
輸入問題的當下，即查詢已串接的資料並告訴您結果。
異常徵兆自動偵測
不必提問，也會偵測重要變化與異常值並發送通知。
原因診斷與行動方案
像「轉換率較上月驟降的原因」這樣釐清因果，並提出執行方案。
圖表與報表自動產生
回答的同時，自動產生視覺化圖表與報表。
關聯洞察一路串連
持續推薦相關圖表與下一個問題。
沿用您的權限
AI 功能同樣只在您於專案中獲得的權限範圍內運作。
不用問，主動出擊： 發現異常，找出原因並給出待辦。
一旦偵測到重要變化或異常值就會發送通知，拆解下滑出在哪裡，再提出執行方案。點選各步驟看看吧。
單位：$K。與常規範圍比較，找出異常的日子。
AI 看得懂的資料， 循著依據作答
預先定義訂單·廣告·商品·客戶資料之間的關係與意義，大幅減少 AI 憑空捏造答案(幻覺)的情況。AI 依據哪些資料作答，可以依路徑逐一查看。
- 將各電商網站不同的規格名稱對應到同一個基礎商品
- 將廣告素材歸因到商品，計算各商品 ROAS
- 跨通路辨識同一位客戶
- 1廣告素材 → 基礎商品 · 歸因素材帶動了哪些商品的銷售
- 2基礎商品 → 庫存 · 相對銷售速度的剩餘庫存
AI 功能也 沿用您的權限
AI 功能也只在專案授予的權限範圍內運作。你看不到的資料，AI 也不會回答。
- 沿用各團隊·角色可檢視的資料範圍
- 無權檢視的資料不會用於回答
- 透過 MCP 串接的 AI 工具同樣適用
在常用的 AI 聊天視窗裡 直接向 Laplace 提問。
將 Laplace 串接到 Claude、ChatGPT、Perplexity，即可透過對話查詢已儲存的自訂儀表板及回購週期等指標。AI 功能同樣沿用您的權限。
- 透過對話查詢已儲存的自訂儀表板·圖表數值
- 回購週期·貢獻利潤等指標，沿用 Laplace 畫面中的用語說明
- 直接搜尋產品指南回答
- 查看資料變更紀錄並建立還原點
- 沿用您的專案權限
Claude (網頁·App)中提問時貢獻利潤依序為商品1 · 商品2 · 商品3。
在常用的聊天工具裡直接開始
我們提供指南，教你把 Laplace 串接到 Claude·ChatGPT·Perplexity。
常見問題， 先看看這裡。
如有其他疑問，歡迎隨時諮詢，我們將依您的導入方式提供說明。
AI 代理會以本體（Ontology）結構理解已串接的廣告、訂單與客戶資料。只要問一句「這個月 NAVER 廣告實際帶來多少營收？」，代理就會交叉分析廣告與訂單資料，直接給出經過歸因（Attribution）計算的營收數字。
AI 代理的分析準確度取決於所串接資料的品質。Laplace 會在資料蒐集階段自動完成去重、機器人流量過濾與歸因（Attribution）重算，提升分析的可信度。若串接資料有所限制，代理也會明確提示。
基於本體（Ontology）的分析會預先定義客戶、訂單、通路、廣告等商業概念之間的關係，讓 AI 在理解脈絡的前提下進行分析。與通用 AI 工具不同，Laplace 能直接沿用每家公司各自的 KPI 定義來分析，這是 Laplace 的核心差異。
可以。設定好想關注的 KPI 和通知條件後，系統會每天定時透過 Slack 頻道或 KakaoTalk 通知自動發送報表；一旦偵測到異常，也會立即通知。
可以，Laplace AI 代理支援依企業自訂 KPI 定義。輸入內部標準後，AI 會據此進行分析；企業版方案還支援更精細的本體（Ontology）客製化。
AI 代理會在提供分析結果的同時提出具體的行動建議。目前提供分析與建議功能，與廣告平台及 CRM 直接串接的自動執行功能將陸續推出。