「每年雙 11 預熱前，行銷團隊都要花 3–4 小時翻去年活動成效、開會討論、最後才一張張到後台手刻優惠券。」 而真正令人崩潰的是，討論完才發現一半的活動跟去年差不多，只是把日期改一改。而雙 11 早鳥檔期的價值，不在於折扣有多狠，而在於它是品牌全年「客單價」最後一次大幅拉升的機會。但如果品牌還礙於行銷人手不夠，沒時間回頭看歷年數據，導致預熱活動最後變成「複製貼上」，那就真的很可惜！
本文是 2026 下半年 SHOPLINE MCP 結合檔期實戰系列的第二篇實戰案例，將帶你用 Claude Cowork＋SHOPLINE MCP，把「分析歷史 → 推薦優惠 → 自動上架草稿」三件事壓縮到 15 分鐘。
建議搭配閱讀：《雙 11 不只是「賣」更是「練兵」！SHOPLINE MCP＋Claude，一條龍打通 2026 下半年檔期作戰全鏈路》
為什麼 Q4 預熱不能再用「去年那套」？
很多品牌操作 Q4 預熱檔有一個共同盲點：用「直覺」而非「資料」做決策。
- 行銷主管說「滿千送百去年很有效」—— 但沒人查過實際 ROAS 是多少。
- 「上次發免運券效果不錯」—— 但「免運」對你的高客單區間客戶根本沒誘因。
- 整年下來的折扣碼成效報表躺在 Shoplytics 裡，但沒人有空把它變成下一檔的決策依據。
Q4 預熱的真正競爭力，便是用過去的成效資料，反推今年雙 11 該打什麼牌，而這件事過去因為「拉報表 + 看數據 + 開會 + 建活動」就要上 3–4 小時，行銷團隊往往一忙就會放棄。但現在 AI Agent＋SHOPLINE MCP 應用，直接把這項耗時的任務壓到 15 分鐘，讓資料驅動的決策變成日常。
繼續閱讀文章
傳統流程 vs Claude＋SHOPLINE MCP 流程比較
| 階段 | 傳統做法 | Claude＋SHOPLINE MCP 做法 |
|---|---|---|
| 查去年活動成效 | 後台一筆筆滑、人工抄到 Excel（40 分鐘） | 直接匯出 Shoplytics 報表 CSV（5 分鐘） |
| 分析成效 | 主管＋行銷＋數據三方開會（1 小時） | Claude 自動解析報表，給推薦方案（3 分鐘） |
| 想優惠玩法 | 反覆討論「滿千送百」「免運」（30 分鐘） | Claude 提出 3–5 種變化版本（含預期效益）（2 分鐘） |
| 一檔一檔建活動 | 後台逐筆建立（1–1.5 小時） | MCP 自動建立草稿（5 分鐘） |
| 總時長 | 3–4 小時 | 15 分鐘 |
Step 1：從 Shoplytics 下載最佳優惠活動排行報表
開始前，先來聊聊為什麼要讓 AI Agent 直接讀 SHOPLINE 推出的 Shoplytics 數據分析中心的報表資料呢？
其實現在 AI 的分析、理解能力都超乎想像的厲害，但是做為全方位零售整合專家，Shoplytics 所提供的成果數據是經過全產業脈絡、零售商業邏輯所打造的數據成果資料，且由 SHOPLINE 資料庫所維護，品牌無需再讓 AI 從零開始分析，避免消耗 Token 費用；再加上，若希望 AI Agent 提供的分析和數字能和品牌平時查看且信任的數據一致，非常建議品牌以 Shoplytics 數據為參考。（小提醒：上傳任何數據資料給 AI 時，請！務！必！去識別化，包含你的商店名稱、顧客姓名、手機號碼等）
那麼，瞭解了基礎原則後，我們進入 SHOPLINE 後台 → Shoplytics 數據分析中心 → 找到「最佳優惠活動排行報表」，匯出 CSV 或 Excel。
建議匯出以下兩種期間：
- 今年 Q1–Q3 全期（觀察當年消費者偏好）
- 去年 Q4（10–12 月）（觀察上一個雙 11 檔期）
報表通常會包含以下欄位：
- 活動名稱
- 折扣類型（折扣碼 / 滿額 / 滿件 / 免運 / 贈品）
- 期間
- 使用次數、訂單貢獻 GMV、平均客單、轉換率
關鍵欄位：如果你的目標是「提升客單」，請 AI 特別觀察「平均客單」這欄；如果是「提高回購」，請 AI 觀察優惠活動的「回購率」。
Step 2：將報表去識別化後，再丟給 Claude 分析
其實本文的情境不複雜，且 Claude Cowork 可以批次處理資料、跨檔案彙整，甚至設定定期自動執行，還會提供任務流程拆解，建議不需要改寫程式碼的場景使用 Cowork 便足夠。
接著打開 Claude Cowork，把報表附件上傳，並輸入：
這時 Claude 會回傳結構化的分析結果（提醒你，AI Agent 每次提供的答案可能不同，若品牌有期待看到的結果資料，可以直接下指令請 AI 一定要提供）。
接著它會提供各種早鳥優惠洞察（含優惠檔期分層與數據、預期效益、適用情境、風險點）
再次提醒資料務必去識別化：絕對不要把含個資的原始檔案丟給任何 AI。SHOPLINE 的安全守則第三條就是「上傳資料先去識別化」。
Step 3：請 Claude 構思更具創意的優惠玩法
當然，上面步驟因為指令下的比較廣泛，所以 AI 提供的成果可能不夠鉅細靡遺。如果 Claude 給的推薦比較常規，你可以追加指令引導他做差異化：
接著 Claude 就會給你更多完整方案。待你選定一案後，就能請進入 Step 4，把方案交給 MCP 上架。
Step 4：請 Claude 透過 MCP 自動建立優惠活動草稿
這是 SHOPLINE MCP 最關鍵的一步。回到 Claude，告訴他：
Claude 會在背後依序執行：
- 呼叫 SHOPLINE MCP 的「建立優惠活動」能力。
- 依你提供的參數設定條件。
- 以「下架」狀態建立。
- 把活動 ID、連結回傳給你。
重點：Agent 會列出每個步驟並逐一完成，過程透明、可審計。
Step 5：後台檢核後，依預熱排程上架
回到 SHOPLINE 後台 → 優惠活動列表，找到剛建立的優惠活動草稿，逐項確認：
- 折扣面額正確
- 有效期間正確
- 適用對象限制正確
- 每位會員限用次數設定正確
都確認無誤後，由品牌手動批量上架 。（小提醒：SHOPLINE MCP 於 2026/7/14 推出的版本僅供由 Agent 建立全單滿額滿件優惠、全單免運優惠；並且「送貨付款方式」需由品牌人工設置確認無誤後再上架，避免未確認的優惠活動直接被套用於訂單。）
從全球與台灣 AI 零售應用概況開始，結合流量獲取與企業 AI 轉型的深度洞察，帶領讀者快速瞭解零售 AI 的發展趨勢！
總結
綜觀 Q4 預熱檔最大的浪費，不是折扣的成本，而是沒有善用過往收集到的資料進行洞察，或是花費高昂的時間成本來手刻憑感覺的活動。而透過 SHOPLINE MCP＋Claude，你可以：
- 把 Shoplytics 報表變成對話框裡的策略顧問。
- 讓 Agent 給你有資料根據的 3–5 種優惠創意。
- 用 MCP 一鍵在後台建立草稿，人工檢核後立刻上架。
- 騰出時間設計社群、LINE、Email 的全通路推播。
看完以上，下一篇我們會進入《2026 Q4 雙 11 正檔實戰：善用 Claude＋SHOPLINE MCP 圈出「看過沒下單」名單，發送隱藏限量加碼券推坑下單》，如果你還沒開始跟著教學走，建議可以趕快回去複習。
倘若你是在找尋開放性高又安全的零售解決方案，歡迎免費試用 SHOPLINE，或是預約專業顧問瞭解更多零售趨勢。
SHOPLINE 電商教室編輯，對 SHOPLINE 的用戶有種使命感，希望能幫助所有店家一起成長，在零售領域裡發光發亮
