Page 54 - 36-1

Integrating Artificial Intelligence into Product Life Cycle Value and Activity Value Management: A Case Study
of P Channel Agent

解哪些上架產品生命週期較長、生命週期價值較高，由此提供個案公司更豐富的視
角，協助其制定更有效的行銷策略。
另外，消費者行為受到消費者個人特徵影響，此包含性別、年齡、教育程度等
(Bawa and Ghosh, 1999; Gajjar, 2013; Ramya and Ali, 2016)。企業若能掌握各項產品
之主要客群，對於其喜好、生活型態加以設計行銷策略，才能持續創造利潤。因此，

本研究擬針對 PLCV 較高之產品，採用 AVM 產出之管理資訊，結合政府公開之人
口統計變數資料，探討影響這些產品績效之人口特徵，再透過提升管理資訊之使用
效益，以作為個案公司改善行銷策略及資源配置之參考依據。
綜上所述，本研究以國內某通路代理商作為研究對象，應用其導入 AVM 後之
管理報表及過往上架產品之相關資訊，作為計算 PLCV 之基礎。本研究主要探討
以下兩個問題：一、如何應用 AVM 系統產出之產品資訊計算 PLCV。二、對於高
PLCV 之產品，如何結合 AVM 系統產出之產品資訊與外部人口統計變數，強化通

路代理商之行銷決策。本研究除基於行銷管理和 AVM 的理論基礎，另一方面，也
借鑒 Sheth (2021) 關於人工智慧在顧客行為預測中的應用，Kumar, Ramachandran,

and Kumar (2021) 對人工智慧和大數據在產品生命週期管理的影響之研究，以及
Dekimpe (2020) 對大數據分析在零售業中應用的探討；這些理論為本研究採用 AVM
數據和人工智慧技術衡量 PLCV 提供堅實的理論基礎。
整體而言，本研究主要目的是探討如何在實務中有效應用先進的管理會計技
術，特別是 AVM 系統，以支持企業決策。主要貢獻在於：一、將 AVM 與人工智
慧技術相結合，應用於 PLCV 的衡量，提供一創新又基於詳細成本數據的估算方法；
這種結合不僅提高估算準確性，還能利用人工智慧演算法，識別可能為傳統分析忽

視但卻會影響產品價值的複雜模式和關鍵因素；二、提出改進的 PLCV 模型，結合
AVM 系統的細緻資訊，以協助企業更有效地預測與管理產品潛在價值；三、從通
路代理商的獨特角度出發，提供具體的管理工具和策略指導，包括基於 AVM 的產
品價值評估方法和考慮產品實際利潤貢獻的資源配置建議。這些發現不僅豐富管理
會計和行銷管理的學術理論，也為實務管理提供應用價值。透過整合 AVM 系統與
PLCV 估算，本研究為通路代理商提供新的決策支持工具，有助於在競爭激烈的市
場做出更明智的決策，從而提高經營效率和獲利能力。此外，本研究基於真實企業

數據的實證分析，為理論與實務之間建立橋樑。
本文後續結構如下：第貳節分別探討生命週期價值、AVM 及消費者人口統計
變數對購買行為或產品績效影響之相關文獻。第參節為研究設計，包括觀念性架構、
研究模型、研究樣本與資料來源。第肆節為實證結果，包括 PLCV 之衡量與影響產
品績效之因素；最後則為本研究之結論、建議與研究限制。

46