Page 82 - 36-1

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

二、影響產品績效之因素
本節主要對於個案公司中，PLCV 較高之產品類別進行更進一步研究，瞭解影
響此類產品績效之人口統計變數。本研究應用 AVM 系統所產出之 2020 年 1 月至 9
月之通路產品利潤資訊，結合臺灣中央及地方政府網站之公開人口統計變數，探討
影響這些產品淨利之人口統計變數，進而提升管理資訊之價值，協助個案公司更全

面地考量產品之資源配置及行銷策略。
將所估算出的個案公司各產品類別生命週期價值由高至低進行排序後，前十名
如表 8 所示：

表 8 各產品類別之產品生命週期價值排名（前十名）
排名 產品類別 產品生命週期價值
1 調味品 $6,394,085
2 衣物清潔 $5,599,938
3 餅乾類 $4,814,725
4 衛生紙 $3,220,579
5 臉部清潔 $3,038,833
6 調味食品 $2,654,846
7 藥膳乾貨 $2,392,635
8 藥酒 $2,294,713
9 果汁 $1,604,391
10 沖泡咖啡 $1,161,051

資料來源：本研究整理

表 8 顯示，個案公司所上架之產品類別中，生命週期價值較高的產品類別其前
三名分別為調味品、衣物清潔及餅乾類。這些產品帶來個案公司競爭力及經濟價值。
因此，本節將分析這三個產品類別於哪些人口變數下得以產生更高之利潤，有助於
個案公司未來作決策時有更多數據支持。
（一）迴歸分析結果
本研究彙整 2020 年 1 月至 9 月的通路產品別利潤表，分別選取上述三個產品
類別中的產品每個月於個別通路之利潤，結合個別通路周圍之人口特徵，運用迴歸

分析探討影響此三類產品之人口變數。各產品類型之迴歸分析結果如表 9 所示。
本研究將三項產品類別之迴歸分析結果彙整於表 10。表 10 清楚顯示各產品類
型於哪些人口變數下有較優異之表現，反之於哪些人口統計變數下可能導致較差的
淨利。以下將對於各產品類別之迴歸分析結果進行說明及提供管理上之建議，個案
公司針對上述產品制定行銷策略及管理決策時，亦可將此一迴歸分析結果納入參
考，應用更豐富之視角進行產品管理及資源配置，提升企業可創造之經濟價值。

74