企業專屬知識庫建置

用 NotebookLM 或類似工具建立部門知識大腦

為什麼需要知識庫？

你有沒有遇過以下情況？

資深同事離職，帶走了一腦袋的產品知識和客戶經驗
新人問了一個問題，你花了 30 分鐘在 Google Drive 翻舊檔案才找到答案
兩個部門對同一款產品的規格描述不一致，誰也說不清哪個是對的
你問 ChatGPT 關於公司產品的問題，它給了一個看起來很像但完全錯誤的答案

這些問題的根源都一樣：公司的知識散落各處，沒有被系統化整理。

企業知識庫就是要解決這件事 — 把分散在各處的知識集中起來，讓人和 AI 都能快速找到正確答案。

一、知識庫能幫你做什麼？

1. 新人培訓加速

過去：新人要花 2-3 個月才能熟悉所有產品線和作業流程。有知識庫後：新人可以直接問 AI「我們的熱銷系列有哪些產品？各自的賣點是什麼？」，馬上得到整理好的答案。

2. 知識不隨人員異動流失

過去：每次有人離職，都要搶救式地做交接。有知識庫後：核心知識已經系統化歸檔，人員異動的衝擊大幅降低。

3. AI 回答更準確

過去：AI 只能根據網路上的公開資訊回答，很容易出錯。有知識庫後：AI 可以引用你的內部文件來回答，準確度大幅提升。

4. 跨部門溝通更順暢

過去：行銷說的「保濕系列」和產品開發說的「保濕系列」包含的品項不一樣。有知識庫後：大家看的是同一份資料，定義一致。

二、知識庫的內容來源

一個好的部門知識庫，通常包含以下幾類文件：

核心文件清單

類別	文件範例	為什麼重要
SOP	新品上架流程、促銷活動企劃流程	確保每次作業都一致
產品資訊	產品規格表、成分表、賣點整理	AI 回答產品問題的基礎
成功案例	過去表現好的 Campaign 紀錄	學習什麼有效、避免重複犯錯
FAQ	客戶常問問題、內部常見疑問	加速問題解決
歷史報告	月報、季報、年度回顧	趨勢分析的素材
品牌規範	品牌語調指南、視覺規範	AI 生成內容時的參考依據
市場資訊	競品分析、市場趨勢報告	策略制定的依據

常被忽略但很有價值的知識

會議決策紀錄：當初為什麼選 A 方案而不是 B 方案？
踩過的坑：某次活動翻車的原因和後續改善
客戶洞察：從客服對話中發現的購買動機和痛點
供應商資訊：合作過的供應商評價和聯繫方式

三、資料清洗與整理

把文件丟進知識庫之前，請先做好「整理」。否則就是上一堂課說的「垃圾進，垃圾出」。

清洗步驟

Step 1：去除過期內容

問自己：「這份文件的資訊，現在還是正確的嗎？」

已下架產品的規格表 → 移到「歷史歸檔」，標記「已下架」
舊版 SOP（流程已更改）→ 更新或刪除
過期的促銷方案 → 保留為案例參考，但標記「歷史案例」

Step 2：統一格式

確保同類型文件有一致的結構：

【產品知識卡 — 統一格式】
產品名稱：
SKU：
品類：
主要成分：
核心賣點（3 點以內）：
適用膚質：
使用方式：
常見客戶問題：
上市日期：
最後更新日期：

Step 3：建立分類

用資料夾或標籤把文件分門別類：

知識庫/
├── 產品知識/
│   ├── 保濕系列/
│   ├── 美白系列/
│   └── 抗老系列/
├── 作業流程/
│   ├── 新品上架 SOP
│   └── 促銷活動 SOP
├── 市場洞察/
│   ├── 競品分析/
│   └── 消費者研究/
├── 品牌規範/
│   ├── 語調指南
│   └── 視覺規範
└── 歷史案例/
    ├── 成功案例/
    └── 失敗檢討/

四、RAG 概念白話版

你可能聽過「RAG」這個詞。它的全名是 Retrieval-Augmented Generation（檢索增強生成）。

白話解釋

想像你請一個新來的實習生回答客戶問題：

沒有 RAG：實習生只能靠自己的常識回答，很可能說錯（就像 ChatGPT 瞎掰）
有 RAG：你給實習生一本產品手冊，說「先查手冊，再根據手冊內容回答」— 這就是 RAG

RAG 的運作方式：

使用者問了一個問題
AI 先去你的知識庫「搜尋」相關的文件段落
AI 把找到的段落作為參考資料，再組織出回答
回答中可以引用出處，讓你驗證正確性

為什麼 RAG 對行銷團隊很重要？

因為它讓 AI 的回答從「通用的」變成「你公司專屬的」：

問題	沒有 RAG 的 AI 回答	有 RAG 的 AI 回答
「我們的玻尿酸精華液和競品有什麼差異？」	只能給一般性的成分比較	引用你的產品規格和競品分析報告，給出精準的差異點
「上次母親節檔期我們做了什麼活動？」	完全不知道	引用去年母親節 Campaign 報告，列出活動內容和成效
「新品上架要走什麼流程？」	給一個通用流程	引用你公司的 SOP，列出完整的內部流程和負責人

五、實作範例：用 NotebookLM 建一個品牌知識庫

Google NotebookLM 是一個免費的 AI 知識庫工具，特別適合入門使用。

操作步驟

Step 1：建立一個新的 Notebook

前往 NotebookLM
點選「New Notebook」
命名為「[品牌名] 產品知識庫」

Step 2：上傳你的文件

支援的格式：Google Docs、PDF、文字檔、網頁連結

建議先上傳這些文件：

產品型錄或規格表（PDF）
品牌故事和定位說明
最近 2-3 個成功的 Campaign 案例
客服 FAQ 整理

Step 3：開始提問

上傳完成後，你可以直接用自然語言提問：

「我們有哪些產品適合乾性膚質？」
「上季銷售最好的三款產品是什麼？」
「幫我整理玻尿酸精華液的三大賣點」

Step 4：驗證和優化

檢查 AI 的回答是否正確（它會標示引用來源）
如果回答不夠好，可能是文件內容不夠完整 → 補充文件
如果回答引用了過期資訊 → 更新或移除舊文件

建置小訣竅

先求有，再求好：不需要一次到位，先放進最重要的 10-20 份文件
定期更新：每月檢查一次，移除過期內容、補充新資訊
蒐集回饋：問問同事「你問了什麼問題？AI 答得對不對？」來持續優化
統一命名：文件名稱要讓人（和 AI）一看就知道內容是什麼

AI 協作：學了這個，跟 AI 怎麼配合？

知識庫是讓 AI 從「通用助手」變成「你的專屬顧問」的關鍵基礎建設。

你的人類優勢：

你知道哪些知識對部門最重要、哪些已經過期需要淘汰
你能判斷 AI 根據知識庫給出的答案是否符合公司實際情況

可以這樣跟 AI 說：

我要建立一個部門知識庫，目前有以下幾類文件：[列出你的文件類型]。請幫我設計一套知識庫的分類架構和命名規則，並建議每類文件應該包含哪些必要欄位，方便日後 AI 檢索使用。

練習

本堂重點回顧

知識庫把散落各處的知識集中管理，讓人和 AI 都能快速找到正確答案
知識庫的內容來源包括 SOP、產品資訊、成功案例、FAQ、歷史報告等
放進知識庫前要先做資料清洗：去除過期內容、統一格式、建立分類
RAG 就是讓 AI 先查你的文件、再根據文件回答，從「通用」變成「專屬」
NotebookLM 是很好的入門工具，先求有再求好

下堂課預告：知識庫建好了，AI 也會用了，但你知道 AI 可能產出有偏見或錯誤的內容嗎？下一堂我們來談 AI 倫理與品牌風險。