在資源限制與政策時效壓力下，如何快速打造一條新用戶獲客漏斗?
專案背景
臺灣個人投資儲蓄帳戶（TISA）是政府主導的退休金優惠政策，推動期間帶動大量首次投資者主動搜尋相關資訊——這是好好證券獲取新用戶的關鍵時間窗口。
但現實的限制是：這是一個小型活動專案，開發資源有限，且政策紅利期不會等人。
核心命題不是「怎麼做一個好網站」，而是「在時效與成本的雙重約束下，怎麼做出正確的取捨」。
關鍵決策一：用 Vibe Coding 取代傳統開發流程
活動型專案的特性是：需求明確、生命週期短、迭代頻率高。在這個前提下，我評估了兩條路徑：
這張表不是說 AI 流程在每個環節都更好，而是在活動型專案這個特定場景下，它幫助我們用更少的時間達到可上線的品質。關鍵不在工具本身，而在你是否清楚知道什麼該讓 AI 做、什麼不該。
關鍵決策二：轉化路徑的設計邏輯
目標受眾是政策關注者與退休規劃新手，他們的共同特徵是：有意願、但決策門檻高。
關鍵決策三：退休計算機的輔助
計算器是這條路徑的核心錨點，它讓用戶把抽象的「退休規劃」轉化為具體的數字，是從「了解」到「行動」最關鍵的一步。
產品規劃展現
從流量入口到開戶轉化的完整路徑規劃。
針對 TISA 說明頁的多版本佈局探索，重點在於如何在一個頁面內同時承載政策說明、好好證券方案差異（TISA 級別 vs TISA 適格基金），以及引導用戶前往計算器的視覺動線。
核心產品決策：為什麼要拆出 TISA 適格基金？
計算器的演算邏輯
退休計算器需要支援雙向計算：用戶可以輸入每月投入金額預估退休總資產，也可以反向輸入目標金額推算所需月投入，兩者皆須納入通膨調整。
技術上並不難，難的是假設的選擇。市面上的退休計算器在「預期報酬率」的處理方式上差異顯著，不同工具給出的結果可能相差數十萬。為了讓好好證券的計算邏輯有據可查，我採用逆向工程的方式，透過二分法對主流計算工具進行行為分析，反推出業界隱含的假設與計算模型邊界。
這個過程確認了業界普遍採用名目報酬率而非實質報酬率進行計算，最終以名目法定型為本計算器的核心演算邏輯。這個決策的意義不只在於「算得準」，更在於每一個假設都能被清楚說明——當用戶或法遵團隊質疑數字來源時，有完整的推導路徑可以回答。
雙向計算情境的介面規劃，包含輸入邏輯切換、通膨調整說明的呈現方式，以及結果頁面如何在視覺上讓「今日購買力等值」這個概念易於理解。
退休計算器是這條路徑的核心轉化工具：
- 它讓使用者把抽象的「退休規劃」轉化為具體數字。
- 支援雙向計算：輸入每月投入金額預估退休總資產，或反向輸入目標金額推算所需月投入，兩者皆納入通膨調整。
目標很明確：讓使用者在 30 秒內算出「我每個月要投多少」，然後直接接上基金推薦與開戶。
計算器不是理財教育工具，而是轉化漏斗的加速器。
方法論反思
採用 AI 輔助開發這條路，事後來看決策方向是對的，但過程中也暴露了幾個需要建立規範的環節。
AI 生成的代碼在可訪問性與效能優化上仍需人工介入；複雜互動邏輯（如計算器的雙向計算）無法依賴生成，反而需要更清晰的邏輯文件做前置準備。這讓我意識到 AI 輔助開發的效益，很大程度上取決於前期企劃的定義品質，組件邏輯定義越清晰，生成的結果越接近可用狀態。
Vibe Coding 在這個流程裡扮演的角色，不是取代設計師或工程師，而是讓 PM 能夠快速產出可互動的 hi-fi 原型。有了接近真實的介面，就可以在早期直接測試用戶旅程與 CTA 邏輯是否成立，而不是等到設計稿才發現流程有問題。這個階段收斂後，再交由設計師優化介面細節、工程師進行結構重構——分工的邊界反而因此更清晰，而不是更模糊。
這次的實踐也讓我對 PM 這個角色有了新的體會。當 AI 可以快速將想法轉化為可互動的介面，PM 若同時具備 UX 知識，就能在原型階段直接做出有品質的判斷——而不是等到移交設計師後才進入反饋循環。產品思維與 UX 知識不再是兩個分開的能力，而是需要整合在同一個人身上：懂得定義問題、也懂得判斷解法好不好用。這可能是 AI 工具普及後，PM 最值得培養的複合能力。
成果
