零售品牌用生成式 AI 量產商品文案與素材:如何守住品牌語氣與廣告法規紅線

一家美妝電商找上我們的時候,手上已經有一套跑得很順的生成式 AI 文案系統。每天能吐出三百多則商品描述、社群貼文、廣告標題,產能翻了快十倍。問題是,他們的法務主管兩週內收到三張下架通知,還有一封公平交易委員會的關切函。

系統沒壞。它只是太聽話了。你叫它「把這罐精華液寫得吸引人一點」,它就真的很吸引人——「七天淡斑」「醫美級」「無副作用」,句句踩在《化粧品衛生安全管理法》和《健康食品管理法》的紅線上。AI 不知道台灣的廣告尺度,它只知道要讓你點擊。

電商 AI 文案生成的真正難點,不是產量

大家談電商 AI 文案生成,焦點多半放在「一天能寫幾則」。但我們進場看過的案子,量從來不是瓶頸——現在隨便一個模型都能量產。真正會讓專案在上線後翻車的,是另外兩件事:品牌語氣的一致性,以及每一則文案背後的法規合規。

這兩件事有個共同點:它們都不是「寫得好不好」的問題,而是「能不能規模化地不出錯」的問題。人工寫五則文案,資深小編會自動避開「最」「第一」「療效」這些字眼,也會拿捏品牌該用什麼口吻。但當產量拉到一天三百則、由 AI 生成、由工讀生貼出去,那層隱形的把關就消失了。錯誤不是偶爾發生,是系統性地、每天發生。

品牌語氣:把「感覺」變成可執行的規則

品牌語氣最麻煩的地方,在於它平常只活在資深員工的腦子裡。「我們不會這樣講話」——但為什麼不會?說不清楚。

我們的做法是先做一次「語氣拆解」。翻出品牌過去表現最好的三十到五十則文案,連同被打槍過的版本,一起丟進去做對照分析,把模糊的品牌感覺逼成具體規則:句子平均長度、要不要用驚嘆號、稱呼顧客用「你」還是「您」、能不能用網路流行語、專有名詞的固定譯法。這些規則沉澱成一份結構化的品牌語氣準則,直接寫進系統提示詞與 RAG 知識庫,而不是塞在某個 Google 文件裡讓人自己去記。

接著是一道很多人省略、但決定成敗的工序:讓 AI 生成後,再由另一個模型當「語氣稽核員」,拿準則逐條打分,不合格的自動退回重寫。生成跟把關由不同角色來做,錯誤才不會自我遮蔽。上線後品牌語氣的一致性,不靠人盯,靠這道流程守住。

法規紅線:把違規詞擋在發布之前

台灣的廣告法規對電商特別不友善,尤其美妝、保健、醫材、食品這幾類。與其上線後救火,不如把紅線變成程式檢查得到的規則。我們通常會跟客戶的法務一起建一份分級的違規詞與句型庫,掛在文案發布前的自動關卡:

重點是這道關卡卡在「發布之前」,不是事後抽查。AI 寫得再快,只要碰到高風險詞就發不出去。這份詞庫也不是一次做完就結束——法規會更新、主管機關的解釋會變,所以它是活的,由法務持續維護,系統即時同步。

量產與合規,不是二選一

回到那家美妝電商。我們沒有叫他們把 AI 關掉、退回人工——那等於放棄十倍的產能。我們做的是在原本那套只顧產量的系統上,補進「語氣稽核」與「法規攔截」兩道關卡,讓生成、審查、發布各司其職。三個月後,產量維持,法務的關切函歸零,退件率從一開始的四成掉到不到一成。

生成式 AI 讓內容量產變便宜了,但也讓「大規模犯錯」變得同樣便宜。真正的工程難點,從來不是讓模型多寫幾則,而是讓每一則都同時守得住品牌的臉面與法律的底線。在 Tenten,我們把這類專案當成流程工程來做——不是交一個會寫字的模型,而是把稽核與合規這些原本只存在於資深員工腦中的判斷,拆成規則、嵌進生產線,然後留在現場陪客戶把使用率真的推上去。