送禮最難的一關,不是預算,是「猜人」

你有沒有過這種經驗:盯著購物車裡的商品猶豫了半小時,最後還是不確定對方到底喜不喜歡。尺寸?口味?顏色?生活習慣?如果你不是和對方住在一起,你可能只有六成把握,然後自我說服說六成就夠了。

說真的,那六成常常不夠。台灣 Dcard 送禮討論版上,最常出現的情境是:禮物收到了,「謝謝你,我很喜歡」,然後那個東西在角落放了三年。Gift Me 的 AI 選禮功能就是為了解決這個問題,beta 版現在上線,你回答幾個關於收禮人的問題,它根據這些條件幫你篩出最可能命中的禮物方向,涵蓋實體禮物、體驗活動、也包含數位禮券。

AI 選禮問你哪四個問題

這四個問題的設計邏輯,是讓系統了解「這個禮物會進入什麼樣的生活」,而不只是確認場合或預算。

1

送禮場合是什麼?

生日、畢業、婚禮、升職、搬家、純粹想謝謝對方,場合不同,禮物的功能和重量都不一樣。生日可以送稍微個人化的東西,搬家禮更適合實用取向,升職禮則偏向「表達認可」的品味感。

2

預算範圍大概在哪?

不是要你精確到個位數,而是讓系統幫你在合理的區間裡找最有感的選項。NT$500 以下、500–1,500、1,500–3,000、3,000 以上,每個區間都有各自效益最高的禮物類型,AI 會根據你的預算優先推薦。

3

收禮人有哪些興趣或喜好?

不需要列一份完整的履歷,說幾個具體的就夠了:他喜歡做菜、他最近開始跑步、他上下班通勤一小時都在聽 Podcast、他週末喜歡去咖啡廳坐著看書。這些細節比「他是個文青」或「她比較居家」更能引出準確的推薦。

4

生活狀態:最近有什麼改變或需求?

剛換工作、剛搬家、剛生完小孩、剛開始健身、最近在備考,這些狀態改變了他的實際需求,也改變了什麼禮物最有意義。AI 把這一層納入推薦邏輯,讓禮物跟上他現在的生活,而不是去年的他。

推薦的禮物涵蓋哪些類型

結果不只有一個方向,系統會根據你的回答給出三到五個推薦,通常跨越不同類型,讓你有選擇的空間。

實體禮物Physical
適合想給對方有「拿在手上的感覺」的場合。推薦邏輯以收禮人的生活習慣為主,而不是「女生應該喜歡保養品」這類刻板預設。廚房器具、文具選品、護膚、小型家電、閱讀器,都在推薦範圍內。
適合場合:生日、搬家、長輩禮、感謝禮
體驗型禮物Experience
研究顯示,人從體驗獲得的幸福感通常高於等值的物質(Van Boven & Gilovich, 2003)。餐廳用餐、課程體驗、按摩 SPA、音樂會票、烹飪工作坊,這類禮物創造記憶,不佔空間,對喜歡出門的人效益特別高。
適合場合:伴侶送禮、畢業禮、慶祝里程碑
數位禮券Digital
數位禮券讓收禮人自主選擇,滿意度通常高於猜出來的實體禮物(Gino & Flynn, 2011)。串流訂閱、線上課程點數、電子書、雲端工具、外送折抵,對不喜歡佔空間或生活偏數位化的人特別合用。即時傳送,沒有快遞等待,也適合記得送禮當天才想到的場合。
適合對象:極簡主義者、學習型人格、異地友人

推薦結果怎麼用

拿到推薦之後,你有幾個方向可以選。直接採購,把禮物加入自己的心願清單再轉給收禮人;或者把推薦連結分享給對方,讓他在清單裡確認哪個方向最對,再分享給其他想送禮的人。後者特別適合場合較大、多人一起送的情況,Gift Me 的認購功能會防止重複,你也不用額外追蹤誰買了什麼。

平台觀察(beta 測試期使用者回饋)
在 beta 測試期間,回饋最多的使用情境是:「不知道送什麼的遠親或普通朋友」,其次是「預算有限但想送有記憶點的東西」。填入具體生活細節的使用者,對推薦結果的滿意度明顯高於只填入場合和預算的使用者。
AI 選禮 beta 版目前持續收集使用者回饋優化推薦邏輯。每次使用後平台有意見回饋按鈕,填一句話就夠,每筆回饋都會進入下一版本的訓練資料。