客戶簡報前，用 Claude 跑一遍「反對意見模擬」實戰流程

簡報準備了兩個小時，你覺得邏輯清楚、數字也到位。進會議室，客戶問了一個你沒想到的問題，你卡了三秒。

那三秒很長。

問題通常不是你準備不夠認真，是你在準備的時候只站在自己的角度想，沒有站在客戶的角度想。你知道你想說什麼，但不知道他聽到的時候會在哪裡卡住。

用 Claude 跑一遍反對意見模擬，就是為了解決這件事。

---

為什麼自己想反對意見沒用

你可以自己想「客戶可能會問什麼」，但你想出來的反對意見有一個盲點——你知道答案，所以你不會問讓自己答不出來的問題。

你會想到你已經準備好回應的疑慮，不會想到你沒想到的漏洞。

Claude 不知道你的答案，它只看你給它的論點。它找到的疑慮，是你的論述本身產生的缺口，不是你預期的問題。

→ Claude vs ChatGPT：行銷人寫提案，哪個比較不會讓你改到崩潰

---

實戰流程

第一步：整理你的核心論點

不需要把整份簡報貼過去。把你想說的主要論點、支撐的數字、你的結論和建議，用條列式打出來。

範例： 「這次提案的核心論點是把社群預算從導流轉向品牌曝光。主要依據是過去三個月的廣告 CPC 上漲了 40%，導流效益持續下滑。我建議下季把 60% 預算投入品牌內容，預期六個月後提升受眾黏著度。」

第二步：給 Claude 一個具體的角色，不是通用角色

這一步很多人跳過，結果 Claude 給你一份「任何客戶都可能問的問題」，沒有針對性。你需要告訴它：你的客戶是誰、他們這次開會最在乎什麼、他們的決策邏輯通常是什麼。

好的 prompt 長這樣： 「你現在是一個中型電商品牌的行銷總監，預算壓力大，老闆最近一直問 ROI。你剛剛聽完下面這份提案，請從你的角度列出你最可能有的三到五個疑慮，並說明每個疑慮背後的原因。」

→ 寫廣告文案前先給 AI 讀受眾資料，輸出品質差了一個量級

第三步：看它找到什麼，特別注意你沒想到的那幾條

Claude 給你的反對意見，你逐條看。你預期到的那些不重要，重要的是你沒想到的——那些才是你的簡報真正的漏洞。常見的幾種類型：

• 邏輯跳躍：你從 A 直接跳到結論 C，但 B 你沒說清楚。
• 數字沒有對照組：「CPC 上漲 40%」——跟什麼比？
• 建議和風險不對等：你說了好處，但沒有說如果做了這件事、最壞的情況是什麼。

第四步：準備回應，再讓它檢查一遍

針對每個反對意見，寫下你的回應。寫完之後，把「反對意見 + 你的回應」一起貼回給 Claude，問它：「從客戶的角度，我的回應能真正消除這個疑慮嗎？」

這一步是在用 Claude 當你的第一個觀眾。它說「你的回應沒有直接回答問題」的時候，通常是真的。

→ AI 寫文案會犯的三種錯，ChatGPT 和 Claude 各有不同毛病

---

這個流程最容易犯的錯

給 Claude 太少背景，然後怪它給的反對意見不準。

它模擬的品質取決於你給它的客戶描述有多具體。「幫我模擬客戶的反對意見」和「你是一個預算壓力大、老闆問 ROI 的行銷總監」，這兩個起點給你的結果差很多。

---

它找不到的東西，你自己要補

Claude 模擬的是邏輯層面的反對——論述有沒有漏洞、數字有沒有說清楚、建議夠不夠具體。它找不到的是：你的客戶因為公司內部政治不方便說的顧慮、他個人對某個方向的偏好、這個預算背後的組織壓力。

這些你要靠自己對客戶的了解去補。AI 處理邏輯的部分，你處理關係的部分，兩個加起來才算準備完整。