About Us
關於我們
不是告訴你哪個產品最好，而是探索什麼樣的選擇更適合不同的需求。
01
我們在做什麼
Ansqor 是一個以「決策」為核心的產品探索與研究平台。
當人們選擇一項產品時，需要的通常不只是「哪一個最熱門」或「哪一個評價最高」， 而是理解不同產品與自身需求、使用情境及限制條件之間的關係。
因此，Ansqor 嘗試將產品資訊、使用情境、決策條件與 Evidence 結構化， 透過 Decision Engine 分析不同條件下的產品適配性，讓產品選擇變得更清楚、更容易理解。
CoffeeGear Decision Engine 是 Ansqor 目前的第一個決策實驗，專注於咖啡器具，包括磨豆機與沖煮器具。
02
以決策，而不是排行榜
不同的人，即使面對同一項產品，也可能有完全不同的需求。
對一個人重要的功能，對另一個人可能並不重要。預算、使用場景、使用經驗、使用頻率， 以及實際環境限制，都可能改變最後適合的選擇。
因此，我們不試圖定義一個永遠固定的「最好」。
我們更關注的是：
在特定的需求與條件下，什麼選擇更合理？
需求
↓
使用情境
↓
使用者狀態
↓
限制條件
↓
Decision Engine
↓
產品選擇
03
Decision Engine 如何運作
Decision Engine 從使用者的需求與限制條件開始，將這些條件與結構化的產品資料進行分析。
需求 Goal
你希望從產品中獲得什麼樣的體驗或結果。
使用情境 Scene
你通常在哪裡、如何以及在什麼情況下使用產品。
使用者狀態 User State
你的經驗、使用習慣與目前的需求。
限制條件 Constraints
例如預算、空間、電力與其他實際限制。
這些條件共同構成一次 Decision Context，並影響最後的推薦結果。 因此，同一項產品對不同使用者，可能產生完全不同的推薦結果。
04
Evidence 與推薦依據
我們認為，一個好的推薦不應該只告訴你「選哪一個」，也應該能回答：
為什麼？
因此，推薦結果不只是產品排名，而是將產品資料、產品特性、Decision Context 與相關 Evidence 連結起來。
讓使用者可以進一步理解：
推薦產品
↓
為什麼推薦？
↓
符合哪些需求？
↓
與其他產品有什麼差異？
↓
有哪些資料支持這個判斷？
我們希望讓「推薦」不只是結果，而是一個可以理解與檢視的決策過程。
05
我們正在研究什麼
Ansqor 不只是建立推薦工具，也在探索一個更大的問題：
當產品資訊越來越多，甚至開始由 AI 協助人們尋找答案時， 什麼樣的資訊結構，才能真正支持一個好的產品決策？
我們正在研究產品的 Entity、Knowledge、Evidence 與 Decision 如何被組織， 以及這些資訊如何被人與 AI 理解、引用與運用。
CoffeeGear Decision Engine 是這項探索的第一個實驗。
未來，我們會將相同的方法延伸到不同的產品與使用情境，持續測試：
資訊如何形成判斷，判斷如何形成決策。