把發票交給 AI，才知道自己到底把錢花去哪裡

一年進了 104 次便利商店，平均大約每三天半就出現一次。

35 張早餐店發票裡，有 29 張的消費時間落在 11:44 到 12:09。

同一品牌的鮮乳，小瓶買了 14 次、大瓶只買過 2 次。換算單位價格後，小瓶每 100ml 的價格比大瓶高出約 15%。

這些都是從一份真實的發票資料裡跑出來的結果，但發票的主人往往自己不知道這些事，畢竟很少人會記得自己一年走進超商幾次，更不會在每次買牛奶時心算每 100ml 到底多少錢。

但其實這些資訊，都藏在你自己的發票裡！

現在「發票存摺 App」可以直接下載你的發票及消費明細，只要將下載的檔案交給 AI，就能立刻分析自己的消費習慣，甚至找到更省錢的消費法！

這篇文章中也提供三個分析模板，只要把指令複製貼上到你的 AI，就能立即分析，記得看到最後！

你有沒有過這種感覺？

明明覺得自己最近也沒有買什麼特別貴的東西，月底一看帳戶，卻又莫名其妙快見底，甚至不小心就透支了。

你可能也試過記帳 App，或是每天手動記下支出。數字都有記下來，月底也看得到「這個月總共花了多少錢」，但看到最後還是只有一個問題：所以，我的錢到底花到哪裡去了？

問題不一定出在你沒有記帳，而是你手上的資料，未必足夠讓你真正看懂自己的消費行為。

你可能以為自己很少買咖啡，但實際上每週都在買；你可能一直覺得購物是最大的支出，攤開資料後才發現，真正累積最多的，是那些單筆不到 100 元、卻一直重複出現的小額消費。

甚至還可能發現：你一直用同一種方式買東西，但其實有更划算的選擇。

發票和消費明細，直接匯出就能拿來分析

你的消費資料不一定要靠記帳，只要把發票與消費明細匯出成 CSV，就可以直接交給 AI 分析。「發票存摺 App」支援匯出你的發票與消費明細資料，下載後可以直接交給 ChatGPT、Claude 等 AI 工具，從完整的消費紀錄裡找出你平常很難注意到的模式。

你不需要再把幾個月的支出一筆一筆抄進記帳 App，也不需要先替所有消費重新分類。你只需要提供資料，AI 就能從資料裡找出值得注意的事情。且分析不一定要停在「你花了什麼」，它還可以進一步回答：「這筆支出有沒有更好的買法？」

怎麼下載發票與消費明細？

Step 1｜進入「我的發票」

開啟發票存摺 App，進入「我的發票」。

Step 2｜點擊右上角的下載圖示

Step 3｜選擇想分析的月份及格式

先選擇要匯出「全部發票」或是「僅消費明細」，並選擇要下載的月份，點擊「匯出」即可。

（「全部發票」包含完整的發票號碼、店家名稱、統編以及所有消費明細。）

目前可以下載的資料範圍為最近 12 個月內，而且一次只能下載單一月份，無法一次選擇多個月份。如果你想分析一整年的消費習慣，就需要逐月下載，下載多個月份後不用自己先合併，可以直接把多個 CSV 一起交給 AI。

Step 4｜把資料交給 AI

拿到資料之後，最大的問題通常是不知道要問什麼。如果只說「幫我分析消費」，AI 很容易回你一份分類總表。但真正有價值的，往往不是「你吃飯花了多少」，而是：你原本不知道自己有這個習慣。甚至你原本不知道自己可以換一種方式消費。

我們準備了三組可以直接複製貼上的指令，幫助你更快做出分析！

在開始之前，先知道兩件事

這兩件事會直接影響你拿到的結果。

不同通路的品項資訊，詳細程度差很多

超商、超市、量販店、藥妝店等通路，品項通常比較完整，常能看到容量、重量或規格。

例如：「○○全脂鮮乳 290ml」。這類資料 AI 就比較容易進一步換算單位價格。但餐廳、早餐店、飲料店等消費，發票明細可能只留下品名，或是一長串客製化內容。這類資料通常還是可以分析消費次數與金額，但不一定有足夠資訊計算單位價格。資料裡沒有的資訊，AI 不應該自己猜。

如果使用 AI 免費方案，建議先從少量資料開始

第一次使用，可以先匯出最近 1 個月的資料試試看。確認 AI 能正常讀取 CSV，再逐步增加月份。這樣做的好處是比較容易控制 AI 的檔案與使用額度，也能先確認自己最想看的分析方向。如果你使用的是免費方案，也建議把三組指令分開測試，並保留完整指令內容，不要任意刪掉條件。那些看起來比較囉嗦的要求，例如「一定要引用資料」或「資料不足時不要猜」，都是為了讓最後的結果更可靠。

三種可以直接拿去用的 AI 消費分析模板

你以為你了解自己，但資料可能會打臉你

我們對自己的消費習慣通常都有一套主觀印象。

「我很常買這個。」

「這應該只是偶爾。」

「我最大的花費應該是那一類。」

但這些印象不一定正確，把完整的發票資料交給 AI，讓它直接找出你的「主觀印象」和「實際消費行為」之間的落差。

（💡直接複製以下藍色的指令搭配檔案給 AI 就可以囉！）

請分析我的發票資料，找出「我的主觀印象可能和實際消費行為不一致」的地方。

例如：
- 我可能以為自己很常買，但其實沒有
- 我可能覺得只是偶爾買，但實際上非常頻繁
- 我可能以為自己最大的支出是某一類，但資料顯示另一類更高
- 某種消費可能單筆不高，但頻率遠超我的想像
- 某種消費可能偶爾很貴，但其實並不是主要支出來源

請至少找出 5 個「如果沒有完整資料，我很可能會猜錯」的結果。
每一項都請提供實際資料依據，不要只根據一般人的消費習慣推測。
除了指出落差，也請告訴我：
1. 這個發現對我的消費有什麼意義
2. 我之後可以採取什麼具體行動
3. 如果有可能進一步改善我的消費方式，也請提出建議

請把「資料可以直接證明的結論」和「根據資料提出的建議」分開標示。

這一組不是要你知道「這個月花了多少」。

而是回答：

「我到底是不是自己以為的那種消費者？」

你可能一直覺得自己偶爾才喝咖啡，結果完整資料一攤開，才發現一個月出現了十幾次，這些資訊是單看記帳總額就不容易發現的。

我的錢，有沒有更聰明的花法？

有一種消費最容易被忽略。

不是一次花很多，而是每次都讓人覺得：「這才幾十塊而已。」

問題是，如果這幾十塊一直出現，最後可能就會變成一筆完全不能忽略的支出。

但找出小額黑洞之後，問題不一定是：「我要不要少買？」

也可能是：「我有沒有辦法用更划算的方式買？」

請分析我的發票明細，找出「單筆金額不高，但因為高頻出現而累積成可觀支出」的消費。
先找出最常出現的小額消費，並將相似消費合併計算。
接著，請進一步找出其中「有機會用更划算的方式購買」的項目，而不是單純叫我少買。

請優先檢查：
1. 我是否買過同一商品的不同容量、重量或包裝
2. 不同規格是否可以換算單位價格，例如每 100ml、每 100g、每份
3. 我是否曾經買過單位價格較低的替代規格
4. 是否存在可以依照我的實際購買頻率計算的節省機會
5. 特別注意 100 元以下、但出現頻率很高的消費

對每一個值得調整的項目，請提供：
- 我目前的購買方式
- 我曾經買過的替代規格或版本
- 單位價格比較
- 依我的實際購買頻率計算，一年可能節省多少
- 具體建議怎麼買比較划算

請優先找出「不需要大幅改變消費習慣，就可能降低支出」的項目。
如果資料不足以計算單位價格或節省金額，請明確說明「資料不足，無法計算」，不要自行推測價格、外部售價或節省金額。

請把結果分成兩類：
A. 有資料支撐、可以直接計算的節省機會
B. 有可能值得嘗試，但目前資料不足以計算的建議

最後請找出最多 5 個最值得調整的消費，優先列出可以提供具體計算結果的項目。

這組指令和單純「找出前三大小額黑洞」最大的不同，就是分析之後還會繼續往下走。

例如，你過去同時買過同品牌的小容量和大容量牛奶，AI 就可以用你自己的歷史價格計算：

• 每 100ml 各是多少
• 差多少
• 依照你的購買量，一年大約可以少花多少

這種建議的好處是，它不是叫你「不要買牛奶」，而是找出：

「你本來就會買，能不能換一種方式買得更划算？」

當然，不是所有商品都能做到這一步。

如果發票資料裡沒有容量、重量、規格等資訊，AI 就不應該自己編一個數字出來。

不要告訴 AI 我要找什麼，讓 AI 自己發現

前兩種分析，還是有明確的問題意識。

一個是在找：「我對自己的認知，有沒有猜錯？」

另一個是在找：「我的消費有沒有可以調整的地方？」

但如果你根本不知道自己想問什麼，也可以直接把資料交給 AI，讓它自己找。

這是我一段時間的完整發票消費明細。
不要先假設我要分析什麼，也不要只做傳統的消費分類、總額或排行榜。
請你自己從完整資料中尋找「值得告訴我的事情」。
你的任務是找出至少 10 個：「如果沒有把這些資料全部放在一起，我自己很可能不會發現」的消費模式。

可以從以下方向尋找，但不要侷限於這些：
- 時間規律
- 消費頻率
- 重複購買
- 小額累積
- 大額支出
- 固定週期
- 異常消費
- 消費習慣的改變
- 工作日與週末差異
- 不同消費行為之間的關聯
- 看似矛盾的消費習慣
- 我對自己消費的可能誤判
- 進一步改善我的消費方式

每個發現都必須：
1. 引用實際資料作為依據
2. 說明出現頻率或金額
3. 解釋為什麼這不是單純的巧合或單筆事件
4. 告訴我這件事為什麼值得知道
5. 如果這個發現可以轉化成具體的消費建議，也請告訴我下一步可以怎麼做

請把每個結果分成：
「值得知道」
「值得做」

其中「值得知道」代表資料本身揭露出的消費模式；「值得做」代表根據這個模式，可以考慮採取的具體行動。

請區分「資料可以直接證明的結論」和「根據資料提出的合理建議」，不要把推測當成事實。
不要只告訴我「你花很多錢在吃飯」這種一般人看資料就能知道的事情。

我要的是：「你看了我的完整資料之後，發現了一件連我自己都不知道的事。」

這一組最適合用在資料比較完整的情況。

例如，把三個月、半年，甚至更長時間的資料放在一起後，AI 不只可以看單筆消費，也可以比較不同月份、不同日期與不同消費行為之間的關聯。

你不需要先知道問題是什麼。

先把資料攤開來，讓 AI 幫你找問題。

從「知道花多少」到「知道怎麼花」

過去發票對我們來說，可能只是拿來對獎、記帳，但當發票資料可以直接交給 AI 分析後，它的用途就不只是在告訴你你花了多少錢，而是可以進一步讓你了解到「原來我是這樣花錢的人」，或是發現某些小額支出原來一直在重複出現，甚至找出「雖然我習慣這樣買了，但怎麼買可以更划算。」

分析不是這件事的終點，從自己過去的消費紀錄來幫助自己制定下一步，才是最有價值的！

發票留下的不只是交易紀錄，它其實是一份你的消費行為資料。資料一直都在，只是過去很少有人把它真正拿來使用。

現在，你可以把這份資料交給 AI，看看它會發現什麼。