香港中文大學實習研究2026: Moodie.ai多模態AI職涯導師分析報告

執行摘要

Moodie.AI 由香港 Datality Lab 開發，是一款基於 SaaS 架構的 AI 溝通與面試培訓平台，採用自主研發的多模態 AI Agent 技術。一項針對香港中文大學（CUHK）商學院學生進行的實證評估證實，該平台能有效提升面試表現。關鍵研究發現指出，使用者在經歷單一培訓週期後，平均分數提升了 20.1%，且有 85% 的參與者呈現顯著改善。

雖然該平台在識別語音特徵與非語言線索（如肢體動作、面部表情）方面表現出色，但仍面臨技術穩定性以及「應徵者主動提問」模組的挑戰。策略分析顯示，推動使用者留存與推薦的主要動力源於「感知實用價值」，而非單純的「評分精確度」。相較於 Yoodli 或 Virti 等全球競爭對手，Moodie.AI 憑藉深厚的機構合作關係與專利多模態演算法，在東亞市場奠定了穩固的防禦壁壘。為保持市場領先地位，該平台必須優先優化技術穩定性、實施特定職位的客製化功能，並建立業界標準認證體系。

1. 平台概述與研究方法

1.1 關於 Moodie.AI

Moodie.AI 是一款專為模擬面試、銷售簡報與公眾演講設計的溝通培訓系統。該系統支援英語、廣東話及普通話，並採用 B2B 與 B2C 並行的混合商業模式。

• 技術架構：自主研發引擎，整合 170 多種演算法與 70 多個觀察點。
• 評估指標：涵蓋身體姿勢、音量、語速、邏輯與專業知識的多模態綜合分析。
• 機構合作夥伴：香港城市大學（CityU）、新加坡管理大學（SMU）、香港中文大學（CUHK）、香港都會大學（HKMU），以及區域政府機構（如香港生產力促進局 HKPC、新加坡資訊通信媒體發展局 IMDA）。

1.2 研究方法

本評估採用三步驟干預工作流程：

1. 首次模擬面試：針對內容、非語言技巧及語言能力進行基準評估。
2. 檢討與培訓：提供診斷報告與針對性的影音培訓教材。
3. 二次模擬面試：在相同框架下進行二次評估，以進行成對比較。

樣本數據：

• 表現數據集：26 名應徵者（7 名顧問、9 名產品經理、5 名數據分析師、5 名 IT 程式設計師）。
• 問卷數據集：32 名受訪者（主要為 QS 前 100 名院校之碩士生）。

2. 培訓成效分析

2.1 表現提升之定量分析

干預措施顯著提升了整體樣本的面試勝任力。

• 平均分數增長：由 59.3 分提升至 71.3 分（+12.0 分）。
• 進步率：85% 的應徵者分數有所提升。
• 分數分佈轉移：「優秀」（75 分以上）區間的比例從 7.7% 擴增至 42.3%，而「基本合格」（50–64 分）區間的比例則大幅縮減。

2.2 各職位與語言組別之表現

組別	樣本數	模擬面試 1 平均分	模擬面試 2 平均分	淨增益
顧問	7	56.6	74.6	+18.0
產品經理	9	58.0	71.4	+13.3
數據分析師	5	61.5	70.2	+8.7
IT 程式設計師	5	63.4	67.6	+4.2
普通話組	17	57.1	69.1	+12.0
英語組	8	64.6	75.0	+10.5

• 顧問組別獲得最高幅度的成長，主因可能在於初始基準分數較低，且培訓內容高度契合顧問職務所需的溝通技能。
• IT 程式設計師組別的增益最低，歸因於其初始基準分數較高，使得後續進步空間相對受限。

2.3 各技能面向之增益

• 非語言技巧：展現出最大且差異最顯著的進步，特別是在肢體手勢（+15.5）、面部表情（+14.7）與眼神接觸（+13.5）。
• 面試內容技巧：各面向均衡成長，例如團隊合作與專案管理（+14.4）以及問題解決能力（+14.7）。
• 關鍵短板：「應徵者提問」（即受訪者主動提出具洞察力問題的能力）儘管有所改善，仍為得分最低的項目（43.5 分）。

3. 使用者滿意度與認知分析

3.1 綜合評分

使用者以 5 分制 Likert 量表（評估準確度／體驗）及 0–10 分制淨推薦值（NPS）量表（評估價值／意願）對平台進行評分。

面向	平均評分	解讀
英語能力評估	4.13	獲最高認同；使用者信心最強。
非語言表達評估	4.09	表現紮實；聲學項目（音量／語速）獲得最高評分 4.28。
核心專業能力評估	4.07	表現穩定且高於平均水準。
系統整體體驗	4.04	得分最低且最不穩定；反映出技術磨合問題。

3.2 核心痛點

• 技術穩定性：單項評分最低（3.78 分）。使用者反映存在系統延遲、會話中斷以及影音不同步等問題。
• 內容針對性：使用者指出面試問題偶有過於泛化、缺乏特定職位深度的情況。
• 互動邏輯：在使用者回答過程中出現「AI 隨機打斷」的問題，被認定為嚴重的體驗瑕疵。

4. 使用者態度與留存之關鍵驅動因素

本研究採用迴歸分析與中介效應分析，以釐清推動使用者推薦或持續使用該平台的真實驅動力。

4.1 「系統體驗」的主導地位

分析顯示，評分準確度（AI 評估英語或非語言線索的精確程度）並未能顯著預測使用者的推薦意願或持續使用意願。相反地，系統整體體驗是唯一跨所有結果（核心勝任力反映、感知實用價值、推薦意願及使用意願）均具顯著影響力的預測因子。

4.2 中介路徑

使用者體驗與行為意願之間的關係，完全由感知實用價值所中介。

• 機制：更佳的系統體驗 -> 更高的感知實用價值 -> 更高的留存率
• 策略啟示：相較於邊際提升評分精確度，優化表面體驗（如穩定性、易用性）對於提升留存率更為有效。使用者將該平台定位為實用的演練工具，而非嚴謹完美的科學儀器。

5. 競爭格局分析

Moodie.AI 在 AI 輔助培訓市場中，主要與三個不同的策略陣營展開競爭：

策略陣營	關鍵競爭對手	核心價值主張
AI 溝通培訓	Moodie.AI, Yoodli	長期技能提升與行為模式指導。
企業級模擬	Virti	透過沉浸式 XR/VR 環境降低風險並提高成本效益。
AI 實時輔助	Final Round AI	在真實面試過程中提供實時協助（具較高倫理風險）。

5.1 Moodie.AI SWOT 綜合分析

• 優勢（Strengths）：深厚的東亞在地化能力（廣東話／普通話）；高門檻的機構整合；擁有 170+ 項專利演算法。
• 劣勢（Weaknesses）：缺乏公開的社群口碑證言（如 G2/Capterra）；B2C 定價機制不透明；相較於 Yoodli 等全球對手，技術穩定性仍有提升空間。
• 機遇（Opportunities）：推動專業認證（如 MCC 認證）；建立亞洲大專院校校園招聘的基準資料庫。
• 威脅（Threats）：大型語言模型（LLM）基礎設施迅速通用化；雇主對 AI 檢測機制日益嚴格（主要針對「實時輔助類」競爭對手，但亦可能波及整體產業市場）。

6. 策略建議

綜合表現數據與使用者回饋，建議依以下優先順序採取行動：

優先級一：完善技術與內容基礎

1. 穩定基礎設施：消除影音延遲與不同步現象。這是提升感知價值槓桿率最高的單一改進點。
2. 強化提問模組：整合專門針對「應徵者主動提問」框架的培訓單元，並建立特定行業的示範題庫。

優先級二：深化核心價值

1. 深化職位客製化：從泛化評估轉向針對特定崗位的客製化回饋（例如：針對顧問與數據分析師提供專屬的評估指標）。
2. 量化非語言回饋：提供極具顆粒度的數據（如「眼神接觸秒數」或「手勢出現頻率」），使評估更具客觀性與可操作性。

優先級三：建構策略護城河

1. 建立 Moodie 溝通認證（MCC）：打造業界認可的標準，藉此與未經認證的工具形成差異化。
2. 整合標竿對比數據：運用機構合作夥伴的數據，讓使用者能與區域同儕的準備度基準進行對比，創造獨特的網路效應。