AgentOne
91APP AgentOne × MediaOne：廣告投放交給 AI Agent，投手升級為製程工程師
廣告優化師每天的例行操作，正在被 AI agent 接手。MediaOne 把零售受眾、創意生成與成效優化交給 agent，讓投手從盯後台的人，升級成訂規則、設煞車的製程工程師。這篇拆解 91APP AgentOne 底下的 MediaOne。
Brick Liao
廖重榮（Brick Liao），91APP 數據產品整合部副總經理。長期帶領 91APP CDMP 產品與數據顧問團隊，協助台灣零售與電商品牌把第一方數據變成可操作的受眾標籤，涵蓋會員分群、廣告受眾、OMO 整合與個人化行銷
AgentOne
91APP AgentOne × EngageOne：個人化行銷如何交給 AI Agent 執行
個人化行銷被期待、卻難落地，關鍵卡在人得一條條設條件。EngageOne 把會員經營、顧客旅程與分眾溝通交給 AI agent，讓品牌從設定條件走向交辦目標。這篇拆解 91APP AgentOne 底下的 EngageOne 怎麼運作。
AgentOne
91APP AgentOne 的資安鐵壁堡壘：Agent 為什麼需要資料獨立與數據 Sandbox
把工作交給會自己行動的 AI agent，最大的問題往往是它會不會闖禍。這篇談 agent 資安為什麼是導入的前提，以及 91APP AgentOne 用資料獨立與 sandbox 兩根支柱，怎麼讓 agent 敢上路又不失控。
AgentOne
91APP AgentOne 主要應用功能服務有哪些？零售與餐飲的 Agentic Enterprise Solution 產品全貌
AgentOne 是一整套讓品牌用交辦取代操作的企業級 agent 平台，涵蓋底層數據、四個專職 agent、標準成長循環，以及零售與餐飲如何在同一套底座上運作。這篇拆解 91APP AgentOne 的產品全貌。
AgentOne
Agentic AI 是什麼？AgentOne 讓零售、餐飲從問答走向真代理人執行
Agentic AI 是什麼？當 AI 從回答問題走到完成工作，品牌開始用交辦取代操作，軟體的控制權正在搬家。這篇從觀念談起：AI 的四個階段、決定 agent 好不好用的組織 Context，以及零售與餐飲品牌導入 AI Agent 前該準備什麼。
MarTech
MarTech 公司集體轉型：從賣工具收訂閱，到管數據、交付成效
2026 年一批 MarTech 上市公司同時改了怎麼賺錢：HubSpot 把 AI 代理改成看成效收費、Adobe 把付費工具開成免費先養習慣、Salesforce 花八十億美元買數據治理。這篇拆解三股驅力（第一方數據、AI 讓工具商品化、整合疲勞）如何逼著行銷科技公司從「賣工具收訂閱」轉向「管數據、交付成效」，並翻成台灣零售品牌的一個提醒：與其再多買一套工具，更該投資能把數據變成可衡量成效的底座。
MarTech
台灣品牌怎麼選 MarTech 公司：從一場股價重新定價，看懂該問供應商什麼
選一家 MarTech 公司，等於選一個要綁三五年的長期合夥人，選錯的成本遠高於買錯一套工具。2026 年資本市場剛上了一課：同樣營收雙位數成長的六家行銷科技公司，市場給的估值卻差好幾倍，差別不在功能多寡，在成長品質、財務體質、數據交付能力與長期服務。這篇把那套「重新定價」的邏輯，翻成台灣品牌選 MarTech 公司時該問供應商的四個判準與一張提問清單。
MarTech
MarTech 公司正在被重新定價：從六檔股價看行銷科技的價值重估
2026 年，掛著行銷科技名號的公司愈來愈多，價值卻愈來愈難判斷。這篇從六家 MarTech 上市公司切入：今年股價全數翻黑、估值倍數縮水兩到七成，營收卻仍雙位數成長。市場重新定價的不是這一季賺多少，而是成長撐不撐得住、AI 會不會讓工具護城河變薄。文章把軟體股集體重估的訊號，翻成台灣品牌的選商問題：選行銷科技公司，要從「有哪些功能」換成「能不能把數據變成可衡量的成效」。
AI Agent
AI agent 幫你做行銷，誰幫 AI 檢查對錯？
越來越多品牌把行銷工作交給 AI agent，寫文案、選受眾、發訊息、拉報表。但 Gartner 說逾四成 agentic AI 專案會在 2027 年前被砍，主因不是模型不夠強，是沒人管它做得對不對。這篇談 AI 行銷真正缺的一塊：讓 AI 會自己檢查、對帳、卡住就停的驗證迴圈，以及迴圈要對帳的那個底座。
MarTech
從堆工具到統一數據底座：零售品牌的 MarTech CDP 收斂指南 2026
行銷工具越裝越多，能用到的卻越來越少。與其一直往上加 SaaS，重點是把工具收斂到一個統一顧客數據底座，讓每個行銷工具都讀同一份完整會員資料。這篇為台灣零售品牌拆解 CDP、CRM、DMP、CDMP 的差異，說明內建行銷自動化的顧客數據平台為何適合線上線下並行的 OMO 場景，並用國際零售品牌的公開財報，看領先者如何先把會員資料收攏再談行銷，最後給出可以立刻動手的收斂步驟。主攻 MarTech CDP、CDP SaaS、顧客數據平台與統一數據底座。
MarTech
AI MarTech 落地指南 2026：為什麼再聰明的行銷 Agent 還是判斷錯人
每一套行銷科技（MarTech）工具都在主打 AI agent：自己選受眾、自己跑活動、自己寫文案。但 Gartner 預測，未來兩年內會有相當比例的 agentic AI 專案被喊停，原因涵蓋成本、價值不明與風險。這篇文章聚焦一件事：在需要辨識個人與跨通路脈絡的行銷任務上，AI 的槓桿不只在模型多聰明，更在你餵給它的會員資料是否歸戶完整。當官網、門市、LINE、電商各記各的會員，再強的 agent 也只會用更快的速度給出破碎的答案。文章用可查證的採用率與專案取消率數據，說明統一顧客資料為何是必要前提，並把行銷任務分成能自動化與仍需人判斷兩類，給台灣零售品牌一份可照著做的落地順序。
MarTech
行銷科技 SaaS 導入為什麼常常卡關？常見瓶頸藏在數據孤島（2026）
行銷科技 SaaS 導入常常不如預期，多數品牌第一時間怪工具選錯、團隊不會用。這篇把最常被跳過的瓶頸攤開來談：數據孤島。當線上線下會員資料對不起來，再強的行銷自動化都跑在殘缺資料上，成效難以歸因。文章用 Gartner、Salesforce、Forrester 等可查證的調查與一個知名的資料事故，拆解導入卡關的三個斷點，提出一套導入前的顧客資料體檢，並誠實回答導入多久看得到成效這個問題。