Brick Liao

第一方數據

超商點數戰打了十年，真正的贏家在拚你看不見的那件事

統一 OPEN POINT、全家、遠東 HAPPY GO 的點數大戰表面拚回饋，底層拚的是誰真正握有「消費者是誰、買了什麼」的第一方數據。這是所有品牌會員經營的縮影，也是台灣品牌把買過的人養成資產的起手課。

運動鞋會員戰

Nike、On 昂跑、Hoka 運動鞋會員戰：垂直品牌怎麼用第一方數據突圍

Nike 自營通路營收年減 13%，On 昂跑年增 30%、Hoka 成長 24%。同一個運動鞋市場，三種第一方數據路數打出三種結局。這篇拆解規模型、高毛利 DTC 與垂直突圍三條路線的會員經濟，並整理台灣品牌能實際照抄的做法。

廣告創意與內容表現

廣告 A/B 測試在測真差異，還是同一張圖換色？Meta 素材疲勞的偽多樣陷阱

帳戶裡跑了十支素材，Meta 演算法眼中可能只看到一支。本文拆解 Andromeda 素材聚類機制與業界所稱的 Entity ID，說明為什麼換色、換一個字、換背景音樂做不出真正的多樣性，並提供自我檢查清單，分辨手上的 A/B 測試是真差異還是偽多樣。

廣告平台操作實務

Meta 出價策略怎麼設？tROAS 與預算結構的校準手冊

把 ROAS 目標設得越高越安全，是最常見的迷思。本文拆解 Meta 四種出價策略的邏輯與校準原則，說明為什麼目標永遠該從自己的歷史數據往回推，而不是從理想數字往前設，並提供預算與出價的校準檢查清單。

廣告平台操作實務

GA4 顯示 140 筆，Meta 後台說 320 筆？三本帳對帳法，先分清楚是真下滑還是口徑差

GA4 跟 Meta 後台的轉換數字對不上，是這個產業結構性的常態，不是設定錯誤。本文拆解兩邊歸因邏輯的根本差異，用三本帳對帳法（GA4、Meta 後台、訂單系統）分清楚誰該講哪種話，避免因為口徑差異誤判成效真的下滑。

廣告平台操作實務

Meta 廣告的 Opportunity Score（機會分數）該照單全收嗎？月度健檢的風險與機會兩張清單

Meta Ads Manager 的 Opportunity Score 從 0 到 100 分，愈高愈貼近 Meta 建議的最佳實務，但貼近建議不等於貼近獲利。本文用真實案例拆解這個分數衡量什麼、沒衡量什麼，並提供月度健檢的風險清單與機會清單，幫品牌分清楚哪些建議該採納、哪些該先擋下來。

廣告平台操作實務

Meta 廣告成效不好？別再照抄 AI問答給的資訊，根本問題要看這 3 層

Google AI 模式回答「Meta 廣告成效」時給的 KPI 清單，其實是全網共識的最大公約數，答不出你的帳號真正卡在哪。本文提出訊號層、受眾層、衡量層三層診斷框架，用 Andromeda、CAPI、EMQ 等真實數據拆解病灶該從哪裡查起，而非照單全收清單裡的五個原因。

技術與數據優化

MCP 伺服器不該把 API 一比一搬上去：意圖導向的工具設計怎麼做

很多團隊把現有 API 一鍵包成 MCP 就以為完工，這其實是最大的設計誤區。AI 代理不像工程師會處理分頁、關聯查詢，它需要意圖導向的工具。這篇談 1:1 包裝的三個代價、三原語對應法，以及零售品牌怎麼把資料層設計成 AI 用得順的樣子。

AI 技術與數據優化

當 AI 變成「非人類身分」：MCP 時代零售品牌的資料安全與治理

學術研究指出，MCP 的架構設計會把攻擊成功率放大 23% 到 41%，而傳統 API 防護很難完整覆蓋 AI 代理的行為風險。當 AI 代理成為一個會自己行動的「非人類身分」，它動的是你的會員與個資。這篇談三個協定層漏洞、傳統資安的盲點，以及零售品牌該有的治理起手式。

91APP CDMP

API 是寫給工程師的，MCP 是寫給 AI 代理的：零售品牌該懂的接軌標準轉變

OpenAI、Google 在幾週內相繼支援競爭對手 Anthropic 提出的 MCP，這種跨陣營共識在科技業很罕見。MCP 不是要取代 API，而是疊在 API 之上，讓 AI 代理自己看懂並使用你的資料與工具。對零售品牌來說，這決定了 AI 到底接不接得進你的訂單、會員與庫存系統。

廣告平台操作實務

Google Ads 廣告自動化怎麼做？從 Smart Bidding 到自動規則的完整教學

Google Ads 廣告自動化分成出價、投放與維運三種，各自能交給機器的程度不一樣。本文用官方文件的邏輯拆解 Smart Bidding、Performance Max 與自動規則、Scripts 的分工，並說明餵給演算法的第一方資料為什麼決定成效上限，給台灣零售品牌一份可落地的教學。

廣告平台操作實務

Meta 廣告自動化怎麼做？用帳戶的三個層級，把每天兩小時的手動調整變成規則

Meta 廣告自動化的重點，是把資深投手的判斷寫成規則，而不是把方向盤直接交給演算法。本文用 Campaign、Ad Set、Ad 三個層級拆解自動化該做什麼，並說明比「自動調整」更重要的護欄機制，給台灣零售品牌一份可落地的教學。