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

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。

MarTech

行銷科技 SaaS 怎麼選？先問資料能不能歸戶，再談功能（2026 選型指南）

市場上的行銷科技（MarTech）工具已超過一萬五千種，但多數品牌買了一堆卻只用得到一小部分。本文不做第 31 份工具清單，而是點出選型最常見的錯誤：只比功能與價格，卻忽略資料能不能歸戶、能不能被下一個工具接手使用。文章提出一套選型檢查順序，先問資料層的歸戶與串接能力，再問啟動層的分群與自動化，最後才比單點功能，並依起步、成長、成熟三個階段給出不同重點，說明為什麼統一的顧客數據底座是每個階段共同的地基，協助台灣零售品牌把行銷自動化平台的預算花出綜效。

MarTech

MarTech SaaS 是什麼？行銷科技工具愈買愈多，顧客資料卻愈來愈散（2026）

MarTech SaaS 指的是用訂閱制的雲端軟體來執行、優化與衡量行銷，讓品牌不必自建系統就能用上專業工具。這篇文章先把 MarTech、SaaS 與行銷科技 SaaS 的定義講清楚，方便理解與查詢；接著談一個常被忽略的副作用：當訂閱工具愈買愈多，每一套各自存著一份殘缺的顧客資料，反而製造出新的數據孤島。真正的關鍵，往往在於資料有沒有歸到同一個顧客身上，工具數量多寡反倒是其次。文章整理了市場數據、常見誤解，以及台灣零售品牌可以採取的具體做法，適合品牌經營者、行銷主管與電商負責人閱讀。

AI 應用與 AI Skill

Agent Skills 開放標準：一套 SKILL.md 跨 ChatGPT、Claude、Codex，怎麼降低 AI 工作流的移轉成本

截至 2026 年 7 月，ChatGPT 已支援 Agent Skills 開放標準，開始讀跟 Claude、Codex 同一套 SKILL.md。公開格式能降低跨工具的移轉與重寫成本，讓品牌的 AI 做法更容易累積成資產。這篇不做產品比較，聚焦開放標準與可攜性本身，以及品牌該怎麼用版本管理、相容性測試和退出機制，把 skill 資產庫治理好。

AI 應用與 AI Skill

AI 技能包實戰：把每週講三次的行銷 SOP，變成 AI 能穩定重現的做法（2026）

行銷團隊最值錢的不是工具，是那套「怎麼把一件事做好」的做法。ChatGPT 與 Claude 的 Skill 讓你把每週重複解釋三次的流程，打包成 AI 能穩定重現的技能包。本文拆解哪些做法適合做成 AI 行銷 SOP、技能包和 prompt/agent 的關係，以及台灣品牌落地的起手式。

AI 應用與 AI Skill

ChatGPT Skills 教學：台灣零售行銷團隊把 SOP 變成可重複資產

ChatGPT Skills 是可重複使用的工作流，以 SKILL.md 為核心的資料夾為載體，教 ChatGPT 一致執行你設定好的任務，目前開放企業版、免費版與 Plus 尚未開放。這篇 ChatGPT Skills 教學拆解 skill 功能與怎麼用，並用活動檔期、會員分眾、行銷月報、客服話術、商品文案、廣告投放六個零售行銷場景，示範一條 SOP 做成 Skill 長什麼樣。

91APP CDMP

AI 行銷科技來了：Agentic MarTech 如何重排零售工具的優先序

AI 讓行銷科技從「人操作工具」走向「代理人自動決策」，但四成 agentic 專案可能被取消、上千家廠商只有約一百多家是真的。這篇說明 Agentic MarTech 到底改變了什麼，以及為什麼 AI 代理人愈強，餵給它的第一方數據就愈關鍵。

技術與數據優化

MarTech Stack 怎麼建？工具別再疊，先搞對導入順序

多數品牌建 MarTech Stack 的方式，是缺什麼買什麼，結果工具愈疊愈多、彼此接不起來。這篇說明為什麼正確的順序是先搭數據層與 AI 層，再掛應用工具，以及台灣零售品牌該怎麼一步步建起真正跑得動的行銷科技組合。

91APP CDMP

MarTech 工具有哪些？六大領域拆解，看台灣零售品牌實際怎麼用

行銷科技工具超過一萬五千種，但關鍵問題其實很簡單：顧客在這六塊裡拼得成一個人嗎。這篇把 MarTech 六大領域逐塊拆開，看台灣零售品牌實際怎麼用、六塊之間靠什麼串起來，以及 2026 年 AI agent 走進每一塊之後，為什麼底下那層把顧客歸戶起來的數據反而更關鍵。

91APP CDMP

MarTech 與 AdTech 差在哪？行銷科技與廣告科技的分工與整合

很多品牌把 MarTech 和 AdTech 當成兩件事，甚至二選一。這篇說明行銷科技與廣告科技的真正差別在對內經營與對外獲客，以及為什麼在第三方數據受限的時代，讓兩者打通的，是同一份第一方數據。

91APP CDMP

MarTech ROI 算不出來？買一堆工具卻證明不了效益的斷鏈與解法

行銷科技的錢愈花愈多，回報卻愈來愈難證明。這篇拆解 MarTech ROI 算不出來的三個斷鏈：資料、執行、衡量，並提出一個說明框架：在 AI 驅動的行銷科技裡，能實現的 ROI 取決於數據與 AI 是否同時就緒，任一項缺席，回報都難以放大。

91APP CDMP

AI 行銷做不出成效？關鍵常常在你給它的工作環境，而非模型本身

行銷團隊幾乎人人都在用 AI，成效卻兩極。Anthropic 工程師談的 harness 概念，點出一件行銷人該懂的事：決定 AI 好不好用的關鍵，常常在你給它的工作環境，而非模型本身。本文用行銷人聽得懂的話，拆解什麼是 AI 的工作環境、為什麼在會員經營場景裡乾淨的第一方數據是那層地基，以及台灣品牌現在能動的幾步。

91APP CDMP

MarTech 行銷科技是什麼？六大領域、工具地圖與 2026 選型指南

MarTech 已來到一萬五千種工具的高原期，但真正卡住品牌的不是缺工具，是工具接不起來。這篇拆解 MarTech 是什麼、六大領域怎麼分，並說明 2026 年的分水嶺為什麼是資料底座與 AI，而不是再買一個新工具。

91APP EngageOne

會員再行銷怎麼做？把 CRM 分眾名單變成一檔精準回購活動

多數品牌的 CRM 停在看報表：會員分了群、RFM 算得漂亮，名單卻躺在後台沒動。帶來回購的是把分眾接上訊息與時機的那一次行動。這篇拆解會員再行銷的三個常見斷點，附一張可以照著建的最小回購活動卡，用 Hotel Chocolat、New West KnifeWorks 等公開案例與 Mailchimp、McKinsey 的數據，說明零售品牌怎麼把一份靜態會員名單，變成一檔可執行、可用對照組驗證成效的精準回購活動。

91APP EngageOne

沉睡會員怎麼喚回？用 CRM 自動化在客人流失前把他拉回來

會員很少某天忽然消失，多半是一天天淡出。多數品牌卻要等季末結算才發現一批人不見了，再靠一次性的全站折扣硬追。這篇說明流失其實是一段有前兆的過程：用每個會員自己的回購節奏辨識出正在遠離的人，把辨識與發送分成資料端與行銷端兩段系統分工，依個人時機自動送出分層召回，並用對照組驗證增量，比季末群發更省成本也更有效。

91APP EngageOne

會員生命週期行銷怎麼做？把首購到忠誠串成一條自動化旅程

一個會員從第一次認識品牌到成為忠誠客，會經過歡迎、第二購、忠誠、喚回幾個階段（首購是其中的關鍵轉換點），每個階段需要的訊息都不一樣。多數品牌卻用同一套群發對待所有人。生命週期行銷就是把這些階段串成一條自動化旅程，讓對的訊息在對的階段自動觸發。這篇拆解生命週期的關鍵階段與常見誤區，說明零售品牌怎麼判斷會員在哪個階段、把旅程接上自動化，並用對照組驗證每一段的成效。

91APP EngageOne

點數、優惠券、會員權益怎麼用？把靜態會員機制變成觸發式行銷

多數品牌的點數、優惠券、會員權益都設好了，卻停在全站同一份、只綁大檔期的靜態發放，對高價值客浪費毛利、對沉睡客又不夠力。真正有效的，是把這些機制接上每個會員當下的狀態，在點數快到期、升等只差一筆、沉睡回訪等時刻送出對應的優惠與理由。這篇拆解靜態機制的三個陷阱，用一份 2026 年超市優惠券隨機實驗與 McKinsey 的會員研究，說明零售品牌怎麼讓會員機制從發出去就好，變成能用對照組驗證成效的觸發式行銷動作。

第一方數據

美妝品牌 DTC 會員爭奪戰：專櫃、開架、新興 DTC 怎麼搶第一方數據

美妝顧客在百貨試色、藥妝比價、社群看教學，回官網結帳。品牌能否認出付款者，把膚質、色號偏好與跨通路交易接成會員理解？本文對比 L’Oréal、Estée Lauder Companies 與 Rare Beauty 的科技、專櫃服務及社群 DTC 機制，拆解 zero-party data、第一方數據與 OMO 歸戶支援回購的方法，並提出資料地圖、測驗、歸戶、意圖分群與標籤治理行動。

第一方數據

品牌會員戰的共同解方：第一方數據怎麼從流量變成資產

第三方 Cookie 存廢已經不是重點，重點是品牌手上握了多少屬於自己的顧客資料，以及有沒有能力把它從一次性的流量變成會複利的資產。這篇收斂整個品牌會員戰系列，抽出全聯、星巴克、Nike 三個對決的共同勝因，把第一方數據資產化拆成一條可執行的路徑：OMO 歸戶、會員貼標、購買意圖分群、高轉換預測、再行銷、到最後的數據變現，給台灣零售品牌一份落實得下去的方法論。

會員經營

積點還有用嗎？會員經營正在從送點數轉向養數據

過去十年，品牌靠「消費送點數、集點換贈品」綁住會員。但通膨改變了消費者的耐性，社群改變了忠誠的來源，第三方 Cookie 的退場則改變了數據的價值。當款待經濟學取代延遲滿足、當台灣成為全球趨勢型忠誠度最高的市場之一，積點沒有消失，卻不再是勝負手。真正決定會員經營成敗的，是品牌能不能把每一次互動沉澱成自己的第一方數據資產。