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

會員經營

Nike、Apple、Glossier、The North Face 怎麼把會員關係變成別人搶不走的資產

Apple 付費訂閱破 10 億、Nike 會員破 1 億，這些國際標竿早就把 loyalty 從送點數改寫成身份與體驗。本文拆解 Nike 生態、Apple 訂閱綁定、Glossier 社群 zero-party、The North Face XPLR Pass 體驗式機制，並給台灣品牌四條可落實的會員經營路徑。

第一方數據

餐飲速食 App 會員戰：麥當勞、星巴克、王品如何把點餐 App 變成第一方數據引擎

麥當勞用優惠券建立 App 使用習慣，再接上手機點餐與得來速；星巴克以儲值、點數和行動點餐維持高頻辨識；王品則用共同會員平台串起跨品牌聚餐情境。本文以官方數據拆解餐飲 App 如何把匿名 POS 訂單轉為第一方數據，說明會員辨識、OMO 歸戶、標籤更新與購買意圖如何接成回購旅程，也提醒品牌分清累計註冊、活躍會員和可辨識交易。文末提供台灣餐飲品牌可執行的資料盤點、優惠實驗、分群週期與門市承接方法，從一個餐期開始驗證，再逐步擴大。

第一方數據

電商平台點數經濟：momo、蝦皮、PChome 的會員生態誰更黏？

momo 幣、蝦幣與 P 幣都在提高回訪，三者累積會員關係的方式卻不同。本文查核 momo、蝦皮與 PChome 官方資料，拆解大型購物環境、遊戲化互動、支付及跨點數串接三條路徑，並說明平台如何把第一方數據轉為零售媒體能力。品牌除了比較平台回饋，更要辨識會員身分、資料權利與活動後承接路徑，才能讓平台成交同步累積自有會員資產。文中並提供會員歸戶、意圖分群、增量測試與預算分工方法，協助零售團隊同時管理平台效率、自有通路回購及點數成本成效。

第一方數據

咖啡會員訂閱戰：星巴克、路易莎、cama 怎麼靠 App 與訂閱留住每天的那一杯

咖啡是高頻、低單價的日常消費，會員價值不只在集點，而在品牌能否辨認每次回訪。本文以星巴克、Louisa 與 cama 為例，拆解儲值、App 點餐、黑卡集點、咖啡豆訂閱與會員分級如何降低下一次購買阻力，並從第一方數據、OMO 歸戶、購買意圖分群與款待設計，整理台灣品牌可分階段實作的會員經營方法。當點數退到後台，便利、偏好與身分感才有機會成為每天一杯的理由。

第一方數據

快時尚第一方數據對決：UNIQLO、Zara、SHEIN 誰把數據變成速度武器

快時尚的速度，已從縮短生產交期，轉向縮短「需求出現、商品決策、會員再行銷」的學習週期。本文以公開來源比較 UNIQLO 的 App 會員與顧客回饋、Zara 所屬 Inditex 的整合庫存與數位接點，以及 SHEIN 的第一方行為資料與小批量測試，並提出台灣服飾品牌可執行的商品歸戶、OMO 會員識別、追單門檻與對照實驗方法，讓瀏覽、門市與交易訊號真正走到下一次決策。經營者也能據此檢查商品、電商與門市是否使用同一份顧客事實，並用速度與品質兩類指標判斷改善是否帶來有效成交。

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。

技術與數據優化

Meta Ads CLI、Meta MCP、Meta Marketing API 差在哪？搞懂三者，再決定 AI 怎麼幫你投廣告

Meta 在 2026 年 4 月推出官方 AI Connectors，讓行銷人能對 AI 講一句話就開廣告。但市場第一時間就把 CLI、MCP、Marketing API 三者搞混，以為換成 MCP 就能多做功能。這篇一次劃清三者關係：CLI 與 MCP 是同一批官方工具的兩種操作介面、能力等價，複雜形式與細部受眾仍要回到完整 Marketing API；而 AI 投得好不好，很大一部分上限在你餵它的第一方數據乾不乾淨（前提是追蹤與受眾同步設定正確）。

技術與數據優化

AI Agent 工具怎麼選？企業級平台選型，先看你的資料住在哪

2026 年 AI Agent 工具選擇變多，但 Gartner 預測逾四成 agentic AI 專案會在 2027 年底前被取消，失敗原因不只在模型能力。這份指南帶台灣品牌用「資料住在哪」這條線，看懂 Agentforce、Copilot Studio、Gemini Enterprise Agent Platform 等企業級平台的定位差異，並釐清選型前該先確認的資料、權限與維運責任。

AI Agent

Ask Advisor 這類 agent 再強，也救不了破碎的第一方數據（2026）

2026 年行銷圈的新聞幾乎全押在 AI agent 上，Ask Advisor、各家 Ads MCP 接連登場。但 agent 給的答案好不好，取決於它腳下那塊地基：資料有沒有歸戶、線上線下是不是同一個人。本文拆解 agent 的能力、連接、地基三件事，用 Google Marketing Live 2026 與 Google Ads MCP 的具名事件，說清楚為什麼乾淨的第一方數據，才是所有廣告自動化真正的起點。

Google Marketing Live

衡量大改版 2026：Meridian 進 GA、Qualified Future Conversions、ABS 怎麼重算歸因

GML 2026 把行銷衡量從回看已發生，推向預測未來價值。Meridian 開源 MMM 進 Analytics 360、Qualified Future Conversions 限量 pilot、Attributed Branded Searches 品牌搜尋歸因，三件事一起讓歸因基準開始移動。這篇拆解口徑怎麼變、案例怎麼比、台灣零售品牌該先校準哪幾件事，才不會在數字重算時被自己的報表誤導。

Agentic Commerce

Universal Cart 與 agentic commerce：當結帳發生在 Google 而不是你官網（2026）

2025 年假期，兩成網購銷售由 AI 與 agent 促成。Google 在 GML 2026 發表 Universal Cart，讓購物車橫跨 Search、Gemini、YouTube、Gmail，底層接上 UCP 與 AP2 協定，結帳可以直接發生在 Google。當購買行為離開官網，第一方數據的所有權與 OMO 歸戶邏輯都要重想。這篇拆解 Universal Cart 的三個層次、國際品牌的實際數字，以及台灣品牌在結帳外流時，如何把會員牢牢認回來。

Google Ads

Asset Studio＋Veo＋Nano Banana：一條龍生成廣告創意的極限與風險（2026）

Google Marketing Live 2026 把 Asset Studio 推上舞台，一句 brief 或一個網址就生出腳本、橫直影片與配音，2026 夏季全球英文版上線。生成成本趨近於零，但能生不等於能轉換。這篇拆解一條龍創意的三層結構、創意疲勞的機制，以及台灣品牌把產能變成成效的做法。

Google Ads

AI Brief × AI Max：用「你自己的話」指揮 Google 投放（2026）

Google Marketing Live 2026 端出 AI Brief，讓你用自然語言指揮 AI Max。但同一套自動化，有人 ROAS 大漲、有人被導錯頁。差別不在會不會填那個框，而在你講不講得清楚自己的客群。這篇拆解 AI Brief 三種指令、AI Max 現況與 Search 先上的順序，並說明訊號品質為什麼是投放自動化的真正前提。

Google AI Mode

AI Mode 裡的新廣告格式：當廣告變成一個會回答的 agent（2026）

Google Marketing Live 2026 把廣告變成一個會回答的 agent：使用者在廣告內問答、Gemini 從你官網抓答案、交出預填名單，先在汽車、教育、房產測試。這篇拆解兩件事：新格式怎麼運作，以及名單進來之後，台灣品牌靠什麼把它接成生意。