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

91APP CDMP

行銷自動化是什麼？拆解觸發、決策樹，與背後的 CDP 數據底座

行銷自動化的本質是一棵「觸發條件 → 判斷 → 分支行動」的決策樹。本文拆解行銷自動化的三層結構與常見腳本，並說明為什麼自動化跑得動的真正前提，是底層的第一方數據底座（CDP，也就是 91APP CDMP），以及為什麼最後決定成敗的，是會解讀數據的 Customer Success 顧問。

91APP CDMP

RFM 分析怎麼做：用最近購買、頻率、金額三軸把會員分群並落地行動

RFM 分析是用最近購買（Recency）、購買頻率（Frequency）、累計金額（Monetary）三個維度，把會員依實際購買行為分群的方法。本文拆解三軸定義、五分位的計分做法、八大常見分群（高價值、即將流失、新客等）與各群的行動建議，並說明分群完之後怎麼串到個人化溝通、標籤落地與自動更新，讓 RFM 從一次性報表變成每天運轉的常駐機制。

91APP CDMP

新品上市行銷怎麼做：上市前蓄水、檔期引爆、上市後回購的完整節奏

新品上市行銷的勝負，往往在開賣前就決定。做得準的品牌會走三段節奏：上市前用既有會員測水溫蓄水、上市檔期集中引爆、上市後把首購者接成回購者。本文拆解每一段的做法，並說明為什麼背後的會員數據底座，才是讓新品行銷做得準的關鍵。

AI Agent

Agentic Workflow 是什麼？為什麼 RAG 知識檢索是 AI Agent 的底層蹲馬步

模型走向公共財，真正拉開 AI Agent 差距的是它讀不讀得到對的知識。本文拆解 Agentic Workflow 的運作、RAG 檢索增強生成的建置心法，以及零售電商與行銷廣告為什麼該把知識檢索當成最底層的蹲馬步功夫。

91APP EngageOne

團購會員經營：把一次性團購客留成回購常客的數據藍海

團購會員經營決定了團購生意是賺一檔還是賺一群人。多數品牌辦完一檔團購就失去那批名單，下一檔又花錢從零招客，把首購客當成辦完就丟的訂單紀錄。真正的藍海，在於把團購名單依關係階段拆成首購、回購、沉睡三群，貼標分群、在對的時機觸發回購、跨檔期持續溝通，讓一次性的價格敏感客變成可重複動員的第一方數據資產，把利潤留在自己口袋。

AI Agent

AI agent 工具提升工作效率：上班族該怎麼選即用與需設定的清單

AI agent 工具正從聊天框走進你的會議記錄、信件、簡報與跨工具流程。這篇盤點 Microsoft Copilot、Gemini、Notion AI、ChatGPT、Claude、Manus、n8n、Zapier 與會議記錄 agent，標清楚哪些即開即用、哪些要先設定，也說明為什麼個人效率工具救不了組織級的資料破碎，第一方數據底座才是品牌真正的差距。

91APP EngageOne

SMS、 Email、 LINE、App Push 搭配怎麼選？四通路分工組合策略

簡訊、Email、LINE、App Push 不是選一個用到底，而是依即時性、成本與內容深度分工。本文拆解四個觸達通路的定位、開封與成本差異，給一套依會員分群決定通路組合的選擇方法，讓行銷預算花在對的人對的通路上。

AI Agent

AI agent 數據分析工具盤點：agent 接得住哪些活，哪些判斷仍需人

AI agent 數據分析工具正把寫 SQL、拉報表、做儀表板，變成用自然語言問一句就有答案。本文盤點行銷數據分析者今天用得上的 AI agent 工具，依四個自動化層級拆解 agent 接得住哪些活、哪些判斷仍需人，並點出讓 agent 洞察可信的前提：第一方數據底座是否整合乾淨、能否把同一顧客的足跡歸戶。

91APP CDMP

新客行銷怎麼做？從拉新到首購轉換的完整旅程設計

新客行銷的真正戰場不在「拉到人」，而在「拉到的人會不會買第一次、買完會不會回來」。本文拆解拉新管道、註冊到首購的轉換設計、首購誘因，以及用顧客數據平台把註冊到回購的旅程串成一條線，讓每一筆新客成本都有機會被養成長期價值。

AI 工具與自動化

AI agent 工具用在品牌行銷，要照內容生產鏈分工才選得準

AI agent 工具進品牌行銷後，內容企劃、社群、SEO 與 GEO 的分工全變了。本文依內容生產鏈盤點 ChatGPT、Claude、Jasper、Perplexity、Notion AI 與 GEO 優化工具的真實位置，說明為何被 AI 引用要靠第一方數據底座撐住，並給台灣品牌一份能立刻照做的補強順序。

91APP EngageOne

團購提升銷量怎麼做？一場真能衝銷量的品牌團購設計全解

團購提升銷量的關鍵不在折扣有多深，而在社群信任、限時壓力與揪團機制的組合設計。本文拆解品牌團購怎麼做：團購為什麼有效、社團購／官網限時團／開團主三種類型如何依名單歸屬與信任來源來選，以及一場團購從選品、定機制、養社群、收單到名單回流的完整五步設計，並用方法論說明團購帶進來的人如何歸戶貼標，從一次性銷量事件變成品牌可重複經營的長期會員資產。

AI 工具與自動化

AI agent 工具零售電商指南：依經營者一天的待辦任務挑工具

零售電商經營者一天要顧商品、會員、客服、庫存。這份 AI agent 工具指南把工具依「經營者的待辦任務」分類，每類推真實工具、說清最適用例與注意點，並解釋為什麼工具的答案會跟著你的會員資料底座一起好或一起壞。

OMO 全通路洞察分析

OMO CRM 整合分析怎麼做：線上線下會員歸成一筆檔案，才看得清誰真正在花錢

OMO CRM 整合分析的核心，是把同一個會員在官網、門市、App、LINE 留下的足跡歸成一筆檔案，再用跨通路消費力比較與會員看板做決策。本文拆解線上線下會員為什麼會破碎、身分解析的識別碼比對順序、歸戶之後該怎麼看跨通路客分析，以及從各通路各自為政走向單一會員視角的四層落地方法。

AI 工具與自動化

AI agent 工具廣告投放怎麼用？平台收走受眾權後，廣告人的四個施力點

當 Google Performance Max 與 Meta Advantage+ 把受眾操作權收進黑盒，廣告人的 AI agent 工具該用在哪？本文盤點受眾調研、素材切角、成效診斷、跨平台自動化四類真實工具，並說明平台收走執行層後，廣告人能控制成效的只剩餵什麼名單、給什麼素材、設什麼目標，而這三件事都回到你自己的第一方數據與策略。

91APP EngageOne

個人化行銷：跨通路行銷自動化：用顧客旅程編排取代月曆排程的觸發節奏

跨通路行銷自動化的關鍵不在發更多訊息，而在讓觸發依顧客行為而非月曆排程。本文拆解新客、培養、回購、挽回四階段各自該用哪些通路、自動化觸發流程怎麼設計、頻次與疲勞如何管理，以及通路之間如何接力，帶你從按月曆群發的靜態排程，走向隨顧客行為即時分岔的動態旅程編排，並看清為什麼整合的會員數據底座是這一切能運作的前提。

顧客數據平台 CDP

顧客沒說出口的話：用 AI 在退貨與流失發生前讀懂沉默訊號

最危險的顧客不是來客訴的那一個，是默默不再回來的那一個。研究顯示每 26 個不滿的顧客，有 25 個從不抱怨就直接離開；NRF 估計 2025 年線上退貨率高達 19.3%，逆物流成本可達商品價格的 66%。儀表板一片綠，不代表顧客還愛你。本文談沉默流失與退貨背後的早期訊號、AI 如何在事情發生前讀懂這些微弱徵兆，以及品牌如何用第一方數據把沉默變成可以行動的預警。

AI 技術與數據優化

AI Skill 怎麼按職能分工：CRM、廣告、客服各該裝哪一個範本

同一個電商團隊裡，CRM 企劃、廣告投手、客服需要的 AI Skill 完全不同。這篇給三個職能各一份技能範本骨架，說明每個角色該把哪一段工作做成技能，以及為什麼三份範本最後都得接回同一份第一方會員資料。

AI 技術與數據優化

哪些任務該做成 AI Skill、哪些不該？一個行銷主管的投入判斷框架

AI Skill 很好用，但不是每件事都值得做成技能。這篇提供一個行銷主管可用的判斷框架，從重複性、標準化程度與有沒有資料三個問題，分辨哪些任務做成技能會有複利、哪些做了反而是浪費，以及為什麼有資料撐腰的任務最該先做。

廣告平台操作實務

AI Skill 用在廣告投放：把成效診斷 SOP 變成全隊可複用的標準流程

廣告成效一不穩，多數團隊就靠資深投手的手感救火，換個人接手品質就掉。這篇談怎麼把投放診斷的判斷順序寫成一個 AI Skill，讓排查從個人手感變成全隊可複用的標準流程，以及為什麼第一步要先確認資料訊號沒斷。

AI 技術與數據優化

AI Skill 實戰工作流：電商行銷團隊從選題、寫稿到成效分析怎麼串成一條線

裝了一堆 AI Skill 卻沒變快，多半是因為它們各管一段、沒串起來。這篇拆解一個電商行銷團隊怎麼把選題、寫稿、查證、上稿到成效分析串成一條工作流，以及為什麼最後一段接上第一方資料，整條線才真正產生價值。

廣告平台操作實務

Google AI Max、Meta Andromeda 收走受眾操作權後，廣告主只剩三個能贏的地方

Google AI Max 與 Meta Andromeda 把「選受眾」收進演算法之後，廣告主能調的旋鈕越來越少。這篇談平台拿不走的三個槓桿，種子名單、素材角度、目標校準，以及怎麼用 AI Skill 把它們做成全隊一致的標準流程。

AI 技術與數據優化

AI Skill 變開放標準後，決定品牌勝負的是第一方數據

AI Skill 成了跨平台開放標準，裝同一套技能的門檻趨近於零。當「怎麼做」人人都能複製，品牌的差異就移到「拿什麼做」。這篇談為什麼第一方資料才是 AI 時代真正分得出高下的地方，以及台灣零售品牌現在該先做的幾件事。

AI 技術與數據優化

Martech 真正的問題不是工具，是「沒人能行動」

行銷團隊買了一櫃工具，Gartner 卻發現平均只用了一半的功能，曾經低到只剩三分之一。問題從來不是工具不夠多，2026 年的 martech 地圖已經有 15,505 個產品。真正卡住品牌的，是資料躺在各自的孤島裡、洞察跑得出來卻沒人能拿去行動、也沒人真正擁有那份資料。本文談 martech 的行動斷層怎麼來、AI 為什麼讓問題更明顯，以及品牌該先修哪裡，才能讓買來的工具真正動起來。

顧客數據平台 CDP

當 AI 幫顧客比價，忠誠度還值錢嗎：品牌信任的新訊號

當 AI 一秒就能幫顧客列出更便宜的選項，靠慣性留客的時代正在結束。Salsify 調查顯示 72% 消費者過去一年換過品牌，Deloitte 指出 44% 零售高管預期 AI 會削弱品牌忠誠。但同一批數據也說，87% 的人願意為信任的品牌付更多。AI 讓比價變便宜，卻讓信任變貴。本文談 AI 如何侵蝕忠誠、信任的新訊號是什麼，以及台灣品牌如何用第一方關係，把顧客留在自己手上。

AI 技術與數據優化

你還看得懂顧客從哪來嗎：AI 與隱私時代的顧客旅程訊號重建

Google 在 2025 年放棄淘汰第三方 Cookie，但行銷人發現顧客旅程反而更看不清了。Safari 與 iOS 早已封鎖追蹤、AI 對話裡沒有 pixel 與 UTM、大量高價值流量落入「Direct」黑洞，last-click 歸因正在失效。當追蹤個人軌跡越來越難，品牌要做的不是換一套追蹤工具，而是重建看得懂的顧客旅程訊號。本文談 signal loss 的真相、MMM 與第一方數據如何接手，以及台灣品牌的訊號重建路線。