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。
行銷主管週一打開報表，想知道上週業績成長是哪個動作帶來的。結果最大一塊流量來源寫著「Direct（直接）」，佔比還在變大。這些人不是憑空出現的，他們一定先在某處看到、聽到、被推薦過，但報表就是說不出他們從哪來。
過去這種「來源不明」還只是小數目，現在它正在吃掉整張地圖。
很多人以為這是 Cookie 退場造成的，但故事比這更複雜。Google 在 2025 年 4 月正式宣布，不會在 Chrome 淘汰第三方 Cookie，這個喊了好幾年的計畫最後喊停。照理說，Cookie 留下來，追蹤應該照舊才對。但行銷人的真實感受恰恰相反：顧客從哪來、怎麼決定的，越來越看不清。
Cookie 沒有消失，但能看清顧客旅程的那張地圖，已經換了。
我們想先講清楚一件事
我們最近跟幾個品牌的數據與行銷負責人聊到衡量這件事，發現大家卡在同一個矛盾：一邊是各種儀表板的數字越來越多，一邊是「這筆業績到底怎麼來的」這個最基本的問題越來越難回答。
會這樣，是因為衡量的地基本身正在位移。這篇文章想把位移的三個來源講清楚，再談一個更務實的方向：當「追蹤每一個人的完整軌跡」越來越不可能，品牌該怎麼重建一張看得懂、能拿來做決策的顧客旅程地圖。
顧客旅程為什麼越來越看不清
我們把這個「看不清」拆成三個來源。它們各自獨立，疊在一起就讓傳統的單點歸因幾乎失靈。
1. 瀏覽器與裝置端的封鎖，早就開始了
就算 Chrome 留下第三方 Cookie，其他環境也早已關門。Safari 的智慧防追蹤（ITP）自 2020 年起，預設就封鎖所有第三方 Cookie，iOS 的 App 追蹤透明度（ATT）也讓使用者能一鍵關閉追蹤。換句話說，跨站追蹤這件事，在很多顧客身上本來就已經失效。Chrome 的決定只是讓 Cookie「還在」，沒有讓追蹤「變準」。
2. AI 對話這一段，根本沒有可追蹤的訊號
這是最新、也最大的一塊黑洞。當顧客在 ChatGPT、Gemini、Perplexity 或 Google 的 AI 模式裡研究、比較、被推薦，這整段過程沒有 pixel、沒有 UTM、沒有 referrer。產業研究普遍觀察到，越來越多 AI 搜尋會話結束時沒有產生任何網站點擊，這也呼應 Gartner 預測 2026 年傳統搜尋查詢量將下滑 25% 的趨勢。顧客在 AI 那裡做完了大半決策，最後直接打開你的網站或直接搜你的品牌名，於是這筆流量落進了「Direct」，看起來像憑空出現。
3. last-click 的假設，在 AI 工作流裡崩了
傳統歸因預設「最後一個可量測的接觸點」最重要。但在 AI 中介的路徑裡，最後那一下點擊往往只是「確認」，真正的說服與推薦發生在更早、看不到的對話裡。如果預算分配還照著 last-click 的報表走，會系統性地高估收割型渠道、低估真正建立信任的渠道。我們在 Email ROI 與歸因落差 一文也談過類似的低估問題：看得到的不一定是真正有功勞的。
| 舊地圖（個人軌跡追蹤） | 新地圖（旅程訊號重建） |
|---|---|
| 假設每個接觸點都追得到 | 接受有大段路徑天生看不到 |
| 用 last-click 分功勞 | 用聚合與實驗推估貢獻 |
| 工具給什麼數字就信什麼 | 多個來源交叉，逼近真相 |
看不清，不代表沒辦法衡量
好消息是，行銷產業早就有一套「不依賴追蹤個人」的衡量方法，只是過去被冷落，現在重新被需要。
過去十年，多點觸及歸因（MTA，Multi-Touch Attribution，試圖追蹤顧客每一個接觸點再分配功勞）是顯學。但隨著 Safari ITP、iOS 隱私政策與各地同意權法規上路，MTA 能涵蓋的身分比例，從九成以上掉到大約三到六成。一套需要「追到每個人」才準的方法，在追不到人的世界裡自然失準。
於是行銷組合模型（MMM，Marketing Mix Modeling，用聚合的投入與銷售資料推估各渠道貢獻，不需追蹤個人）重新回到檯面。MMM 的數學很舊，1960 年代就有，真正改變的是門檻。要提醒的是，MMM 需要足夠長期間的花費、營收、檔期與季節資料才跑得準，歷史資料不足的品牌不必勉強上完整模型，可先用行銷效率比與檔期前後對照起步。Google 開源了 Meridian、Meta 維護 Robyn、PyMC Labs 推出 PyMC-Marketing，三套免費的工具讓原本要價六位數的顧問專案，變成中型團隊也能自己跑。
但 MMM 自己也不夠。它看的是相關性，不是因果，所以還需要增量測試（incrementality testing，用實驗驗證某個動作到底有沒有帶來額外業績）來校準。2026 年比較成熟的做法，是把三種方法分工疊起來：MMM 負責回答「整體預算怎麼分」的策略問題、增量測試提供因果的真相錨點、平台歸因（含 last-click）退回到「單一渠道內怎麼優化」的戰術角色。三者各有盲點，疊起來才互相補位。
當點擊越來越難量測，連衡量品牌成功的指標都在變。產業開始用「Share of Source」（你的品牌多常被 AI 當成權威來源講出來）來補「Share of Voice」（聲量佔比）的不足。
訊號重建的地基，是你自己的第一方數據
聊到這裡，會發現所有方向最後都指回同一個地基：第一方數據。
不論是讓 MMM 跑得準、讓平台歸因有東西可對、還是把落進「Direct」的高價值客認回來，前提都是品牌握有一份完整、歸戶好的顧客資料。當外部的追蹤訊號一塊一塊消失，品牌唯一還能完全掌握的，是顧客在你自己通路裡留下的第一方足跡：誰買過、買過幾次、線上線下怎麼串、用哪個身分回來。
問題是，這些第一方資料對多數台灣品牌來說是破碎的。同一個會員，在官網是一組 email、在 LINE OA 是一個 ID、在門市 POS 是一張會員卡、在電商平台又是另一筆。當這些對不起來，連「這個剛下單的人是不是上個月來門市問過的那位」都答不出來，更別說重建他完整的旅程。
把這些第一方資料整合、歸戶成一份單一顧客視圖（Single Customer View，同一個人在各通路的行為被認成同一個身分），正是 91APP CDMP（Customer Data Management Platform，顧客數據管理平台）這類工具在做的事。它的價值不只是再給你一個儀表板。當外部訊號失靈時，它讓品牌還握有一份看得懂的顧客旅程底稿。關於這份底稿為什麼是後續一切 AI 應用的前提，我們在 AI 代理人需要的數據底座 與 別把 CDP 和 AI 神話混為一談 有更完整的說明。
要說清楚的是，第一方數據不會讓那些消失的追蹤訊號回來，它提供的是另一種看法：與其追蹤每一個人從哪來，不如把自己顧客的樣貌拼完整，再用聚合與實驗推估貢獻。看不到全貌時，先確保自己掌握的那塊是清楚的。
品牌可以這樣重建訊號
這件事不必一次到位，可以從盤點開始，逐步把地圖補回來。
- 先量「黑洞」有多大：打開 GA4，看「Direct」與「未知來源」佔比是多少、近一年怎麼變化。先知道自己有多少旅程是看不見的，才知道問題的規模。建議每月記錄一次趨勢。
- 把 AI 與 Direct 流量拆出來看：在 GA4 用自訂規則，把可辨識的 AI 來源（如 chatgpt、perplexity）從 Direct 裡分出來，至少讓一部分黑洞現形。
- 建立並歸戶第一方數據：盤點官網、App、LINE OA、門市 POS、電商平台各握有哪些會員資料，先確認同一個人能不能被認出來。資料量大、通路多的品牌，可評估 CDMP 或顧客數據平台協助歸戶，這是後面所有衡量的地基。
- 用聚合衡量補個人追蹤的缺口：不必一步到位做完整 MMM，可先用「行銷效率比（MER，總營收除以總行銷花費）」這類聚合指標，搭配檔期前後的對照，建立不依賴個人追蹤的判斷習慣。
- 約定一套對帳紀律：把訂單系統當仲裁、GA4 當共同語言、各平台數字當日常方向盤，三者落差穩定屬正常口徑差異，落差突然擴大才深查。我們在 Meta 歸因實務 與 迎戰 Google AI 模式 裡都談過這種多帳對照的做法。
這幾件事的共同點，是它們都不賭某一個追蹤工具會不會復活。不論外部訊號再怎麼消失，握有完整第一方數據、養成聚合衡量習慣的品牌，都更看得懂自己的生意。
結論
行銷主管打開報表時的那份不安，源頭不在他不夠努力，也不在工具壞了，而在衡量顧客旅程的那張地圖，已經被隱私政策與 AI 中介悄悄換掉了。
看不清並不可怕，真正危險的是看不清卻假裝看得清。當追蹤每一個人的完整軌跡越來越不可能，品牌真正的工作，是把自己手上那塊資料拼到最完整、再用聚合與實驗誠實地推估其餘。先承認有大段路徑天生看不到，再把看得到的那塊做到最清楚，反而比抱著一張過期地圖更踏實。
品牌最常問的顧客旅程衡量問題
Q1：Google 不是說不淘汰 Cookie 了嗎？那我還需要擔心嗎？ 需要。Google 確實在 2025 年放棄淘汰第三方 Cookie，但 Safari 與 iOS 早就封鎖或限制追蹤，加上 AI 對話這一段本來就沒有可追蹤的訊號。Cookie 留下來，沒有讓你的顧客旅程變得更清楚。真正要擔心的不是 Cookie 存廢，是越來越大的「來源不明」流量。
Q2：什麼是 MMM？跟我現在用的歸因報表有什麼不同？ MMM（Marketing Mix Modeling，行銷組合模型）用聚合的投入與銷售資料，推估各渠道對業績的貢獻，不需要追蹤個別使用者。你現在用的平台歸因報表多半是追蹤個人接觸點再分功勞，在追不到人的環境裡會失準。兩者不互斥：MMM 適合回答「整體預算怎麼分」，平台歸因適合「單一渠道內怎麼優化」。
Q3：我是中小品牌，做得起這些嗎？ 可以從低成本的版本開始。MMM 已有免費的開源工具，但前期不必急著做完整模型；先從「看懂 Direct 黑洞有多大」「用行銷效率比搭配檔期對照」這類聚合判斷起步即可。真正的門檻不是工具費用，是有沒有一份整理好的第一方數據。
Q4：第一方數據跟衡量顧客旅程有什麼關係？ 關係很直接。當外部追蹤訊號一塊塊消失，第一方數據是品牌唯一還能完全掌握的部分。它讓你能把落進「Direct」的高價值客認回來、讓聚合模型有可靠的銷售資料可跑、讓各平台數字有共同的對帳基準。沒有整理好的第一方數據，任何衡量方法都缺地基。
Q5：那 last-click 報表還能不能用？ 能用，但要放對位置。last-click 適合「單一渠道內、已驗證有效的戰術優化」，不適合拿來決定整體預算怎麼分。因為在 AI 中介的路徑裡，最後一次點擊常常只是確認，不是真正說服顧客的那一步。把它當方向盤之一，不要當唯一的真相。
Q6：最常見的誤解是什麼？ 最常見的誤解，是以為「找到一套更強的追蹤工具」就能把看不見的旅程補回來。實際上有大段路徑（尤其 AI 對話）天生就沒有可追蹤訊號，再強的工具也追不到。務實的方向是承認看不到的部分、把第一方數據做扎實、用聚合與實驗誠實推估，而不是一味追蹤更多。