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。
兩年之內，把第三方數據當成成效關鍵的行銷人幾乎歸零
2025 年，Digiday 與 Klaviyo 合作訪問了 134 家美國 DTC 品牌與代理商，這份《State of DTC Marketing》調查記錄了一個很少見的急轉彎。2023 年秋天，還有 84% 的受訪者說第三方數據對行銷成效影響最大；到了 2025 年春天，這個比例只剩 4%。反過來，92% 的受訪者認為第一方數據才是決定成效的關鍵。要留意的是，這是一份聚焦 DTC 品牌的調查，樣本不代表所有產業，但轉向的幅度仍值得參考。Google 也在 2025 年 4 月宣布 Chrome 繼續保留第三方 Cookie，這份調查的轉向並沒有因此逆轉。
這代表一件事：品牌對第三方數據的鬆手，可能不只是被單一政策逼出來的，資料品質、成本與平台限制同樣在推。重點不是第三方 Cookie 哪一天會消失，是品牌手上到底握了多少屬於自己的顧客資料，以及這些資料能不能被真正用起來。過去十年，零售業拚的是把人拉進來的流量；接下來十年，拚的是把進來的人變成一份會累積、會複利、別人拿不走的資產。
這個系列前面幾篇分別拆過會員招募、分群經營、通路整合與再行銷。這一篇要做的是收斂：把不同品牌打會員戰的做法攤開，找出那條共同的勝負線。
我們最常聽到的一句話：會員很多，卻不知道能拿來做什麼
在 91APP 團隊每天接觸的品牌客戶裡，最常聽到的一句話是「我們會員很多，但不知道能拿來做什麼」。後台躺著幾十萬筆會員、幾百萬筆訂單，行銷檔期一到，還是全站發一樣的優惠。我們把這種狀態叫做「有數據、沒資產」。這篇文章想談的，就是怎麼把那份躺著的名單，一步一步變成會替品牌賺錢的東西。
把「第一方數據資產化」拆成三層來看
品牌談第一方數據時，常常只停在「手上有會員資料」這一層。真正決定勝負的，是能不能往上疊到第二層、第三層。這三層的落差，就是會員戰打贏打輸的分水嶺。
- 蒐集層：資料進不進得來，進得完不完整。這一層看的是招募規模與資料顆粒度。有品牌只拿到手機號碼與生日，有品牌能同時串起線上瀏覽、門市消費、App 行為。同樣叫會員，含金量差很多。台灣消費者對加入會員並不排斥，難的是把散在官網、門市 POS、App、社群帳號的資料收攏到同一個人身上。
- 整合層：不同來源的資料能不能歸到同一個顧客身上。這一層就是常被提到的數據孤島問題。《數位時代》2025 年一篇報導引述 Vpon 數據科學經理的說法，零售品牌積極累積會員資料、交易紀錄與線上線下行為數據，卻因為分散在不同系統、缺乏統一的身分識別機制，導致難以整合與分析。資料再多，只要歸不到同一個人身上，就只是幾座各自為政的倉庫。
- 運用層：整合好的資料能不能轉成分群、預測與變現。這一層才是把數據變成資產的地方。同一份會員資料，有人拿來做全站群發，有人拿來預測誰未來七天最可能回購、誰快流失，甚至把高購買意圖的流量開放給品牌投放廣告換取收入。差別不在資料本身，在運用它的方法。
這三層有清楚的依賴關係，但實務上可以分階段迭代，不必等前一層百分之百做完才動下一層。蒐集層決定了品牌能看到多少，整合層決定了這些訊號能不能拼成一個完整的人，運用層才決定資料能不能替品牌賺錢。小規模的分群驗證，也常常先於完整歸戶就開始跑。跳過前面兩層直接談運用，往往就是很多品牌導入工具後仍看不到成效的原因：模型再強，餵進去的若是對不起來的破碎資料，跑出來的分群一樣不準。反過來，把前兩層地基打穩的品牌，只要分群條件設得對，基本的分群投放命中率通常會高過全站群發，實際差距仍要靠 A/B 測試驗證。
多數品牌卡在第一層與第二層之間。招募做得勤，整合做不動，於是資料越積越多，能用的卻越來越少。往下三個品牌的故事，剛好對照出這三層的不同走法。
三個品牌，三種把會員變資產的走法
全聯：先把「歸戶」這件事做到底
全聯的路徑很清楚：先解決「資料歸不歸得到同一個人」的問題。根據聯合新聞網 2024 年報導，全聯 PX Pay 會員數在 2024 年 6 月就突破一千萬。到了 2025 年，《財訊》報導指出，全支付會員數已達 617 萬人，主要集中在 30 至 59 歲，目標年底成長到 700 萬。PX Pay 與全支付是不同產品、會員可能重疊，兩個數字看的是不同口徑，重點不在加總，而在它們都被收攏進同一套帳號體系。
比數字更關鍵的是動作。全聯在 2025 年 8 月把旗下大全聯門市停用多種第三方電子支付，保留自家的全支付與 PX Pay 等自有工具，食力報導記錄了這個引發爭議的決定。這個調整背後可能同時有成本、系統整併等考量，但就數據資產這一面來看，它提高了能歸戶到會員的交易比重。當支付、點數、載具愈多綁在同一個帳號上，全聯拿到的就愈接近能歸戶到人的完整消費軌跡，而不只是零散的消費紀錄。同一時間，全聯把大潤發整併改名為大全聯，《數位時代》2025 年報導指出，這波整併透過會員與聯名卡的轉換活動擴大會員基礎，力拚集團會員數往兩千萬人推進，這一連串動作背後是同一個意圖：先把人與交易收進同一套身分系統，資料才有後續運用的可能。這種把線上線下收攏到同一個顧客身上的思路，正是OMO 資料歸戶的起手式。
值得台灣品牌思考的是，歸戶是最不性感、卻最關鍵的那一步。它不會立刻帶來營收，卻讓後面每一次分群、每一檔活動都建在同一份可信的資料上。少了這一步，會員數字再漂亮也只是帳面上的規模。
星巴克：把忠誠計畫養成營收主力
星巴克示範的是運用層的威力。根據星巴克 2025 財年第一季財報，美國市場的星禮程 90 天活躍會員數達 3,460 萬。到了 2026 年初，星巴克在改版忠誠計畫的官方新聞稿裡揭露這個數字成長到 3,550 萬，並宣布把會員分成綠星、金星、尊爵三級，級別直接由 2025 年一整年累積的星星數決定。
會員之所以能被這樣分級運用，是因為星巴克長期把消費資料收攏在同一個帳號裡。根據CX Dive 引述星巴克財報電話會議的報導（次級來源），星禮程會員的交易在 2025 財年占了美國直營門市近六成的營收。這是會員交易的占比，不等於忠誠計畫單方面創造了六成營收，也不適用於加盟或全球市場。星巴克把分級直接綁定 2025 全年累積的星星，代表級別本身就是一份被量化的忠誠資產，會員的每一次消費都在替下一年的回饋規則預先投票。台灣的星禮程同樣走記名隨行卡加 App 行動支付的集星機制，分成新星、綠星、金星三級，每一次消費都回寫到同一個帳號，讓品牌能依消費頻率、品項偏好做出差異化的回饋。這正是積點機制正在從優惠工具轉向第一方數據入口的縮影：用點數換取一份會越用越準的顧客輪廓，也讓行銷資源能集中在最有價值的那一群人身上，而非全體會員均攤。
Nike：資料飛輪很強，但擋不住基本盤失守
Nike 的故事是這個系列裡最該被記住的一個對照。Nike 會員計畫免費加入，橫跨 Nike App、Run Club、Training Club、SNKRS 與門市，用同一組登入把運動紀錄、瀏覽、購買全部收攏成單一顧客輪廓，長年被視為第一方數據運用的標竿。
問題是資料強不等於生意穩。根據 Nike 2025 財年全年財報，全年營收 463 億美元，年減 10%；直營 NIKE Direct 掉到 188 億美元，年減 13%，其中數位業務年減 20%。手握龐大會員基礎與頂尖的資料能力，依然沒能擋住產品策略失準與通路關係受損帶來的下滑。這給所有想打會員戰的品牌一個提醒：第一方數據是放大器，它會把對的策略放大，也會把錯的策略一起放大。資料資產救不了走偏的商品與定價，它只在基本盤站得穩時才發揮複利。對台灣品牌來說，這個對照的意義在於：投資第一方數據的同時，也得把商品、通路與定價這些基本功顧好，兩者缺一不可。
三個品牌，走了三條不同的路，其中兩個是正向示範、一個是限制案例，但攤開來看，能不能把資料歸到同一個人身上、再拿去做出差異化的行動，才是國際標竿把會員經營成一種資產的共同心法，也是會員從一張名單變成一份資產的分野。
為什麼第一方數據能從流量變成資產
表面上看，這是一場「誰的會員多」的競賽。往下看一層，會發現真正稀缺的其實是把資料歸戶、再拿去變現的能力，會員數量反而是其次。
先講機制。第一方數據之所以珍貴，是因為它由品牌自訂需求、基於顧客同意取得，在治理與更新到位時，通常具備準確、有效、專屬三個特質，這是《數位時代》整理的定義。這份珍貴並非自動成立：資料若有重複帳號、漏登交易或過期欄位，一樣會失準，而且必須先被歸到同一個人身上，才談得上運用。線上瀏覽是一個帳號、門市消費是一張會員卡、App 行為又是另一組 ID，這些訊號如果對不起來，品牌看到的就是三個模糊的影子，而不是一個立體的人。歸戶，是資產化的第一道門檻。
再講更根本的道理。當資料歸戶做完、顧客輪廓夠立體之後，它就有機會從成本變成收入來源。這也是零售媒體（Retail Media Network）近幾年成長的推力之一，另外還有電商流量成熟、廣告預算移轉等因素一起在推。
零售商把自己高購買意圖的流量，開放給品牌投放廣告，等於把數據直接變成營收。這門生意的利潤空間被認為相當可觀：據 BCG 的估算（次級來源，經 104 職場力轉引），線上零售媒體廣告的利潤率可達 70% 至 90%，遠高於零售本業 3% 到 4% 的淨利。要提醒的是，兩個數字的利潤口徑不完全一致（毛利、貢獻利潤或淨利），這裡看的是量級差距而非精確對比。
市場規模也在印證這股力道。根據 eMarketer 的零售媒體廣告支出預測，美國零售媒體廣告支出 2026 年將達 711 億美元，並在 2029 年逼近 980 億美元。eMarketer 另一份分析還指出，2026 年淨增的投放中有 89% 流向 Amazon 與 Walmart 兩家，這是 eMarketer 在 RMN 預算配置分析裡的判斷。
這組數字對台灣品牌的意義不在美國市場本身，而在它揭示的方向：擁有第一方數據的零售場域，正在把顧客資料變成一門高利潤的獨立生意。台灣的全聯、LINE、momo、蝦皮都已陸續布局，早一步把資料整合好的品牌，才有機會接得住這波把會員資料轉成收入的整合浪潮。
值得台灣品牌留意的是，這門生意的價值不只在利潤率，也在成效本身。根據 Kantar 的研究（次級來源，經 Effect Studio 轉引），零售媒體廣告的投放成效約為一般數位廣告的 1.8 倍，在提升購買意願上更有近三倍的表現。原因不難理解：零售場域裡的廣告，出現在消費者購物意圖最濃的時刻，從曝光、點擊到最終購買都發生在同一個平台上，讓成效變得透明且可量化。這正是第一方數據被歸戶、被整合之後，能同時提升自家投放效率、又能開放給合作品牌變現的雙重價值。對台灣的中型電商與熱衷用 App 蒐集會員的零售業者而言，只要流量規模、廣告主需求、法遵與技術成本這些前提能一一補齊，市場特性有機會支撐「驗證、商品化、變現」三個階段一路走完，而地基整合往往是最先要跨過的那一關。
不過這條路也有明確的門檻。零售媒體涉及廣告投放系統、資料清理室、跨平台的身分比對與 API 串接，投入成本不低；更普遍的卡點還是回到數據孤島，線上與線下資料如果整合不起來，就算流量再大也無法變現。這也是為什麼「先把資料歸戶整合好」會是台灣品牌談零售媒體之前，繞不過去的第一道功課。
所以「流量變資產」不是一句口號，它有一條明確的路徑：先歸戶，再運用，最後變現。三個品牌各自走到路徑上的不同段落，把這些段落接起來，就是台灣品牌接下來可以參照的方向。
從歸戶到變現，一條走得完的路徑
如果把前面三個品牌的共同勝因拆成步驟，會得到一條六個環節的路徑：OMO 歸戶、會員貼標、購買意圖分群、高轉換預測、再行銷、數據變現。這條路徑正是 91APP CDMP（顧客數據平台）在方法上對應的解法。這裡談的是方法論映射，不是功能表。
- OMO 歸戶。這是全聯那一步的方法版本：把官網、門市 POS、App、行動支付散落的訊號，收攏到同一個顧客身上，讓品牌看見的是完整的人，而不是三個影子。歸戶做完，後面每一步才有意義。
- 會員標籤自動化。歸戶之後的資料量太大，靠人力貼標跟不上。CDMP 的做法是讓系統依照消費頻率、品項、客單、通路偏好自動替每個會員貼上標籤，讓分群不再是行銷人手動拉名單，而是隨資料即時更新的動態結果。這一步決定了後面分群的顆粒度。
- 購買意圖分群。這裡用的是 DCIU 購買意圖分群的概念，鎖定未來七天最可能購物的客群。傳統分群看的是「過去買過什麼」，DCIU 想回答的是「接下來誰要買」。把行銷資源集中在購買意圖正濃的人身上，而不是全站均攤，正是個人化行銷從群發走向對的人的關鍵一步，也和 RFM 分群的邏輯互補。
- 高轉換預測。CDMP 以 XGBoost 這類模型計算每個會員的轉換與流失機率，把「感覺這群人會回購」變成可排序的分數。搭配 NAPL 這種依生命週期分層的框架，品牌能在會員從活躍滑向沉睡的那一刻就先接住他，而不是等流失了才做召回。這正是用 AI 預測顧客流失、提前介入的底層邏輯。
- 再行銷。分群與預測的結果，在符合顧客同意範圍與策略需求時，能同步到合適的自有或付費投放端，這一步才算接得上。把高購買意圖名單同步到 Meta、Google 等廣告平台，讓再行銷鎖定的是有意圖的人而不是撒網的人，投放效率才拉得起來；實際成效仍受雜湊比對率、平台政策等條件影響。
- 數據變現。當品牌的第一方數據整合到夠立體，它就具備了走向零售媒體、把高意圖流量開放變現的條件，也就是把前面五步累積下來的資產，轉成一門新的收入。NAPL 搭配 OMO 在三十天內做出自動化循環，示範的就是這條路徑怎麼在真實檔期裡跑起來。
六個環節接起來，會員名單才真正從流量變成了會複利的資產。
台灣品牌現在該補的四件事
看完三個品牌與這條路徑，台灣品牌不需要一次做到位。務實的做法是照著資產化的三層，把最容易漏的地方補起來。
- 先把歸戶做對，再談招募衝量。很多品牌急著把會員數衝高，卻沒先想清楚新進會員的資料能不能歸到同一個人身上。建議先盤點官網、門市、App、支付四個來源，確認彼此有沒有一組能串起來的共同識別，再啟動大規模招募。預期效果是讓後續每一分行銷預算都花在看得見全貌的顧客身上。建議週期：用一到兩個月完成資料源盤點與歸戶規則設定，再進招募。
- 把分群從手動名單換成會自動更新的標籤。如果行銷人每檔活動都要重新拉一次名單，代表資料還沒變成資產。建議把常用的分群條件固化成自動貼標規則，讓系統隨消費行為即時更新，行銷人只需要挑標籤、不必每次重拉。這一步可以借助顧客數據平台的標籤自動化與 DCIU 購買意圖分群，把資源集中在未來七天最可能購物的人身上。預期效果是明顯縮短單檔拉名單的操作時間，並讓命中率隨資料累積越來越準；實際幅度會依品牌規模與資料源數量而異。建議週期：以一季為示意，完成前五到十個高頻分群的自動化。
- 用一個檔期驗證預測與再行銷的完整循環。與其一次改造整套系統，不如挑一檔真實活動，把「預測高轉換名單、同步到廣告平台、回收成效、回寫模型」這條路走完一輪。預期效果是拿到一組屬於自己品牌的真實數字，作為後續擴大投入的依據，也避免在還沒驗證前就重壓資源。建議週期：綁定一次大檔期，前後各留一週做設定與檢討。
- 用資產的眼光重新看待每一筆會員資料的長期價值。前三件事是戰術，這一件是心態。當團隊開始把會員資料當成會累積、會複利的資產，而不是每檔活動用完就丟的名單，決策會跟著改變：招募時會多問一句「這個來源的資料歸不歸得進系統」，投放時會多看一眼「這群人的長期回購價值」，而不是只盯單檔的轉換。預期效果是讓資料的價值隨時間往上走，也讓品牌在零售媒體這類把資料變現的機會出現時，已經有一份整理好、拿得出手的資產。建議週期：以季為單位檢視一次會員資產的健康度，包含歸戶完整度、活躍佔比與高價值分群的成長。
這四件事有清楚的順序。歸戶沒做好，分群就是在錯的資料上做細；分群沒自動化，預測與變現就永遠追不上檔期節奏；而心態沒轉過來，前面三件事很容易在一次組織調整後就停擺。先把地基補穩，資產才疊得上去。
資料躺著是成本，用起來才是資產
回到開頭那個急轉彎：兩年之內，把第三方數據當成成效關鍵的行銷人幾乎歸零。這件事真正的訊號不是第三方數據不好用，是品牌終於意識到，能長期依靠的只有握在自己手上的顧客關係。
全聯把支付收攏回自己、星巴克讓會員交易撐起近六成直營營收、Nike 建了強大的資料飛輪卻仍守不住直營基本盤，三種走法對照出同一個道理：會員名單躺在後台是成本，被歸戶、被分群、被拿去做出差異化的行動，才是資產。台灣品牌不缺會員，缺的是把那份躺著的名單叫醒的方法與決心。第一方數據這座礦，就在每一家品牌自己的後台裡，值不值錢，取決於挖不挖得動。
常見問題
Q1：什麼是第一方數據？和第三方數據差在哪裡？ 第一方數據是品牌基於顧客同意、直接蒐集到的資料，包含會員資料、官網與 App 的瀏覽行為、門市 POS 的消費紀錄。第三方數據則是由與消費者沒有直接關係的外部業者蒐集、彙整後販售或授權的資料，來源不在自己手上（與品牌合作對象直接交換的則屬第二方數據）。兩者最大的差別在於準確度與掌控權：第一方數據專屬於品牌、可長期累積，第三方數據則受隱私規範與平台政策影響，穩定性越來越低。這也是 2025 年 DTC 品牌大幅轉向第一方數據的背景。
Q2：把第一方數據變成資產，和以前經營會員有什麼不同？ 以前的會員經營多半停在蒐集與群發：把人招進來、發一樣的優惠。資產化多了「歸戶、分群、預測、變現」四個動作。歸戶是把散在不同系統的資料收攏到同一個人身上；分群與預測是判斷誰接下來最可能買、誰快流失；變現是把整合好的高意圖流量轉成新的收入來源。差別在於資料有沒有被拿去產生後續的商業行動。
Q3：中小型品牌會員不多，也適合做第一方數據資產化嗎？ 適合，但切入點要選對。資產化的關鍵在於把有限的資料用對，會員規模並非決定因素。小品牌的優勢在於資料源單純、歸戶阻力小，可以先從規則式分群與基礎歸戶做起，把行銷資源集中在最可能回購的人身上。會員量太小時，複雜的預測模型與零售媒體變現會受樣本不足與固定建置成本限制，這類進階做法建議等資料累積到一定規模再評估。
Q4：導入顧客數據平台，通常多久看得到成效？ 要看資料品質與整合複雜度，也要分清「技術上線」「操作採用」「證明增量成效」是三個不同時間點。如果資料源相對集中，分群投放的變化可能在一個檔期內就觀察得到，例如把群發換成鎖定高購買意圖客群後的轉換差異。完整的歸戶與自動化貼標需要較長時間鋪設，一般以季為單位推進。務實的做法是先挑一檔活動驗證完整循環，用留出樣本或 A/B 對照拿到自己品牌的真實數字再擴大。
Q5：做這件事的技術門檻高嗎？行銷團隊自己能操作嗎？ 歸戶與模型計算這類重工由顧客數據平台在後端處理，行銷團隊主要在前端挑分群、設規則、看成效。技術門檻集中在系統建置與資料治理階段，日常操作則貼近行銷人熟悉的名單與檔期思維。真正需要投入的是把資料源盤點清楚、把分群邏輯想明白，以及法遵與跨部門流程的協調，寫程式反而不是重點。
Q6：第一方數據資產化最常見的誤解是什麼？ 最常見的誤解是把它等同於「會員數越多越好」。三個品牌的對照已經說明，資料多不等於生意穩，Nike 手握龐大會員基礎一樣會下滑。資產化的重點是資料能不能歸戶、能不能被拿去做出差異化的行動，以及品牌的基本盤是否站得穩。第一方數據是放大器，會把對的策略放大，也會把錯的策略一起放大，它是助力，不是免死金牌。