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。
搜尋「行銷自動化」，Google 第一頁幾乎都是「行銷自動化是什麼」「五種工具推薦」這類入門整理。但對台灣零售品牌來說，真正卡住的，是另一個更現實的問題：工具買了、訊息也排程了，業績卻沒動。
問題出在一個誤會：很多品牌把「行銷自動化」理解成「把電子報、推播排好時間自動發出去」。這樣做，只是把人工群發換成機器群發，效果不會比較好。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，而不是一條排程發訊的輸送帶。
這個差別，數字看得最清楚。研究電商結帳體驗的 Baymard Institute 在 2025 年彙整 50 份研究，得出線上購物車的平均放棄率為 70.22%，意思是每 10 個把商品加進購物車的人，有 7 個沒結帳就離開；這個數字十多年來穩定維持在 70% 上下（Statista 的全球統計亦約略相同）。同一群「差一步就成交」的人，用對的自動化決策樹接住，跟放著群發不管，結果天差地遠：Omnisend 的 2026 電子報基準研究（分析 2025 年資料）顯示，依行為觸發的自動化信件轉換率約 1.49%，一次性群發只有 0.08%。而 McKinsey 的 Next in Personalization 2021 報告指出，成長較快的公司，來自個人化活動的營收比成長較慢者高 40%，71% 消費者期待品牌提供個人化互動。需求明確，機會也明確，差別只在做不做得到。
把排程群發誤當成自動化，是最常見的起點錯誤
多數品牌的自動化做不起來，第一步就走偏了：把「排程群發」當成「行銷自動化」。我們最近跟幾個品牌的行銷主管聊到這件事，幾乎一致的反應是「我們有做啊」，再追問下去，常常發現他們指的是「每週固定排兩封電子報、檔期前推一波 LINE」。
那不是行銷自動化，那是排程群發。真正的自動化，是系統會看「這個人剛剛做了什麼」，然後決定「下一步對他說什麼」。 一個人加入會員、一個人把商品丟進購物車卻沒結帳、一個人三個月沒回來，這三個人此刻該收到的訊息完全不同。能不能自動分辨並分流，就是「有沒有在做行銷自動化」的分水嶺。
行銷自動化的三層結構：觸發、判斷、行動
把行銷自動化拆開，核心只有三個零件。理解這三層，就能看懂任何一支自動化腳本在做什麼。
| 零件 | 一句話定義 |
|---|---|
| 觸發條件（Trigger） | 啟動整段流程的「那個事件」，例如註冊、加入購物車、訂單完成、X 天未回購。 |
| 判斷與等待（Wait & Branch） | 流程中的分岔點，例如「等 1 天 → 判斷有沒有開信 → 開了走 A、沒開走 B」。 |
| 分支行動（Action） | 系統實際做的事，例如發優惠券、寄通知、貼上標籤、把人加進再行銷名單。 |
把這三個零件串起來，就是一棵決策樹（Decision Tree）：一個「依條件分岔、每個分岔接不同行動」的自動化流程圖。本文用決策樹當作好懂的比喻，實務上品牌會用「旅程編排」這類工具把它落地。
決策樹跟排程群發最大的不同，在於它有「判斷節點」。排程群發是「時間到，全部人發同一封」；決策樹是「看這個人怎麼反應，再決定下一步」。少了判斷節點，自動化就退化成更快的群發，這也是很多品牌做了個人化卻越做越差的根本原因：問題在不分流，而非不分群。
多數品牌反覆在用的幾棵決策樹
行銷自動化聽起來抽象，但落到實際腳本，多數品牌天天在用的就是幾棵樹。以下用機制說明。
迎新旅程：把新會員的第一週接住
觸發是「完成註冊」。系統立刻寄出歡迎訊息與首購誘因，接著進入判斷：等 1 到 2 天，看會員有沒有點開、有沒有完成首購。完成的人貼上「已首購」標籤、轉入回購培育；還沒動作的人，補一封換個角度的訊息。新會員的前幾天決定了後面整段關係，這也是為什麼註冊後的黃金 30 天值得用一整套腳本去經營。
購物車未結帳：用瀑布式遞補把人接回來
觸發是「加入購物車、X 小時內未結帳」。考慮到約 70% 的購物車會被放棄，這支腳本幾乎是所有品牌的標配。Baymard 也指出，扣掉「只是逛逛、還沒打算買」的人之後，最大宗的放棄原因是運費、稅金等預期外費用，因此提醒訊息裡常會附上能降低這道門檻的誘因。它的決策樹常設計成「瀑布式遞補（waterfall）」：先用成本較低的管道（例如 Email）提醒，等一段時間判斷有沒有進站，沒進站的人再降級改用簡訊或 LINE 補一刀，確保訊息真的被看到，又不浪費高成本管道。
喚醒沉睡客：先判斷意圖，再決定力道
觸發是「X 天未回購」。但沉睡客不是同一種人，所以這棵樹的判斷節點特別重要：先看會員的購買週期、瀏覽行為、過去偏好，再決定要給內容喚醒還是給優惠誘因。對所有沉睡客發同一張折價券，是最常見也最浪費的做法。能不能依當下狀態分流，靠的是底層資料夠不夠完整。
公開案例：Sephora 用「單一會員 ID」把決策樹串起來
把決策樹做到極致的公開例子是美妝零售品牌 Sephora。它的 Beauty Insider 會員體系，核心是一個貫穿線上線下的「單一會員 ID」：在門市用 Color IQ 掃描膚色或試色，結果會即時更新到這位會員的數位輪廓，回到線上就能據此推薦、提醒補貨，讓門市診斷、線上推薦、補貨提醒接成同一段流程。據 G&CO. 2026 年的次級案例整理，Sephora 約八成交易歸戶到單一顧客 ID。
（案例為行銷代理商與產業分析整理之公開資料，屬次級來源；Sephora 為美國美妝零售龍頭，市場規模與會員結構跟台灣品牌不同，數字是「單一會員 ID 讓自動化決策樹得以成立」的方向證據，不是台灣品牌可直接套用的 KPI 目標。）
關鍵不在 Sephora 多會發訊，而在它每一個自動化判斷背後，都有一份對得起來、即時更新的會員資料。反過來說，如果膚色診斷、購買紀錄、App 行為無法歸到同一個 ID，後續的推薦、補貨提醒與再行銷分支就無法成立。這就帶到下一個關鍵。
為什麼決策樹跑得動的前提，是 CDP
決策樹的每一個「判斷節點」，其實都在問同一件事：這個人是誰、剛剛做了什麼、過去長什麼樣子？
「有沒有完成首購」「是不是已經三個月沒回來」「線上加了購物車、線下有沒有來店」，這些判斷要成立，系統必須先有一份統一、即時、貼好標籤的會員資料。如果線上線下資料各存一邊、同一個人有三個帳號對不起來、行為訊號進不了系統，那麼決策樹的每個判斷節點都是瞎子，自動化自然轉不動。
這份「統一的第一方數據底座」，產業裡的名字就是 CDP（Customer Data Platform，顧客數據平台）：把分散在官網、App、門市 POS、LINE 的會員資料整合成單一會員視角，讓行銷系統能依「人」而不是依「管道」來判斷與行動。Sephora 的單一會員 ID，本質上就是一個運作良好的 CDP。換句話說，CDP 跟 CRM、DMP 的根本差別，就在於它是為了「個人化的判斷與行動」而存在的底座。
要補充的是，沒有 CDP 也不是完全不能做自動化：單一管道、單一事件的基本腳本（例如純 Email 的歡迎信）還是跑得動。但跨通路、跨身份、即時分流的決策樹，沒有 CDP 就做不出來。而且就算有了底座，幾個常被忽略的邊界仍會影響判斷準確度，例如匿名未登入訪客、跨裝置對不上、門市資料回傳延遲、各管道的行銷同意狀態、以及訊息頻率控管，這些都需要在設計腳本時一起考慮。
工具和資料都到位了，為什麼還是會失敗？
假設地基蓋好了，資料也整合了，是不是把工具打開就會自動賺錢？實務上，這一步最容易摔跤。
因為決策樹的每一個判斷節點，都需要有人先做判斷。決定一套 MarTech 服務成不成功，最關鍵的從來不是工具本身，是有沒有一個會解讀數據、把洞察翻成決策樹的 Customer Success 顧問。 具體來說，這位顧問至少做三件系統做不了的事：
- 定義判斷的標準：例如這個品牌的回購週期是幾天、幾天沒回來才算沉睡，這決定觸發點設在哪。
- 設定分岔規則：例如沉睡客要用內容喚醒還是優惠誘因、哪一群人值得用高成本管道補一刀。
- 用成效回收調整下一輪：看完這次旅程的開信、轉換、退訂，決定下一輪腳本怎麼改。
這就是 91APP 一直強調「人機協作」而非「全自動化」的原因。系統負責把資料整理好、把腳本自動跑起來；上面這三件判斷，需要顧問帶著對品牌的理解去下。同樣一套工具，配上一位懂數據洞察的成長顧問，跟自己摸索，跑出來的結果是兩個世界。
91APP CDMP：把 CDP 底座與個人化旅程接成一條線
91APP CDMP（即 91APP 的 CDP）要解的，正是前面講的地基問題。它把 CDP 的資料整合能力，再往上疊了 CRM 的會員經營與 DMP 的廣告擴張，整合成零售品牌可以直接用的數據底座，先把「統一會員 ID、跨通路歸戶、行為標籤、即時購買意圖訊號」這些決策樹要用的判斷材料準備好。
有了底座，自動化的執行層才有意義。在這個底座上，91APP 把前面講的決策樹收斂成一個可視化的「個人化旅程」設計：用拉動的方式排出「從名單觸發 → 發券或通知 → 等待計時器 → 判斷是否進站或購買 → 分支貼標、再行銷」的完整流程，也支援 A/B 分流測試與管道遞補。在圈選溝通對象時，可以用會員屬性、行為偏好、消費屬性、即時事件等多種條件交叉，把「對誰、在什麼狀態下、說什麼」定義清楚。資料底座（CDMP）先把「人」看清楚，個人化旅程把決策樹落地執行，再由前面說的 CS 顧問負責解讀與優化，底座、執行層、顧問這條線缺一段，自動化就會卡住。
想讓自動化真的跑起來，先把這幾件事做對
行銷自動化的起點是把判斷的地基鋪好，而不是先比工具功能表。以下是建議的起步順序。
- 先盤點第一方數據與會員歸戶：確認線上線下的同一個人能對得起來。預期效果是決策樹的判斷節點才有資料可用；建議第一個月先做資料盤點與歸戶。
- 先畫決策樹，再選工具：把「觸發 → 判斷 → 分支」畫成流程圖，再看工具能不能做到。這能避免買了工具卻只會群發；建議用一到兩週把核心幾棵樹畫出來。
- 從高回報的常態腳本起步：迎新、購物車未結帳、回購是最穩的入門組合，用最少腳本先看到回收。可參考這份個人化腳本清單。
- 每段流程都要有判斷節點：別只設「發」，要設「發完之後看反應再分流」，把資源集中在會回應的人身上。沒分群就亂發，效果反而越做越差。
- 找一位懂數據的顧問一起看：讓 CS 顧問幫你定義分岔規則、解讀成效，把工具的潛力真正換成業績，而非自己卡在介面前。
