MarTech ROI 算不出來？買一堆工具卻證明不了效益的斷鏈與解法
行銷科技的錢愈花愈多，回報卻愈來愈難證明。這篇拆解 MarTech ROI 算不出來的三個斷鏈：資料、執行、衡量，並提出一個說明框架：在 AI 驅動的行銷科技裡，能實現的 ROI 取決於數據與 AI 是否同時就緒，任一項缺席，回報都難以放大。
錢花下去了，回報卻證明不出來
行銷主管手上的預算表，這幾年多了一個科目：AI。根據 Gartner 2026 年 CMO 預算調查，CMO 平均把 15.3% 的行銷預算投進 AI。可是同一份調查裡，有 56% 的 CMO 說預算不足以交付 2026 的策略，54% 說資源不夠。錢投得愈來愈多，能證明的回報卻愈來愈少。
另一頭的數字更尷尬。Salesforce《State of Marketing 2026》發現，受訪的行銷人裡，有 84% 坦承自家活動仍然通用、單向。工具買了、AI 上了、預算花了，成效卻沒有等比放大。
MarTech 最痛的地方，從來不是沒花錢，是花了卻算不出回報。這篇文章想拆的，就是這條回報的線到底斷在哪裡。我們提出一個幫助思考的框架：在 AI 驅動的行銷科技裡，能實現的 ROI 可以想成數據乘以 AI。它是一個比喻，不是財務公式。當其中一項趨近於零，另一項再強，回報也很難放大。
我們對帳時最常被問的一句話
我們陪品牌盤點行銷工具時，最常被問的一句話是：這些工具，到底有沒有幫我賺到錢。多數人答不上來。問題很少出在工具有沒有用，而在從導入的第一天起，就沒有一條可以量測的線，把「花了多少」接到「賺回多少」。廣告的錢算在廣告後台，會員經營的成效散在會員系統，門市業績留在 POS，三邊各自報喜，沒有一個地方能把同一位顧客的投入與產出對起來。
算不出 ROI，癥結很少在計算能力，在那條線根本沒接。
ROI 斷在三個地方
如果 ROI 等於數據乘以 AI，那回報證明不出來，通常就斷在三個地方。以下三個斷鏈，是我們為了說明這個問題而整理的拆法。
斷鏈一：資料沒歸戶，歸因就算不清
同一位顧客在廣告端點過、在 Email 開過信、最後在門市結帳，這三件事分屬三個系統，沒有一個共同的會員身份把它們串起來。結果就是每個通路都只看得到自己那一段，跨通路的貢獻拼不出來。最常見的後果，是 last-click 把功勞全給了最後一個接觸點，可能低估前面那些有助攻作用的通路。這也是為什麼很多品牌覺得某個通路「沒效」，其實只是它的貢獻被歸因方式吃掉了。歸因這件事，在 Email 這類長期被低估的通路上特別明顯。
斷鏈二：執行沒接進流程
買一套工具、開一個 AI 功能，跟這套工具真的接進了日常行銷流程，是兩回事。很多品牌的 AI 停在「產出更快」，用來大量生成內容，卻還是對全體會員群發同一則訊息。工具在，AI 也在，但它沒有改變「對誰、在什麼時機、說什麼」的決策。執行沒接進流程，投入就只是成本，不會變成回報。
斷鏈三：衡量指標選錯
用「買了幾套工具」「開信率多少」當成績單，是把手段當成了目的。這些數字會動，卻不直接對應到賺了多少。真正該追的，是每一分投入最後帶回多少顧客終身價值，以及數據與 AI 到底接進了幾個能產生回報的流程。更完整的算法，是把增量毛利減去軟體、串接、人力、媒體與優惠成本，再對回總投入，而不是只盯著單一漂亮指標。衡量的標準選錯，團隊就會一直優化錯的東西。
三個斷鏈指向同一件事：ROI 算不出來，通常無關行銷做得夠不夠多，而在數據沒歸戶、AI 沒接進流程，讓投入與產出之間那條線斷了。
幾份報告，把這條斷鏈看得更清楚
先看預算面。Gartner 的調查顯示，錢確實往 AI 集中，15.3% 的行銷預算投進去，但真正準備好把 AI 規模化的組織只有 30%。更值得注意的是，AI 就緒度較高的組織，平均把 21.3% 的預算投入 AI，明顯高於整體的 15.3%。這顯示較高的就緒度與較高的投入是並存的。要留意這是相關、不宜直接斷定誰因誰果，但至少說明，把數據與 AI 接起來的品牌，更有本錢把預算放下去。
再看數據面。Salesforce 的報告點出一個很直接的對比：把數據整合好的行銷團隊，比數據仍然破碎的團隊，多出 42% 的機率能穩定回應顧客，也多出 60% 的機率會用 AI 代理人來擴大經營。同一份報告用一句話總結：每個行銷人都用得到同樣的 AI 模型，真正拉開差距的，是能不能給 AI 對的脈絡。這裡的脈絡，包含整合過、相關且可用的顧客資料與互動紀錄。數據接好了，AI 才有回報可言。
最後看 AI 專案本身。Gartner 在 2025 年 6 月預測，超過 40% 的 agentic AI 專案會在 2027 年底前被取消，原因包括成本攀升、商業價值不明與風險控制不足。翻成白話，其中很關鍵的一條，就是這些專案算不出 ROI，於是被砍掉。這正是斷鏈的終點：算不出回報的投資，最後都留不住。
為什麼是數據乘以 AI，不是數據加 AI
把這條斷鏈往底層看，會走到那個公式。
表象是：ROI 算不出來，行銷主管在會議上答不出「這筆錢賺回多少」。
再往下是機制：回報要能被證明，前提是投入與產出之間有一條完整的線。這條線需要兩段都通，一段是數據，把同一位顧客在各通路的投入與購買歸戶到一起，讓貢獻算得清；另一段是 AI，把資源用在最可能有回報的人身上，讓成效真的放大。少了任何一段，線就斷了。
所以它是相乘，不是相加。數據整合得再好，AI 沒接進流程，成效放不大，回報有限；AI 模型再強，數據是破碎的，算不出誰帶來了什麼，回報證明不了。數據品質與資料孤島，一直是 AI 落地被點名的首要障礙，就是這個道理。任一項是零，乘出來就是零。
把回報的線接起來
要讓 MarTech 的 ROI 算得出來，品牌真正要補的，是那條斷掉的線。這也是客戶數據管理平台（CDMP，Customer Data Management Platform）在解的問題。
它先把數據那一段接起來。把顧客在官網、App、門市、廣告、通訊各通路的行為與消費歸戶到同一個會員 ID，讓每一分投入最後對得起同一個人的產出。歸戶把接觸與交易連到同一個人，是算清貢獻的第一步；要真正確認某個通路或腳本帶來多少增量，還需要搭配對照組或 holdout 測試。線上線下打通後，跨通路會員的消費表現會明顯高於單一通路會員，這個差距是值得驗證的訊號，實際增量仍要靠分群控制或實驗確認。
接著把 AI 那一段接進流程，讓成效真的放大。數據歸戶之後，個人化行銷才有施力點：與其對全體會員群發，不如依購買週期、會員狀態、當下意圖分群，讓每一則 App 推播、簡訊、Email、LINE 官方帳號訊息只對一群對的人說話。這裡要分清楚，購物車未結、註冊後首購這類時機用規則式自動化就能觸發；AI 真正的增量價值，在於預測誰接下來最可能買，把有限的預算與溝通力道放到勝算最高的人身上。把錢投在對的人身上，ROI 自然算得漂亮。
這就是把數據與 AI 兩段都接上的實際樣子。也是為什麼那些 AI 就緒度高的品牌敢加碼投資，因為它們的每一分投入，都看得到回來多少。
先讓回報算得出來：台灣品牌修 MarTech ROI 的順序
對台灣零售品牌來說，修 ROI 的順序，比再買一套衡量工具更重要。
- 先接歸因，再談成效。在同一位顧客還沒歸戶之前，任何 ROI 數字都是各通路各說各話。把統一會員 ID 建起來，是算得出回報的前提。
- 把 KPI 從手段換成結果。少看「開了幾套工具、開信率多少」，多看每分投入帶回多少顧客終身價值、AI 接進了幾個能產生回報的流程。
- 從一兩個算得出回報的腳本開始。挑購物車未結、消耗品回購這類貢獻清楚的時機先跑，用小範圍證明回報，再擴大。
- 把預算往就緒度高的地方擺。與其平均灑在一堆工具上，不如集中把數據與 AI 接起來的那條線先打通。
- 定期回頭對帳。用整合後的數據回看每個通路與腳本的真實貢獻，把資源從證明不了回報的地方，挪到證明得了的地方。
這五步的共同點，是它們都不在買新工具，而在把投入與產出之間那條線接起來，讓回報算得出來。
結語
回到那句最常被問的話：這些工具，到底有沒有幫我賺到錢。答得出來的品牌，不是買了最多工具的那些，而是把數據與 AI 兩段都接上、讓回報算得清的那些。
工具會一直換，能不能證明回報不會。當投入與產出之間那條線接起來，MarTech 才從一筆說不清的成本，變成一筆算得出的投資。這是台灣零售品牌現在就能動手修的地方。
品牌最常問的 MarTech ROI 問題
Q1：為什麼 MarTech 的 ROI 這麼難算？ 主要癥結不在計算，而在投入與產出之間那條線斷了。顧客在廣告、會員系統、門市的行為分屬不同系統，沒有統一會員 ID 把它們串起來，跨通路的真實貢獻就算不清，回報自然證明不出來。
Q2：ROI 等於數據乘以 AI 是什麼意思？ 它是一個用來說明的框架：回報要能被證明並放大，需要數據與 AI 兩段都通。數據負責歸戶、讓貢獻算得清，AI 負責把資源放到最可能有回報的人身上。因為是相乘，任一段是零，整體回報就趨近於零。
Q3：導入 AI 之後為什麼成效沒有提升？ 常見原因是 AI 沒有真的接進行銷流程。很多品牌把 AI 用來加速產出內容，卻仍對全體會員群發同一則訊息，沒有改變「對誰、什麼時機、說什麼」的決策。工具在、AI 在，但執行那一段的線沒接上，成效就放不大。
Q4：ROI 算不出來，該先做哪一件事？ 先做歸因，也就是建立統一會員 ID，把同一位顧客的跨通路投入與購買對起來。在顧客還沒歸戶前，任何 ROI 數字都是各通路各說各話。歸因接好，後面的衡量與優化才有意義。
Q5：小品牌預算有限，也能改善 MarTech ROI 嗎？ 可以。小品牌不必一次買齊工具或衡量系統，反而應該先把資料盤點清楚、建立統一會員 ID，再挑一兩個貢獻清楚的自動化腳本先跑，用小範圍證明回報。把預算集中在把數據與 AI 接起來的那條線上，效益會比平均灑在多套工具上更明顯。
Q6：該用什麼指標衡量 MarTech 的回報？ 少用「買了幾套工具、開信率多少」這類手段型指標，多用結果型指標：每分投入帶回多少顧客終身價值、跨通路會員與單通路會員的消費差距、以及數據與 AI 接進了幾個能產生回報的流程。指標對了，團隊才會優化對的東西。