91APP CDMP

品牌不缺數據，缺的是把數據變成業績的做法。91APP CDMP（Customer Data Management Platform）的主軸，是讓 AI 真正落到零售經營：從 AI Agent、RAG 與 Agent Skill 怎麼導入團隊，到用 NAPL、RFM、XGBoost 把會員分群並預測購買意圖。再延伸到受眾標籤如何餵 Meta 演算法、用 LIFT（標籤實際購買轉換率相對大盤的倍數）評估廣告價值，以及 CDP 與 CRM、DMP 的定位差異、OMO 全通路、私域會員經營與檔期行銷的實戰打法。這裡的每個題目都用可驗證的數據方法拆解，把顧客資料變成品牌看得懂、用得上、能創造營收的決策。

AI Agent

AI 決策責任歸屬：行銷自動化出事的時候，誰的名字在核准欄

AI 已經從產草稿走到直接動客人：發推播、給折扣、回客訴、圈受眾。出事時「是 AI 決定的」不能當理由。這篇用對外可見性、可逆性、金額三條軸，說明哪些自動化動作可以放手、哪些必須有人簽名，並從 FTC 與 Rite Aid 的和解、Zillow Offers 收攤、EEOC 與 iTutorGroup 的訴訟和解，整理出簽核該看什麼證據、責任該分給哪幾種角色、哪些動作出錯後回不去，以及怎麼不讓簽核變成拖慢一切的形式關卡。文中對照個資法第 20 條與《人工智慧基本法》的問責原則，給台灣零售品牌一份可以在一個下午開始動的清單。

技術與數據優化

退貨率怎麼算才看得出問題：分母是訂單、件數還是金額，決定了你看到的答案

同一份報告裡的兩個退貨率差了 3.5 個百分點，兩個都對，差別只在分母含不含門市。這篇拆開退貨率的三種算法分別回答客服、倉儲與財務的哪個問題、為什麼跨品類比大小量到的是商品屬性與法律條件、以及退貨率變高其實可能是新客變多的副作用。附台灣消保法七日猶豫期的條件式例外，以及品牌真正該追蹤的切分後退貨率。

OMO 全通路洞察分析

虛實整合不是接完資料就結束：線上線下對不起來的地方，客人比報表先發現

多數品牌的 OMO 專案卡住的地方，已經從「線上線下有沒有接起來」移到「接起來之後，兩邊講的話對不對得上」。庫存、活動與券、會員權益與點數、退貨與售後，這四個地方每天都在產生落差，而落差被客人看見的速度，永遠比出現在報表上快。這篇文章拆解一致性缺口從哪裡來、Target 與 Inditex 這類國際零售商怎麼處理，以及台灣品牌不必先換系統就能動手的幾個對帳點。

91APP CDMP

回購率怎麼算才對？同一份會員資料，換一次分母就從 8% 變成 40%

回購率是零售品牌最常掛在嘴上、也最少對得起來的一個數字。同一份會員資料，換一個分母就能算出 8% 到 40% 四種答案。本文拆解回購率的三個必要選擇：觀察期、分母母體、回購事件的定義，說明為什麼在零售這種非契約情境裡，口徑是選擇、而未來會不會回購才是推論，並給出讓這個數字回到可決策狀態的做法。

技術與數據優化

AI 客服答不準怎麼辦？先盤點它讀不到的那幾張表

評估 AI 客服時，大部分品牌問的是哪家系統比較強，實際卡住的卻是它能不能讀到後台那幾張表。這篇把尺寸庫存、訂單狀態、多品牌設定、平台串接四類真實提問拆成資料需求清單，說明答錯的代價怎麼估、哪些問題該轉真人，以及對話紀錄怎麼回流成會員標籤。

會員經營

會員等級要分幾層？先算每一層權益的兌現成本，再看它換到什麼行為

會員等級要分幾層，常被當成設計題，其實是一道計算題。Costco 把 2% 回饋記成銷售額減項並設年度上限，Delta 把哩程負債按十二個月內外拆成兩欄，星巴克讓 Stars 六到十二個月到期，Amazon 乾脆把層級變成先收的訂閱費。四家公司用四種方法替權益成本畫出邊界。本文拆解每一層權益的兌現成本與兌現時間該怎麼一起估，以及層數為什麼該讓資料分布來決定。

會員經營

會員分級制度怎麼設計？門檻只算消費金額，容易把折扣獵人送上 VIP

會員分級制度最常見的做法，是用累積消費金額當唯一門檻。但這把尺獎勵的是花得多的人，未必是替品牌賺得多的人。從 Costco 的付費門檻、Delta 的等級通膨到星巴克 2026 年三月改成三級制，本文拆解等級門檻的三個診斷斷點，以及台灣品牌重算門檻前該先對齊的事。

會員經營

會員等級降級機制怎麼設計？續等條件與保護期，決定權益負債會不會繼續累積

降級難做的原因，在於權益一旦公告出去，就成了一筆持續累積的兌現成本。這筆成本收不回來，能動的只有續等條件與保護期這類下一個週期才生效的規則。從 Delta 的資格年歸零、Marriott 關閉終身等級入口，到星巴克讓等級決定 Stars 會不會到期，本文拆解續等條件、保護期、降級通知節奏與挽回動線該怎麼設計。

91APP CDMP

RFM 分群放到 OMO 就會失真：同一個人在門市和線上沒歸戶，你會把最好的客人排到後面

RFM 的三個值都是對「一位顧客的一條交易序列」做統計。門市加線上的同一個人沒歸戶時，購買次數會被除散成多個低頻身分，累計金額被拆開，還會多出好幾個過時身分，讓同一個真人同時進活躍名單與喚醒名單。要修，順序是先歸戶、在新母體上重算、再補狀態與意圖。

91APP CDMP

CDP 與資料倉儲差在哪裡：導入前先確認你的資料能不能變成一個動作

資料都進了倉儲，行銷卻還是發不出那封信。CDP、資料倉儲、資料湖、CRM、DMP 各自負責什麼？本文用 CDP Institute 的七項認證要求當驗收清單，把「資料存得完整」和「資料能變成一個動作」之間的落差講清楚，並給出導入前該先確認的前置條件。

91APP CDMP

CRM、POS、ERP 和電商系統怎麼整合：客製開發不是唯一的路

電商平台、POS、ERP、CRM 都有了，要回答「上週在門市買過又在官網看過同一系列的人有誰」卻要三個部門各出一張 Excel。這篇把每套系統負責哪一筆紀錄講清楚，攤開接起來有哪幾條路可走、各自適合什麼情況，並回答那個最常被問的問題：一定要找廠商客製嗎。

技術與數據優化

個資法修正後的會員資料治理：說不清資料從哪來，才是零售品牌真正的風險

個資法在民國 114 年 11 月 11 日修正公布，新增第 20-1 條的安全維護義務，並在第 48 條配上按次計算的罰鍰。全國法規資料庫的條文頁至今掛著「本法規部分或全部條文尚未生效」，施行日期由行政院定之。尚未生效不代表現在沒有義務。本文說明修法動到哪三層、名單能不能用該怎麼判斷，並整理五項不必等辦法就能先動的會員資料盤點做法。

MarTech

MarTech 公司集體轉型：從賣工具收訂閱，到管數據、交付成效

2026 年一批 MarTech 上市公司同時改了怎麼賺錢：HubSpot 把 AI 代理改成看成效收費、Adobe 把付費工具開成免費先養習慣、Salesforce 花八十億美元買數據治理。這篇拆解三股驅力（第一方數據、AI 讓工具商品化、整合疲勞）如何逼著行銷科技公司從「賣工具收訂閱」轉向「管數據、交付成效」，並翻成台灣零售品牌的一個提醒：與其再多買一套工具，更該投資能把數據變成可衡量成效的底座。

MarTech

台灣品牌怎麼選 MarTech 公司：從一場股價重新定價，看懂該問供應商什麼

選一家 MarTech 公司，等於選一個要綁三五年的長期合夥人，選錯的成本遠高於買錯一套工具。2026 年資本市場剛上了一課：同樣營收雙位數成長的六家行銷科技公司，市場給的估值卻差好幾倍，差別不在功能多寡，在成長品質、財務體質、數據交付能力與長期服務。這篇把那套「重新定價」的邏輯，翻成台灣品牌選 MarTech 公司時該問供應商的四個判準與一張提問清單。

MarTech

MarTech 公司正在被重新定價：從六檔股價看行銷科技的價值重估

2026 年，掛著行銷科技名號的公司愈來愈多，價值卻愈來愈難判斷。這篇從六家 MarTech 上市公司切入：今年股價全數翻黑、估值倍數縮水兩到七成，營收卻仍雙位數成長。市場重新定價的不是這一季賺多少，而是成長撐不撐得住、AI 會不會讓工具護城河變薄。文章把軟體股集體重估的訊號，翻成台灣品牌的選商問題：選行銷科技公司，要從「有哪些功能」換成「能不能把數據變成可衡量的成效」。

MarTech

行銷科技 SaaS 導入為什麼常常卡關？常見瓶頸藏在數據孤島（2026）

行銷科技 SaaS 導入常常不如預期，多數品牌第一時間怪工具選錯、團隊不會用。這篇把最常被跳過的瓶頸攤開來談：數據孤島。當線上線下會員資料對不起來，再強的行銷自動化都跑在殘缺資料上，成效難以歸因。文章用 Gartner、Salesforce、Forrester 等可查證的調查與一個知名的資料事故，拆解導入卡關的三個斷點，提出一套導入前的顧客資料體檢，並誠實回答導入多久看得到成效這個問題。

MarTech

行銷科技 SaaS 怎麼選？先問資料能不能歸戶，再談功能（2026 選型指南）

市場上的行銷科技（MarTech）工具已超過一萬五千種，但多數品牌買了一堆卻只用得到一小部分。本文不做第 31 份工具清單，而是點出選型最常見的錯誤：只比功能與價格，卻忽略資料能不能歸戶、能不能被下一個工具接手使用。文章提出一套選型檢查順序，先問資料層的歸戶與串接能力，再問啟動層的分群與自動化，最後才比單點功能，並依起步、成長、成熟三個階段給出不同重點，說明為什麼統一的顧客數據底座是每個階段共同的地基，協助台灣零售品牌把行銷自動化平台的預算花出綜效。

MarTech

MarTech SaaS 是什麼？行銷科技工具愈買愈多，顧客資料卻愈來愈散（2026）

MarTech SaaS 指的是用訂閱制的雲端軟體來執行、優化與衡量行銷，讓品牌不必自建系統就能用上專業工具。這篇文章先把 MarTech、SaaS 與行銷科技 SaaS 的定義講清楚，方便理解與查詢；接著談一個常被忽略的副作用：當訂閱工具愈買愈多，每一套各自存著一份殘缺的顧客資料，反而製造出新的數據孤島。真正的關鍵，往往在於資料有沒有歸到同一個顧客身上，工具數量多寡反倒是其次。文章整理了市場數據、常見誤解，以及台灣零售品牌可以採取的具體做法，適合品牌經營者、行銷主管與電商負責人閱讀。

91APP CDMP

AI 行銷科技來了：Agentic MarTech 如何重排零售工具的優先序

AI 讓行銷科技從「人操作工具」走向「代理人自動決策」，但四成 agentic 專案可能被取消、上千家廠商只有約一百多家是真的。這篇說明 Agentic MarTech 到底改變了什麼，以及為什麼 AI 代理人愈強，餵給它的第一方數據就愈關鍵。

技術與數據優化

MarTech Stack 怎麼建？工具別再疊，先搞對導入順序

多數品牌建 MarTech Stack 的方式，是缺什麼買什麼，結果工具愈疊愈多、彼此接不起來。這篇說明為什麼正確的順序是先搭數據層與 AI 層，再掛應用工具，以及台灣零售品牌該怎麼一步步建起真正跑得動的行銷科技組合。

91APP CDMP

MarTech 工具有哪些？六大領域拆解，看台灣零售品牌實際怎麼用

行銷科技工具超過一萬五千種，但關鍵問題其實很簡單：顧客在這六塊裡拼得成一個人嗎。這篇把 MarTech 六大領域逐塊拆開，看台灣零售品牌實際怎麼用、六塊之間靠什麼串起來，以及 2026 年 AI agent 走進每一塊之後，為什麼底下那層把顧客歸戶起來的數據反而更關鍵。

91APP CDMP

MarTech 與 AdTech 差在哪？行銷科技與廣告科技的分工與整合

很多品牌把 MarTech 和 AdTech 當成兩件事，甚至二選一。這篇說明行銷科技與廣告科技的真正差別在對內經營與對外獲客，以及為什麼在第三方數據受限的時代，讓兩者打通的，是同一份第一方數據。

91APP CDMP

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。

91APP CDMP

AI 行銷做不出成效？關鍵常常在你給它的工作環境，而非模型本身

行銷團隊幾乎人人都在用 AI，成效卻兩極。Anthropic 工程師談的 harness 概念，點出一件行銷人該懂的事：決定 AI 好不好用的關鍵，常常在你給它的工作環境，而非模型本身。本文用行銷人聽得懂的話，拆解什麼是 AI 的工作環境、為什麼在會員經營場景裡乾淨的第一方數據是那層地基，以及台灣品牌現在能動的幾步。

91APP CDMP

MarTech 行銷科技是什麼？六大領域、工具地圖與 2026 選型指南

MarTech 已來到一萬五千種工具的高原期，但真正卡住品牌的不是缺工具，是工具接不起來。這篇拆解 MarTech 是什麼、六大領域怎麼分，並說明 2026 年的分水嶺為什麼是資料底座與 AI，而不是再買一個新工具。