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。

廣告平台操作實務

Meta Advantage+ 把受眾自動化之後，你還能操作什麼？用第一方標籤當種子的打法

Meta Advantage+ 與 Andromeda 把廣告定向收進黑箱，拓客情境下受眾細切變成反模式，廣告主剩下的關鍵槓桿是餵什麼種子名單進系統。這篇拆解自動化收走了什麼、留下了什麼，並說明為什麼用第一方購買標籤的 LIFT 值排序種子，比再加興趣標籤有效。從 Meta 與 Google 官方文件、Andromeda 架構到 2026 年 3 月歸因改版，一次講清種子品質如何影響 AI 的初始訊號，附台灣品牌五個可執行起手式。

91APP CDMP

CRM 是什麼？零售品牌角度的客戶關係管理白話指南

多數 CRM 內容會從銷售流程切入，但零售品牌更需要從會員經營與全通路互動的角度理解 CRM。同一套 CRM 概念落到 B2B 銷售與零售會員經營身上，操作重點差很多：零售要管的不是一條一條的商機，而是一整群會員的生命週期。這篇用零售電商的語言，把 CRM 真正該幫你解決的事講清楚。

AI 技術與數據優化

Meta CAPI 與第一方數據：歸因改版後，受眾標籤怎麼餵才準

Meta 在歸因改版與隱私收緊後，瀏覽器端追蹤大量失準，Safari、Firefox 與廣告攔截器讓不少轉換事件根本沒回傳。轉換 API（CAPI）走伺服器端，把第一方購買行為穩定送回 Meta，成為訊號地基。但 CAPI 只解決訊號傳輸，餵進去的名單品質才決定 AI 學得準不準。本文用訊號鏈三層（傳輸、追蹤、分析）說明「訊號先於優化」：地基沒驗過之前，調受眾、換素材都是在雜訊上優化。文末給台灣品牌五個照順序的起手式，從接上 CAPI、顧好事件匹配品質，到用標籤 LIFT 與 OMO 歸戶篩出乾淨種子名單。

廣告平台操作實務

Meta 增幅歸因怎麼看？跟 CDMP 受眾標籤的 LIFT 差在哪

2026 年 3 月 Meta 改了點擊歸因定義，許多帳戶的報表轉換數掉了四到六成，但總轉換幾乎沒變。這不是業績變差，是衡量變誠實。很多人把 Meta 廣告後台的「增幅歸因」跟「用購買數據回算的標籤 LIFT」當成同一件事，其實它們站在廣告漏斗的兩端：增幅歸因是衡量端，用測試組對控制組測廣告的因果增量；標籤 LIFT 是選擇端，用購買數據算哪群人該優先投。本文釐清這個常見誤會，並給台灣品牌五個接招的具體做法，重點是把衡量交給 lift test，把選擇權留在自己手上的第一方名單。

AI 應用與 AI Skill

用 Agent Skill 統一會員分群命名：主力客、沉睡客不再各說各話

行銷團隊最常見的隱性混亂，是每個人對「沉睡客」「主力客」的定義都不一樣。這篇示範怎麼用一支 Agent Skill 把會員分群的定義與命名規則寫成全隊共識，讓 AI 在產出貼標建議或檢查標籤時照同一套標準，並說明分群定義為何要由人拍板、寫回系統前要過哪些權限與審核關卡。

AI 應用與 AI Skill

團隊怎麼導入與維護 Agent Skill？從個人玩具到團隊資產

一個人做的 Agent Skill 很好用，但團隊一多就亂：誰寫、誰維護、版本對不上、規則各跑各的。這篇從管理者視角談行銷團隊怎麼把 Skill 從個人玩具變成團隊資產，涵蓋盤點、共用庫、負責人與版本控管、定期檢視四步，並附一張導入檢查表與常見治理坑。

AI 應用與 AI Skill

SKILL.md 怎麼寫才好用？description 與五種設計模式一次搞懂

SKILL.md 怎麼寫才好用？很多人第一支 Skill 做出來，AI 卻不照做，問題通常不在格式，而在內容設計。這篇拆解兩個關鍵：description 怎麼寫才會被正確叫出、規則怎麼寫 AI 才照做，並用行銷情境改寫 Google Cloud 整理的五種 Skill 設計模式，附上一張寫 SKILL.md 的自我檢查表。

AI 應用與 AI Skill

AI Agent 是什麼？和 Agent Skill 差在哪，行銷人一次搞懂

AI Agent 是什麼？和 Agent Skill 又差在哪？這篇用行銷人聽得懂的白話拆解：AI Agent 是會規劃、會用工具、能跑多步驟把事做完的 AI 系統，比一般聊天機器人多了行動力；Agent Skill 則是給 Agent 的一項可重複專長。文中補上 Agentic workflow 怎麼運作、市場上最流行的 AI Agent 運用、Skill 最常用的場景，並用員工與作業手冊的比喻說清兩者關係。

AI 應用與 AI Skill

第一個 Agent Skill 怎麼做？行銷人的每月報表 Skill 手把手教學

第一個 Agent Skill 建議從每月報表開始。這篇用行銷月報當例子，手把手教你整理指標口徑、撰寫 SKILL.md、設定輸出格式、用資料試跑修正。不需要寫程式，但需要使用支援 Agent Skills 的工具。文中附最小可行的 SKILL.md 範例、四個常踩的坑，以及一張含人工覆核點的上線前檢查表。

AI 應用與 AI Skill

【實戰分享】Agent Skill 能幫行銷團隊做什麼？10 個零售行銷應用場景

Agent Skill 能幫行銷團隊做什麼？這篇整理零售與電商行銷最實用的 10 個 Agent Skill 應用場景，分成報表分析、內容文案、會員溝通三大類。每個場景都從行銷人的真實痛點切入，說明 Skill 能接手哪段重複工作、哪些環節仍要人把關與哪些資料權限前提，並附一張「先從哪一個下手」的優先順序判斷表。

AI 應用與 AI Skill

Agent Skill vs GPTs vs Gemini Gems：行銷團隊到底該選哪個？

Agent Skill、ChatGPT 的 GPTs、Gemini 的 Gems 到底差在哪、行銷團隊該選哪個？這篇用選型視角一次比較：GPTs 與 Gems 是各自平台內的客製入口，Agent Skill 則是跨平台的開放格式。文中拆解三者的綁定關係、可攜性與觸發方式，點出三個常見選型迷思，並附一張行銷團隊的決策判斷表。

AI 應用與 AI Skill

Skill、Prompt、MCP 差在哪？MCP 和 Skill 不同在哪？非工程師背景的你更要懂

Skill、Prompt、MCP 差在哪？MCP 和 Skill 不同在哪？這三個 AI 名詞最近一起爆紅，卻是行銷人最常搞混的詞。Prompt 是這一次交辦什麼，MCP 是 AI 能不能連到資料與工具，Agent Skill 是拿到資料後照什麼流程做。本文用行銷團隊的會員回購任務，拆解三者分工、三個常見誤解，以及一張行銷主管導入判斷表。

AI 應用與 AI Skill

AI Skill 是什麼？行銷人不用寫程式，也能看懂的 Agent 技能入門

Agent AI Skill（代理技能）是什麼？這篇用行銷人聽得懂的白話，拆解 Prompt、MCP 與 Agent Skill 的分工：Prompt 管這一次的指令，MCP 管 AI 拿不拿得到資料，Skill 管拿到資料後該怎麼做。從每月報表、受眾分群命名到活動檢討，看零售與電商行銷團隊怎麼把每天重複交代 AI 的工作，變成一次設定、全隊共用、跨工具可攜的能力，文末並附打造第一支 Skill 的三步驟與常見問題。

91APP EngageOne

EDM 行銷怎麼做才有訂單？2026 完整攻略：email 行銷別只看開信率，從標題到商品推薦都要顧

開信率早就被 Apple MPP 灌水了，2026 年衡量 EDM 行銷的尺得換。這篇從台灣零售品牌的角度，把 Email 行銷拆成標題、開信率、轉換率、商品推薦四個環節：哪些數字該丟掉、哪些才該追，主旨怎麼寫才有效，以及為什麼個人化的商品推薦才是把轉換拉起來的引擎。附五步可立刻執行的清單，讓下一封 EDM 真的帶回訂單。

91APP CDMP

電商行銷人最需要的十大 AI Skill：從一次性 prompt 到整隊都會用的流程

幾乎每個品牌都買了 AI 工具，多數人卻停在每週一重打 prompt 的原地。差距不在工具，而在你有沒有把 AI 變成可重複跑、可交接、結果穩定的 skill。這篇整理電商與行銷人最該優先建立的十大 AI skill，涵蓋廣告、EDM、簡訊、GA4 與 LINE OA，並用 MIT、McKinsey、Gartner 等研究說清楚一件事：skill 真正跑得動的前提，是底下乾淨的第一方資料與人的判斷。

91APP CDMP

AI Agent 幫你發完券、推完名單，但它做的每個決定，你查得回去嗎？

2026 年資本湧向「監看 AI Agent」的工具，背後是一個被低估的風險：當行銷把分群、推播、發券交給 Agent 自主執行，它的失誤不會跳錯誤訊息，只會安靜地把預算與客戶關係燒掉。本文用 Coralogix 募資與 Gartner 數據切入，拆解行銷 Agent 三種最常見的靜默失誤，說明為什麼問題往往不在模型不夠聰明，而在它看到的世界不完整。品牌真正要補的，是讓 Agent 看得見完整的人、記得住跨通路行為、每個決定都查得回去的數據底子。文末附 Agent 上線前的數據盤點清單。

91APP CDMP

AI 集體上市這年，行銷人的訂閱費該付給誰？ChatGPT、Claude、Gemini、Perplexity 收費全解

2026 年 SpaceX、OpenAI、Anthropic 排隊上市，AI 工具開始要對股東交代獲利，每月訂閱費的定價邏輯正在改寫。本文用「免費額度、月費級距、團隊與生態綁定」三層，逐筆比較 ChatGPT、Claude、Gemini、Perplexity 的官方收費模式，並依行銷人常見場景給選型建議。一個提醒：AI 工具讓產出更快，但行銷成效的底層仍是你的第一方數據與會員分群。

91APP CDMP

為什麼跑者開始放棄 Nike，改穿 On 和 Hoka？

Nike 2025 會計年度營收年減 10%，同期 On 昂跑年增 30%、Hoka 年增 23.6%。這場跑鞋洗牌表面是中底科技之爭，底層卻是品牌與跑者之間「直接關係」的經營之爭。本文用「通路、數據、關係」三層拆解 On 與 Hoka 的逆襲，並說明在第三方 Cookie 不會消失的今天，第一方數據為何仍是會員經營的關鍵，最後給台灣零售品牌五個可立即執行的會員經營行動。

91APP CDMP

Google Search Console 生成式AI 成效報告：曝光、點擊、成交，品牌只拿到曝光看不到轉換

Search Generative AI performance reports，2026 年 6 月，Google 在 Search Console 推出生成式 AI 成效報告，AI 搜尋首次從黑盒子變成可觀測，但這份報告只有曝光、沒有點擊與轉換。本文把 AI 搜尋成效拆成曝光、點擊、成交三層，解析曝光為何接不上生意，以及台灣零售品牌該如何把 AI 來客接進第一方數據與站內成交。

91APP CDMP

CDP 導入七步驟：純電商與 OMO 品牌跑法大不同

同樣導入一套 CDP，有的品牌三個月跑出回購節奏，有的半年後名單還躺在後台。差別常不在工具，在有沒有先認清自己是哪種品牌。本文把 CDP 導入拆成純電商與 OMO 兩種模式：前者從商品數據切入，後者從會員經營漏斗切入，並整理出共通的導入七步驟、最容易被跳過的 UTM 對齊與資料治理，以及一次性與常態兩種行銷腳本的配置邏輯，幫零售品牌主在動手前先想清楚方向。

91APP CDMP

你的 AI agent 為什麼老是出錯？問題根源在數據

Gartner 預測到 2026 年，企業將放棄六成缺乏 AI-ready 數據的 AI 專案。當品牌把 AI agent 放上客服、推薦、行銷第一線，決定它有沒有用的不只是模型，更是它讀到的顧客數據夠不夠完整、即時、整合。本文拆解 AI agent 最常踩的三個數據斷點：身分沒統一、數據過時、跨系統散落，用三個翻車場景說明 agent 如何把錯誤放大，並提供「上線前顧客數據體檢 5 問」。先把顧客數據整理成一份能被即時調用的底座，再談要接哪一個 agent。

91APP CDMP

DMP 是什麼？說它已死的人，可能都看錯了

2026 年，全球大型廣告集團砸 22 億美元買下數據公司，Google 也確認不再殺死第三方 cookie。當大家都說 DMP 已死，產業裡最有錢的玩家卻在加碼。這篇先把 DMP 是什麼講清楚，再拆解為什麼「DMP 已死」只對了一半：死的是依賴第三方 cookie 的舊型 DMP，沒死的是把受眾辨識、貼標、活化的能力，它已轉生為第一方數據加合規外部訊號的受眾標籤。文末整理台灣品牌現在就能做的四件事。

91APP EngageOne

LON ＋ LINE OA 怎麼接：從通知型訊息到分眾再行銷的完整漏斗

LINE 通知型訊息（LON）官方規定不能放行銷，但它其實是私域最被低估的獲客入口。這篇拆解通知型訊息與 LINE OA 的分工，整理「通知觸及 → 引導加好友 → 會員綁定 → 數據分眾再行銷」四階串接，說明為什麼漏斗成敗的關鍵在會員綁定，並給台灣零售品牌一份可照做的行動清單、通道選擇原則與最低 KPI，讓每一則交易通知都成為下一段會員經營的起點。

顧客數據平台 CDP

組合式 CDP 是未來？先確認你有沒有那座資料倉儲

國際 CDP 廠商都在推「組合式才是未來」，但這套倉儲原生架構有一個沒人明講的前提：你得先有一座成熟的資料倉儲，還有能維運它的資料工程團隊。本文把封裝式、組合式、內建型中台三條路一次講清楚，並用一個餐飲多品牌集團的場景，說明缺工程量能的台灣品牌該怎麼判斷。

91APP CDMP

母親節行銷怎麼做？用會員分群和商品標籤，讓檔期業績不再靠折扣撐

母親節是零售品牌全年最重要的大檔期之一，但多數品牌仍靠經驗選品、憑直覺投廣告，結果折扣砸了、業績衝了，活動結束後會員又沉睡。問題出在哪？缺乏數據基礎的檔期規劃，讓品牌每年都在重複同樣的錯誤。本文從 CDMP 數據驅動的角度，拆解母親節檔期的完整操作流程：如何用商品標籤、 NAPL 會員分群決定溝通對象、用 XGBoost 預測模型提前鎖定高轉換客群、用自動化腳本設計從倒數提醒到售後感謝的完整旅程，最後用 Cohort 留存分析驗證檔期帶來的真實長期價值。