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。
一萬五千種工具，為什麼還是拼不出一個顧客
2025 年，行銷科技（MarTech）地景上有 15,384 種工具；根據 Scott Brinker 與 MartechTribe 在 2026 年 5 月發布的《State of Martech 2026》，這個數字幾乎停在原地，只微增到 15,505 種、增幅 0.79%，作者直接稱之為「peak martech（行銷科技高原）」。十五年來翻了一百倍的曲線，第一次踩了剎車。工具紅利到頂了。
同一段時間，另一組數字往反方向跑。Salesforce《State of Marketing 2026》訪問全球近 4,500 位行銷決策者，約四分之三已導入 AI，聽起來很進步。可是同一份報告的標題卻直指：這些導入了 AI 的行銷人，多數仍在發單向、通用的群發訊息，有 84% 坦承活動依舊通用。Gartner 2026 年 CMO 預算調查講得更直接：CMO 平均把 15.3% 的行銷預算投進 AI，但只有 30% 的組織準備好把它規模化。
工具愈買愈多，AI 愈用愈普及，成效卻沒有等比放大。這篇文章想回答的，就是這個落差從哪裡來。答案不在於再挑一個更強的工具，而在於一件常被跳過的事：MarTech 剝到最底層，其實只有兩件事，數據與 AI。
我們在客戶那頁 Excel 上看到的畫面
我們最近跟幾個品牌的行銷主管一起盤點工具清單時，常看到同一個畫面。一頁 Excel，列著十幾個正在付月費的行銷工具，廣告的、發信的、做問卷的、管會員的、跑報表的，每一個單獨看都有用。但把它們並在一起，卻拼不出一個顧客完整的樣子。廣告後台知道他點過什麼，EDM 系統知道他開過哪封信，POS 知道他上週在門市買了什麼，這三件事分屬三個系統，從來沒對到同一個人身上。
工具不缺，缺的是把它們接到同一個顧客身上的那條線。這頁 Excel，就是這篇文章想解決的問題。
MarTech 是什麼：先把六大領域講清楚
MarTech 是 Marketing（行銷）與 Technology（科技）的合體，指的是行銷團隊用來規劃、執行、管理與衡量行銷活動的一整套軟體與科技工具。它的目的很樸素：把重複的人力省下來，把數據變成可以行動的判斷。
這個領域大到需要一張地圖才看得懂。行銷科技地景的長期整理者 Scott Brinker 把它分成六大領域，這也是目前業界最通用的分類方式：
- 廣告與推廣：把預算投到對的人面前的工具，例如 Google Ads、Meta Ads、程序化廣告平台。
- 內容與體驗：生產與管理內容、優化到站體驗的工具，例如內容管理系統、SEO 工具、到站推薦與網站個人化。
- 社群與關係：維繫顧客關係、經營社群與客服互動的工具，客戶關係管理（CRM）就落在這一塊。
- 商務與銷售：推動線上線下交易、串接金流物流、做商品推薦的工具，例如電商平台與 POS。
- 數據：整合、清理、分析第一方數據的工具，客戶數據平台（CDP）與各種分析工具在此。
- 管理：協助團隊協作、專案排程與流程治理的工具。
六大領域看起來平行並列，但它們的重量並不一樣。其他領域都是在對顧客採取行動，只有「數據」這一塊，決定了其餘五塊該對誰、以及採取什麼行動。抽掉數據這一層，其他五塊各自為政，就會變成那頁拼不起來的 Excel。
從六大領域再往下收，會發現一個更簡單的事實。這麼多工具，本質上只在做兩件事：一是把顧客的行為變成乾淨、可用的數據；二是讓 AI 在這些數據上進行預測、判斷與自動化。工具會換代，這兩件事不會。這就是我們想在整篇文章裡立起來的一句話：就品牌今天面對的成效落差來說，MarTech 真正的內核，是數據加 AI。
回到六大領域：91APP 對應到哪幾塊
知道六大領域怎麼分，只是看懂地圖，品牌真正要問的是自己站在哪、缺哪一塊。我們把 91APP 現有的服務逐一對進這六大領域，會發現六塊裡有五塊都有直接對應的服務，只有偏內部協作的「管理」不在 91APP 的守備範圍。更關鍵的是，這些服務可以不必各自為政。在採用相關方案並完成資料串接後，廣告、內容、會員與商務都能接到 CDMP 整合的同一份第一方數據，這也是下面這張表想讓你看見的重心。
| 六大領域 | 91APP 對應服務 |
|---|---|
| 廣告與推廣 (Google／Meta Ads) | ‧ CDMP 精準受眾名單 (高購買意圖名單、AI 受眾) ‧ 媒體廣告代操服務 ‧ dentsu×91APP 零售媒體 聯播網 RMN |
| 內容與體驗 (CMS／SEO 工具) | ‧ 官網／App 內容與商品頁 ‧ SEO 解決方案 (網站健檢＋關鍵字策略) ‧ AI SEO／GEO 聲量監測 ‧ AI 智慧標籤與站內 AI 搜尋 ‧ 個人化商品推薦 |
| 社群與關係 (含 CRM) | ‧ 會員經營與分級 (分群、貼標) ‧ 個人化行銷自動化 (App Push／SMS／Email ／LINE OA 腳本) |
| 商務與銷售 (電商／POS) | ‧ OMO 全通路電商平台 ‧ 官網、App、門市 POS ‧ 線上線下會員與訂單歸戶 (91APP 本業核心) |
| 數據 (CDP) | ‧ CDMP 顧客數據平台 ‧ 第一方數據整合＋OMO 歸戶 ‧ AI 高轉換預測 與購買意圖分群 ‧ 數據分析報表 |
| 管理 (協作／專案) | ‧ 無通用協作／專案工具 ‧ OSM 電商後台營運管理 (商品／訂單／活動) 屬鄰近能力 |
（各服務實際適用範圍依方案版本與加值服務而定；能否共用或回傳資料，視品牌採用方案與串接設定而定。AI SEO／GEO、AI 智慧標籤、站內 AI 搜尋為 91APP SEO 解決方案提供的能力。）
這張表的重心落在「數據」那一塊：CDMP 當地基，串接後可讓廣告、內容、會員、商務這四塊用同一份乾淨的第一方數據，呼應前面說的 2026 分水嶺是資料底座，而不是再買一個新工具。
三個真正讓 MarTech 卡住的斷點
如果本質是數據加 AI，那品牌買了滿手工具卻不見效，問題就會落在三個地方。以下三個斷點，是我們為了說明這個落差而提出的拆法。
斷點一：工具各自為政
每個工具都有自己的後台、自己的顧客資料表，彼此不通。同一位顧客在廣告系統裡是一組 cookie，在會員系統裡是一組手機號，在門市 POS 裡是一張會員卡，三份資料從未歸戶到同一個人。行銷團隊看到的不是一個顧客，是三個殘影。
斷點二：採用不等於就緒
買一套 license、跑一個試點、讓同事開始用某個 AI 功能，這些都會被算進「我們已經導入 AI」的統計裡。但這跟「AI 真的接進了行銷流程、在規模上穩定產出價值」是兩回事。Gartner 那份調查點出的正是這道縫：70% 的 CMO 說要成為 AI 領先者，卻也有 70% 承認自家流程還沒成熟到能規模化 AI。
斷點三：AI 放大的是既有的破碎
當底下的數據是破碎的，AI 不會幫你把它補齊，只會用更快的速度把破碎的東西放大。餵進去的是拼不起來的顧客樣貌，跑出來的就是更快、更多、卻一樣打不準的訊息。這也是為什麼多數導入了 AI 的品牌仍在發通用群發：很可能的一個原因，是他們升級了 AI，卻沒先修數據。
三個斷點指向同一個地方。工具數量不是瓶頸，數據能不能整合、AI 有沒有真的接進流程，才是。
把公開報告拼起來，落差更清楚
把幾份公開報告擺在一起看，這個落差會更清楚。
先看行銷科技地景本身。Scott Brinker 與 MartechTribe 每年整理的這張地圖，十五年從 150 種工具長到超過一萬五千種，成長了一百倍。但 2025 年新增的工具裡有 77% 是 AI 原生，到 2026 年整體卻幾乎停止成長。報告作者下的結論很值得記住：贏的不再是最大的 stack，而是能幫 AI 創造可衡量價值的 stack。工具數字持平，不代表行銷做完了，而是競爭重點正從「買多少工具」轉向「把工具接起來、用出價值」。
再看 Gartner 的 CMO 預算調查。錢投下去了，15.3% 的行銷預算給 AI，但只有 30% 的組織具備成熟到能規模化的能力，還有 38% 的人明白指出卡關的是缺乏內部 AI 專業人才。這是一張「錢到位、地基沒到位」的市場快照。
最後看 Salesforce 的行銷現況報告。約四分之三的行銷人導入了 AI，卻有 84% 坦承自家活動仍然通用、單向。Salesforce 行銷長 Bobby Jania 的說法很直白：我們正在用史上最強的技術，更快地發出更多單向的垃圾訊息。導入率很高，個人化的實際成效卻很低。採用是一個工具指標，成效是一個經營指標，兩者之間隔著的，正是數據與 AI 有沒有真的接起來。
還有一組數據值得一起看。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，原因是成本失控、商業價值不明、風險控制不足。同一份分析還點出「agent washing」現象：許多廠商把舊的聊天機器人或流程自動化重新包裝成 AI 代理人，上千家號稱做 agentic 的廠商裡，Gartner 估計只有大約 130 家是真的。這提醒品牌，不能只憑「agentic」這類標籤判斷一個產品的真實能力，更不能用「買了幾套系統」來衡量自己的進度。
從表象到底層：為什麼是數據，不是工具
把上面的現象往下挖，會走到三層。
表象這一層，大家都看得到：工具太多、太雜、太貴，行銷團隊被工具追著跑。
再往下是機制這一層。工具之所以接不起來，是因為每個工具都只看到顧客的一個片段，而這些片段之間沒有一個共同的身份把它們串起來。沒有統一的會員 ID，廣告系統、會員系統、門市 POS 就永遠是三個平行世界。所謂「打通」，技術上就是先把同一個人在不同通路的身份匹配起來，再把行為資料合併，最後做到即時同步。這正是線上線下整合（OMO）的核心，也是為什麼跨通路會員的消費表現會明顯高於單一通路會員。
最底層，是第一方數據的整合度。這一層決定了 MarTech 到底能不能兌現。多數企業把數據品質與資料孤島列為 AI 落地的首要障礙，而真正把 AI 整合進行銷流程的比例，遠低於宣稱在用 AI 的比例。當第一方數據沒有整合好，AI 拿到的是半殘的輸入，自然給不出好的輸出。
這三層合起來就是一句話：就這道成效落差而言，決定 MarTech 能否兌現的，是第一方數據的整合度與 AI 有沒有跑在乾淨的數據上，而不是工具的數量。工具是外殼，數據與 AI 才是內核。缺了數據底座，AI 只是更快產出垃圾；缺了 AI，數據只是躺著不動的資產。
把六塊接到同一個顧客身上
回到六大領域。如果數據是把其餘五塊串起來的那塊，那品牌真正要補的，就是這一層。這也是客戶數據管理平台（CDMP，Customer Data Management Platform）想解的問題。
它先做的是數據底座。把顧客在官網、App、門市、廣告、通訊各通路的行為歸戶到同一個會員 ID，讓廣告點擊、EDM 開信、門市消費對得起同一個人。那頁拼不起來的 Excel，起手就是先把「誰是誰」對齊。有了統一身份，才有後面的行為脈絡標籤與購買意圖訊號。
接著，它讓 AI 有東西可跑。數據底座備好之後，個人化行銷才有意義。與其對全體會員群發一則通用訊息，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、把有限的溝通力道放到勝算最高的人身上。群發模式會陷入發越多、封鎖越多的惡性循環，而經過精準分群的個人化溝通，轉換表現會明顯優於無差別群發。這就是把 AI 那一半接進流程的實際樣子。
再進一步，它讓 AI 應用不只停在「產出更快」，而是「判斷更準」。當數據底座乾淨，AI 可以拿來預測誰接下來最可能購買、產出高購買意圖的受眾名單、甚至協助生成與測試素材。這裡的關鍵是人機協作：AI 負責在大量數據上算出機率與名單，人負責定義規則、下商業判斷。前面提到那 75% 導入了 AI 卻仍在群發的品牌，缺的正是這一層。他們把 AI 用來加速產出，卻沒把它接到乾淨的第一方數據上做判斷。
數據、個人化行銷、AI 應用，對應的正是本文一開始那句話：數據加 AI。工具是外殼，這三件事才是讓 MarTech 真正動起來的內核。
工具先別再買：補 MarTech 的正確順序
對台灣零售品牌來說，2026 年該做的，多半不是再訂閱一個新工具，而是把手上這些接起來。順序比選擇更重要。
- 先盤點資料落點。把每一個正在用的工具攤開，逐一標出它各自存了誰的什麼資料。這一步會直接照出那頁 Excel 的斷點在哪。
- 建立統一會員 ID。歸戶要先於個人化。在同一個顧客還沒對齊之前，任何個人化都是在殘影上做的。
- 從兩三個自動化腳本開始驗證。不要一次追大而全。挑購物車未結、註冊後首購、消耗品回購這類高轉換時機，先讓數據到行動的循環在小範圍跑通。
- 在符合隱私與同意規範的前提下，把可辨識的 AI 搜尋進站來源納入第一方數據標籤。當顧客愈來愈多從 AI 搜尋進站，這個來源本身就是值得記錄的第一方資產。
- 用就緒度當 KPI，不要用工具數。衡量進度的標準，應該是數據整合到什麼程度、AI 接進了幾個流程，而不是又買了幾套系統。
這五步的共同點是，它們都不在買工具，而在把既有的工具接到同一個顧客身上。這也呼應了 Gartner 的觀察：準備好規模化 AI 的組織，差別多半不在工具多寡，而在數據與流程的成熟度。
結語
回到那頁 Excel。十幾個工具、每個都有用、合起來卻拼不出一個顧客，這不是工具不夠的問題，是它們沒有接到同一個人身上。行銷科技走到一萬五千種工具的高原，接下來拉開品牌差距的，不會是誰又多買了一套系統，而是誰能把手上的工具接回同一個顧客，讓乾淨的數據餵給會判斷的 AI。
工具會一直換，數據與 AI 不會。把這兩件事做扎實的品牌，手上就算工具比別人少，也能比別人更懂自己的顧客。這是台灣零售品牌現在就握得住的機會。
品牌最常問的 MarTech 問題
Q1：MarTech 行銷科技到底是什麼？ MarTech 是 Marketing 與 Technology 的合體，指行銷團隊用來規劃、執行、管理與衡量行銷活動的軟體與科技工具。目的是把重複人力自動化，並把數據轉成可行動的判斷。剝到最底層，它的本質是兩件事：整合乾淨的第一方數據，以及讓 AI 在這些數據上做預測與自動化。
Q2：MarTech 有哪些例子？六大領域怎麼分？ 業界最通用的分法是六大領域：廣告與推廣（如 Google Ads、Meta Ads）、內容與體驗（如內容管理系統、SEO 工具）、社群與關係（含 CRM）、商務與銷售（如電商平台、POS）、數據（如客戶數據平台）、管理（如協作與專案工具）。其中數據這一塊是讓其餘五塊知道該對誰、做什麼的基礎。
Q3：CRM 算不算 MarTech？跟 CDP 有什麼不同？ CRM 屬於 MarTech 六大領域中的「社群與關係」，管理的是銷售與顧客互動流程。CDP 屬於「數據」領域，負責整合跨通路的第一方數據做個人化。兩者角色不同、常被混用。若想釐清 CDP、CRM、DMP 的分工，可參考文末延伸閱讀。
Q4：MarTech 和 AdTech 有什麼差別？ 簡單說，MarTech 偏重對內的顧客經營與數據整合，AdTech 偏重對外的廣告投放與受眾觸及。兩者其實同源，底層都是數據加 AI，差別在應用場景。實務上，把第一方數據打通後，同一套數據既能經營會員，也能餵給廣告做受眾，兩邊才會互相加分。
Q5：預算有限的小品牌，也能開始做 MarTech 嗎？ 可以，而且更該從地基做起。小品牌不需要一次買齊所有工具，反而應該先把手上工具的資料盤點清楚、建立統一會員 ID，再挑兩三個高轉換的自動化腳本先跑通。用就緒度而非工具數當目標，小預算也能把數據到行動的循環跑起來。
Q6：導入 MarTech 或行銷 AI，通常多久能看到成效？ 若從第一方數據整合與少數自動化腳本切入，通常數週到一個季度就能看到早期訊號，跨通路整合的完整效益多半需要三到六個月。關鍵不在工具上線速度，而在數據底座是否乾淨、AI 是否真的接進了行銷流程。
Q7：91APP 對應到 MarTech 六大領域的哪幾塊？ 六大領域裡，91APP 在其中五塊有直接對應的服務。廣告與推廣有 CDMP 精準受眾、媒體廣告代操服務與 dentsu×91APP 零售媒體聯播網（RMN）；內容與體驗有電商平台、SEO 與 AI SEO／GEO 解決方案、AI 智慧標籤與站內 AI 搜尋；社群與關係有會員經營與個人化行銷自動化；商務與銷售有 OMO 全通路電商與門市 POS；數據則由 CDMP 顧客數據平台當地基。只有偏內部協作的「管理」不在 91APP 範圍。在採用相關方案並完成串接後，這些服務可共用 CDMP 整合的第一方數據。