CRM 記錄客人買過什麼，CDP 整合站內第一方資料，CDMP 再加上站外第三方資料。本文整理 91APP 新科技線上主題週的分享，說明三大外部資料如何補全會員的 360 度輪廓。
影片重點摘要
- 受眾標籤把會員編號轉換成可運用的標籤資料。
- 第一方資料包含購買週期、會員等級、站內搜尋詞與瀏覽偏好。
- 三大外部資料為興趣標籤、餐飲偏好與發票消費紀錄。
- 名單圈選後可一鍵傳送到 Meta、Google 與 LINE 的廣告管道。
什麼是受眾標籤資料庫？
品牌手上的訪客與會員都是目標受眾，而受眾標籤資料庫就是把這些人打造成一整套可運用的資料。
第一方的部分可以做得很細，包含：
- 會員的購買週期、會員等級、回購週期。
- 進站者在站內搜尋過的字詞、瀏覽偏好。
- 對特定商品的興趣，例如常查看貨到通知的商品或熱銷品。
- 進站者的興趣族群，例如喜歡投資理財或戶外露營的一群人。
三大外部資料分別看到什麼？
分享中提到，CDMP 額外結合了三類站外資料：
| 資料類型 | 可以知道的事 |
|---|---|
| 興趣標籤 | 例如喜歡追劇的一群人、對 3C 科技有偏好的一群人 |
| 餐飲偏好 | 喜歡吃什麼菜系、通常消費什麼客單價的餐廳 |
| 發票資料 | 過去在什麼通路消費，包含量販、超市、超商、線上與實體門市，以及不同品項的流向 |
這一段的關鍵句是：過往品牌從 CRM 或 CDP 只能看到會員的第一方瀏覽或消費紀錄，加上這些站外資料之後，才能補全會員的 360 度樣貌。
舉例來說，一位服飾品牌的會員在你的官網上只買過兩件基本款，看起來像是低價值客人。但如果站外資料顯示他經常消費高客單價的餐廳、對戶外用品有強烈興趣，你對他的判斷與溝通方式就會完全不同。
這些資料的取得需要注意什麼？
品牌在使用第三方資料時，仍需留意個人資料保護的規範與資料來源的合法性，這一點值得在導入前與供應商確認清楚。
值得補充的是產業背景。過去幾年行銷圈普遍預期第三方 Cookie 會退場，但Google 在 2025 年 4 月宣布維持 Chrome 現行的第三方 Cookie 機制，並在同年 10 月關閉多數 Privacy Sandbox API。同時 Safari、Firefox 與 Brave 仍預設封鎖第三方 Cookie，約佔全球流量的 17% 到 20%。
這代表跨站追蹤的可靠度長期偏低，而由品牌自己累積、並與合法資料源結合的輪廓，才是比較穩定的基礎。
什麼是品牌專屬標籤？
除了標準化標籤，分享中提到可以與品牌共同製作專屬標籤，因為每個產業都有自己的專家知識。
- 商品面向：功效型、成分型、材質型。
- 消費場景面向：適合送禮、適合周年慶或換季、大組數的高客單商品、低單價的引流款。
- 會員面向：高頻率回購、主力客群、不同年齡層、跨品項購買、跨通路購買、會員等級、點券消費狀況、是否綁定推薦人、是否習慣做商品評論。
這一段對自有品牌特別有價值。一家服飾品牌知道自己哪些版型是回購主力、哪些款式是送禮首選，這些判斷是外部工具給不了的。
圈選完之後怎麼執行？
分享中強調操作的簡便性：勾選支付相關標籤、流量進站標籤與商品興趣標籤，勾選完就可以一鍵傳送到 Meta 廣告、Google 廣告、LINE 官方帳號或 LINE LAP 廣告。
常見的組合打法包含：
- 開發新客時搭配站外興趣標籤。
- 進攻舊客時搭配高回購的預測模型。
- 針對特定商品偏好挑出高含金量的客群。
換句話說，哪些商品該打哪些會員，可以做出很多排列組合，而且能直接落地執行。
91APP 相關產品延伸
受眾標籤資料庫與名單圈選屬於 91APP CDMP 數據中台的範圍，可參考 91APP Marketing Cloud。
常見問題 FAQ
Q1：CRM、CDP、CDMP 差在哪裡？
CRM 管理既有客群的靜態資料，例如買過什麼、消費多少。CDP 整合站內第一方資料，建立較完整的顧客輪廓。CDMP 再結合站外第三方資料與 AI 模型，補上會員在你網站之外的興趣與消費樣貌。差別在於視野範圍。
Q2：已經有 CRM 了，還需要加上第三方資料嗎？
取決於你要解決什麼問題。若只是要管理既有會員與訂單，CRM 已經足夠。若要判斷流失客現在關注什麼、或對還沒買過的註冊會員做溝通，第一方資料本身沒有答案，這時站外資料才有價值。
Q3：使用第三方資料需要注意什麼？
主要是資料來源的合法性與個人資料保護的合規性。建議在導入前確認資料源、蒐集方式與使用範圍，並與法務確認是否符合相關規範。
資料來源
- Consenteo：Third-Party Cookies in 2026 – What Actually Happened After Google’s Reversal
- 本文影片來源：91APP 新科技線上主題週〈CDMP 數據中台〉，講者 Lewis
影片逐字稿
什麼是受眾標籤資料庫？把會員編號變成可運用的標籤資料
那我剛剛前面已經提到很多受眾標籤，受眾他到底是什麼呢？其實透過一個標籤資料化，我們可以幫助品牌去認識每一個會員，把它轉換成一個標籤資料，而不單單只有說某一個會員，我只知道他是某一個會員編號而已。那我們的受眾標籤，我們可以把它想像成是，品牌今天有很豐富的這些，不管是訪客啦、會員啦，其實對於品牌都是所謂的目標受眾。那我們幫助品牌，把這些目標受眾打造成一套整座的標籤資料庫。這標籤資料庫呢，其實會非常的多元，比如說它當然一定包含本身品牌的第一方會員數據資料，那我們又結合了外部的數據資料源，不只有第一方、第三方，還協助品牌，我們去透過所謂的AI模型，去做更精準的分群。所以讓我們的標籤上面，不管是興趣、發票、餐飲、購買週期、購買意圖等等，就可以更加的去做更細緻化的運用。
所以剛剛我提到，我們在做的事情，就是幫助品牌把你的數據透過第一方＋第三方數據，去達到更多元的標籤，讓你的數據可以來循環的利用。像剛剛提到這個地方裡面，我們還可以做的更細緻，比如說我們可以去做像會員不同的購買週期、會員等級、回購週期等等。那還有所謂的針對進站的人，他們可能是一群喜歡投資理財、或者是一群喜歡所謂的戶外露營的這些人，那也結合了進站這些人，很喜歡在站內搜尋什麼樣的東西、很喜歡在裡面逛，或者說真的對於某些商品很有興趣，很喜歡常常去找那些貨到通知的這樣的商品或是熱銷品，這是在第一方的部分。
三大外部數據：站外興趣、餐飲偏好、發票消費通路分析
那在第一方跟第三方，我們還結合到剛才有提到，第三方站外的這些興趣標籤，可以去捕捉到說，他們可能是喜歡追劇的一群人，一群可能對於3C科技有一些追求偏好的，那也有所謂的餐飲，可能喜歡吃什麼樣的料理，又或者說透過發票數據的整合，我們可以知道他過去喜歡在什麼樣的消費通路，可能量販、超市、超商等等，線上門市或者是實體門市，那你可以去了解不同商品的一些品項的流向。所以透過這樣，我們去結合了所謂的三大的外部數據，其實我們在做一件事情，透過CDMP這樣一個數據中台，也結合了第一方、第三方，幫助品牌去做到一件事情，是怎麼樣補全了我們會員的這些，不管是站內跟站外的輪廓了。
那剛剛有提到說，不管是興趣結合了使用者，不管是訪客、會員，他們在網路上面的一些瀏覽的偏好；結合了餐飲，餐飲可能知道說他喜歡吃什麼樣的菜系，那他可能通常都消費怎麼樣客單的一個餐廳；發票，那我們可以去了解說，剛剛有講到不同的通路別，那他可能在不同通路別，消費的品項是什麼，可能有時候購買的一些民生必需品，有時候可能購買的一些流行服飾，有些可能是美妝保健等等的部分。都可以透過這樣的三大的外部數據，去做一個整合，幫助品牌做一件事情是什麼呢？過往品牌如果純粹從CRM或CDP，你只能看到會員的第一方瀏覽或者是消費的記錄，但是透過CDMP，我們多了這些三方的站外數據，可以更加有效的去補全所謂的會員，更多的360度樣貌。
打造品牌專屬標籤，一鍵圈選名單並執行到廣告投放（Meta、Google、LINE OA 與 LINE LAP）
那除了這些標籤，說真的我們不單單只有這種所謂的標準化標籤，我在講什麼呢？大家都知道，每一個產業、每一個品牌，都有自己的所謂專家領域的知識，比如說流行服飾有服飾業的、美妝有美妝的、保養有保養的，那我們可以跟品牌還可以一起來共製什麼呢？品牌的專屬標籤。所以像我在簡報上面就跟大家分享，可能有幾大塊，比如說商品裡面可能又分成是有功效型的、有成分型的、材質型的，那又或者說，有一些是比較偏向消費場景的，這很適合怎麼樣拿來送禮的，這很適合是剛好做周年慶的一些活動或換季的，或者是客單高可能是大組數組、可能是低單的引流款。
那又或者說，我們想要結合在會員身上，可能搭配的是很高頻率回購的，又或者是說有哪些其實我們的主力客群，或者是不同的年齡層的部分也可以來做區隔。那再來還有，像比如說他可能是會做跨品項的購買、或者是跨通路的購買，那當然，在做會員等級經營之後，會有分不同的會員等級，以及他身上可能帶有不同的點、券的一些消費狀況，甚至是可能還要綁定一些推薦人的部分，甚至是會不會習慣去做商品的評論，都可以跟品牌一起來共同討論。加上了品牌本身很豐富的專家知識，可以去打造更符合品牌量身客製的專屬標籤應用。
那這些標籤呢，剛才提到說使用方式，其實也非常的簡便。比如說我們今天就可以透過名單圈選這樣的系統，可能我今天想要圈選的是支付相關的標籤，又搭配了不同流量進站的這些標籤，以及這一群人身上，可能帶有特定什麼樣的商品興趣標籤，我只要透過這樣勾選的方式，下一動我不只有勾選而已，我是真的可以立即執行。我們在執行什麼？比如說我剛剛有分享到，我今天可能想要透過公域廣告的部分上面來操作，我只要勾選完我要溝通的會員條件，只要一勾選完，就可以一鍵傳送到哪邊？Meta廣告、Google廣告，甚至是LineOA裡面，甚至是Line LAP上面廣告，都可以去更加的靈活操作運用。
所以我們在做所謂的這個品牌的名單資料庫裡面，其實就包含了很多面向，其實還可以去做組合的打法。不管是我們可能想要去搭配操作更多的開發新客，去搭配所謂的站外興趣標籤；我們今天想要去做想要去進攻我們的舊客，可以去搭配高回購的一些預測的模型；甚至是我們想要針對特定會員，是不是有哪一些消費商品的偏好，怎麼樣協助品牌去挑出更高含金量的客群。這部分也都可以透過像這樣的受眾資料庫裡面，去結合運用。所以哪些商品應該打哪些會員，其實就可以這樣子去做很多的排列組合，然後甚至是可以達到落地執行的一個效果。
