本文整理自91APP 2026 零售高峰會延伸活動 – 91APP 新科技線上主題週系列影片,講者為 91APP 資深經理 Lewis 王俊升。 以下文字整理影片內容,各段落將陸續嵌入對應的影片片段,方便您邊看邊讀。
CDMP 數據中台是一套把第一方會員資料、第三方站外資料與 AI 模型結合起來的行銷資料解決方案,目標是把資料轉換成品牌的成長動能。除了系統工具之外,它還搭配專業顧問服務,協助品牌把資料落地執行。
品牌最常遇到的三大痛點:找不到新客、廣告沒轉換、舊客流失沉睡
每天接觸大量品牌客戶,會發現困擾點不外乎三件事:
- 找不到新客人:新客要去哪裡找一直是每個品牌與行銷人員的痛點,過去比較依賴廣告,而廣告費不斷水漲船高。
- 流量進來卻沒有轉換:好不容易花了預算把人帶進來,這些人卻沒有造成轉換,前面投入的流量費用形同白費。
- 會員留不住:好不容易把客人留下來,卻不知道怎麼經營舊客,最後變成沉睡與流失的客人。
這三個痛點一路從新客、流量到會員留存,是每個零售與品牌持續遇到的困難。
CDMP 數據中台怎麼解決這三件事?
CDMP 結合了系統工具與專業顧問服務。透過系統,可以看懂每一位會員:他們身上有什麼資料、喜歡買哪些商品、流量是怎麼進站的,以及這群人在站外有什麼興趣特徵。
只知道資料是不夠的,還必須落地執行,所以顧問的角色協助品牌做兩大塊:
- 對外:協助品牌找到更多潛力新客的受眾。
- 對內:透過資料分析的理解,把每一分掙下來的客人做好會員留存,推動舊客回購。
訪談過的品牌中,很多並沒有專責的資料團隊。如果只有工具,往往就會停在那裡。顧問服務讓資料解決方案真正落地。
為什麼要做精準受眾標籤?把會員編號變成可運用的標籤資料
做受眾標籤的目的是更認識客人是怎樣的一個人,而不只是把客人帶進來。受眾標籤把一位會員從單純的一組會員編號,轉換成一組可運用的標籤資料。
受眾標籤直接對應三大痛點:
| 階段 | 標籤的用途 | 搭配工具 |
|---|---|---|
| 新客 | 找到更精準的潛在新客 | 公域廣告、Lookalike 相似受眾放大 |
| 站內流量 | 得知訪客帶有什麼興趣特徵 | Pop-Up 彈出視窗、Banner 溝通口吻差異化 |
| 會員留存 | 結合購買品項與購買週期 | 個人化行銷旅程、APP、EDM、簡訊 |
核心是資料,資料透過標籤串聯,把公域、站內流量到私域會員留存整串起來。
標籤資料庫包含哪些資料?
標籤資料庫非常多元,除了品牌本身的第一方會員資料,還結合了外部資料源,並透過 AI 模型做更精準的分群。
第一方資料可以做到很細緻,包含會員的購買週期、會員等級、回購週期,以及進站者的站內搜尋詞、瀏覽偏好、對特定商品的興趣、常查看貨到通知的商品或熱銷品。
第三方站外資料主要有三大類:
- 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。
- 餐飲資料: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,以及不同商品品項的流向。
過往品牌單純從 CRM(顧客關係管理)或 CDP(顧客資料平台)只能看到會員的第一方瀏覽與消費紀錄。CDMP 多了這些三方站外資料,可以補全會員 360 度的樣貌。
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)
除了標準化標籤,每個產業與每個品牌都有自己的專家領域知識,流行服飾、美妝與保養各有不同,所以可以跟品牌一起共同製作專屬標籤。
- 商品面向:功效型、成分型、材質型。
- 消費場景面向:適合送禮、適合周年慶或換季活動、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。
加上品牌本身豐富的專家知識,就能打造更符合品牌需求的客製標籤應用。
標籤怎麼從描述升級成預測?用 AI 模型如何找出最可能購買與可能流失的會員
標籤先展現一個人身上帶有什麼特徵,這是靜態的描述。搭配 AI 模型之後,可以進一步預測誰會買、誰可能流失,把標籤從描述升級成預測。
升級之後可以做三件事:
- 持續開發更精準的新客。
- 預測接下來最容易回購的會員,搭配廣告投放與私域推播。
- 在雙11、618 這類大檔期活動前,預測最容易購買的客群,集中資源溝通。
購買意圖模型怎麼運作?DCIU 四種類型的分群與疊加運用
模型會收集每一位會員的資料,包含搜尋了什麼、瀏覽了什麼、有沒有加購物車或結帳、購買頻率、習慣買折扣品還是正價品。一個人身上可能有數百到數千種資料,透過梯度模型疊加,預測出哪些會員最容易購買。
DCIU 購買意圖模型把人分成從 D 到 U 四群,從最容易購買到近期沒有意圖。分群之後還可以再細分:
- 最容易購買的一群:結合發票資料、餐飲資料與興趣標籤,找出真正有消費力道、近期在關注什麼品項的客群,集中資源。
- 沒有意圖的一群:低度關心,但搭配他們身上的興趣標籤先做認知(awareness)溝通,吸引他們有機會進站瞭解新品,創造購買場景。
模型疊加運用:購買週期×購買意圖找出高含金量客群
模型與名單之間可以疊加運用。例如已知每個購買週期裡有人剛買、有人剛註冊、有人購買很久了,再疊上購買意圖模型,就能找出每個購買週期裡近期最容易購買的人,集中火力溝通。條件疊加之後會更精準,效益也更好。
消費指數報表:找出高於平均、真正精準的客群特徵
品牌會員身上的標籤提取出來之後,數量非常龐大。判斷方式是建立消費指數:觀察帶有某個興趣標籤的人,購買指數是否高於全體會員的平均。
報表中設定了這樣的篩選機制,可以找出哪些標籤高於品牌平均數。這樣就能跳過一大堆落落長的標籤資料,快速知道要打新客或打舊客時該關注哪些標籤,並且放大操作。
找到高含金量的特徵之後,下一步就是去尋找跟他們更相似的客群。
透過以上的報表模型,這些資料可以用在哪些場景?再貼合到最一開始的三大痛點,解決大家的問題。
場景一:公域廣告的精準投放
過去投放廣告比較仰賴投手的經驗或品牌對自身消費者的認知。資料化之後,做法變成三個步驟:
- 挑選種子名單:明星商品的購買者、高回購客群,或高 LIFT 值(相對於平均的提升幅度)的興趣表現者。
- 放大:把種子名單放到 Meta ASC 廣告做 Lookalike 相似受眾放大,或餵給 Google PMAX 強化機器學習投放。
- 排除既有舊客:找到更精準的新客。
用第一方的會員輪廓當作範本,名單還可以持續回收複用,讓公域廣告越投越準,創造更低的獲客成本。
場景二:站內流量的個人化溝通
把訪客與會員身上的標籤貼出來之後,搭配 Pop-Up 彈窗機制,決定對的商品要投放給怎樣的人,Banner 上的溝通口吻也可以差異化。
場景三:私域的個人化旅程
訪客轉換成會員、會員發生購買之後,首購客與回購客可以依照不同的會員標籤、生命週期與購買意圖,結合個人化行銷旅程,運用 APP push 與 LINE 官方帳號溝通。
名單圈選的操作也很簡便: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。
商品也需要標籤嗎?商品四象限:用流量、轉換率找出明星商品與潛力金礦,讓人貨精準配對
需要。受眾標籤決定要圈哪些人,商品分析決定要選哪些品、講什麼話。
商品四象限怎麼看?
商品四象限用兩個維度觀察:這個商品有沒有流量(有沒有人在看),以及這個商品的轉換率效果如何。
| 象限 | 特徵 | 操作方向 |
|---|---|---|
| 明星商品 | 高流量、高轉換 | 持續穩住 |
| 潛力金礦 | 低流量、高轉換 | 導入人的標籤,找出應該推給誰,值得放大 |
| 高流量低轉換 | 有人看卻不買 | 檢視素材與定價 |
| 低流量低轉換 | 兩者皆弱 | 降低資源投入 |
商品身上也可以體現標籤,例如成分型、防水、保溼。找出哪些商品特徵是現在的主力,哪些是有高轉換但流量還不夠的。很多人買的低客單引流品,跟小眾在看的高客單商品,性質不同,打法也要不同。
人的標籤與商品標籤怎麼配對?
人:他是誰、他在站外的興趣、有哪些特徵。貨:商品的品類、功效、系列款式,是引流款還是新主打商品。透過標籤把兩者做完整的配對。
配對之後,每一組受眾都能對應到不同的商品,而且說得出為什麼配這組商品。舉例來說,一個人身上帶有防水的興趣特徵,剛好防水也是這個品牌主力產品的功效,這就是共同特徵。
這樣就能找到更精準的素材組合,判斷哪些是明星商品、哪些是潛力品、哪些適合當引流款、哪些適合拿來做加價購提高客單價。
SEO 與 AI 搜尋帶進來的流量,怎麼變成會員?91APP 搜尋流量歸戶四步驟
很多品牌經營 SEO(搜尋引擎最佳化),帶進了大量訪客流量。但流量進站之後,多數品牌就停在這裡:知道這個月有多少 session,不知道這些人後來有沒有變成會員、有沒有買。
搜尋流量歸戶的意思,是把「一個不知道是誰的訪客」,一路接到「一位帶著標籤、可以被溝通的會員」。結合 CDMP 之後,這條路可以走四個步驟:
- 導流:透過 SEO 與 AI 搜尋,把帶著明確意圖的人帶進站。這一步的產出不是流量數字,是「進站時就已經表達過需求的人」。
- 辨識與貼標:辨識這些流量在站內搜尋過哪些字詞、讀了哪些文章,為符合行為條件的人貼上興趣標籤、商品標籤,並匹配發票與餐飲資料。
- 洞察與分群:判斷這群人是訪客還是會員,是沒有買過的訪客、只買過一次的人,還是買過多次的忠誠客,結合站外資料補全輪廓。
- 動員溝通:首購客推首購方案,回購客依購買週期推回購,忠誠客優先提供新品、優先試穿或 VIP 權益升等。
這樣就形成一個循環:訪客變會員、會員變首購客、首購客創造回購客、回購客一買再買。
編按:第 1 步的導流,91APP 也有對應的服務
上面四個步驟裡,第 2 到第 4 步是 CDMP 在做的事。第 1 步的導流,過去多數品牌是自己做或外包,但 91APP 本身就提供 SEO / AI SEO 解決方案,這兩段是可以接起來的。
導流這一段,這兩年變了
過去談 SEO,看的是關鍵字在 Google 第幾名。現在多了一種情況:使用者不是搜尋關鍵字,而是直接問 AI「零售品牌想整合門市與電商的會員資料,該怎麼做」,AI 給出一段整理過的答案,順帶附上幾個來源。
這種情境下,品牌能不能被帶到,取決於 AI 讀不讀得到你的內容、願不願意引用你、以及引用時有沒有把功勞算在你頭上。這件事現在被稱為 GEO(Generative Engine Optimization,生成式引擎最佳化),是 AI SEO 的核心課題。
它和傳統 SEO 不衝突,但要看的東西不一樣:傳統 SEO 看排名與點擊,AI SEO 還要看你的品牌在 AI 的回答裡被怎麼描述、被歸類成哪一種公司、有沒有出現在推薦名單裡。
兩段接起來,兩邊的指標都會變
分開做的時候,會出現一個很常見的斷點:SEO 團隊的 KPI 是流量與排名,會員團隊的 KPI 是回購與私域佔比,中間那段「這些流量後來怎麼了」沒有人負責。
接起來之後,兩邊都多了一件事可以做:
- SEO 端的成效可以往後看。不只看帶進多少人,而是看這批人後來的貼標分布、註冊率、首購率。哪些主題帶進來的人真的會買,哪些只是來看熱鬧,這件事可以用數據回答。
- CDMP 的標籤可以回頭餵給 SEO。哪些站內搜尋詞的人,購買指數高於品牌平均(也就是前面提過的 LIFT 值判斷方式),就是值得優先寫的內容題目。同樣的邏輯,也可以用來決定要在 AI 搜尋裡爭取哪些問題的能見度。
換句話說,AI SEO 負責讓對的人被帶進來,CDMP 負責讓進來的人被認出來、被分群、被溝通。前者決定入口的品質,後者決定入口之後的效率。兩邊各自最佳化,效益會停在中間那個斷點;接起來才是一條完整的線。
成功案例一:註冊首購怎麼做?
會員好不容易註冊了,關鍵是在黃金 30 天內創造第一次購買。做法是分階段設計腳本:
| 時間點 | 溝通設計 |
|---|---|
| 註冊後 1 小時內 | 即時溝通導購 |
| 第 3 天 | 依瀏覽品項做文案區隔 |
| 第 7 天 | 搭配不同案型與優惠券、不同活動力道 |
| 接近第 30 天 | 最後一次溝通,搭配站外資料理解偏好 |
隨著時間拉長,購買效益會逐漸遞減,所以節奏設計很重要。
關鍵環節是認識首購客真正喜歡的商品特徵。 透過 CDMP 的商品標籤把所有首購客找出來之後,某個美容保健品牌的首購客偏好呈現出明確的組合:成分偏好 PDRN、商品類型是面膜、溝通訴求是抗老緊緻。這就是這個品牌攻首購客的商品標籤方程式。
把三件事結合到位(不同時間點的週期腳本、註冊客人的興趣與商品偏好、首購客的商品特徵分析),這個品牌原本已經下滑的註冊首購率在大檔活動期間被拉提,年對年(YoY)也達到更好的效益。
成功案例二:首次回購為什麼是關鍵?
讓會員留下來的關鍵操作,是好好跟只買過一單的客人溝通,也就是首次回購。
如果能讓新客購買第二次,有機會創造 1.25 倍的回購營收與成本效益提升。 觀察指標很簡單:過去 90 天內的會員首次回購均值是多少。以案例來說,把首次回購率從 12% 提升到 15%,就能讓半年的回購 GMV(商品交易總額)達到 1.25 倍。
兩個關鍵時間洞察:
- 首購後三個月內是關鍵期,錯過這個時段回購率會大幅減半。
- 如果能在首購後三個月內再次購買,半年內有 50% 的人會持續回購。
另外發現首次回購的用券率偏低,會員能用的專屬券型比較少,所以創造第二單的專屬券型是有效的著力點。
這個案例做了哪三件事?
- 商品洞察:分析首購客、首次回購客與一般回購客的商品差異,發現三者明顯區隔。首購客買氣墊粉餅這類明星商品,首次回購客開始買替換蕊與耗材,也開始做跨品類的嘗試。
- 案型調整:透過 LINE 綁定把使用期限拉長,讓首次回購客真正用得到券;超過 60 天沒有回購的客人,提供更高面額吸引回流。
- 溝通節奏與管道:在 90 天內設計三次接觸。購買後 15 天以軟性內容做購後關懷;購買後一個月提醒可以補哪些東西,並提醒首次回購專屬券;第三次溝通則朝補貨方向,推薦明星商品以外的品項。
成效:這個品牌的 3 個月首次回購率從 20% 提升到 23%,首次回購業績以季對季(QoQ)計算成長接近 15%。
成功案例需要一連串的組合:從商品洞察、客群區分、活動案型與點券調整,到會員溝通旅程的時間點、節奏與管道規劃。
現在資訊非常碎片,消費者充斥著大量訊息。要讓多一次的提醒成為貼心而非打擾,就要仰賴你對客人消費偏好與生活輪廓的認識。
把資料轉換成成長動能
CDMP 數據中台協助品牌做三件事:把 CDP 的第一方會員資料、DMP 的訪客與站外第三方資料做整合;透過 AI 模型資料庫找出高機率購買與可喚回的名單;再搭配專業顧問服務,把資料挖掘出更多可能性。
下一步建議:
- 看更多關於 91APP CDMP 數據中台,了解標籤資料庫與 AI 模型的實際應用方式。
- 延伸閱讀:91APP ✕ iCHEF 引領市場!解密「零售與餐飲」CDMP 數據版圖,融合 AI 啟動全通路變現引擎
常見問題 FAQ
Q:CDMP 跟 CDP、DMP、CRM 有什麼不同?
A:CRM(顧客關係管理)管理既有客群的靜態資料;DMP(資料管理平台)運用第三方匿名資料拓展新客;CDP(顧客資料平台)整合站內第一方資料建立顧客輪廓。CDMP 把三者結合起來再加上 AI 模型,補上傳統 CDP 只看站內第一方資料的盲點,讓品牌在會員不進站的時候也能掌握其近期關注的主題與購買傾向。
Q:什麼是 DCIU 購買意圖模型?
A:DCIU 是把會員依購買意圖分成四群的預測模型,從最容易購買到近期沒有意圖。模型收集會員的搜尋、瀏覽、加購物車、結帳、購買頻率與折扣偏好等數百到數千種資料,透過梯度模型疊加預測。分群後可以搭配公域廣告與私域推播分配資源。
Q:註冊未購的會員要怎麼溝通?
A:註冊未購的客人還沒有買過東西,品牌無從得知他喜歡什麼。透過 CDMP 的第三方標籤資料,可以瞭解這群人近期在站外偏好哪些興趣內容、過去有哪些商品偏好,再依生活場景分群,例如親子客群或戶外用品客群,結合品牌自身商品創造購買動機。
Q:首次回購為什麼這麼重要?
A:讓新客完成第二次購買,有機會創造 1.25 倍的回購營收。首購後三個月是黃金期,錯過之後回購率會大幅減半;在三個月內完成再購的人,半年內有 50% 會持續回購。案例中把 3 個月首次回購率從 20% 提升到 23%,首次回購業績季對季成長接近 15%。
Q:沒有專責資料團隊的品牌適合導入 CDMP 嗎?
A:適合。很多品牌沒有專責資料團隊,如果只有工具往往會停住。CDMP 的設計是系統工具搭配專業顧問服務,由顧問協助品牌把資料解決方案落地執行。
Q:SEO、AI SEO 和 CDMP 是三個不同的產品嗎?
A:SEO 與 AI SEO 解決的是「怎麼被找到」,CDMP 解決的是「找到之後怎麼認識他、怎麼跟他溝通」。它們是同一條路徑上的前後兩段:前段決定進站的人是誰、意圖多明確,後段決定這些人能不能被辨識、貼標、分群並轉成會員。可以分開採用,接起來的好處是 SEO 的成效能一路追到回購,而 CDMP 的標籤也能反過來決定 SEO 該寫什麼題目。
Q:AI SEO(GEO)跟傳統 SEO 差在哪?
A:傳統 SEO 優化的是搜尋結果頁的排名與點擊。AI SEO(GEO,生成式引擎最佳化)優化的是品牌在 AI 生成答案裡的表現:AI 有沒有讀到你的內容、會不會引用、引用時把你歸類成哪一種公司、有沒有把你放進推薦名單。兩者的基本功重疊(內容品質、結構化資料、網站技術),但衡量方式不同,前者看排名,後者看在 AI 回答中的出現率與描述準確度。