IBM 及 Marketo 與社群媒體結盟：透過數據整合，提供更精準的個人化廣告|數位時代 BusinessNext

**當社群媒體成為民眾生活不可分割的部分，按讚、留言、打卡和動態分享等線上足跡，也代表著重大商業價值和無限商機**，因為這些社群媒體活動數據，包含各種早期難以被完善紀錄甚至分析的消費者資料，像是個人價值觀、商品評價、購買動機和及時商業決定等。因此如何妥善運用這些珍貴的線上原始數據，來幫助品牌企業獲得更好的行銷成果，成了市場分析/顧問公司和社群媒體的共同目標。

這也是為什麼在過去一段時間內，我們頻繁地看見兩者的異業結盟。這一篇文章也介紹近期內三個此類型的合作計畫，仔細一看，可以發現三個計畫都有相似目標：妥善整合「雙方數據」，並且透過數據分析工具，幫助企業製作更為精準的「客製化廣告」。

##IBM 與推特的合作計畫：結合推特數據與 IBM 雲端產品，幫助企業用戶運用推特資訊

在去年十月底時，IBM 和社群媒體推特（Twitter）宣布兩者的數據分析合作關係，最主要的合作內容就是將推特數據納入 IBM 的雲端分析商品，透過加入推特數據的全新資料庫，來幫助客戶做更完善的商業決定。

##合作方向和目標

IBM 表示該項合作計畫有三項重點實施方向和目標：

將推特數據與 IBM 的雲端分析服務像是 IBM Watson Analytics 結合，讓企業顧客能更簡易地使用新數據。

幫助企業透過推特數據來改善商業決定，例如透過推特內容的語意分析與行為數據，業務、行銷和客服人員可以和潛在客戶進行更好且客製化的互動。IBM 也會組成團隊來解決企業和推特相關的特殊商業需求，像是行銷和客戶服務。
針對特定產業（像是銀行業、消費者產品、零售、旅遊和運輸等），推特和 IBM 將合作開發特別解決方案，幫助這些產業內的公司更有效運用推特數據。而 IBM 也預計在全球訓練 1 萬名顧問成為推特平台的專家。

##IBM 與推特的商業考量

推特數據對於 IBM 企業客戶的價值，包括反映社群用戶當下想法、決策動機，甚至對特定類型商品的評價和抱怨，幫助企業更及時了解顧客與合作夥伴，並有效地進行個人化互動，以及提供長期趨勢判讀，協助企業更準確辨別市場未來走向，規劃相應的產品開發計畫。

從 IBM 的角度來看，和推特的合作專案使得 IBM 旗下的雲端分析產品更為完整，並大幅增加他們對顧客的吸引力。IBM 商業分析團隊總經理艾里斯特˙瑞尼（Alistair Rennie）表示「就像所有分析工具應用來源都不是單純為了科技動機，而是為了商業考量一樣」，推特獨有的資料庫將能優化它們的分析工具，幫助客戶更好地解決問題。

推特也表示，它們現階段有許多品牌合作夥伴透過推特平台投放廣告，雖然它們能夠提供這個合作企業非常大筆的「原始數據」，但是這些數據對企業的用處卻十分有限，因此和 IBM 的合作，將能讓推特數據為企業客戶們帶來更多價值。

對推特而言，這項合作計畫除了讓他們既有的合作品牌企業，更有效率地運用平台數據，也能幫助其他企業更了解推特這個平台，甚至讓本來對推特陌生的企業用戶，開始實際在推特平台上進行商業操作和布局。進一步推動企業用戶的推特參與，甚至是鼓勵企業在推特上進行廣告投資，都是推特開啟和 IBM 合作的重要誘因。

##IBM 與臉書的合作計畫：整合臉書數據與 IBM 雲端資訊，製作臉書平台的客製化廣告

繼和推特的合作計畫宣布約半年後，IBM 和臉書也在幾天前宣布全新合作關係。

##合作重點與目標

IBM 與臉書合作計畫有幾項重點，包括：

整合臉書上的龐大線上訊息（像是個人資訊、按讚偏好、分享紀錄、留言內容、打卡紀錄，甚至及時動態牆抱怨），以及 IBM 行銷雲端平台上的線上與線下顧客資訊（包括基本資料、購買歷史、客服紀錄，過往和投放廣告的互動資訊、以及所處地點的訊息等）。

透過 IBM 的數據分析工具（像是 Journey Designer 和 Journey Analytics），幫助企業用戶在臉書上找到更精準的目標客群，了解潛在顧客的想法和期待，製作出專屬且反映當下情境的個人化廣告訊息。
IBM 也期待所製作的專屬廣告，和學習到的潛在客戶資訊，能幫助企業用戶在其他平台和管道有效投放廣告。

舉例來說，如果 IBM 的運動裝備零售商客戶希望宣傳長途慢跑鞋，他們將可以利用臉書資料了解潛在客戶背景與掌握地點資訊（像是當地天氣和客戶與零售店的距離），並結合 IBM 行銷雲端的顧客專屬訊息（像是之前的運動鞋購買紀錄及網站瀏覽歷史等）和數據分析工具，來找出他們希望進一步鎖定的目標族群，並製作出個人化加上情境化的宣傳訊息。

##臉書廣告的重要性

IBM 表示許多零售商和消費者品牌客戶，在過去的互動中不斷詢問何時能夠納入臉書數據，因為他們看重臉書龐大的全球觀眾市場，希望能透過 IBM 的分析工具和經驗，來有效地解讀臉書數據，幫助他們更有效地在臉書上和顧客互動。

根據美國皮尤研究中心「2015 年新聞媒體狀態」報告指出，臉書在過去兩年穩佔所有數位顯示廣告營收的第一名，且營收比例高達二成五，而如果只看行動顯示廣告營收，臉書仍居首位，且營收比例增加到三成五，將近是排名第二名 Google 的三倍，而臉書數位顯示廣告營收也成長 5%。這也解釋為什麼 IBM 和臉書的合作方案主要專注在臉書廣告市場，因為臉書不只是現階段最龐大的數位廣告市場，其重要性仍在持續成長中。（延伸閱讀：「2015 年新聞媒體狀態」報告 8 大重點：新聞網站行動裝置流量高，但造訪時間短）

##IBM 與臉書的互利共生

而臉書也是第一個加入 IBM 新的商業 ThinkLab 的公司。IBM 打造 ThinkLab 是希望提供一個讓消費者品牌與零售商客戶，與 IBM 內部企業專家、數據科學家、工程師和設計師直接互動的空間，加速幫助客戶開發新科技產品以及製作廣告商品，來提供客製化的顧客體驗。而臉書內部專家的加入也將豐富 ThinkLab 的團隊組成，幫助 IBM 的合作品牌加強臉書平台上的大規模客製化行銷。

對臉書而言，他們期待透過和 IBM 的合作，幫助企業用戶們製作出表現更好且更有用的廣告，來增加廣告收入；而對 IBM 來說，就像和推特合作一樣，他們希望能為客戶帶來更好的數據服務，並因此為他們的數據商務部門帶來更多收入。

##Marketo 與 LinkedIn 的合作計畫：整合線上資訊，提供內容一致的 B2B 個人化廣告

LinkedIn 在上個月底宣布與行銷軟體公司 Marketo 的合作計畫，目標是希望透過結合顧客與品牌的網頁與社群媒體互動紀錄，以及個人資訊，幫助品牌製作具高整合性的線上個人化廣告。

##LinkedIn 與 Marketo 的個別優勢

LinkedIn 新的「領導加速器」（Lead Accelerator）產品，會整合用戶在 LinkedIn 職涯社群社交網站上的個人資訊，以及用戶的線上行為數據，包括用戶瀏覽特定品牌網站的紀錄，以及在特定網頁上花費的時間；而 Marketo 的產品主要為品牌企業提供橫跨網頁、電子信箱、社群媒體以及行動平台的電子行銷。

透過兩者的合作計畫，Marketo 將能幫助其客戶在多個線上平台上提供內容一致，且和用戶緊密相關的廣告訊息，同時靠著 LinkedIn 大約 3 億 5 千萬的「專業人士」用戶數，Marketo 也將能夠更有效地為品牌客戶鎖定企業客群，投放 B2B 廣告。

##運作方向

而結盟後的第一個品牌企業就是具創新精神的老牌科技公司「奇異」，奇異表示他們一直致力於和顧客以更有意義的方式進行互動，因此很期待透過 Marketo 與 LinkedIn 的結盟，能夠大舉為奇異的專業客戶提供客製化溝通體驗。（延伸閱讀：缺乏操作社群媒體的靈感嗎？不妨參考老牌企業「奇異」的創新）

這邊也舉奇異的例子來介紹該合作計畫可能會如何運作：

如果有一個潛在顧客拜訪奇異公司的官方網頁，花了些時間瀏覽網頁上的產品資訊，因為臨時有事而關掉網站，由於此為訪客並沒有留下任何聯絡訊息，因此奇異公司也不知道該如何繼續追蹤該訪客。但如果該訪客之後登入他的 LinkedIn 個人網頁，LinkedIn 可以透過「領導加速器」，得知該訪客的個人資訊以及先前的瀏覽紀錄（像是專注在哪個類型的產品），而對該訪客投放和奇異相關的客製化廣告。

而這些廣告中會包含鼓勵訪客留下聯絡方式的宣傳內容，像是下載產品說明或參加線下活動，而訪客留下的聯絡資訊則會被建檔在奇異的 Marketo 系統中。接著訪客將會在信箱、網路上顯示廣告或社群媒體廣告中收到和奇異相關的個人化廣告，而這些廣告都是考量個人背景資訊、早前網頁瀏覽紀錄，以及和奇異廣告的互動方式所製作，因此可以說是獨一無二且高度整合的客製化廣告。

值得一提的是，Marketo 早先也已經和 Google AdWords、Google Analytics 以及臉書等進行合作計畫，LinkedIn 可以說是 Marketo 在整合社群媒體資訊策略中最新的一步棋。

這些例子紛紛點出了社群媒體數據對於數位行銷的關鍵地位以及未來趨勢，更重要的是，除了掌握社群媒體數據外，品牌企業還需整合其他線上與線下數據，才能更精準地識別客戶，並為其製作專屬的客製化廣告。行銷顧問公司與社群媒體結盟的戲碼，勢必在未來持續上演。

參考資料：Forbes, Fortune1, 2、IBM News releases、LinkedIn blog、The New York Times, The Wall Street Journal, & Twitter blog

原文出處：新媒體世代

AI 正快速改變消費者探索商品、接觸品牌的方式，也為零售業帶來新的成長機會。然而，當 AI 從個人使用工具逐步走向企業營運，台灣零售業的轉型腳步仍有落差。財團法人人工智慧科技基金會《2026 台灣產業 AI 化大調查》顯示，台灣零售業的 AI 應用仍存在明顯差距，資源有限的中小企業尤其面臨挑戰。對照全球已有 62% 的企業開始布局 AI Agent、近五成運用 AI 投入高價值決策，如何將 AI 從單點工具導入，真正成為零售成長的助力，已成為品牌必須面對的課題。

全方位零售整合專家 SHOPLINE 於 9 月舉辦「AI-Verse Day 2026」年度大會，以「Where AI Meets Commerce」為主軸，邀集零售與科技業者，從流量獲取、數據應用到會員經營，探討 AI 落地零售場景的實戰路徑。服務全球累計逾 70 萬品牌的 SHOPLINE，也在會中宣布邁向 AI in Retail，推出官方 MCP（Model Context Protocol），進一步串聯零售數據與 AI 應用，協助品牌掌握新興 AI 流量入口，為下一階段的智慧零售布局做好準備。

SHOPLINE 預告：零售下一個流量入口是 AI

2026 年上半年，SHOPLINE 客戶 GMV 年增 20%，是電商大盤成長率的 2.5 倍。「這代表我們與品牌客戶一起把生意做大！」SHOPLINE 台灣總經理葉力維指出，從全球市場來看，尤其是以北美為主的 SHOPLINE 客戶，來自 AI 渠道的流量 PV 較去年同期成長 15 倍，訂單量更成長 35 倍；相較之下，台灣 AI 渠道流量 PV 約成長 2 倍，顯示 AI 導流的商業潛力正逐步浮現，台灣品牌仍有很大的成長空間。

當品牌越做越複雜，從多通路走向全域經營、數據與規模擴大，如何確保資料品質、打通資訊孤島，並兼顧資安與治理，成為 AI 能否真正落地的關鍵。為此，SHOPLINE 提出四大 AI 佈局方向：首先，建立 AI Ready 數據基礎，整合分散的零售資訊，為 AI 應用做好準備；其次，深化 MCP 布局，讓品牌能依照自身需求，自主選擇並串接不同的 AI Agent；第三，成立 AI 轉型委員會，將 AI 導入內部工作流程，推動服務模式從執行任務進一步升級為洞察客戶需求、提供策略建議；最後，擴大 AI 夥伴生態系，開放第三方開發者串接垂直領域的 AI 應用，讓品牌能更靈活地組合所需工具。

「過去十年，SHOPLINE 陪伴品牌走過每一次通路變革。每一次流量入口的改變，其實都代表著品牌經營方式的改變；而下一個入口，就是 AI。」葉力維表示，當 AI 開始影響消費者探索商品、發現品牌與完成購買的路徑，品牌不能只停留在導入單一工具，更需要提前整備數據、串接應用並建立治理能力。接下來，能否做好 AI Ready 的準備，將成為零售品牌掌握下一波成長機會的關鍵。

SHOPLINE 推官方 MCP，助攻品牌落實 Agent Ready

品牌該如何做好 AI Ready 的準備？SHOPLINE 產品副總賴哲文指出：「人、貨、場的接觸點沒有改變，改變的是誰做決定、誰做執行、誰做判斷。」

當 AI 逐步介入零售場景，消費者、員工與企業的角色也隨之改變：做決定的是消費者，當消費者問 AI「我該買哪個品牌」，品牌能否出現在答案裡是第一個挑戰；執行的是員工，員工則可將部分執行工作交由 AI 處理，將更多精力投入判斷與決策；做判斷的是企業，AI 能否提供可靠的洞察與建議，關鍵仍在於數據品質，以及能否有效運用既有數據資產。

要讓品牌被 AI 理解與推薦，品牌經營也必須從傳統 SEO，進一步走向 AIEO（AI Engine Optimization），讓商品與品牌資訊具備良好的結構與可讀性，才能提高被 AI 採用、推薦及導流的機會。對此，SHOPLINE 提出三層 AI Ready 架構：以「AI Ready Data」整合高品質、可供運算的零售數據；透過「AI Ready Commerce」讓商品資訊與交易流程能被 AI 理解和銜接；再以「AI Ready Agents」串接品牌自主選擇的 AI Agent，逐步將數據基礎延伸至實際應用。同時，SHOPLINE 也透過第一方數據歸因，改善消費者身分碎片化、數據時效性不足與成效歸因不清等問題，讓原始數據能進一步支援 AI 分析與決策。

在工具應用上，SHOPLINE 推出官方 MCP，涵蓋流量轉換、數據分析、商品管理與會員經營等場景。品牌可在 Claude 中透過輸入零售 skills，搭配 MCP Tool 的後台相關能力，進一步產出數據洞察報表與執行建議，讓 AI 從資訊整理延伸至實際的零售工作流程。為兼顧應用效率與資料安全，SHOPLINE 也設下三道防護機制，包括涉及資料寫入時須經人工核准、個人資料須取得授權才能存取，以及依照角色與需求進行權限分級。

「Agent Ready 就是入場券。」賴哲文強調，當 AI Agent 開始參與消費者決策與企業營運，品牌不只要讓 AI 看得懂商品，更要讓數據能被安全地運用、讓不同工具能順利協作。

除了產品之外，SHOPLINE 也致力發展 AI 開放生態圈，邀請各領域夥伴分享引流、口碑、營運與顧客經營的應用方向。此次大會邀請數聚國際、Tagnology、BUNNYWORK、beBit TECH 微拓科技，以及女性高效身體保養品牌 HYPHY，攜手展示 AI 如何串聯流量獲取、行銷轉換到顧客經營等零售場景。

Justar 運用真實發票數據，提升廣告投放效率

廣告投放端同樣面臨轉變。「市場愈來愈大，轉換效益卻愈來愈低。」紅門互動及Justar 數聚國際執行長張元溢分析，投放效率下滑，源於成長結構改變：影響消費者的場域更分散，找人的方式從興趣推測走向真實行為，素材也無法一套打完全場。

對此，Justar 運用 AI 結合電子發票數據，以 AI 廣告投放平台結合全台規模領先的雲端發票消費資料庫，涵蓋超過 20 億筆雲端發票、700 萬名消費者及 3,200 萬項商品。其「AI 廣告受眾推薦引擎」可依商品特性生成受眾輪廓（Persona），比對發票資料庫、找出真實買家作為種子受眾，而非僅依賴瀏覽紀錄或興趣標籤，再由 AI 自動擴充相似受眾、生成並優化素材，並依成效動態調整投放策略與預算配置。

張元溢強調，從真實種子到規模化放大，重點在於找到更多相似的人。同時觸及也須走出社群，延伸至 RMN 聯播網、社區 App 廣告與戶外媒體。他以「三人成虎」形容，藉創作者短影音加上跨場域廣告加深印象，才能為品牌實現「線上找到人，線下讓他記住你」的成效。

BUNNYWORK 推 AI 營運特助，主動預警缺貨與滯銷也發掘成長機會

除了行銷之外，AI 也開始深入零售業的日常營運，協助品牌從事後處理走向事前預測。BUNNYWORK 創辦人周于如指出，電商營運常面臨幾大痛點：商品售罄後客戶問了才發現缺貨、補貨數量仰賴 Excel 與個人經驗判斷，滯銷商品也往往要到季末才浮現。「營運方式不同，留下的利潤差很多。營收決定你做多大，營運才決定你能留下多少利潤。」

針對這些痛點，BUNNYWORK 推出定位為「會思考的電商 AI 特助」的解決方案，目標是讓電商營運進入「自動駕駛」。傳統 ERP 只負責被動紀錄營運數據，BUNNYWORK 則讓 AI 24 小時主動盯盤：根據銷售數據提前發出缺貨預警、產出補貨建議單，並每日掃描商品銷售速度，一旦偵測到滯銷風險，即透過 LINE 推播提醒品牌及早規劃促銷、加速庫存去化與資金回流。除了提前規避風險外，AI 也幫助電商看見潛在機會：偵測到爆款潛力的商品，提醒品牌提早加碼備貨、調整廣告資源，把握成長時機。

至於 AI 為什麼能提供可靠的營運建議？背後仍取決於數據基礎。周于如解釋，ERP 串聯商品、銷售與庫存等不同環節的數據，並即時同步多通路的商品與庫存資訊，讓 AI 掌握完整且即時的營運全貌，同時降低超賣風險。「唯有建立乾淨、即時的資料基礎，AI 才能進一步辨識缺貨與滯銷風險、並發掘銷售成長機會，協助品牌提前應對、做出更精準的決策。」目前品牌平均約 7 天即可完成導入。

精兵團隊導入 AI，解決流程瓶頸再創高成長

從流量獲取到營運效率，AI 的價值最終仍須回到顧客經營與商業成效。大會壓軸的高峰沙龍回到會員經營。beBit TECH 商務長譚學凱指出，OmniSegment CDP（顧客數據平台）能整合分散的顧客資料，建立 360 度顧客輪廓，進一步支援跨渠道的精準經營；旗下導購型 AI Agent「AgentBit」，提供對話式分眾，讓使用者與 AI 對話就能快速打包推播受眾，不再需要手動設定篩選條件；商品興趣預測則以 AI 學習客戶的行為軌跡，自動將高相關商品推送給高潛力買家；AI 智慧分析更只需透過問答，即時分析品牌檔期成效與提供優化建議，並能一鍵調整現有顧客旅程。透過 CDP 與 AI 功能加乘，大幅提升行銷團隊協作效率，並支援逾 2,000 種 OMO 跨通路智慧推播，協助品牌更有效地觸及目標客群。

HYPHY 品牌共同創辦人林又立分享，品牌長期透過 LINE 經營千人會員社群，希望在規模化經營的同時，仍保有一對一對談的親切感與即時回覆的能力。導入 AgentBit 後，團隊能透過 AI 對話快速完成受眾分群，並取得具體的行銷優化建議，降低操作門檻。以單檔活動為例，LINE 發送量僅為原先的 15%，點擊率卻提升 227%，EDM ROAS 更提升至原先的 3.3 倍，展現 AI 協助品牌提升溝通效率與行銷效益的潛力。

對於資源有限、希望嘗試 AI 的品牌，林又立也分享了務實的做法：「不要一開始練跑就想著今天要跑全馬，先踏出第一步，把目標定在到達下一個電線桿就夠了。」與其一開始就追求全面轉型，不如從具體的營運需求出發，逐步找到適合 AI 發揮的場景。

活動尾聲，葉力維也提醒，品牌導入 AI 前，應先盤點內部工作流程，找出真正影響效率與成效的瓶頸，再思考如何運用 AI 改善。「那就是你最該導入 AI 的地方。把 AI 放在流程上，才是關鍵。」與其為了導入 AI 而導入 AI，先解決實際問題，才能讓技術真正轉化為營運成果。