數據變現靠它,最夯行銷工具CDP是什麼?一文看懂不能錯過的 MarTech法寶
數據變現靠它,最夯行銷工具CDP是什麼?一文看懂不能錯過的 MarTech法寶

盯著越來越高的廣告成本,好不容易吸引新客進站,卻不知道消費者為何沒有完成購買?堆積了大量的網站與訂單數據、費力收集會員資料,卻不知道該如何分析運用?新顧客開發困難、舊顧客漸漸流失,除了降價促銷和砸錢下廣告,還能怎麼樣提升銷售?

如果你正面臨著上述問題,苦惱之餘卻只能依賴著大量的媒體預算來找到新客、維持業績,何不騰出幾分鐘時間,來認識這個新興的數據解決與行銷方案「顧客資料平台」(Customer Data Platform,以下簡稱CDP)。

第一次聽到這個行銷新工具嗎?別擔心,TenMax將製作一系列文章,帶你認識CDP,這個數據為王的時代不可不知的新法寶,有效提升舊客購買頻率與客單價。

讀完這篇文章,你將知道這些:

  • 什麼是CDP?
  • 身為行銷人,我該怎麼使用CDP?
  • CDP能解決的4大痛點

一、什麼是CDP?

根據CDP Institute的定義:「CDP是一個套裝軟體,可以建立一個具有永久性、統一性的客戶數據庫,並可串接至其他系統。」有點生澀難懂嗎?接下來,讓我們動用翻譯年糕,為你白話介紹CDP的核心概念和使用方法。

簡而言之,市面上各家CDP供應商提供的服務不盡相同,但大致上會包含以下幾種功能:

  1. 數據整合:統整各資料來源,並且能識別、配對出顧客所有線上、線下的行為資料,建立統一的客戶檔案。
  2. 貼標分群:根據不同方法幫顧客貼標,並且根據標籤來分群出需要的受眾。
  3. 行銷自動化:建立自動化的行銷活動流程,串接訊息發送工具和廣告平台。

「蛤,什麼是貼標分群、自動化行銷流程?」先別恐慌,我們將在下一段的CDP運作流程中,一一向你說明。

二、身為行銷人,我該怎麼使用CDP?

具體而言,CDP的運作流程如下:

Step.1集中管理數據──全面暸解顧客

CDP
圖/ TenMax提供

CDP是一個協助整合所有資料的平台,可能包含的數據來源有:

  1. CRM資料:品牌記錄在資料庫中的客戶資料,例如姓名、電話、電子郵件等。
  2. 線上/線下銷售紀錄:線上例如訂單資料;線下例如POS機所記錄的資料。
  3. 實體店面問卷:客戶的回饋與喜好,例如餐廳隨桌附上的顧客意見表。
  4. 訊息紀錄資料:客戶與品牌聯繫的內容,例如客戶致電、私訊、電郵品牌的資料。
  5. 官網互動行為:客戶在品牌官網中的行為資料,例如瀏覽頁面、點擊按鈕、停留時間等。
  6. 社群互動行為:客戶在品牌自媒體中的互動,例如社群中的按讚、留言、分享等行為。
  7. 手機APP內行為:如果品牌有發展自家的APP,也可收集顧客在應用程式內的各種行為資料。

上述數據中,第(5)-(7)項等行為資料是CDP所注重的,收集顧客「購買前」的行為資料,CDP強大之處在於能夠整合這些數據,並能識別、歸因到單一顧客身上。如果你使用CDP集中管理數據,就能對每位顧客的樣貌有更全面、精準的了解。

Step.2用戶貼標──為資料賦予意義

透過為顧客貼上標籤,能夠區隔出各種不同類型的受眾。常見的標籤類型如:基本的人口統計資料、興趣標籤、財務屬性狀態及購買行為等,而標籤的產生方式又能分為以下三個類別:

CDP-用戶貼標
圖/ TenMax提供

Step.3受眾分群──進行客製化行銷

在有了用戶貼標的基礎之後,行銷人員就能依照行銷目標對顧客進行分群,根據指定標籤來篩選出目標受眾,可以參考以下案例:

情境1
美妝品牌近期將有新品上市,運用CDP篩選出被標記為經常回購、較可能對這項產品感到興趣的客戶,當作初期的重點對象做資訊推播,鼓勵這群受眾嘗試新品。

情境2
挑出喜歡在折扣檔期內購買的消費者,歸類成價格敏感的客戶,就能鎖定這類受眾推出專屬優惠,精準促購,而非無差別、全面性的提供打折方案,這樣會造成收益減少。

Step.4行銷自動化──在對的時間用對的管道發送對的內容

** 管道自動化**
運用串接技術,CDP能和多個行銷通路連動,也與行銷自動化工具整合,讓行銷人員可根據自己的需求,制定規則安排使用特定管道與消費者進行接觸,也免去每換一個工具就必須做相關設置的繁雜流程。例如:設定先發送電子郵件,若經過2天收件者仍沒開信,改以LINE訊息推播,如果LINE經過2天仍然未讀,則透過簡訊通知。

內容自動化
CDP也能根據消費者過往累積的數據,丟到Rule-based或是AI的數據模型中,藉以預測哪些產品可能是消費者會喜歡的,並讓消費者看到對應的產品,像是:根據過去的數據,發現購買T-Shirt的顧客在一個星期後,有極高的比例再回購牛仔褲或棒球帽,因此寄出郵件的時候,列出這些品項推薦作為EDM的客製化主打商品。透過CDP進行設定,就能將素材依照指定的管道、時間傳遞給受眾,相當輕鬆便利。

我對CDP運作流程有概念了,但⋯⋯它到底能幫我解決什麼問題?

事不宜遲,一起來看看CDP實際運用能發揮什麼功力,以及具體的情境範例!

三、CDP能為企業解決的4大痛點

1.消費者足跡散落各處,該怎麼完整追蹤消費者的購物歷程?

以零售品牌為例

有位顧客曾造訪零售品牌的實體店面註冊會員並購買商品,也曾至官網瀏覽產品內容、加入LINE官方帳號傳訊息互動,以及在使用Facebook時點擊該品牌的廣告。

消費者與品牌互動過程中累積的資料分散於各個通路,如果沒辦法有效的統合這些數據,並且正確的歸因到相應的顧客身上,行銷人員就沒辦法全面地暸解一位顧客,也無法善用手上擁有的龐雜資料。

那⋯⋯我該如何知道這些互動數據來自於同一個消費者呢?

CDP提供了解決辦法!在導入來自多個不同系統的資料後,透過為每一位客戶建立單一、可供長久使用的客戶ID,搭配資料辨識技術,歸納出消費者與各項資料的關聯性,實現顧客單一視圖(Single CustomerView,註1)的建構,讓品牌對每位客戶具備更全面的了解。

2.我想針對特定類型受眾進行精準行銷!該如何抓出這群消費者?

以房仲業為例

近期,台北市有一檔豪華的新建案,房仲業者想找出造訪自家網站,希望購買售價逾3000萬、坪數達50坪以上且鄰近捷運站新建案的這類高顧客價值對象,進行推銷。

舉例來說,單純仰賴廣告系統的分眾規則,並沒有辦法追蹤到這些細節,僅能得知使用者曾經瀏覽過哪些網頁而設定標籤,有了CDP之後,可以自訂數據標籤蒐集的架構,針對頁面的內容進行比對,過濾出瀏覽頁面包含上述特定內容的用戶,接著打包為受眾,推播合適的方案,提供更好的顧客體驗。

CDP
圖/ TenMax提供

3.手上資料百百種,如何迅速整理出消費者洞察,命中紅心、達成銷售目標?

以汽車保養廠為例,若想預測消費者的需求週期

以往汽車回廠保養與檢修是以營運人員定期致電、簡訊的方式通知,但每位車主行駛里程狀況不同,存在不精確、額外耗費人力的問題。

CDP能夠匯入物聯網的里程數數據及CRM系統中的車齡、車主聯絡方式等資料,運用模型參照這些資訊進行預測,自動傳訊息提醒駕駛何時應該要進廠保養。

以服飾電商為例,若想避免顧客流失

服飾電商發現顧客有每季固定回購的習慣,根據經驗,當顧客連續兩季沒有消費紀錄時,通常是轉往其他品牌購買。等到顧客已經流失時才想挽回就太遲了,要怎麼判斷出哪些群體是比較可能失去的消費者?

CDP中的AI系統能夠依照各種來源的資訊給予每個顧客綜合評分,界定出顧客等級,並找出即將流失的客戶通常具有哪些行為(例如:連續120天以上沒有和品牌互動、有連續3封以上EDM沒有被開啟),如此一來當有顧客出現類似的行為模式時,就能夠進行示警,方便行銷人員及早制定對策,避免實際的顧客流失。

以保健食品電商為例,若想發掘高潛力客戶

有些行為之間可能存在關聯,但是在一般情況下行銷人員難以注意到這些行為,像是AI可能會發現有瀏覽保健食品產品頁並捲動到頁面75%的造訪者有比較高的機會下單購買,這時就能將具有這些行為的人打包成受眾安排後續的行銷溝通。

CDP內搭載各種不同的分析模型,透過AI、機器學習的技術,讓過往難以被識別的一些顧客行為輪廓變得清晰可見,根據數據幫助行銷人員預測顧客行為,進行決策,模型豐富多變的應用也正是CDP的強大之處。

4.哪些內容可能會引起消費者興趣?要怎麼在適當的時機,透過顧客偏好的管道和他們溝通?

以醫美產業為例

醫美診所的行銷人員想針對有雷射除皺需求的消費者進行溝通,於是設計了一系列進入療程前、療程後的對應素材,這時他開始思考如何安排露出通路、期程規劃等項目。

身為行銷人員肯定很熟悉這個情境,這時我們可能要分別到Email、LINE、簡訊等後台系統設定,才能順利推播資訊;由於不知道消費者偏好哪種管道,只好每個都發送,避免有所遺漏;要能得知消費者是否已經進入療程則要到CRM打撈資料,再以人力慢慢比對,過程耗時且繁瑣。

幸好有CDP能夠幫忙處理這些瑣事。由於資料會定期、自動匯入更新,讓行銷人員能藉由CDP立即得知消費者目前處在療程前或療程後的階段,推送合適的素材;CDP也能按照標籤區分不同受眾各自適合的溝通管道,如此我們就能以符合顧客習慣的通路傳遞資訊。在對的時間、用對的方式,傳遞對的訊息,較不易引起反感,也因此提升了獲得顧客青睞的機會。

現在你已經了解CDP是什麼,以及它能解決哪些問題,但是你可能會好奇,CDP和現在廣被行銷人使用的CRM、DMP有什麼差異?已經有了CRM和DMP的資料,為什麼又會需要CDP呢?我們將在下一篇文章,為你介紹CDP和CRM、DMP之間的差異。敬請密切關注!

  • 註1:單一顧客視圖也被稱為統一顧客輪廓(Unified Customer Profile)

本文授權轉載自:TenMax ADTech Lab

責任編輯:傅珮晴、錢玉紘

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓