AI 行銷
AI 讓內容都長得一樣?Stripe 設計主管:錯不在 AI,在團隊沒有主見
AI 寫的文案、做的素材越來越像,問題出在哪?Stripe 設計主管 Katie Dill 用「殭屍建築」比喻 AI 熱潮:模型只會給最普遍的答案,團隊沒有主見,它就替你填空。翻成行銷人的三個解法:把品牌觀點寫進系統、把關移到產出之後、分清做完和做好。
電商經營的核心問題只有一個:客人買了之後,會不會再回來。這裡收錄王董談回購率、會員資產、商品頁說服力、品牌訊息與零售媒體的文章,也包含 AI 工具與 AI 購物助理對電商後台、通路與廣告預算的影響,寫給台灣電商老闆、品牌行銷與代營運團隊。
這裡的文章橫跨會員、商品頁、品牌、廣告、通路,其實都在回答同一題:你花錢買進來的客人,留不留得住。
以前檔期加碼投放,營收就有感。現在流量越來越貴,AI 購物助理又開始替消費者做比較,靠買流量撐起來的成長,會更早見底。
電商經營的成績單不在營收報表上,在回頭客名單上。
這頁寫給看著月報抓不到重點的電商老闆、負責商品頁的品牌行銷,以及在評估零售媒體預算的人。
HubSpot 創始銷售長 Mark Roberge 認為,大量首購只證明你很會行銷,顧客回來再買,才代表產品真的被需要。回購率是落後指標,所以要另外找出它的領先指標。見〈回購率才是真 PMF〉。
RMN(Retail Media Network,零售媒體聯播網)是零售商把自家網站、App、門市看板加上第一方消費者資料,包裝成廣告賣給品牌的生意,台灣的 momo、蝦皮都在做。它過去的賣點是閉環歸因,下一段成長則來自架上沒有商品的非原生廣告主。見〈RMN 零售媒體聯播網是什麼?〉。
Donald Miller 在 StoryBrand 播客主張用「主要訊息」開場:顧客的問題、你憑什麼解決、怎麼買。公司歷史、願景、價值觀屬於「次要訊息」,內容沒錯,錯在位置,適合留給關於我們頁或老客戶電子報。見〈品牌故事怎麼寫?〉。
AgentOne 是 91APP 在 2026 零售高峰會發表的 AI agent 產品,靠 Data、Knowledge、Workflow 三個基座,疊在 Commerce Cloud、Marketing Cloud、iCHEF 之上直接操作既有系統。Marketing Cloud 另有 MediaOne、EngageOne、SearchOne 三支 Agent,對應付費、自有與口碑流量。見〈91APP AgentOne 現場直擊〉。
AI 行銷
AI 寫的文案、做的素材越來越像,問題出在哪?Stripe 設計主管 Katie Dill 用「殭屍建築」比喻 AI 熱潮:模型只會給最普遍的答案,團隊沒有主見,它就替你填空。翻成行銷人的三個解法:把品牌觀點寫進系統、把關移到產出之後、分清做完和做好。
零售媒體
AI 購物代理人讓消費者更早做決定。拆解零售媒體的四條退路,幫台灣品牌分清 momo 廣告的預算與成效。
AI agent
同等能力的 AI 推論價格跌了約 280 倍,卻有五分之一企業因為 AI 成本開始踩煞車。麥肯錫的答案是換計價單位:別算每個 token,算每完成一件事。附一條判斷 agent 值不值得的公式,用台灣電商三個情境實際算一次。
AI agent
Anthropic 內部的 AI agent 工時已是員工的 6 倍,但有 8 成時間在等人回話。這份就業研究報告真正的訊號是:人的注意力變成最稀缺的資源。拆解後設工作、招募標準的轉變,以及台灣電商團隊該怎麼管 AI 產出。
Shopify
Shopify Canvas 讓 Sidekick 協助商家設計整間店,官方稱二十分鐘就能做出客製店。但在 Canvas 編輯過的主題不再收到主題更新,也不能下載檔案。台灣品牌與接案者動手前,先看清楚適用條件、App 限制與後續維護成本。
AI agent
前 OpenAI 研究員 Diogo Almeida 推出 TypeSafe AI 的 Jev:它不生成文字,只回傳你定義好的選項機率。用系統一/系統二拆解,把便宜的判斷層放在昂貴決策前面。
WebMCP
WebMCP 想讓網頁把能力直接交給 AI agent,不用再猜 DOM。但這份草案連 API 入口都剛從 navigator 搬到 document。先搞懂它跟 MCP 的三個差別,再回頭看你的站台到底是不是你的。
AI agent
導入 AI 後產出變多,整體效率卻沒提升?從 Anthropic 用 Claude 當 CI/CD 值班第一線的真實案例,看懂瓶頸如何往下游轉移,並套用到台灣電商的文案審核、多通路上架與客服流程:先量測瓶頸,再決定 AI 放哪一站。
GEO
AI 推薦你之前會先回你的網域查證:30.2% 的子查詢用 site: 鎖定你家、23.8% 加引號逐字比對,只有 0.8% 提到競品。它在查你,不是在幫你比稿。
AI agent
Anthropic 官方案例說 Warp 做出了「會自我改進」的 agent。我把它拆完,還去查了它連出去的公開範例,結論跟標題不太一樣:真正在改進的不是 AI,是那道人類核准關卡。這篇拆給台灣電商:怎麼把公司的判斷變成可以看 diff、要簽名才能改的檔案,以及為什麼回饋要挑人,不是越多越好。
零售媒體
零售媒體最值錢的是離成交最近?那航空公司在 Amazon 上有什麼成交可以靠近。原生廣告主飽和之後,零售媒體的下一段成長來自架上根本沒有商品的品牌。台灣沒有一家 RMN 撐得起那張一億美元門票,但賣家躲不掉它的後果。
大型語言模型
AI 可以摘要三十頁英文合約,卻可能算錯 9.11 和 9.9 誰比較大。問題不在它時好時壞,在於大型語言模型的能力像一塊瑞士起司,洞的位置是固定的。這篇用非技術語言拆解 LLM 怎麼生成文字、token 是什麼、AI 幻覺為什麼會發生,以及知道洞在哪之後,工作該怎麼分。