第一方數據崛起，如何重寫零售的商業模式？

電獺大叔最近在跟幾位零售業老闆聊天時，發現一個普遍的現象：大家都在焦慮廣告成本上升，卻很少人真正理解為什麼廣告會漲價，以及漲價背後代表什麼。其實這不僅是一個簡單的供需問題，它真實的原因複雜得多，是整個數位生態系的一場大洗牌。

過去十多年，數位廣告的邏輯很簡單：用第三方 Cookie 追蹤用戶，建立用戶檔案，然後賣給廣告主。這套系統讓 Google 和 Meta 體系下的各種聯播網及廣告技術商、代操公司賺得盆滿缽滿，也讓廣告成本相對便宜，畢竟大哥在後面用相對簡易的方式取得網路使用者的路徑全貌，無論是DMP數據管理平台又或是各種智慧型投放平台，其實並不用去擔心數據是如何獲取的，但如今，這套系統、這個生態正在瓦解。廣告漲價的本質，就是可被利用的用戶數據變少了。當數據變少，廣告主、品牌方就得花更多錢去買那些還能追蹤到的用戶，但這還只是表面現象，真正的變化，是整個零售和廣告生態的底層邏輯在改寫。

蘋果在2020年前就讓自家的Safari瀏覽器預設關閉第三方追蹤、到了 2021 年正式推出了 ATT（App Tracking Transparency）政策，強制要求手機端應用程式在追蹤用戶前必須獲得明確授權，結果呢？當年就只有 25% 到 40% 的用戶同意被追蹤。Google 原本計畫在 2024 年底淘汰第三方 Cookie，但在 2025 年 9 月時，他們宣布暫停這項計畫，改為推出新的用戶隱私控制系統。換句話說，Google 看似沒有真的廢除 Cookie，而是給了用戶選擇權——但這實際上讓可用的追蹤數據更加稀缺——也根本是Web世界版的ATT政策。

然而，對於數位廣告生態來說，另一個用戶習慣改變也正悄然成為主流。十年前，如果你想買東西，你會打開亞馬遜、eBay 或沃爾瑪的網站，然後搜尋你想要的商品，電商平台就是你的「入口」。但現在呢？AI Agent正在成為新的入口。用戶打開 ChatGPT、Claude 或其他 AI 工具，直接問「幫我推薦一個好的咖啡機」，AI 會根據用戶的偏好、預算和使用場景，直接給出推薦。用戶甚至不需要打開電商平台，就能獲得購買建議。這對傳統電商平台意味著什麼？意味著流量正在被 AI 系統截流:用戶不再依賴搜尋引擎或電商網站的搜尋功能，而是依賴 AI 的推薦。這是一個根本性的轉變。

過去，SEO 的目標很明確：讓你的網站在搜尋結果的第一頁出現、相關的廣告目標也很明確，讓你上排行榜前幾名，或乾脆截胡正常的關鍵字、排在前面。但當 AI 成為主要的資訊入口時，傳統的 SEO 策略開始失效。AI 不是基於關鍵字匹配來推薦產品，而是基於上下文理解和用戶的深層需求，一個優化得再好的網站，如果沒有足夠的第一方數據支撐，AI 系統就無法準確判斷這個網站是否真的能滿足用戶的需求。換句話說，SEO 正在從「關鍵字優化」轉變為「數據信譽優化」——你的網站在 AI 眼中的價值，不再取決於你有多少反向連結或關鍵字密度——而是取決於你能否提供真實、可驗證的用戶滿意度數據。

在 AI 推薦時代，最寶貴的資產不是廣告位，也不是流量，而是真實的用戶行為數據。想像一個場景：一位用戶在亞馬遜上購買了咖啡機，留下了評論，點擊了相關商品，甚至在購物車裡放了咖啡豆但沒有結帳。這些數據都被亞馬遜記錄下來。當這位用戶下次打開 ChatGPT 問「我應該買哪個咖啡豆品牌」時，如果 ChatGPT 能訪問亞馬遜的第一方數據（當然，在隱私協議允許的範圍內），它就能給出更精準的推薦。

這就是為什麼亞馬遜的廣告業務會從 2023 年的 49 億美元，成長到 2025 年預計的 68 億美元，並成為全球第三大廣告平台。亞馬遜不僅僅只是在賣廣告位，而是在賣精準度。它掌握的第一方數據，讓它能提供其他任何廣告平台都無法提供的精準性。

我們把這個邏輯梳理成一個簡單的框架：第一方數據決定了 AI 推薦的精準度，精準度決定了用戶轉化率，轉化率決定了廣告投資回報率，而回報率最終決定了廣告主願意支付的價格。這個鏈條的每一個環節都是相互強化的。掌握更多第一方數據的零售商，能提供給 AI 系統更多的訓練信號，讓 AI 的推薦更精準。推薦越精準，用戶的轉化率就越高。轉化率越高，廣告主就越願意在這個平台上投放廣告，願意支付的價格也越高。

反過來說，如果一個零售商沒有足夠的第一方數據，它就無法訓練出精準的 AI 推薦系統。沒有精準的推薦，用戶的轉化率就低。轉化率低，廣告主就不願意投放廣告，或者只願意支付很低的價格。這樣的零售商，最終會被邊緣化。這就是為什麼大叔說：如果你錯過了廣告漲價的趨勢，那總要做好數據管理和零售商業模式的轉變。因為廣告漲價只是表象，真正的變化是數據競爭的激化。

讓我們看看全球零售巨頭是怎麼做的。亞馬遜從一開始就把第一方數據當成核心資產。它不僅記錄用戶的購買歷史，還記錄瀏覽行為、搜尋關鍵字、購物車內容，甚至用戶的退貨記錄。這些數據被用來訓練推薦算法，也被用來向廣告主出售精準的受眾定位。結果是，亞馬遜的廣告業務成為了它增長最快的業務，年成長率達 23%。

沃爾瑪推出了 Walmart Connect 平台，將其龐大的線下實體店數據與線上電商數據整合。它甚至在實體店內安裝了智慧貨架螢幕，可以根據用戶的線上購買歷史，在實體店內投放個性化的廣告。這種全通路的數據整合，讓沃爾瑪能提供傳統廣告平台無法提供的服務。家樂福推出了 Carrefour Links 平台，專注於利用其龐大的會員數據。它向廣告主提供精準的受眾洞察報告，幫助廣告主更好地理解消費者行為。這三家公司的共同點是什麼？它們都把第一方數據當成核心競爭力，而不是附帶產品。它們都在從「賣產品」轉變為「賣數據服務」。

電獺在協助幾家零售商進行數位轉型時，看到了一些成功的案例，也踩過一些坑。讓我分享幾個實作心得。很多零售商還在把電商平台當成終點，希望用戶直接在他們的網站上購買。但在 AI 時代，你的電商平台只是一個數據收集點，而不是銷售終點。用戶可能在 AI 助手那裡看到你的推薦，然後在社群媒體上看到你的廣告，最後在別人的平台上完成購買。但只要這個用戶的行為數據被你記錄下來，你就能用這些數據來改進推薦系統，吸引更多類似的用戶。換句話說，你需要從「我要在自己的網站上賣東西」的思維，轉變為「我要收集用戶數據，然後在各個觸點上影響用戶決策」的思維。

這不是一個簡單的任務。你需要整合所有的數據來源。用戶在你的網站上的行為、在你的 APP 上的行為、在實體店裡的購買記錄、在你的會員系統裡的資訊，所有這些數據都需要被整合到一個統一的用戶檔案裡，這需要強大的技術基礎設施和數據治理能力。其次，確保數據的隱私和安全。在 GDPR、CCPA 等隱私法規日益嚴格的今天，你必須確保用戶的數據被妥善保護。這不僅是法律要求，也是用戶信任的基礎。如果用戶不信任你，他們就不會授權你使用他們的數據。第三，建立一個能夠持續學習和改進的數據管理系統。第一方數據的價值不在於你現在擁有多少數據，而在於你能多快地從數據中學習，並將這些學習應用到業務中。這需要一個能夠支持快速迭代的技術架構。

傳統的廣告模式是：我有一個廣告版位，我按照位置、時段、受眾等因素定價，然後賣給廣告主。新的模式是：我有一個用戶群體，我能以 95% 的精準度預測他們的購買意圖，我按照轉化率定價。這是一個根本性的轉變。前者是基於「供應」的定價，後者是基於「效果」的定價。前者的利潤空間有限，後者的利潤空間可以達到 70% 到 90%。要實現這個轉變，你需要能夠向廣告主展示你的精準度。這意味著你需要建立一個完整的歸因模型，能夠清楚地追蹤廣告投放到用戶轉化之間的因果關係。這需要數據科學能力和廣告技術能力的結合。

我們之所以強調現在是關鍵時刻，有幾個原因。首先，AI 的普及速度超過了所有人的預期，ChatGPT 用了 2 個月達到 100 萬用戶、Claude 也在快速增長，這意味著用戶習慣的改變比我們想象的要快得多。如果你現在還沒有為 AI 時代做準備，你很快就會被淘汰。其次，第一方數據的競爭正在激化。大平台（亞馬遜、沃爾瑪等）已經開始充分利用他們的第一方數據。中小型零售商如果現在還不開始建立自己的第一方數據基礎設施，將來會發現自己完全無法競爭。第三，廣告漲價的趨勢還會繼續。隨著第三方 Cookie 的逐步淘汰和隱私保護的加強，可用的用戶數據會越來越稀缺。這意味著廣告成本還會繼續上升。如果你現在不改變商業模式，你的廣告成本會一年比一年高，最終會侵蝕你的利潤。

但反過來說，如果你現在開始建立第一方數據基礎設施，你就能在這個新時代中獲得競爭優勢。你能提供更精準的推薦，吸引更多用戶，獲得更高的廣告投資回報率。這樣，即使廣告成本上升，你的整體利潤也不會下降，反而可能會上升。

大叔最後想說的是：零售業的未來，不是誰有最多的實體店，也不是誰有最便宜的商品，是誰能最好地利用第一方數據——這不僅是線上電商、還包括線下實體店面。在 AI 推薦成為主流、電商入口失去統治力、SEO 結構改變及用戶節點路徑更迭的時代，第一方數據就是零售商的生命線。掌握第一方數據，你就能訓練出更精準的 AI 推薦系統、有了精準的推薦，你就能吸引更多用戶，獲得更高的轉化率、有了高轉化率，你就能向廣告主要求更高的價格，獲得更高的利潤——舊時代的ROAS已逐漸不是真的指標，畢竟第三方追蹤的歸因是一個推估值，人的動機很容易在舊生態系的準則中被樂觀預估。

如果你錯過了廣告漲價的趨勢，沒有及時調整廣告策略，那沒關係，但你一定要做好數據管理和零售商業模式的轉變。因為這才是決定你能否在 AI 時代生存的根本因素。根紮得夠深，果實才會夠漂亮。第一方數據，就是你的根。

參考來源：

[1] Apple ATT Policy Impact - Singular [2] Google Cookie Deprecation Timeline - Cookiebot [3] Amazon Advertising Revenue Growth - Statista [4] Retail Media Network Overview - AnyMind Group [5] RMN Deep Analysis - Effect Studio [6] Global Retail Media Market - WARC