行銷現代化總覽

陽明交大 EMBA 暑期「行銷策略與管理」講座
2026 年 7 月 25 日 13:00–16:00｜台北北門校區四樓 B401-1 教室

這門課要回答的管理問題

AI 進入行銷後，真正的改變不只在於文案寫得更快、圖片做得更多。更重要的轉折是：行銷工作開始能被拆成明確的任務，交給不同系統執行，再依照證據驗收結果。

數位化先讓顧客行為留下足跡；顧客關係管理（CRM）與行銷自動化把資料、分眾與跟進流程集中起來；平台 AI 進一步依照轉換目標，調整出價、受眾、內容與通路；AI Agent（AI 工作代理）則開始跨越多個步驟與工具，讀取資料、規劃工作、執行任務、檢查結果並留下紀錄。

因此，行銷主管管理的對象也在改變。過去主要管理活動、媒體與創意；現在還要管理資料品質、流程規則、系統權限、人工核准點、成果證據與責任歸屬。

完成這門課後，你應該能回答四個問題：

• 我們目前停在哪一個行銷現代化階段？
• 哪些工作適合用固定規則自動執行，哪些工作需要 AI Agent 判斷？
• 哪些資料、權限與決策不能在缺少人工把關時交給系統？
• 未來 90 天，哪一個小型流程最值得先做，而且能提出可核對的成效證據？

行銷現代化的五個階段

這五個階段不是互相淘汰。新的能力通常疊加在舊能力上：品牌定位、顧客洞察與價值主張仍然重要；數位工具只是讓它們更容易被量測、連接、調整與委派。

數位化之前：以活動、媒體與銷售結果為中心

在大眾媒體主導的時代，行銷通常以年度計畫、單次活動、廣告版位、門市陳列與業務推廣為主要管理單位。資料多半來自銷售報表、抽樣調查、收視率、讀者輪廓與通路回報，行銷團隊很難持續觀察單一顧客從接觸訊息到購買之間的完整過程。

人的角色幾乎涵蓋全部工作：提出洞察、規劃媒體、製作內容、協調通路、追蹤執行，再用活動前後的銷量或品牌調查判斷成效。這個階段的限制不是沒有策略，而是顧客反應慢、資料顆粒較粗，調整週期也較長。

數位行銷：顧客行為開始留下可追蹤的足跡

網站、搜尋、電子郵件、社群與數位廣告普及後，曝光、點擊、瀏覽、表單、下載與購買都能形成事件資料。行銷從「活動結束後再檢討」逐步走向「活動進行中就能看數據並調整」。

這個階段讓點閱率、轉換率、單次獲客成本與廣告投資報酬率成為日常指標，也帶來新的問題：不同平台各有一套歸因方式，Cookie、追蹤碼與同意管理會影響資料完整性，能量測不代表已經知道因果。人的角色從執行者增加為分析者，必須判斷哪些數字值得相信，以及數字背後代表什麼顧客行為。

CRM 與行銷自動化：從單次接觸走向顧客旅程

HubSpot、Salesforce 等平台把顧客資料、互動紀錄、商機階段與後續工作放進同一個系統。CRM 的核心價值，是讓行銷、業務與服務看見同一位顧客的關係脈絡；行銷自動化則依照觸發條件與規則，執行分眾、寄信、名單培育、潛在顧客評分、任務指派與跨部門交接。

行銷的管理單位因此從「一則廣告」或「一場活動」擴大為「一段顧客旅程」。例如，有人下載白皮書後，系統可以更新聯絡人資料、寄出後續內容、依互動提高分數，並在對方瀏覽價格或預約頁面時通知業務。這些流程可重複、可追蹤，也能降低遺漏；但如果生命週期定義、評分規則或顧客資料錯誤，系統也會穩定地放大錯誤。

平台 AI：系統開始在平台內替你最佳化

平台 AI 把機器學習放進既有的廣告、CRM 與行銷平台。以 Google Performance Max 為例，廣告主提供轉換目標、預算與素材，Google AI 會跨通路調整出價與投放。HubSpot 與 Salesforce 也把 AI 用在分眾、評分、內容、個人化、旅程調整與績效分析。

此時，行銷主管不再逐一決定每一次出價、每一個受眾或每一則內容組合，而是提供目標、資料訊號、素材、預算與限制，讓平台在自己的環境裡持續最佳化。這提高了規模與速度，也形成封閉式平台生態的交換條件：你得到整合與效率，但必須接受部分決策邏輯難以從外部完整驗證，資料可攜性與跨平台比較也可能受到限制。

AI Agents：從最佳化單一功能走向承接完整任務

AI Agent 與一般聊天工具的差別，在於它不只產生回答。它能依目標讀取檔案或系統狀態，選擇工具，執行多個步驟，根據結果修正，再交付可檢查的成果。當寫作、資料分析、內容處理與審查分給不同代理，便形成多代理協作；協作本身仍需要清楚的角色、交接格式與退件規則。

AI Agent 也不等於全自動。穩定、可預測的步驟，仍適合交給 n8n 等流程自動化工具依固定觸發與規則執行；需要讀取情境、處理非結構化資料、比較方案或產生新內容的部分，才適合交給 Agent。成熟的做法通常是混合架構：固定流程負責準時與一致，Agent 負責判讀與產出，人負責目標、例外、核准與責任。

五個階段的管理差異

這張表最重要的變化，在於衡量對象逐步從「訊息有沒有被看見」，走向「顧客是否前進」，再走向「系統是否完成正確工作並帶來業務結果」。工具愈能主動執行，人愈需要把目標、邊界與驗收條件說清楚。

一條真實流程，如何連起五個單元

這門課使用的案例來自已經實際運作的個人工作流程。它們的規模不等於大型企業系統，卻能清楚顯示：只要工作能被拆成輸入、判斷、動作、輸出、檢查與交接，一個人或小型團隊也能逐步建立行銷自動化能力。

單元一｜把例行工作變成可交接的 Agent 工作流程

從每日市場訊號監測、定期報告與交接紀錄開始，你會看見個人如何建立小型行銷作業系統。這個案例的重點是固定資料來源、觀察問題、輸出格式、資料不足說明與人工檢查，而不是追求無人管理。

你也會分清楚聊天工具、AI Agent、coding agent、Model Context Protocol（MCP）與多代理協作：聊天工具回答問題；Agent 承接任務；coding agent 能處理檔案、程式與工具；MCP 讓 AI 應用程式用一致方式連接外部資料與工具；多代理協作則以分工與獨立審查降低同一個代理自寫自評的風險。

單元二｜把一次內容製作改造成可重複使用的內容供應鏈

一支長影片可以先轉成逐字稿與時間軸，再找出短影音段落，產生剪輯規格、字幕方向與發布文案。視覺內容則能透過 Codex 與 ComfyUI，把用途、尺寸、限制、模型、參數與版本留下紀錄。

這個單元處理的是內容資產的邊際成本：同一份專業內容能否轉成多種格式，又不犧牲脈絡、授權與品牌責任。你也會評估本機生成圖像需要的顯示卡與顯存、模型空間、相依套件、節點管理、版本維護與授權查核，理解「不用逐張付費」不等於「沒有成本」。

單元三｜讓 Agent 透過 MCP 讀取 GA4，建立可重複的量測診斷

MCP 是連接方式，不是模型，也不是另一套行銷平台。MCP 主機應用程式管理模型、使用者授權與連線；MCP 伺服器則提供可呼叫的 tools、可讀取的 resources 或可重複使用的 prompts。使用 MCP 的理由，是讓 Agent 不必為每個資料來源重新發明一套連線方式，同時把可用工具與資料邊界明確列出。

課程使用的 GA4 案例曾依固定日期區間比較來源、入口頁與漏斗表現，找出 Direct 流量歸因不清、到達網頁出現 (not set)、部分付費流量品質偏低，以及網站可能重複追蹤等問題。這個案例也保留重要限制：GA4 Data API 的彙總報表不能還原每一位使用者的完整路徑。Agent 可以加快查詢與整理，但不能把資料做不到的事說成已經完成。

單元四｜看懂企業平台、流程自動化與 Agent 的分工

Salesforce 與 HubSpot 顯示，企業級行銷自動化不只是寄信，而是把 CRM 資料、分眾、名單培育、潛在顧客評分、旅程安排、業務交接與成效衡量放在同一套治理架構裡。n8n 等工具適合把系統依固定規則接起來；coding agent 適合處理檔案、API、資料轉換與需要情境判斷的工作；人則必須保留預算、品牌承諾、法規、高風險對外動作與例外處理的決定權。

你會用相同框架比較選項：資料放在哪裡、流程由誰控制、哪些決策看得見、錯誤如何被發現、權限如何撤銷，以及未來是否能把資料與流程移出平台。

單元五｜理解 AI 搜尋、廣告最佳化與多代理協作

Google AI Overviews 讓搜尋結果先出現由生成式 AI 整理的重點與延伸連結，品牌因此不只競爭排名，也要讓內容容易被正確理解、引用與驗證。Performance Max 則依廣告主提供的轉換目標、預算與素材，使用 Google AI 跨通路調整出價與投放。

這代表行銷團隊逐漸與多個平台內外的代理共同工作：市場情報代理找訊號，內容代理產生素材，分析代理檢查成效，投放系統最佳化預算，審查角色檢查品牌、法規與資料風險。管理者的責任不是親自完成每一步，而是確保每一個代理使用正確資料、只取得必要權限，並在高風險行動前交由人核准。

三小時學習路線

提示詞（Prompt）不是一次寫完的

多數人開始時只有一個不完整的念頭，例如「我想把每週報告自動化」或「網站流量很多，但我不知道問題在哪」。這很正常。好的做法不是硬逼自己一次填完十幾個欄位，而是先讓生成式 AI 扮演訪談者，協助你把模糊意圖整理成可試跑的工作規格。

可以把這個過程想成裝修：第一句話只是「我想讓空間好用一點」；設計師要先問使用者、預算、不能動的地方，再畫圖、做小樣，最後才交給工班施工。Agent 也一樣，不能拿一句願望就直接進入正式系統。

第 0 階段：先用你平常會說的話開始

我想讓 AI 幫我改善一項重複的行銷工作，但我現在還說不清楚。

我的困擾是：[用一兩句話描述，例如每週都要花很多時間整理社群消息，最後又不知道哪些值得追]

先不要執行，也不要要求我一次填完所有資料。請用訪談方式，一次只問我一題，最多問五題。問題要優先釐清：我要做的決定、目前資料在哪裡、哪些事情不能做、什麼結果才算有幫助。

訪談後，請把我的回答整理成一頁工作規格，分成「已確認、仍未知、建議先試、需要人決定」四部分。未知處不要替我猜。

第 1、2 階段：AI 應該怎麼幫你整理

AI 不必問完所有可能問題。它應先找出會改變方案的關鍵問題，例如「這份報告要支援哪個決定？」「資料能否合法使用？」「錯一次的代價是什麼？」「誰能核准對外動作？」整理完成後，人要修正內容、補上不知道的地方，再決定是否進入小型試跑。

下面各單元的短提示詞是訪談起手式；較長的提示詞則是工作規格已成形後才使用的執行契約。兩者不是二選一，而是前後兩個階段。

課後 90 天行動框架

不要從「全公司 AI 轉型」開始。先選一件每週或每月反覆發生、輸入與輸出相對清楚、失敗後可以回復，而且能取得基準數據的行銷工作。

前 30 天：定義問題與基準

• 寫出這項工作的經營問題、目前做法、每次花費時間與常見錯誤。
• 列出必要資料、資料負責人、使用依據、保存期限與不可提供給 AI 的內容。
• 定義成功指標與停止條件，例如節省工時、縮短交付時間、減少漏件，或提高報告覆蓋率。
• 決定哪些步驟使用固定規則，哪些步驟需要 Agent，哪些動作一定由人核准。

預期產出是一份現況流程、一組基準數字與一張權限清單。完成證據不是「已討論」，而是能提出目前處理時間、錯誤紀錄、資料來源與負責人。

第 31–60 天：建立小型流程並測試例外

• 先用去識別或低風險資料建立最小可行流程。
• 至少測試正常案例、缺資料、格式錯誤、重複資料、權限不足與結果不確定等情況。
• 讓流程留下輸入範圍、執行時間、使用工具、輸出檔案、錯誤與人工決定。
• 高風險對外內容、預算調整、顧客承諾、醫療或法規相關文字，不得自動發布或執行。

預期產出是一個能重複執行的初版流程與例外紀錄。完成證據是同一份輸入重跑後可得到結構一致的輸出，且失敗時能指出停在哪一步，而不是悄悄產生錯誤結果。

第 61–90 天：比較成效並決定是否擴大

• 使用同一套指標，比較導入前後的時間、成本、品質、錯誤率與業務結果。
• 抽查 Agent 的判斷，記錄哪些情況需要改規則、補資料或改回人工處理。
• 完成權限撤銷、版本更新、故障回復、責任歸屬與交接方式。
• 只有在證據顯示流程穩定、效益足以支撐維護成本時，才擴大到更多資料、通路或團隊。

預期產出是一份擴大、修正或停止的決策紀錄。完成證據是你能說明改善幅度、仍存在的錯誤、人工介入比例、維護責任與下一輪投資理由。

第 3 階段：工作規格成形後，再產生 90 天導入草案

以下不是第一句要交給 AI 的提示詞，而是完成訪談與人工修正後的執行規格。先移除個資、客戶機密、未公開財務資料、帳號與金鑰，再把中括號內容換成你的情境。若資料不足，請保留「未知」，不要要求 AI 自行猜測。

你是行銷現代化顧問。請根據我提供的資料，規劃一項可在 90 天內驗證的行銷自動化或 AI Agent 試行方案。你的任務是協助我做管理判斷，不是推薦最多工具。

【組織情境】
- 產業與組織規模：[請填寫]
- 主要顧客與購買情境：[請填寫]
- 目前使用的網站、CRM、分析、廣告或內容工具：[請填寫；未知請寫未知]

【候選工作】
- 工作名稱：[例如每週網站流量健康檢查]
- 發生頻率：[請填寫]
- 目前投入人力與時間：[請填寫]
- 固定輸入：[資料、檔案、網址或系統]
- 固定輸出：[報告、素材、名單、通知或其他成果]
- 常見錯誤或延誤：[請填寫]
- 可能涉及的個資、品牌、預算、法規或顧客承諾：[請填寫]

請完成下列工作：
1. 依「數位化之前、數位行銷、CRM／行銷自動化、平台 AI、AI Agents」五個階段，判斷我們目前具備哪些能力。每項判斷都要引用我提供的證據；資料不足時標示「待確認」。
2. 判斷這項工作是否適合做為 90 天試行方案。若不適合，請說明原因，並提出一項風險更低、成果更容易驗證的替代工作。
3. 把流程拆成「固定規則自動化」「需要 Agent 判斷」「必須人工核准」三類。每一步列出輸入、動作、輸出、權限、失敗處理與完成證據。
4. 規劃三個階段：前 30 天完成現況與基準；第 31–60 天完成初版與例外測試；第 61–90 天比較成效並提出擴大、修正或停止建議。
5. 至少列出六種測試情境：正常、缺資料、格式錯誤、重複資料、權限不足、結果不確定。另依我的產業補充兩種高風險情境。
6. 設計最多五項衡量指標，必須同時涵蓋時間、品質、錯誤或風險，以及一項業務結果。每項都要寫出基準、資料來源、計算方式、檢查頻率與負責人。
7. 列出最小必要權限、人工核准點、停止條件、權限撤銷方式、故障回復與交接紀錄。

限制：
- 不得假設未列出的系統已經可以串接，也不得虛構帳號、資料、API 或產品功能。
- 不得把相關性寫成因果，也不得把缺漏資料補成確定事實。
- 不得建議在沒有人核准的情況下，自動發布對外內容、調整廣告預算、傳送顧客承諾，或產生醫療、法律與財務判斷。
- 優先使用現有工具與低風險資料；若建議新增平台，必須說明必要性、替代方案、授權成本、維護成本與退出方式。

請依下列順序輸出：
A. 現況判斷與證據
B. 試行工作選擇與理由
C. 流程分工表
D. 30／60／90 天計畫
E. 測試情境與預期結果
F. 指標與資料來源
G. 權限、人工核准、停止與回復機制
H. 第 90 天的擴大／修正／停止決策條件
I. 仍需由我補充的資料

預期輸出

你應該會得到一份包含現況證據、試行範圍、流程分工、三階段時程、測試案例、衡量指標與治理條件的草案。若回覆只列出工具名稱、只有一般性建議，或沒有標示資料缺口，代表輸出仍不符合要求，請要求工具依 A 至 I 的順序重做。

完成證據

你可以用下列證據判斷是否已完成第一版：

• 已選定一項 90 天內可以重複測試的工作，並寫出不做哪些事。
• 已留下導入前的時間、品質、錯誤或業務基準，沒有只寫「提升效率」。
• 每個步驟都標示由固定流程、Agent 或人負責。
• 已列出最小必要權限、人工核准點、停止條件與回復方式。
• 第 90 天可以依數據做出擴大、修正或停止的決定。

結果不理想時，先檢查這些地方

• 回覆太空泛：補上真實工作頻率、輸入、輸出、耗時與錯誤，不要只寫「社群行銷」或「提升轉換」。
• 一直推薦新工具：要求先用現有系統提出方案，並把新增工具的必要性與退出成本列為必要欄位。
• Agent 與流程自動化分不清楚：把穩定觸發、固定欄位搬移與通知交給固定流程；把非結構化資料、例外判讀與多步驟產出列為 Agent 候選工作。
• 指標無法驗證：替每項指標補上資料來源、計算方式、檢查頻率與負責人。
• 風險只寫「人工審核」：指定由哪一個角色，在什麼動作之前，依什麼條件核准或退回。
• 資料不足卻出現肯定結論：要求逐項標示已知、推論與待確認，並移除沒有來源的數字。

導入時不可省略的治理原則

第一，權限依任務最小化。Agent 只應取得完成工作所需的資料與動作權限；讀取與寫入要分開評估，並事先確認撤銷方式。

第二，高風險動作保留人工把關。品牌承諾、個資、廣告預算、合約、醫療或專業宣稱、危機回應與正式發布，都要有明確的核准角色。

第三，成果必須附帶證據。報告要寫出日期範圍、資料來源、缺漏與限制；內容要保留素材與版本；分析要能回到查詢或原始輸出；流程要留下錯誤與人工決定。

第四，審查角色要與產出角色分開。同一個 Agent 自己撰寫、自己驗收，容易忽略同一套假設。重要成果可由另一個代理依固定標準檢查，但最後責任仍由人承擔。

第五，先證明一項流程，再談擴大。沒有基準、例外測試、停止條件與維護責任的自動化，規模愈大，風險通常也愈大。

下一步

請帶著一個你真正想改善的重複工作進入單元一。先觀察它目前需要哪些輸入、由誰判斷、產生什麼輸出、如何檢查，以及下一次執行需要保留哪些紀錄。接下來五個單元會依序補上工作拆解、內容供應、資料連接、平台選擇與多代理治理，最後再回到你的 90 天方案。