續約前先問四條：legacy 行銷自動化平台該不該換
Search Engine Journal 在 2026 年 11 月 10 日刊登了與 Jon Miller 的訪談。他聯合創辦了 Marketo，之後再做 ABM 平台 Engagio，2020 年公司賣給 Demandbase，今年推出標榜 AI-native 的 Phave。他的答案很直接：如果你續約前覺得整套系統總是慢半拍，先不要問換哪一間，先問清楚四條問題。對一個負責 ai agent development 方案評估的 B2B 主管，這四條比任何功能表都更好用。
重點摘要
- Miller 說舊平台的問題不在功能少，在它們以單一線索為單位設計，而 B2B 的購買單位是一個委員會。
- 規則適合處理必然成立的事，例如沒有雙重確認就不能向德國的收件人發電郵；模糊的判斷要靠推理，規則做不到。
- 他說不要續簽超過一年的合約，因為世界變化太快；評估與導入可能要預留幾個月。
- 換平台的真正成本在重建 scoring、nurture 與 routing，這三樣正是多數遷移案最花時間的部分。
Miller 是誰，他的話可以放幾重
Heather Campbell 在節目開場介紹：Miller 聯合創辦 Marketo 並出任 CMO，公司其後以 $4.7 billion 售予 Adobe。他於 2015 年創立 Engagio，2020 年被 Demandbase 收購，之後主理其營銷至 2023 年。Phave 是他最新一間公司，訪談播出時上線約兩週半。
這份履歷令他的批評有分量，也令他的建議帶點利益。他在節目中自己承認續約那一段是「self-serving」。讀者要分開兩件事：他描述舊平台怎樣運作，多年來親身參與，這一半值得聽；至於 Phave 是否真的做到，則要回到廠商的官方說法去核對，本文其後會逐項標明。
為甚麼以線索或帳戶為單位都會出錯
Miller 的說法是一個購買委員會在決策，並非一個人在決策。成員分散在我們看不到的頻道做研究，首次成交往往只是整筆生意價值的一小部分，之後還有續約與擴充。用一條線索去代表整個決策，範圍太窄。
帳戶也不好用。他以傳統 ABM 為例：一個帳戶跟你買過產品，你就把全公司當成客戶來營銷，但同一間公司裡，另一組人可能在評估完全不同的產品，或者在同一段旅程的更早階段。Miller 的說法是，線索太窄，帳戶太闊，buying group 才對得上。這裡要講清楚出處：buying group 這個框架，與他 2015 至 2020 年在 Engagio 做的 ABM 屬同一條線，不是新發明。
對香港的 B2B 團隊，這個區別在實際操作上很具體，也直接關係到 erp 系統 整合 的方向。如果你的評分模型以單一職位、單一表單提交為觸發點，那麼三個人在同一星期查看定價頁，可能一個分數都不會動；而一個人下載白皮書，就可能被當成銷售線索推給前線。要不要改模型，先看你手上有沒有把同一帳戶內多人的行為放在一起看的數據。
規則擅長必然，AI 判斷模糊
Miller 區分兩種自動化。一種是 AI 幫你建立自動化流程，出來的仍然是一堆 if-then 分枝；條件越多，流程越難維護，他說很快就會變成意粉。另一種是 AI 本身就是自動化，你講出目標，由模型即時決定下一步。
他用工程師寫程式作比喻。幾年前業界談的是 copilot，人仍然在寫，AI 在旁提議；現在最好的工程師走進工具，講清楚要甚麼，由 AI 寫出來。他認為營銷可以走同一條路。
他自己也留了餘地。規則不會消失，凡屬必然成立的事就應該寫成規則，他舉的例子是向德國收件人發電郵前必須有雙重確認。問題是評分、判斷是否銷售就緒、分群、分派給哪一位代表、對某人和他的 buying group 應該做甚麼，這些充滿模糊與判斷，規則寫不盡。
這一節可以直接拿去開會用，也是 ai 系統整合 項目最先要問清楚的分界。把你們平台裡現有的自動化流程列出來，分成兩欄：一欄是「條件確定、出錯有法律或品牌後果」，另一欄是「每次都要人手補判斷」。前一欄保留規則，後一欄才是 AI 判斷有價值的地方。兩欄混在一起，換平台也解決不到問題。
從 rules-based 行銷自動化遷移到能判斷的 AI agent：buying group 與歸因窗口外的長週期成交
Miller 的整個論述，最終落在一個很具體的決定上：一個以規則運作的營銷自動化平台，值不值得為一個能判斷的系統遷移。他給的線索分成幾層。
第一層是對象，這與 ai agent development 的設計取向直接相關。平台以線索為對象，遷移後仍然要為 buying group 補一堆插件；平台以帳戶為對象，又會把不同產品的購買小組混為一談。要判斷一個候選平台，先看它有沒有把購買小組當成獨立記錄，各自有自己的階段與角色。
第二層是時間。B2B 的成交週期長，廣告平台原生的歸因窗口往往短過成交所需的時間。這個問題在於平台的架構，靠補一個報表工具只能補一部分。評估任何一個方案時，問清楚長週期的成交怎樣回傳、回傳之後智能出價會不會跟着調整。
第三層是資料品質。Search Engine Journal 另一篇由 Mallory Gray 受訪的報導講得很白：AI agent 不會修好壞的受眾資料，只會把它放大。Gray 服務的 Skydeo 自述涵蓋 1.4 兆個數據點；她指出 agent 可以同時處理數千個行為、購買、興趣與意圖訊號。資料錯了，規模只會令錯誤跑得更快。2010 年代資料平台熱潮的教訓，在這裏重演一次。
第四層是合約。Miller 的建議很直接：不要續簽超過一年。他的理由是變化太快，並用舊款手機在 iPhone 推出前簽兩三年合約作比喻。他提醒，按公司規模，評估與導入另一套方案可能需要兩個月至半年，續約日要提早處理。
把四層放在一起，就是一條判斷線：對象對不對、時間對不對、資料對不對、合約有沒有留退路。任何一層答不出來，都不應該在這次續約簽長約。
Phave 的官方說法，與它未證明的地方
Phave 官網的說法要標明是廠商自述。它聲稱以 481 項行銷自動化需求、取自十二份企業評估作基準，逐項為自己與舊平台評分；其加權得分 2.97，領先同樣受評的兩間平台。它又稱在 481 項需求中至少 90% 與 Marketo 持平或更好。遷移方面，它說最快四週完成，期間可以繼續在 Marketo 運行直至切換上線。
這些數字有一個共通點：出自同一間公司的自我評分。評分方法由它自己定義，需求清單由它自己整理。讀者要清楚它是一份由賣方提供的比較，不是第三方實測。Miller 在訪談中提到很多舊客戶用「necessary evil」形容手上的平台，這是他的觀察，同樣沒有獨立數據支撐。
真正值得留意的，是 Phave 自己承認的遷移成本。官網說，典型遷移的時間大部分花在重建 scoring 模型、nurture 流程與 routing 規則，而 Phave 說自己不需要這些。前半句對任何考慮換平台的人都適用：你真正要搬的是人手建立的判斷邏輯，而不是資料本身。後半句則是廠商的宣稱。
Topkee 的觀點：把判斷疊在系統上，而不是推翻重來
以上四層，落到香港與華語團隊的實際條件，取態可以不同。Topkee 的做法不是叫客戶換掉整套平台，而是把可以判斷的部分疊在既有系統之上。這個立場在它的產品筆記裡寫得頗清楚。
整合是第一步。Topkee Cloud 營銷整合把客戶現有的 CRM、ERP、電商商城與舊資料庫接入營銷流程，文件寫的是「通常只需幾天，而不是數月」。這正好對應本文第三節那個判斷：erp 系統 整合 做不好，buying group 的行為就只能留在不同系統裡各自為政，任何 AI 判斷都缺一半材料。要做 erp 系統 整合，重點是連接器本身穩定、每項整合持續運行並自動更新，而非一次性的匯入。
資料層由 TTO CDP 承接，把散落在廣告平台、CRM 與客服對話的線索階段收攏成單一事實來源，同一帳戶內多人的行為才有地方對齊。到推出 ai 系統整合 這一層，Topkee 的 AI Agent 是理解任務、讀取資料、按任務匹配工具與 Skill，再把成果存回可續用的地方；業務資料的查詢與操作放進同一段對話，減少在幾個系統之間切換。
判斷層是漏斗調優，其原則寫得很直白：一活動一實例、決策由你確認、無資料不虛構。它以 CDP 為底座，為每個營銷活動實例化一個獨立 Agent，有專屬工作區與記憶，輸出「指標、判斷、證據、行動」的可溯源鏈條，而不是只發一個告警。它明列平台原生 AI 的邊界：Meta 與 Google 的歸因窗口都短過長決策週期，超出窗口的成交會被丟棄，長決策週期的訂單因此失焦。
Leadbox 潛在客戶管理把自動化落在銷售階段事件，而不是單一線索：階段更新時自動觸發事件，以潛客 ID 回傳；成交後由銷售填入金額，可回查廣告主題與平台成效。AdOps Vanguard 與自動化投放規則則是執行側，依轉化次數、單次轉化成本、點擊率與預算設定規則，調整帳戶設定與出價；涉及花費或發布的任務要等審批。
要老實講邊界。Topkee 的知識庫沒有針對 Marketo、HubSpot 這類舊平台的替換方案，也沒有 buying group 或 ABM 的專頁；它的立場是連接與疊加，不是取代。如果你的結論是要換掉核心平台，這套做法幫不到你，反而是另一條路。了解漏斗調優的診斷流程，可以看站內的 TTO Funnel Tuning Agent 介紹。
誰不適合這條路
三類公司可以先停手。第一類是成交週期本來就短、單人決策的生意，例如低單價的零售或訂閱，buying group 的概念用不上，換平台的收益也有限。第二類是已經把 scoring 與 routing 寫得相當細緻、而且運作穩定的團隊，重建的風險大於收益，先修資料與歸因更划算。第三類是本地法規要求某些互動必須有人簽核的行業，如果導入方案要求自動執行，會在合規上卡住。
反過來，如果你們的痛點是「從想法到活動要幾個星期」、或是不斷買插件去補 lead routing 與去重，這兩種訊號是 Miller 認為值得提早處理續約的理由。他講的情況是：需求生成一兩日就寫好簡報，交到營銷運營排隊，兩星期後才在平台建好，來回又兩星期。這種時間損耗與平台功能無關，與流程被綁在某一個人的操作知識上有關。
落手做的次序
如果決定要評估，次序可以這樣排，每一步都對應準備 ai agent development 方案時要交出的答案：
- 先找出續約日，倒推兩個月至半年，把評估期寫進日程。
- 把現有自動化流程分成「必然規則」與「模糊判斷」兩欄，只為後者找方案。
- 檢查評分與分群是否以 single lead 為單位，可否改為以同一帳戶內多人行為為單位。
- 查清長週期成交的回傳方法，確認超出平台歸因窗口的訂單有路徑回到系統。
- 核對候選方案的遷移清單，問清楚 scoring、nurture 與 routing 要重建多少。
不打算換平台的團隊，把第 3 與第 4 步做完，已經可以解決大部分「數據看不清楚」的問題。想知道連接式系統與代理商模式的分別，可以讀 Topkee 與代理商的比較；如果你的團隊還要處理大量電話跟進，Voice Agent 的說明 是另一個入口。
常見問題
續約前真的不應該簽超過一年嗎？
Miller 的建議是基於變化速度，他在節目中承認這個建議對自己的公司有利。對你而言，核心問題是評估期夠不夠。如果你的團隊有能力在半年內完成一輪認真評估，短約有價值；如果每次評估都停在收集資料的階段，短約只會令你每年重複一次同樣的準備工作。
我們用 HubSpot，買了幾個插件補洞，這算不算訊號？
Miller 把不斷擴充技術棧列為警號，他提到的情況包括 lead routing、線索對應帳戶、去重，以及 buying group 與售後營銷。判斷方法很簡單：如果某個插件補的是平台本身的缺口，而且缺口持續擴大，那是平台的問題；如果補的是你們自己未定義好的流程，換平台也不會好。
AI 幫我們自動建流程，不是已經解決問題了嗎？
按照 Miller 的分法，AI 建流程仍然在建 if-then，條件越多越脆弱。他的說法是這樣只會令舊做法跑得更快。真正的分別在於決策由誰做：由人預先寫死，還是由系統在當下按證據判斷。買任何工具之前，先問這個問題。
我們的成交要三至六個月，歸因問題怎麼解？
先確認平台是否只看原生歸因窗口。Topkee 的文件明寫平台原生 AI 的歸因窗口短過長決策週期的成交，超出窗口的訂單會被丟棄。解法有兩條：把合格轉化以離線方式回傳到廣告平台，或把成交金額寫回客戶數據平台再對回廣告主題。兩條路都需要 CRM 與廣告平台之間有穩定的連接。
換平台的時間成本大概多少？
Miller 說按公司規模，評估與導入另一套方案可能需要兩個月至半年。Phave 的官方說法是最快四週完成遷移，並稱大部分時間花在重建 scoring、nurture 與 routing，而它不需要重建。前者是經驗估計，後者是廠商宣稱，兩者都要用你們自己的流程複雜度去校準。
Sources
- *Jon Miller On AI And The Future Of Marketing Automation*, Search Engine Journal, 2026-11-10. https://www.searchenginejournal.com/jon-miller-ai-marketing-automation/596446/
- *AI-Native Marketing Automation | Phave*, Phave, 2026-09（內容標示 Scored September 2026）. https://phave.com/
- *AI Agents Won't Fix Bad Audience Data, They'll Amplify It*, Search Engine Journal, 2026-11. https://www.searchenginejournal.com/ai-agents-wont-fix-bad-audience-data-theyll-amplify-it/589792/
