2008年台灣網友行為與B2C消費發展趨勢
2008年台灣網友行為與B2C消費發展趨勢
2009.06.08 | 科技

2008年台灣網路購物市場規模

在新網購業者加入、販售品類增加、服務水準提升,以及實體通路業者相繼開拓網路銷售通路,提供網友更多樣選擇下,幫助擴大整體網友的消費。

同時隨時間發展,網友也更熟悉透過網路進行消費,在消費金額上亦有所增長,2008年台灣B2C市場規模仍有不錯的表現,市場規模約可達到1,365億元新台幣。

其中在景氣循環影響下,旅遊、3C類別產品銷售情況較為不佳,預估未來消費者普遍對耐久財(如汽車、工具設備、家電電腦等)的支出仍將保守,不過不景氣亦促使消費者傾向利用網路比較商品、尋找特賣活動,有增加使用網購之機會。在整體市場的增長速度上,預期將會逐漸放緩,不若往年具有高速的增長。

網友結構與網路行為分析

網友身份多為20-29歲學生與上班族

本次台灣網友調查進行時間為2008年8月4日至8月18日,有效共樣本數共5,535份。其中男性佔比約44%,女性則為56%。網友的年齡的分佈中,仍以20-29歲為主要群體,佔比達到52.8%,其次30-39歲網友則佔了25.7%。對照整體的台灣人口比例,網友人口相對較為年輕。

從調查網友身份分佈觀察,主要以上班族(47.7%)以及學生(32%)居多數,同時大部分具有大學學歷(65.8%)。網友居住地則北部53.6%居冠,中部與南部則各佔二成左右,與往年的分佈接近。其中網友多數擁有多年的網路使用經驗,可以發現7年以上網路使用經驗者達到六成,顯示網友多具有豐富的網路使用經驗。

為求進一步比較調查不同群體網友的網路行為、網購行為,以性別及可支配所得,將網友分為四群,以進一步觀察其活動與消費行為的差異之處。

其中可支配所得參考主計處公佈的個人可支配所得平均,以及本次調查網友的可支配所得分佈,高低所得群體將以新台幣2萬元作為分界點。

區分後之結果,男性高所得者佔760人,佔整體網友的13.7%,女性高所得者共706人,佔整體網友的12.7%。從整體上比例來觀察,男性網友普遍在可支配所得上較女性來得較高,網購消費金額相對也較高。另外網友在使用網路之網齡平均多在6年左右,並且參與網路購物時間多在2~3年間,顯示調查樣本具有一定的網路使用與網購經驗。

另外以高所得者而言,在學歷、網路使用時間、網路購物時間與網路消費支出上等,皆高於低所得者,此乃因高所得者年齡普遍相對較高,相對有較佳的經濟能力所致。

購物訂票普遍成為網友第四大常進行網路活動

由2008年調查顯示,整體網友最常進行之網路活動,仍以搜尋引擎、E-mail、即時通訊三項為主。

以比例來說,八成的網友常使用即時通訊,顯見網友透過網路進行人際溝通的普遍性。同時可以發現低所得者,在使用即時通訊的情況還高於使用Email的比例,即時互動成為他們網路溝通的主要特性。

另一方面則是購物訂票的活動,整體上較2007年而言有所增長,過去購物訂票普遍還低於下載軟體比例,但今年排名已有所提升,顯示網友對於網路購物的使用情況更加普及化。

其中以高所得女性最常在網路中進行購物行為,常進行購物訂票者達85%。在其它活動中,男性顯然較女性常下載軟體。

另就Blog的使用而言,則是以女性明顯較男性高,這顯示若透過Blog行銷,可以接觸到的潛在女性消費者比例亦可能較高。女性較常進行編輯Blog、相本的行為,也顯示女性較喜好透過此媒介分享個人經驗的特質。

另外知識網站在各群體皆使用頻繁,顯示網友透過網路解決各種疑難雜症的現象也十分普及,最後低所得的男性,則仍是較為熱衷於線上遊戲的群體。

整體網友Blog使用比率持續增加

Blog雖然是相對晚期才發展的網路服務,但就整體網友仍有相當高的比例具有使用經驗,顯示其快速普及化的現象。相較2007年,可以發現整體的比例仍持續增長。

以使用行為而言,閱讀Blog內容普遍較高,而需要投入精神較高的撰寫文章、編輯相本等活動參與率相對較低。其中女性使用率普遍高於男性,此與女性較喜好互相交流、表達個人心情等特質有關,相對上男性使用Blog則是較常用作資訊取得的管道之一。整體使用比率的增加,也顯示透過Blog作為發佈行銷訊息、廣告、溝通平台的影響性可望擴大。

更多文章請至ITIS智網

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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
代理式商務連動百兆商機
© 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