AdNectar比美粒果還積極,成為最接近廣告主的「虛擬寶物大盤批發商」
AdNectar比美粒果還積極,成為最接近廣告主的「虛擬寶物大盤批發商」
2009.11.11 | 行銷

今天想討論的是,「美粒果」這個行銷方法,倒是沒人說不好。事實上,這樣的虛擬寶物,最近美國這邊一家公司AdNectar,這個月來,推出另一個更進一步的新做法──

AdNectar其實早在半年多前就推出了在Facebook上面的「廣告商置入虛擬寶物」,就好像美粒果這樣的東西,不同的是,AdNectar的身份並不是Facebook也不是Facebook上面的小遊戲,它是自己一間獨立的公司

它專門在為……美粒果這類型的廣告主,製作一些唯美的小小虛擬物品,然後,再送去給那些開發商,讓他們可以藉由送或賣這些虛擬物品,來為商家拉抬一下!

一直以來,有人也在做類似的東西,有趣的是,AdNectar在幾周前宣布了一個極有趣的消息──它即將將這虛擬寶物,拉到Twitter微網誌,和甚至LiveJournal部落格平台上面

這一點,讓許多正在做Facebook相關生意的人,心中應該有些感觸──

先來看看AdNectar這件公司,首先,這公司背後有知名矽谷創投資金,由兩位史丹佛商學院的學生所創辦,另外還搭配了兩位史丹佛研究生,這兩位研究生才當時才剛剛完成一份研究論文,證明了像「美粒果」這樣透過虛擬寶物來促銷的,可以將購買慾望提升20至60%

拿著這份研究報告,他們就四處接觸廣告主,有一些先進的廣告主,於是就「買了單」。當時他們先和知名巧克力品牌 Godiva合作,那時候就在Facebook的使用者用了各式各樣的方式,包括放在「Friends For Sale」這個小遊戲裡面,AdNectar幫這些廠商設計虛寶,「批發」給其他小遊戲來曝光、露出,半年下來,也出現了一些讓廠商相當滿意的數字,一共 送出了總共110萬個Godiva相關的虛擬小物品,也讓Godiva這個品牌多了大約5200萬次的曝光,結果造成了7萬7千次的點擊到Godiva的 粉絲專頁,結果有1萬2千個正式的加入了Godiva的粉絲專頁!

這些數字只是第一步,但讓廠商知道了這種「虛擬寶物批發」的厲害!為何這樣的宣傳會有效果?其實,所有的宣傳都會有效果,只要使用者願意去接受它、把玩它,甚至再幫忙傳播出去……大部份的使用者是不喜歡廣告的,但換作是「虛擬物品」,這種方式,使用者竟然就能真心喜愛、真心使用、真心傳播, 一切都是非常自然(voluntary)。使用者如此瘋狂的情況下,這樣的廣告,不「有效」才怪。另外,虛擬寶物和真實生活多多少少有一些關係,從廣告商 的角度來看,有誰用了哪些物品,或許也表示這些人就是很喜歡這些物品,所以,在被動的讓使用者心中品牌價值提升之外,其實也是在篩選並集合這些人的興趣, 也幫廠商將產品訊息快速的傳播給那些最合適的客戶。

現在,AdNectar要將這玩意,弄到其他平台上面。不過,令人納悶的是,Twitter只是一個「微網誌」,又不是什麼小遊戲,有什麼「寶物」可玩?那,在部落格平台LiveJournal,又有什麼「寶物」好玩?

原來,虛擬寶物到了這兩個新地方,就不再以「遊戲」來表現了,而是改以簡單的「小禮物」。我可以送禮物給另一位 噗友,我可以送禮物給另一位部落格寫手,據說連Facebook的禮物店都已經創造7000萬美元的收益,這部份應該也可以做,在Twitter 上,AdNectar有一個合作夥伴叫fun140,這間公司原本就有在做Twitter上面送禮物的事情,但沒有AdNectar這麼會找廣告主,因此 就與他合作。這樣的合作讓這個產業的層面更為複雜、更為豐富。

那你問,這點的意義在哪裡?

答案很簡單:從此不再只「仰賴」Facebook!

你又問:這點,有這麼重要嗎?

有!一般做Facebook的,很少可以跨到其他地方。事實上我們也發現無論做什麼行銷,站外拉進去的有限,從站內直接找人最快, 因此對於大部份廠商而言,實在也沒有必要去Facebook以外的其他地方。但,以投資或投資人的角度來看,如果你只有一個客戶,就算做得再好,永遠都有 一個風險是你可能瞬間就被整個打到消失不見,所以,為了讓自己的價值可以「確保」,不會血本無歸,開發商若能像AdNectar這樣「劈腿」跨平台最好, 而且,一跨平台後,AdNectar的獨特的價值也更展現出來了。一家廠商可能會懷疑,為何要和AdNectar合作,而不去直接與開心農場這類的開發商 「直接談」就好了?如果需要畫東西,隨便外包找一找都可以畫出非常專業且好看的?但,現在,就只有AdNectar提供了Facebook、 Twitter、再加部落格平台,你用了他,一次就可以「鋪貨」到所有平台,那廠商就會有興趣許多了。

這,真真切切的就是「批發商」所在做的事啊!AdNectar現在成了「最接近廣告主的虛擬寶物大盤批發商」,也為它奠定強而有力的未來基礎,無論Facebook怎麼變,無論社群怎麼變,它都立於不敗之地!

我們都在想,其他的東西是否也能做到這樣?最近也有另一批網路創意出來,譬如這間「Off The Wall」,做所謂的「Facebook牆內電子商務」(In-Wall E-commerce)。注意,塗鴉牆或個人首頁是無法做到直接在狀態更新上做電子商務的,但這些廠商是利用狀態更新來發佈商品的內容,點進去以後,來到旁邊的APP進行剩下來一步一步的選品、填卡號、填住址……。

終極的方向,如果可以創造出一個跨平台的系統,為上面的都產生利益,那就很棒了。不過,一開始,我們視Facebook為一個很好的測試平台,因 為:(1)人多,上面的任何地方都有人,可以測試我們的強法。(2)百花齊放,Facebook上面已經有好多好多的APP,像AdNectar早就已經 「跨遊戲」,先做到這程度,再進一步的「跨平台」,然後成為「最接近廣告主的大盤批發商」,每一波過路的小趨勢,都被它當作墊腳石,一步一步的墊了上去。(原載於Mr.6部落格

 

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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