【行銷名人講堂】- 新世代行銷術 - 好的資料策略,優化投資成效
【行銷名人講堂】- 新世代行銷術 - 好的資料策略,優化投資成效

口述/奧美互動行銷公司董事總經理 張志浩

整理/數位狂潮 - 行銷長的必修課

 

 

.行銷預算的有效分配取決對消費者的洞察、瞭解需求和媒體使用行為。

.在”All is data”的數位媒體年代,好的資料策略能因應精準行銷的挑戰,把每一分錢都花在刀口上。

.透過end-to-end的溝通過程,企業可以完整記錄消費者的行為資料,透過智慧分析產生洞察,再回饋到未來活動,讓行銷投資獲得最佳結果。

在高度數位化的年代,新媒體的多樣性、多變性和複雜性,徹底改變了人們的媒體使用習慣。想想看,自己的生活中有多少時間花在用手機上網、看訊息,使 用傳統媒體的時間確實越來越少。但,餅就這麼大,當傳統的行銷概念、消費者使用媒體的習慣發生重大改變時,行銷長看到了嗎?知不知道要怎樣因應這個挑戰 呢?又該如何趕得上這個變化的速度?

因為整個媒體生態經歷大劇變,消費者花在每一種媒體的時間更少,造成所有廣告效果都在遞減。那麼該如何在相同的行銷預算下,做出有效的分配呢?有效的關鍵在於精準度,精準的背後則是對消費者有清楚的洞察(insight)、瞭解需求和他們的媒體使用行為。

end-to-end溝通,任何足跡都是資料源

想要做到前述這些事,靠的就是「資料」。舉個例,一個消費者在網頁看到一個活動的橫幅廣告(banner)、點進去活動專屬網頁、按著頁面的導引互動留下資料,接著網站會做一些行動,可能是推薦他去抽獎、購買商品或是成為會員。這個過程中,每一個點擊行動都留下資料。

然而,很多公司在做這類行銷行為時,根本不知道這些過程的資料是可以記錄下來,因而放掉了很多累積資料的機會。當然,有些公司知道也做了資料記錄,卻沒有做 出完整的資料應用計畫,更別說妥善儲存資料的方法。這是當前很多行銷長欠缺的「專業知識(domain know-how)」,他們總以為做行銷嘛,用得著這麼多資料?

永慶的好房網(HouseFun)就是個善用資料的範例。 這個網站訴求滿足你的一切房事需求,消費者經由橫幅廣告或關鍵字進入網站後,任何你在買屋、賣屋、租屋、裝潢到修繕服務頁面留下的瀏覽足跡,好房網的系統 都會詳細記錄。當資料累積到一定程度後,就透過資料探勘技術分析消費者的喜好,主動推播貼近這個喜好的房屋物件給消費者,最終達成買賣屋的交易。

緊扣公司策略與定位,新媒體顯見效益

另外,我也觀察到很多行銷長在看待數位新媒體的大盲點:一窩蜂。往往看到一個新媒體出來,就急著去採用。以臉書為例,台灣有一千萬個會員,當中有六百萬人過 去24小時有使用。試想,台灣有哪一個媒體每天接接觸的閱聽眾可以這麼多呢?就某種行銷操作層面來看,臉書已經是「大眾媒體」了。

那麼,如果你要操作大眾閱聽人,可以直接在臉書做,不需要那些大型入口網站;如果要針對特殊興趣、特定粉絲頁做社群影響力行銷,臉書也是個好選擇。因為它能夠精準地透過科學方式把消費者分群,協助企業做分群精準行銷時,產生更好的投資報酬。

所以企業行銷人真的要先去瞭解每一個新媒體的特性,找出他們長期發展的策略和方向,然後根據自己公司的發展和產品特性,通盤規劃如何使用一個新的媒體。我認為這才是一個負責任的行銷長該做的事。

客製資訊滿足需求,銷售目的才達陣

再說到經營客戶關係。我們前面說到,在數位新媒體中你可以記錄到所有客戶使用行為的資料,包含基本資料和需求資料。但唯有真正找出需求資料,行銷人才能據此提供客製化的產品與服務,讓顧客滿意開心。

像我們的客戶IBM,他們的目標對象是資訊長(IT決策者)和其他IT人員。這兩組人在選購科技方案時,想的事情大不相同。IT人員在意的是產品好不好用、 建置容不容易;而資訊長要看的是新方案對企業未來的營運有多大幫助。他們對時事的關心面向也有差異,IT人員想知道生活周遭的新聞,而資訊長會關心國際經 濟和科技的發展趨勢。

舉個例來說,透過觀察資訊長偏好閱讀的網路資訊中,我們發現「ECFA」這個議題的資訊看得特別多, 因為這項兩岸的商務協定會影響企業的佈局發展。於是,我們從ECFA切入,先提供對企業有哪些影響的資訊,接著端出IBM某個解決方案可以幫助他們因應這 種變動,同時找出類似情況的企業案例佐證。最後,如果有興趣進一步了解IBM方案,我們安排業務人員登門拜訪。

在整個溝通過程中,我們會針對同一個人在不同階段、提供不同的資訊與服務,來達成最終銷售目的。這是很精細的客製資訊,重點是你要挖掘出他的真實需求,並一步步滿足,才有最後的銷售結果。

給行銷人的三個建議

從事行銷工作,一定要開闊心胸。行銷的方法變化太快了,很多傳統的行銷觀念並不是錯,而是改變了。我鼓勵35歲以上的行銷人要做數位的移民者,儘可能去瞭解新媒體的特性和生態。

當你瞭解之後,才會知道何謂「虛實整合」,這可是未來媒體發展很重要的新變革。例如,由AR(Augmented Reality)技術帶動的擴增實境,未來可以在活動現場的螢幕上,把虛擬世界套入現實環境,產生令人驚艷的效果。

最後,再回歸到一開始談到資料議題。在數位媒體時代,「All is data.」──用資料驅動所有活動的發展、優化行銷投資報酬。我建議行銷長要好好思索:「我的資料策略是什麼?」包括建立數位平台、背後的資料庫架構, 資料該怎樣累積、分析,轉換一個優化活動效果的實現者。這件事想得通,就能讓你在精準行銷的挑戰中,把每一分錢都花在刀口上。

更多精彩行銷案例與專家訪談請上:【數位狂潮 – 行銷長的必修課】臉書粉絲頁

 

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