【隨。心。所。欲】社群時代點擊與曝光的意義
【隨。心。所。欲】社群時代點擊與曝光的意義
2012.11.13 | 行銷

一般來講,我們常用 Web 技術的演進來看待所謂的分水嶺,於是,傳統的 HTML 靜態頁面,大致上被歸類為 1.0 時代,隨後有了 Javascript、CSS,被廣泛地定義為 1.5 時代,在此之前,Web 的頁面仍然是以「頁」為單位在變換及計算。

到了 Web 2.0 時代,諸如 Ajax 之類的 Javascript 應用,在不切換頁面的前提下,大幅改善了使用者的體驗。當然,這只是很單純的從 Web 技術的演進的劃分法,實際上到底如何區分,沒有太大的價值。

(Photo by Francisco Javier Argel , CC )

之所以一開始先提到 Web 的演進與更迭,跟本文中想談主題有關:在不同時代演進中,點擊與曝光的實際意義。

Web 2.0 時代點擊的意義

「點擊」(clicks)在 Web 1.0 ~ Web 1.5 時代,對於網站而言是有意義的,因為大部分的網站內容都以「頁」為單位,每一頁裡會有許多連結,每一個點擊便可能引導使用者「消費」另一頁內容,因此,幾乎所有的網站都專注在產生更多的曝光數 — 因為網站經營者知道曝光數可以轉換成實際的營收。

「點擊」隨後更創造了市值最高的網路公司 Google,也成為網路行銷中很重要的衡量指標,更是孕育許多網路行銷公司,創造出極高產值的名詞。

可是,到了 Web 2.0 時代,點擊的重要性還是如此嗎?似乎不全然。

在 Web 2.0 時代以前,網路的內容基本上仍然依循傳統媒體的方式被產生居多,因此,經由入口網站接收資訊是一種常態,這種內容的產製絕大部分仍依循「篩選 編輯 產生」的形式存在,缺少受眾的回饋(feedback)。

然而,在 Web 2.0 時代後,各種基礎建設日益完備,每個人存取網路及利用網路的「權限」扁平化後,「個人」在網路中的「節點」(node)角色越來越重要,每一個人都可以是內容的「製作人」,可以透過產生內容,獲得其他人的回饋,並產生更多的延伸。

不過,在「消費」(或稱「消化」)內容之前,使用者都在哪裡「發現」這些內容? 不外乎是透過這幾個管道:入口網站、資訊網站(例如:新聞網站)、社交網站、Email、即時通訊工具。

由於「個人」的重要性提高,因此,入口網站的重要性也相對的降低,而社交平台的誕生,更使得以往形同孤島般存在的「部落客」(內容產生者)及長期在各種社群論壇存在的意見領袖,有了一個可以獨立成為意見門面的空間,任何人都可以在社交平台上「設攤」,接受網路群眾的「消費」(或朝貢?)及回饋。

網路使用者在瀏覽網頁時,「內容」本身佔了一般網路使用者很多的時間,因為消化內容本身即需要時間。因此,當一頁「內容」在社交平台上被消費時,會隨著使用者在社群中的影響力以及人脈圈的大小,產生不同程度的擴散效應,2008 年在舊金山成立的新創網站 Klout 便是藉由使用者在不同社交網站發表的內容,將其所產生的影響量化成一個特定的指標。

但是,這樣的量化指標只能看出一個內容被使用者消化後所產生的漣漪,並無法看出其真正的質量 — 在社交網路強調「人脈」的概念,單靠人脈關係,所產生的點擊跟曝光率,是否會轉換成真正的動作呢?

事實上,你可能會發現並不是那麼一回事。

因為真正熟識的朋友,彼此間的興趣與喜好並不同,所以由人脈關係延伸所產生的內容的點擊與曝光關係,很可能虛有其表(點擊率很高、大量被散佈),卻不見得有一定的效用(轉換率),而產生真正的價值。

這個盲點是許多現今在社交網路投入廣告及行銷經費的公司 [1 所始料未及的,因為裡頭牽扯到太多太複雜的人際脈絡與偏好間的關係,至今仍然沒有一個極為容易被接受且理解的公式。

一點點關於網路廣告的歷史

最早的顯示廣告 [2 是美國一家叫 Prodigy 的 ISP 率先在對所有訂戶顯示的頁面上出現的,同期間最大的 ISP 叫 CompuServe 。Prodigy 的母公司為 IBM 及知名的美國連鎖百貨公司 Sears,Prodigy 對所有 ISP 訂戶宣傳 Sears 銷售的商品,由於商品需要視覺的刺激,所以 banner ad 便這樣問世了,但仍然沒有實際的商業模式。

隨後是 HotWired,Wired 雜誌的網路版網站,首次在 banner ad 上套用了商業模式,開始銷售廣告。

HotWired 的首任 CEO Rick Boyce 係來自傳統的媒體產業,對於「閱覽率」(或稱為曝光率) [3 的定義可以想見會來自傳統媒體的媒體採購習慣,這是為何初期網站在銷售網路廣告的實際營收,單純是依賴網站可以產生多少瀏覽次數而定。

不過,隨後在有 Internet 商業化之父之稱的 Ken McCarthy [4 的指導下,HotWired 開始發展出一種在同樣是沿襲傳統廣告的每千次曝光成本( CPM ,cost per thousand impressions)的指標下,可以被量化(可被追蹤、可被點選)評量的效度指標:「點擊率」( CTR ,click-through rate),計算出網路使用者在觀看一個媒體(網頁內容)時,實際瀏覽與產生的實際行動(clicks)間的比例 — 所以廣告主可以除了知道自己的廣告被看了多少次以外,還可以深入瞭解被「多少人」、「點擊了多少次」。

這算是第一次正式把網路上的行銷定義得比較容易被習慣傳統閱覽率報告的廣告主所接受,也可以讓各方網站經營者認同的方式。而後來發展出的點擊計費( pay-per-click )模式,很多人也認為是由 Ken McCarthy 所第一個提出。

隨後除了曝光率以外,GoTo.com(後來更名為 Overture ,隨後被 Yahoo 併購)開始將這種點擊計費的模式應用到其搜尋結果中,提出了 pay-per-placement 的模式,透過一種 Bid * Quality Score(CTR) = Ad Rank 的公式來計算廣告的排名,然後由廣告主來競標的方式銷售廣告。

之後 Google 的 AdWorld 提出了不同的演算法( PageRank )也同樣採取類似的方式銷售廣告,為此,在 Google 上市前,還引起了 一番訴訟 ,隨後並與 Yahoo 達成了和解,支付一筆和解金及部分股份。

在部落格上又是怎麼一回事?

前陣子我寫了「 創業者的心術:為什麼你要相信運氣 」這篇文章,看到統計報表上出現一些很有趣的數字,剛好可以跟各位分享一下。

下表綠色線表示正常的瀏覽量,紫紅色表示搜尋引擎、機器人等程式前來「爬文」,紅色則代表各種前來攻擊主機或是企圖投放垃圾訊息(spam) 的流量。

由於剛發表的文章在網路上屬於「新鮮的內容」,所以會吸引正常流量以外的流量前來「拜訪」,例如圖一所示的搜尋引擎及垃圾訊息。

再來看看實際到訪的人數。在圖二中,三個顏色同樣代表來自三個來源的「人」數(unique visitor)。 從這個圖看起來,這個數字更驚人了 — 你會突然發現,光是用部落格做實驗,實際上一篇新的內容所吸引的流量、到訪人數,以前面提及的增加曝光率等於創造營收的角度來看,大概佔了一半以上都不是「有貢獻度的流量」。

圖三的分布圖說明了一切。很驚人嗎?

實際上,把時間拉長來看,這個比例會隨著距離內容初發表的時間的距離而逐步遞減。 亦即,隨著內容在網路上存在的時間越久,其對非「正常人」利用的價值越低,便不需要一直前來「爬文」或「攻擊」了。

但是對「正常人」來說,價值如何呢?很巧的是 — 一樣。隨著時間的增長,其效益是遞減的。所以假設兩個月後再看同一份統計報表,你會發現同一篇文章每天只會剩小貓兩三隻前來瀏覽。我的經驗是文章發表後的前三天是「熱門時段」,之後就完全像是被打入「冷宮」了。

社交網站上又是如何?

我們再來看看在社交網站的狀況。

圖四是我在 Facebook 上的粉絲團曾經發表的 一張圖 ,圖的作者是我一位奈及利亞籍的漫畫家朋友 Mike Asukwo 的大作。

這張圖發表的時候,我的粉絲人數只有 200 人左右,但實際經過這 200 個人擴散出去顯示在他們的朋友圈,被看到人數(reach) 為 1,630 人,但實際上引起他們感興趣點進來看這張圖的,則有 2,556 人。而實際上進來回應、按讚,或是再轉分享出去的,則有 1,036 人。

這些數字在 Facebook 上有其原有定義的意義,不過,你可以計算出到底這樣的點擊跟曝光,實際產生了什麼效益了嗎?

在這張圖發表的一週內,實際上我的粉絲團新增的人數不到 20 位。假設我發表這張圖的目的是「為了增加粉絲團人數」,那麼這便會是一個失敗的行銷。我想這多少與 通用汽車 的例子有些許的雷同之處。

隨著 Web 時代的向前演進,點擊與曝光的意義受到了很大的挑戰,越來越個人化的網路服務,追求的其實是更深入,更具目標性的具體凝聚力,與其增加空泛的點擊與曝光,滿足於數字的提升,如何從產生真正目標族群所感興趣的內容或服務更顯得格外重要。

最後,跟大家分享一支極度諷刺的影片。作者特別拍了這樣的影片,同時也成立了一個假網站,告訴所有受眾「在網路上,要多少點擊都可以花錢買得到」,諷刺在網路上的「以點擊為主的行銷」的荒謬之處。

附錄/附註:

[1]General Motors to Stop Advertising on Facebook

[4] 1994年,Ken McCarthy 召集了業界的菁英,探討 Internet 的行銷與商業化,在座的包括 Netscape 的創辦人Marc Andeerseen 以及許多媒體人,包括 HotWired 的 CEO 以及 O’Reilly Media 的前身 O"Reilly Associates 的創辦人Ed Niehaus 。有興趣的朋友可以看看1994 年的影片記錄 或是 Ken McCarthy 整理的影片中的演講稿文字

轉自隨。心。所。欲

往下滑看下一篇文章
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路

「代理式 AI 」(Agentic AI)的創新服務正在重新塑造企業對AI的想像:成為內部實際運行的數位員工,提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢:2025 年是 AI 邁向「代理式 AI」的起點,讓 AI 擁有決策自主權的技術轉型關鍵,2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮,企業如何加速落地成為關鍵,博弘雲端以雲端與數據整合實力,結合零售、金融等產業經驗,提出 AI 系統整合商定位,協助企業從規劃、導入到維運,降低試錯風險,成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路,企業該如何走對第一步?

博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題、生成內容的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工,應用場景也從單一任務延伸至多代理協作(Multi-Agent)模式。

「儘管 AI 前景看好,但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出,到了 2028 年,高達 70% 的重複性工作將被 AI 取代,但同時也有約 40% 的生成式 AI 專案面臨失敗風險;關鍵原因在於,企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭,更涉及流程變革與人員適應。

2-RD096270.jpg
博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時加速 AI 落地。
圖/ 數位時代

正因如此,企業在導入 AI 時,其實需要外部專業夥伴的協助,而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力,涵蓋數據、雲端、應用開發、資安防禦與維運,可以一站式滿足企業需求,更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示,許多企業在導入 AI 時,往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵:HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論,並非紙上談兵,而是已在多個實際場域中驗證成效;鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程,正是其最具代表性的案例之一。陳亭竹說明,HAPPY GO 過去曾面臨AI 落地應用的考驗:會員資料散落在不同部門與系統中,無法整合成完整的會員輪廓,亦難以對會員進行精準貼標與分眾行銷。

為此,博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化,完成建置數據中台後,再依業務情境評估適合的 AI 模型,並且減少人工貼標的時間,逐步發展精準行銷、零售 MLOps(Machine Learning Operations,模型開發與維運管理)平台等 AI 應用。在穩固的數據基礎下,AI 應用成效也開始一一浮現:首先是 AI 市場調查應用,讓資料彙整與分析效率提升約 80%;透過 AI 個性化推薦機制,廣告點擊轉換率提升 50%。

3-RD096215.jpg
左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例,許多企業往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。
圖/ 數位時代

整合 Databricks 與雲端服務,打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中,博弘雲端發現,底層數據架構是真正影響 AI 落地速度的關鍵之一,因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台,作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架(Apache Spark)為核心,能同時整合結構化與非結構化資料,並支援分散式資料處理、機器學習與進階分析等多元工作負載,讓企業免於在多個平台間反覆搬移資料,省下大量重複開發與系統整合的時間,從而加速 AI 應用從概念驗證、使用者驗收測試(UAT),一路推進到正式上線(Production)的過程,還能確保資料治理策略的一致性,有助於降低資料外洩與合規風險;此對於金融等高度重視資安與法規遵循的產業而言,更顯關鍵。

陳亭竹認為,Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台,當需要啟動新型 AI 或 Agent 專案時,再切換至 Databricks 進行開發與部署,待服務趨於穩定後,再轉回雲端平台,不僅兼顧開發效率與成本控管,也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程,資訊安全與治理的重要性也隨之同步提升。對此,宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層,企業在導入 AI 應用初期,就應做好資料分級與建立資料治理政策(Policy),明確定義高風險與隱私資料的使用邊界,並規範 AI Agent「能看什麼、說什麼、做什麼」,防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層,當 AI Agent 角色升級為數位員工時,企業也須比照人員管理方式為其設定明確的職務角色與權限範圍,包括可存取的資料類型與可執行的操作行為,防止因權限過大,讓 AI 成為新的資安破口。

第三為技術應用層,除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外,還需導入專為生成式 AI 設計的防禦機制,對 AI 的輸入指令與輸出內容進行雙向管控,降低指令注入攻擊(Prompt Injection)或惡意內容傳遞的風險。

4-RD096303.jpg
博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」,透過完善治理政策與角色權限,並設立專為生成式 AI 設計的防禦機制,降低 AI 安全隱私外洩的風險。
圖/ 數位時代

此外,博弘雲端也透過 MSSP 資安維運託管服務,從底層的 WAF、防火牆與入侵偵測,到針對 AI 模型特有弱點的持續掃描,提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞,更可以即時監控活動,快速辨識潛在威脅。不僅如此,也能因應法規對 AI 可解釋性與可稽核性的要求,保留完整操作與決策紀錄,協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向,」陳亭竹強調,面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時,加速 AI 落地。在這波變革浪潮中,博弘雲端不只是提供雲端服務技術的領航家,更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗,以及完善的資安維運託管服務,博弘雲端將持續協助企業把數據轉化為行動力,在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機,立即聯繫博弘雲端專業顧問

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
2026 大重啟
© 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