在【數位媒體對談】#6(上),談到網路廣告聯播網如何挖深消費者的需求,以及整個產業鏈的發展與匯流的各個角色扮演;【數位媒體對談】#6(下)將針對Big data的應用做更深層的演繹與詮釋,並預測未來數位媒體的五大方向。

**Big data的價值在於預測消費者行為
****顏:**我想電商客戶在意的不僅是何種商品賣得好而已,也想更一步瞭解所謂的五個W一個H。就是什麼樣的商品,在什麼時候要有多少的最佳曝光量,廣告要曝光給什麼型態的族群,在什麼樣的情境之下可以賣得更好。對於媒體來說,也必須試著去改變原來的銷售模式。

只是廣告版位的刊登銷售方式,就必須透過剛剛Jerry提到的經由不同的融合,來進一步了解客戶需求。我認為電子商務平台的第一步,就是數位媒體與電商客戶的密切合作,只是接下來要如何挖深彼此間合作的關係,我相信Jerry應該有好的建議!

**許:**我覺得大家認為大數據很複雜,或是覺得其實大數據與自身並無相關,但我認為big data在電商的及廣告領域最重要的是:預測消費者下一步的行為。早期data的預測大部分都是過去或是現在的狀況,但於網際網路快速特性,即時提供消費者下一步的行為預測就變得相當重要。

以電商環境來說,以前的電子商務注重的是供需問題,廠商去製造市場已經有的商品,認為可以佔到一個market share,然後透過大量通路鋪貨,假設消費者一定會購買,若銷售不佳,就利用廣告包裝及美化。但必須思考的是,當大家都這麼做的時候,競爭對手可能不只一家了,或是其實這類商品市場早已經飽和,若再刺激消費者時,第一,說服成本變高;第二,通路架上已有同類商品不同品牌,市場人口又不多之時,自然會形成贏的很少、輸的一堆,相對的辛苦。

我覺得big data剛好可以解決這些現象,第一,就是C2B的翻轉,與早期B2C、B2B2C或C2C最大不同是,我們現在能從數據資料中解讀消費者的購物行為模式,以及他們在網站上的各種型態。比如說為什麼大家突然都在購買或搜尋製麵包機,原因是最近爆發的麵包新聞事件。因此若能透過大數據的預測,其實就可以即時反應市場上的需求。

第二,從口碑的數據裡可以發現,消費者在討論什麼樣的議題,口碑如何巧妙的與content結合。從消費者的反映中,提供精準且相對應的需求與服務。第三,製造流程的改變,例如現在很流行的群眾物質,透過消費者的反饋來決定商品的產出,縮小來看,在Facebook上嘗試置放一個產品訊息,讓消費者給予意見,請大家來投票或按讚,將生產的決定權交給消費者,透過意見蒐集後才來製造該勝出的商品。所以,這其中包含了許多資料蒐集與數據分析,進而生產研發下一個符合消費者需求的完美產品。所以我覺得big data最重要的根本意義在於掌握消費者的行為。

這也是網路最吸引人的地方,能夠即時的反映每一個數據,就好像汽車儀表板一樣,隨時隨地都在變動。因此網路人必須要更專業,需要懂得解讀及判讀數字背後的真正意義。當判讀的越精準,數據也越趨完整,無論在銷售或商品行銷上,若朝著大數據的方向走,必能超前洞察消費者,看見商機。

精華剪輯影片:Part4

**許:**另外,我覺得big data中的廣告應用,不只是只有消費者,大數據其實還可以解決以下三件事情:第一,品牌市場定位,就如我前面所說的,透過big data可以清楚知道消費者的面貌以及目前使用的媒體工具為何,這些都是可以被呈現的。當然還有商品本身的價格比、CP值、目前市場定位的高低、品項數多寡以及行銷策略等,都可以在第一層先完整的在數據化先解構一番。所以現在企業可以從數據化中學習如何做到品牌的定位。

第二,產品的需求預測,也就是說當品牌定位完成後,big data可以幫助找到消費者有沒有需要此項商品,也許透過社群的力量詢問,或透過數據的探討去了解市場需求的缺口;最後第三才是反映消費者的下一步行為預測,當廣告投放媒體時,該如何引出消費者的潛在,讓數據產生預測的功能。因此我覺得big data的意義在於,從品牌定位到產品本身的產製與供應問題,到最後廣告投放和消費者的預測。

精華剪輯影片:Part5

**顏:**數據分析這件事,我認為目前是媒體比較願意投入的方向,因為媒體會想透過數據挖深潛在的消費者以及其中的輪廓,並找到可以對應需求的關聯性。但Jerry剛剛提到的三個要點,我認為必須是媒體與客戶端的資訊交換、整合與互惠。數據分析不可單單依賴媒體提供的精準流量,進而評斷成效的好壞。這是需要被翻轉的觀念與想法,唯有雙方的互相加持才會更好,不管是跨媒體、跨產業的整合,都是要讓數據分析變得更有意義一些。

**許:**以往台灣於數據這方面的運用很少,主要是因為早期big data的應用還是比較停留在大品牌客戶,還有市場報告的數據並未即時,以及在採集上無法跨媒體的整合,這是目前台灣面臨的困境。不過我覺得越來越好的是,當電商和廣告客戶越追求效益,媒體雖然辛苦卻越能從行為跟各個的方向去採集到更完整的資料。

隨著技術的發達,我認為在追蹤和技術上面,可以蒐集到的資料越來越精細,再加上很多的會員資料已經走向實名制,社群也已經走到真實人際關係,越來越多人願意透漏個資給各個網站、媒體,例如:itunes、Facebook。當慢慢走向這個趨勢時,媒體就能夠更掌握消費者的輪廓,接下來五年、十年,電商快速發展的絕對重點。

**顏:**今天Jerry為大數據做了一個更深層的演繹,過去我們在談big data時,大都關注在既有的數字及資料分析上,目的都是將消費者的需求看得更清楚,並透過不同形式,讓數據更即時把紛雜的數字轉換成有意義、有價值的資料訊息。對客戶來說,這些數據分析將可以幫助他們找到一個媒體最佳化的管道。

**具備數據解讀能力****締造加值服務
****顏:**對於聯播網或媒體平台,透過數據分析可以準確的投放廣告給精準的TA族群,所有的流量、曝光、版位,也都獲得最高投報率的運用。而未來Real-time Bidding system也將會是一個解決方案,藉由廣告競標的機制,找到最佳的產品曝光。當這個這個平台能做到Automatic Match的時候,我認為我們的投入與價值還是必須回歸到本質,也就是質的提升,當內容的質越來越好時,在整個的媒體、產品的效益上就會獲得提升,所以未來或許就會走向一個整合性的資訊匯流平台。

**許:**我認為每一個產業的數據利用其實都不太一樣。舉例來說,若服飾業者看透數據的話,就會知道製造流程的順序會跟著流行預測運行。或是透過Facebook最強大的年齡、地域數據統計,就可以理解20~24歲的男女服飾消費模式是什麼,進而針對這些族群行為做更徹底的分析,並深入了解媒體使用情境。

有趣的是,我們可以發現網路世界中,網友們已經逐漸走向真實人際的社群權,而且個人在不同的社群圈中,還扮演著多種角色變成多個群體。舉例來說,像是媽媽族群就會有好幾個分眾圈,身為廣告主就會很擔心怕漏掉哪一個媽媽網站,但是現在的channel就像變形蟲、是動態的。就有如網站成立Facebook,形成一圈圈的族群領域,而其中意見領袖就會影響這群圈圈。

所以當我們理解數據的時候,廣告主要如何透過聯播網、代理商或廣告公司,去與不同圈圈的消費者溝通呢?我認為數據不只是要告訴我們消費者的年齡族群行為、或喜愛什麼,它甚至還可以match到哪一個channel,並隨著動態的變因,針對不同的產品、不同頻道的消費族群進行不同方式的溝通。

比如,剛剛提到的製麵包機,不見得每個消費者圈圈的溝通方式都一樣,因為有些人是因為注重健康,有些人是因為團購價便宜,在意的是價格,所以每一群圈圈都有不同屬性,溝通方式也變異了。行銷人員在此時,就會扮演非常重要的角色,究竟如何將這些數據轉化成為內容,將內容轉化成有效的訊息傳達。對電商客戶來說,就是產生購買行為,它將是整個圈圈的環帶,需要彼此去努力經營的。

每個客戶都會有其溝通的方式,數據也許可能是動態的,假設大家拿到的可能都是一樣的數據,但在解讀數據的能力,就是行銷方式的差異,就會產生多種的判讀方式,而使得最後購買的分層和目標族群的組合就會不同。

**顏:**其實整個媒體的形式,真的在一個變形的狀態裡,過去大家可能覺得要做一個網站才是一個媒體,可是現在,一個粉絲團、導購團或團購團都是一個媒體形式,我深深地感覺到,這整個產業鏈都一直在變形。如今,包含行銷人員、媒體經營者、代理商都要更用功來看行銷這件事,而且似乎已經沒有辦法用過去所謂的選擇媒體下廣告的方式,就期望能達到所預想的廣告成效。就像Jerry說的,我們必須去了解每一個圈圈的特性、差異,以及可以引導出的價值。

我認為媒體產品是活的、有生命的,一直在變形也非一成不變,因此廣告主必須依照行銷需求來看待媒體的彈性變化與應用。這幾場對談下來,我也非常有感觸,因為已經有很多與談人不斷地提到說,客戶首先必須先釐清他們的marketing issue,進而按照制定的marketing goal來決定,他們到底要選擇什麼樣的媒體形式,或者是媒體的評估方式。

換言之,我覺得廣告主最終目的就是要達到成效這件事,而數據分析剛好可以幫助這些產業、這些市場,將所有消費者面貌看得更清楚。當有了數據分析作為依據之後,我們可以在媒體的形式與導入的方式找到一個最佳的成效及對應方案。另外也希望透過一次次媒體與客戶間的互動激盪,媒體可以將客戶的反饋意見,納入下次幫助行銷效益做得更好的依據。

今天和Jerry談了非常多的觀念與關於聯播網發展、生態以及數據結合的拓展的應用未來,當然我們對於未來充滿期待,也希望可以透過這樣的發展讓我們可以找到更好,能夠讓整個的成效應用更好的一個解決方案。

精華剪輯影片:Part6

出自域動行銷

往下滑看下一篇文章
廢棄碳纖維也能變再生材料!天翊綠能靠低溫解聚技術,獲桃園SBIR助攻產品驗證
廢棄碳纖維也能變再生材料!天翊綠能靠低溫解聚技術,獲桃園SBIR助攻產品驗證

碳纖維因重量輕、強度高,廣泛應用於自行車、汽車、航太及無人機等產業,每公斤原生碳纖維價格可達數百元,部分高階材料甚至高達數千元。然而,這些高價材料製成複合材料後,生產過程產生的邊角料與廢棄物,卻因熱固性樹脂難以分離,往往只能焚化、掩埋或降級使用,讓耗費大量能源製造的碳纖維失去再利用價值。

「產業真正需要的不是把廢棄物處理掉,而是如何把裡面的碳纖維、玻璃纖維重新變成有市場價值的材料。」天翊綠能科技執行長莊文彥指出。深耕複合材料產業約20年的他,於2023年成立天翊,希望透過自主開發的低溫常壓解聚技術,讓廢棄複材重新回到製造業供應鏈。

低溫解聚保留纖維性能,從廢料處理走向材料再生

熱固性複合材料難以回收,關鍵在於樹脂固化後無法像一般塑膠重新加熱熔融。傳統高溫熱裂解雖能去除樹脂,卻可能損傷碳纖維性能;若回收碳纖維強度下降,製造商可能需要增加材料用量以滿足產品的強度要求,反而削弱碳纖維原有的輕量化優勢。

為突破限制,天翊開發低溫常壓化學解聚技術,在約90°C、常壓環境下分離樹脂與纖維,降低高溫處理對纖維性能的影響。不同於將樹脂直接燒除,天翊也推進樹脂回收再利用及化學溶劑循環,提高材料利用效率。根據天翊提供的第三方檢測結果,回收碳纖維在受測性能項目上的表現達原生材料的98%以上。團隊也將回收纖維製成再生碳纖維不織布、板材、塊材及工程材料。

莊文彥表示,再生碳纖維每公斤價格約150至300元,具備成本競爭潛力。天翊也規劃三層商業模式:取得合法處理資格後,協助製造商處理複材廢料並收取處理費;將回收纖維製成再生材料銷售;再與客戶共同開發終端零組件。「我們不希望公司的主要價值停留在『每公斤收多少處理費』,而是希望營收逐步往再生材料與高值應用移動。」莊文彥強調,讓回收材料具備市場需求,才是循環經濟能否持續運作的關鍵。

桃園 SBIR 助攻百公斤級驗證,跨越技術走向產品的關鍵門檻

對技術型新創而言,證明技術可行只是第一步。要讓再生材料進入製造業供應鏈,還必須建立可重複的處理流程、穩定的材料品質及產品驗證機制。這些工作需要投入設備、人力與檢測費用,對商業化初期的天翊而言,是不小的負擔。

在桃園市政府地方型SBIR計畫的研發經費支持下,天翊得以加速推進製程測試、材料檢測與產品驗證。莊文彥指出,過去團隊主要仰賴實務經驗調整回收製程,但要讓技術進入產業應用,還必須建立標準作業流程、進出料紀錄及材料品質數據。透過計畫,天翊逐步完善這些機制,並針對碳纖維自行車、碳纖維預浸布邊料、高壓氣瓶與車用零件等廢料進行測試,完成超過100公斤複材廢料的處理驗證,建立相應的操作條件。

除了製程驗證,補助也支持團隊將回收纖維製成不織布、模具及相關產品,確認再生材料能否符合實際需求。其中,以再生碳纖維氈製作的模具,相較原本的玻璃纖維模具,減重約56.96%;以再生碳纖維氈製作的產品,相較原本玻纖產品,減重約27.77%。這些成果讓天翊不再只能向客戶說明技術可行性,而能透過具體的材料與產品數據,爭取後續合作機會。

天翊也與既有下游夥伴推進汽車零組件應用,累積再生材料進入供應鏈所需的驗證經驗。「SBIR對我們而言,不只是補助研發,而是幫助公司跨過了『實驗室技術走向實際產品』非常重要的一段。」莊文彥表示,政府資源不僅分攤研發成本,更協助團隊補足商業化所需的品質管理與產品驗證基礎。

以桃園為循環基地,從碳纖維走向風機葉片回收

除了研發補助,桃園聚集電子、汽車、航空與複合材料產業,也讓天翊有機會就近尋找廢料來源、加工夥伴及應用客戶。此外,天翊與桃園市政府消防局就高壓氣瓶展開合作,嘗試將回收技術應用於地方政府實際產生的循環需求。團隊目前持續推進桃園廠區設置與再利用相關申請,希望建立「在地廢料、在地回收、在地再製」的產業模式。

不過,即使技術與產品驗證已取得初步成果,天翊仍須完成事業廢棄物再利用相關許可程序,才能依核准條件擴大收料與處理規模。漫長的審查過程雖然增加營運成本,但莊文彥認為,除了回收技術,合法處理資格、穩定料源與產品市場,同樣是建立長期競爭優勢的關鍵。天翊的長期目標則不止於碳纖維。莊文彥補充,當初投入低溫常壓解聚技術,也考量到未來大型風力發電機退役葉片的回收需求。風機葉片主要由玻璃纖維、樹脂及部分碳纖維構成,體積龐大且難以回收,隨著全球風電產業發展,退役葉片處理將成為重要課題。天翊也已取得風機葉片回收處理方法的臺灣發明專利與美國發明專利。

因此,團隊選擇先從材料價值較高的碳纖維切入,累積技術驗證、設備放大與商業化經驗,再逐步拓展至大型風機葉片。「我們希望證明,複合材料不是只能從製造走向廢棄,而是可以從廢棄再回到材料、再回到產業。天翊要做的,就是把這條循環真正建立起來。」莊文彥說。

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
一次搞懂工業AI
© 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