冷門商品靠網路長銷 業績不輸熱賣貨
冷門商品靠網路長銷 業績不輸熱賣貨
2006.09.15 |

《長尾理論》 (The Long Tail)
■ 作者:克里斯.安德生(Chris Anderson)
■ 出版社:Hyperion(中文版為天下文化)
■ 出版日期:2006年7月(中文版9月28日發行)

亞馬遜網路書店(Amazon.com)上可以找到多少本書?iTunes(線上音樂商店)上又有多少首歌?光是商品種類和商品數量就已經夠嚇人了,但如果你知道這些商品當中,九八%每季至少賣出一次,是不是更令人吃驚?這就是《長尾理論》(The Long Tail)所觀察到的新趨勢。
「長尾理論」是由《連線》(Wired)雜誌主編克里斯.安德生(Chris Anderson)所提出。他試圖描述一種新型態的網路銷售模式,反映網路科技造成消費文化的改變。現在的供需市場和以往大不相同,經營者要有新思維,才能掌握網路上聚沙成塔的消費者。

商品只要曝光就有人買

八○/二○法則告訴我們,八○%的收入來自二○%的商品;長尾理論則說,不要管那少數的熱門商品,而要注意過去被忽視的「其他」選擇。網路商店可以提供無限種類的商品,根據安德生的說法,這些原本連實體店面都上不去的非主流產品,現在反而在網路上重現生機。
對陳列空間與商品選擇斤斤計較的實體店面,經常必須放棄無法熱銷的商品,但這些商品卻可以透過網路達到細水長流的銷售成績。冷門的、小眾的、沒有時效性的利基商品(niche goods),雖然不如暢銷商品一上市即造成轟動,但在供需曲線上始終有一定的銷售量。
換言之,利基商品一直都能找到自己的市場,一直在創造收入。也許單一的小眾商品成績不亮麗,但小眾商品聯合起來創造的收益,也不輸給熱門商品短時間內創造的營收。原本在需求曲線上不受注意,甚至被當作不存在的尾端曲線,從安德生的觀點來說,長到足以發光發熱。
依安德生的觀點,eBay和Google都是長尾理論的成功例子。前者創造出二手商品的價值,後者緊抓小廣告商締造亮眼的廣告收入。這是市場法則進入網路時代的變革,消費者不但不會被為數眾多的選擇搞得眼花撩亂,反而只要有適當的搜尋評價機制,他們樂得在大海中尋寶。
更讓企業驚訝的是,商品只要有曝光的空間,所有的東西都有人買。上架的商品愈多,買的人愈多。對於陳設和倉儲幾乎沒有成本的網路商店來說,長尾無疑是最有效的獲利模式。二十一世紀的消費文化不再是獨大的明星商品,而是無止盡的選擇。

交易模式依顧客需求調整

要如何創造出長尾商業模式呢?安德生提出三種方法。首先,降低成本。安德生認為實體商品可以採中央倉儲(不配送到各別的商店),或者存放在各別合作廠商,僅提供聯合的線上平台。在台灣,博客來書店則兩種方法都採用,大量書籍都在中央倉儲系統,同時也提供精品、美食、化妝保養品的販售平台,交易成功之後再轉給廠商出貨。
另外一個降低成本的方法是,把生產內容的工作交給使用者。例如MySpace、Wikipedia都由使用者自行生產內容、自行評價。這符合長尾理論中尾端永不停止的概念,只有使用者可以永續生產內容,並且自行創造市場。
其次,思考利基商品。大量生產、大量販賣的時代已經過去了,現在從產品銷售到產品本身,甚至到產品價格都應該因應使用者的需求。這點台灣的雅虎奇摩拍賣是個很好的例子。同樣的商品可以選擇多種寄送方式,掛號、自行取貨、貨到付款;服裝可以零售,可以整套買,還可以因應客戶需求做更動調整。當然因為商品更動,價格也隨著調整,以網路拍賣為例,價格是隨著消費者競價而改變。
最後,網路交易提倡公開分享資訊,提供所有選擇,不再(也不能)藉著資訊不流通從消費者身上獲利。相反的,交易平台應相信市場機制,市場機制自然會選擇商品,賣方不需要先替消費者做選擇。另外,免費的服務是付費服務的先決條件,讓消費者免費享用服務之後,自然會決定是否購買。
《長尾理論》一書推出後,除了讚揚之外,當然也有許多的批評。其中《華爾街日報》的記者李科姆(Lee Gomes)和安德生的辯論最受矚目。李科姆的主要論點是,明星熱銷商品根本沒有消失,長尾也不如安德生所說的那麼長。公平多樣化選擇的世界是個美夢,現實市場法則依然被熱銷商品支配。

理論遭批不合現實狀況

李科姆以數據指出,安德生的九八%法則(九八%的商品都有人買),在選擇持續增加的情況下,沒有人買的商品也變多了。網路商店流通著實體店面沒有的商品,這些商品雖然有市場,卻不及安德生所認為和熱銷商品並駕齊驅的地步。商家大部份的營收依然來自暢銷商品。也就是說,在供需曲線上,尾巴雖然變長了,但暢銷商品的量依然有著不可動搖的地位。
事實上,安德生廣遭批評的一點來自於,他雖然提出長尾理論,這本書的行銷手法並不遵循長尾理論。這本書配合媒體宣傳、簽名會等巡迴活動炒熱氣氛,在極短的時間內變成熱銷書。簡單來說,這本書就是長尾理論所認為逐漸不重要的熱銷商品。

重新定義熱門商品

長尾效應並不一定終結熱門商品,雖然長尾理論經常被這麼誤會。就如同李科姆的論點,現實的市場法則依然還受熱門商品的制約。但是長尾理論讓熱門商品有了新的定義:由下而上的草根明星。從網路發跡的熱門商品不再需要遵循以往的模式,由賣方包裝行銷製造話題,而是在網路上一傳十、十傳百地紅回傳統媒體。
台灣有為數不少的圖文畫家、作家、藝人都是先在網路上有知名度,然後變成眾所周知的熱門人物。網路小說作家如早期的痞子蔡、近期的藤井樹和九把刀,都是先在網路上寫作,有了知名度之後才跨足實體出版,變成暢銷作家。他們的知名度不是出版社行銷而來,而是讀者的口耳相傳。這些雖然不是細水長流的典型長尾理論例子,卻是因為長尾理論所認為網路含有權力下放給使用者的特質,才造就出這些草根的熱門明星。

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