IBM 及 Marketo 與社群媒體結盟：透過數據整合，提供更精準的個人化廣告|數位時代 BusinessNext

**當社群媒體成為民眾生活不可分割的部分，按讚、留言、打卡和動態分享等線上足跡，也代表著重大商業價值和無限商機**，因為這些社群媒體活動數據，包含各種早期難以被完善紀錄甚至分析的消費者資料，像是個人價值觀、商品評價、購買動機和及時商業決定等。因此如何妥善運用這些珍貴的線上原始數據，來幫助品牌企業獲得更好的行銷成果，成了市場分析/顧問公司和社群媒體的共同目標。

這也是為什麼在過去一段時間內，我們頻繁地看見兩者的異業結盟。這一篇文章也介紹近期內三個此類型的合作計畫，仔細一看，可以發現三個計畫都有相似目標：妥善整合「雙方數據」，並且透過數據分析工具，幫助企業製作更為精準的「客製化廣告」。

##IBM 與推特的合作計畫：結合推特數據與 IBM 雲端產品，幫助企業用戶運用推特資訊

在去年十月底時，IBM 和社群媒體推特（Twitter）宣布兩者的數據分析合作關係，最主要的合作內容就是將推特數據納入 IBM 的雲端分析商品，透過加入推特數據的全新資料庫，來幫助客戶做更完善的商業決定。

##合作方向和目標

IBM 表示該項合作計畫有三項重點實施方向和目標：

將推特數據與 IBM 的雲端分析服務像是 IBM Watson Analytics 結合，讓企業顧客能更簡易地使用新數據。

幫助企業透過推特數據來改善商業決定，例如透過推特內容的語意分析與行為數據，業務、行銷和客服人員可以和潛在客戶進行更好且客製化的互動。IBM 也會組成團隊來解決企業和推特相關的特殊商業需求，像是行銷和客戶服務。
針對特定產業（像是銀行業、消費者產品、零售、旅遊和運輸等），推特和 IBM 將合作開發特別解決方案，幫助這些產業內的公司更有效運用推特數據。而 IBM 也預計在全球訓練 1 萬名顧問成為推特平台的專家。

##IBM 與推特的商業考量

推特數據對於 IBM 企業客戶的價值，包括反映社群用戶當下想法、決策動機，甚至對特定類型商品的評價和抱怨，幫助企業更及時了解顧客與合作夥伴，並有效地進行個人化互動，以及提供長期趨勢判讀，協助企業更準確辨別市場未來走向，規劃相應的產品開發計畫。

從 IBM 的角度來看，和推特的合作專案使得 IBM 旗下的雲端分析產品更為完整，並大幅增加他們對顧客的吸引力。IBM 商業分析團隊總經理艾里斯特˙瑞尼（Alistair Rennie）表示「就像所有分析工具應用來源都不是單純為了科技動機，而是為了商業考量一樣」，推特獨有的資料庫將能優化它們的分析工具，幫助客戶更好地解決問題。

推特也表示，它們現階段有許多品牌合作夥伴透過推特平台投放廣告，雖然它們能夠提供這個合作企業非常大筆的「原始數據」，但是這些數據對企業的用處卻十分有限，因此和 IBM 的合作，將能讓推特數據為企業客戶們帶來更多價值。

對推特而言，這項合作計畫除了讓他們既有的合作品牌企業，更有效率地運用平台數據，也能幫助其他企業更了解推特這個平台，甚至讓本來對推特陌生的企業用戶，開始實際在推特平台上進行商業操作和布局。進一步推動企業用戶的推特參與，甚至是鼓勵企業在推特上進行廣告投資，都是推特開啟和 IBM 合作的重要誘因。

##IBM 與臉書的合作計畫：整合臉書數據與 IBM 雲端資訊，製作臉書平台的客製化廣告

繼和推特的合作計畫宣布約半年後，IBM 和臉書也在幾天前宣布全新合作關係。

##合作重點與目標

IBM 與臉書合作計畫有幾項重點，包括：

整合臉書上的龐大線上訊息（像是個人資訊、按讚偏好、分享紀錄、留言內容、打卡紀錄，甚至及時動態牆抱怨），以及 IBM 行銷雲端平台上的線上與線下顧客資訊（包括基本資料、購買歷史、客服紀錄，過往和投放廣告的互動資訊、以及所處地點的訊息等）。

透過 IBM 的數據分析工具（像是 Journey Designer 和 Journey Analytics），幫助企業用戶在臉書上找到更精準的目標客群，了解潛在顧客的想法和期待，製作出專屬且反映當下情境的個人化廣告訊息。
IBM 也期待所製作的專屬廣告，和學習到的潛在客戶資訊，能幫助企業用戶在其他平台和管道有效投放廣告。

舉例來說，如果 IBM 的運動裝備零售商客戶希望宣傳長途慢跑鞋，他們將可以利用臉書資料了解潛在客戶背景與掌握地點資訊（像是當地天氣和客戶與零售店的距離），並結合 IBM 行銷雲端的顧客專屬訊息（像是之前的運動鞋購買紀錄及網站瀏覽歷史等）和數據分析工具，來找出他們希望進一步鎖定的目標族群，並製作出個人化加上情境化的宣傳訊息。

##臉書廣告的重要性

IBM 表示許多零售商和消費者品牌客戶，在過去的互動中不斷詢問何時能夠納入臉書數據，因為他們看重臉書龐大的全球觀眾市場，希望能透過 IBM 的分析工具和經驗，來有效地解讀臉書數據，幫助他們更有效地在臉書上和顧客互動。

根據美國皮尤研究中心「2015 年新聞媒體狀態」報告指出，臉書在過去兩年穩佔所有數位顯示廣告營收的第一名，且營收比例高達二成五，而如果只看行動顯示廣告營收，臉書仍居首位，且營收比例增加到三成五，將近是排名第二名 Google 的三倍，而臉書數位顯示廣告營收也成長 5%。這也解釋為什麼 IBM 和臉書的合作方案主要專注在臉書廣告市場，因為臉書不只是現階段最龐大的數位廣告市場，其重要性仍在持續成長中。（延伸閱讀：「2015 年新聞媒體狀態」報告 8 大重點：新聞網站行動裝置流量高，但造訪時間短）

##IBM 與臉書的互利共生

而臉書也是第一個加入 IBM 新的商業 ThinkLab 的公司。IBM 打造 ThinkLab 是希望提供一個讓消費者品牌與零售商客戶，與 IBM 內部企業專家、數據科學家、工程師和設計師直接互動的空間，加速幫助客戶開發新科技產品以及製作廣告商品，來提供客製化的顧客體驗。而臉書內部專家的加入也將豐富 ThinkLab 的團隊組成，幫助 IBM 的合作品牌加強臉書平台上的大規模客製化行銷。

對臉書而言，他們期待透過和 IBM 的合作，幫助企業用戶們製作出表現更好且更有用的廣告，來增加廣告收入；而對 IBM 來說，就像和推特合作一樣，他們希望能為客戶帶來更好的數據服務，並因此為他們的數據商務部門帶來更多收入。

##Marketo 與 LinkedIn 的合作計畫：整合線上資訊，提供內容一致的 B2B 個人化廣告

LinkedIn 在上個月底宣布與行銷軟體公司 Marketo 的合作計畫，目標是希望透過結合顧客與品牌的網頁與社群媒體互動紀錄，以及個人資訊，幫助品牌製作具高整合性的線上個人化廣告。

##LinkedIn 與 Marketo 的個別優勢

LinkedIn 新的「領導加速器」（Lead Accelerator）產品，會整合用戶在 LinkedIn 職涯社群社交網站上的個人資訊，以及用戶的線上行為數據，包括用戶瀏覽特定品牌網站的紀錄，以及在特定網頁上花費的時間；而 Marketo 的產品主要為品牌企業提供橫跨網頁、電子信箱、社群媒體以及行動平台的電子行銷。

透過兩者的合作計畫，Marketo 將能幫助其客戶在多個線上平台上提供內容一致，且和用戶緊密相關的廣告訊息，同時靠著 LinkedIn 大約 3 億 5 千萬的「專業人士」用戶數，Marketo 也將能夠更有效地為品牌客戶鎖定企業客群，投放 B2B 廣告。

##運作方向

而結盟後的第一個品牌企業就是具創新精神的老牌科技公司「奇異」，奇異表示他們一直致力於和顧客以更有意義的方式進行互動，因此很期待透過 Marketo 與 LinkedIn 的結盟，能夠大舉為奇異的專業客戶提供客製化溝通體驗。（延伸閱讀：缺乏操作社群媒體的靈感嗎？不妨參考老牌企業「奇異」的創新）

這邊也舉奇異的例子來介紹該合作計畫可能會如何運作：

如果有一個潛在顧客拜訪奇異公司的官方網頁，花了些時間瀏覽網頁上的產品資訊，因為臨時有事而關掉網站，由於此為訪客並沒有留下任何聯絡訊息，因此奇異公司也不知道該如何繼續追蹤該訪客。但如果該訪客之後登入他的 LinkedIn 個人網頁，LinkedIn 可以透過「領導加速器」，得知該訪客的個人資訊以及先前的瀏覽紀錄（像是專注在哪個類型的產品），而對該訪客投放和奇異相關的客製化廣告。

而這些廣告中會包含鼓勵訪客留下聯絡方式的宣傳內容，像是下載產品說明或參加線下活動，而訪客留下的聯絡資訊則會被建檔在奇異的 Marketo 系統中。接著訪客將會在信箱、網路上顯示廣告或社群媒體廣告中收到和奇異相關的個人化廣告，而這些廣告都是考量個人背景資訊、早前網頁瀏覽紀錄，以及和奇異廣告的互動方式所製作，因此可以說是獨一無二且高度整合的客製化廣告。

值得一提的是，Marketo 早先也已經和 Google AdWords、Google Analytics 以及臉書等進行合作計畫，LinkedIn 可以說是 Marketo 在整合社群媒體資訊策略中最新的一步棋。

這些例子紛紛點出了社群媒體數據對於數位行銷的關鍵地位以及未來趨勢，更重要的是，除了掌握社群媒體數據外，品牌企業還需整合其他線上與線下數據，才能更精準地識別客戶，並為其製作專屬的客製化廣告。行銷顧問公司與社群媒體結盟的戲碼，勢必在未來持續上演。

參考資料：Forbes, Fortune1, 2、IBM News releases、LinkedIn blog、The New York Times, The Wall Street Journal, & Twitter blog

原文出處：新媒體世代

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。

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。

「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