你的網站表單害你沒訂單？9 個常見的表單設計問題|數位時代 BusinessNext

在網站中，表單是使用者跟我們溝通的主要橋樑。透過表單，使用者可以買東西、訂閱新文章、更新資料……可以說網站最重要的功能，都是靠表單來完成。然而這個跟顧客打交道的重要環節，我們真的有做好了嗎？以下分享的是一些常見的表單設計問題。

#千萬美金的教訓
表單設計好，可以差多少？旅遊網站 Expedia 曾經分享過一段經驗：在他們的訂單頁面中，部分使用者填寫了旅遊地點、旅館、付款資訊，並按下「立即購買」後，卻並未成功完成交易。經過調查後發現，原來是在姓名欄位後面，還有一個非必填的欄位「公司」，而部分使用者卻誤以為這是要寫「銀行」的「公司」名稱；更糟的是，使用者會在緊接著的地址欄位填寫銀行的地址。當後續在驗證信用卡時，如果核對了地址，就會因為填寫的並非刷卡人的地址，而導致刷卡失敗。他們在新版本中把這個欄位移除，猜猜看差了多少？根據他們所述，只是刪掉這個欄位，就幫他們一年增加 1200萬美金的收入！就一個選填欄位…

相信大家也認同表單的重要性，然而以下幾個問題卻仍是十分常見：

##1. 要求使用者填寫非必要的資訊

我們有時會要求使用者多填寫一些資訊，通常是為了後續拿來統計、分析之用，然而這真的是必要的嗎？與其干擾使用者完成目前最重要的任務，是否可以減少需填寫的資料，讓使用者專心填完？我們或許會認為，把一些欄位改成非必填就搞定了，使用者可以不必費心寫嘛！然而看看前面 Expedia 的例子，其實使用者所理解到的資訊，有時會與我們想像的不同。

要試用 IBM 的新產品，需要填寫許多欄位，然而這些真的是必須的嗎？

##2. 送出表單的主要按鈕（Call To Action）不夠明顯

填完表單之後，除了送出表單、前往下一頁的主要路徑之外，通常還有像是取消、上一步之類的次要路徑；常見的錯誤之一，便是讓次要路徑的按鈕太過搶眼。次要路徑的按鈕或連結，只要找得到即可，不需要過分強調顏色；同時要讓主要路徑按鈕的大小、顏色都能讓它容易被找到。

取消按鈕用紅色的設計，過於搶眼而可能導致誤點

把主要路徑的按鈕標示清楚，次要路徑找得到即可

##3. 沒有說明清楚送出表單可以得到什麼價值、又會付出什麼成本

有時候使用者放棄填寫表單，並不是因為我們的產品不符需求，而是使用者花了時間，卻仍然搞不清楚到底有哪些費用和風險，又會得到什麼；應該要說清楚，或是提供一些選項，讓使用者來決定。舉例來說，使用者給了 email 之後會不會收到廣告信？大概是什麼內容？多常會收到？把話講清楚，使用者比較願意放心把資料交給我們，也不會在事後收到意料外的電子報，再憤而加入垃圾信名單。

在訂閱電子報時，告知會收到什麼內容，以及寄送頻率，也可勾選自己想要的內容

而送出表單能得到什麼價值？也可以考慮調整 Call To Action 按鈕的文案來強調。把最重要、使用者最在意的價值直接寫出來吧！這個部分也可以參考看看之前跟 Call to Action 有關的這篇文章。

##4. 缺乏清楚的導覽，告訴使用者目前到哪個步驟

這個表單送出後就是完成訂單了嗎？就要付錢了嗎？不清楚的資訊，會讓使用者不敢繼續下去。在過去訪談的經驗中，有些使用者是這樣說的：「對於陌生的服務，都不敢就這樣一直點下去，很怕一不小心就付了錢。」可以考慮提供一個流程、進度圖，明確告訴使用者現在在哪一步，下一步是什麼，還有什麼要完成，怎麼樣回到上一步等等。CTA 也可以用比較明確的文字，來告訴使用者現在將要完成什麼事情；像是要下單前的按鈕，最好不要只寫「送出」，可以寫「送出訂單」會更明確一點。

##5. 沒有適時提供協助

在過程中，使用者仍然會對一些細節有所疑問，像是在買東西時，大約什麼時候可以收到？我的信用卡號會不會有風險？提供了 Email，是否會收到我不想看到的廣告信？可以考慮提供一些常見問答資訊，讓使用者可以即時解決疑惑。

Apple Store 的購物車頁面，把此時可能會有的疑問用 FAQ 的方式列在下方，以供參考

##6. 過長的下拉式選單

有些問題我們會使用下拉式選單來處理，像是幣別、國籍…等等，然而如果塞了幾十甚至上百個選項進去，其實一點都不好點選，簡直在考驗人們的耐心。或許可以考慮用提供搜尋功能的下拉式選單，當使用者輸入一些內容時便即時進行篩選，快速又方便。

Google Analytics 的設定中，選擇幣別的下拉式選單，可以輸入關鍵字進行搜尋

##7. 不明確的錯誤訊息

錯誤訊息要能讓使用者明確知道哪個欄位填錯了，應該怎麼改善。常見的錯誤是，並未指出是哪個欄位有錯，或者只說了這個欄位有錯，卻沒講是格式錯誤、數值太大太小、還是應該怎麼修正。

錯誤訊息必須明確，如果期望資料是以 http 開頭，就應該直接說明，只寫"輸入正確的網址"太模糊

##8. 清楚提示期望使用者填寫的格式和內容

在表單中，應該同時標明這個欄位的標題（label），以及使用 placeholder 來提供填寫提示。如果只有 placeholder，當使用者開始填寫內容時，placeholder 的內容消失，使用者可能無法發現正在寫的內容有錯誤，或是忙別的事情回來後就忘了這是要填什麼。

欄位標題和輸入提示都是不可或缺的

##9. 沒有妥善支援行動裝置

在手機上填寫表單一直都是不容易的事，手機上的表單設計也並不容易。必須注意字型和按鈕大小、版面配置之外，必須提醒的是，測試時最好實際用手機來填寫看看，而不能只用模擬器！因為模擬器雖然可以讓我們確認視覺配置上是否正確，但實際用手機填寫一遍，才更能感受到實際要花多久時間，容易填寫與否…等等。

表單還有好多細節，這次先列出幾個常見的問題跟大家分享。你也有覺得受不了的表單設計嗎？歡迎提出來一起討論。

@@ACTIVITYID:380@@

原文出處：Conversion Lab

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