解析東森新聞 Facebook 粉絲頁:衝影音流量的作法成功了嗎?
解析東森新聞 Facebook 粉絲頁:衝影音流量的作法成功了嗎?
2016.05.19 | 流量數據

原文刊載於QSearch Blog,《數位時代》獲授權轉載。

近日,一篇東森張憶芬的文章在媒體圈掀起了一陣論戰。

張憶芬提出了三大新媒體思維:

  1. 投入所有資源發展行動裝置

  2. 重視使用者行為與數據分析

  3. 全力發展影音

有人攻擊張憶芬的作法只為了討好流量,東森粉絲頁充斥著許多芝麻蒜皮的影音,甚至有些是照抄網路影音網站而來。

但也有人為張憶芬辯護,認為張憶芬的確帶來了海量的點閱,而媒體如果不能自立更生,談何媒體自主。

兩派人馬都各自有道理,Qsearch無意作價值判斷,但,引起Qsearch好奇的是,東森的戰略真的成功了嗎?而如果東森的確成功帶來流量,這些流量是有價值的嗎?

以下,Qsearch將針對東森在FB的經營策略與成果,做簡單的分析。

文章將會分成三個部分進行:

一、東森的流量真的很高嗎?

二、如果流量高的話,真的是影片帶來的嗎?

三、這些高流量帶來的人,互動率真的高嗎?

一、東森的流量真的很高嗎?

首先,由於東森的戰略是將觀眾留在粉絲頁上,並不是導流到網站,所以Similarweb等流量觀測網站並無法計算出東森粉絲頁的觀看人數多寡。

為了解決這個問題,我們決定用按讚量來當作流量指標。雖然不能夠完全精準計算,但是仍可以看出有多少人在東森的粉絲頁上活動。

我們將蒐集的十三個媒體(註一)三月的不重複按讚人數,算出排名。我們姑且可以將之稱為「市讚排行」,這代表的是各個媒體在社群受眾上,所佔的比重

由於屬性不同,我們簡單分為三類。

  • 紅色長條,代表的是電視新聞為主的媒體。
  • 藍色長條,代表的是以日報媒體為主的媒體。
  • 黃色長條,代表的是以周刊雜誌為主的媒體。

qsearch 0519-06

可以明顯地看到,東森在不重複瀏覽人次上,的確遠遠高於其他同業,甚至和百家匯集的Yahoo、媒體霸主的蘋果相比,也遠遠超過,在這一點上,我們可以說東森的流量戰略的確是成功的。

二、如果流量高的話,真的是影片帶來的嗎?

由於我們也無法確切得知東森每一篇的貼文帶來多少流量,所以我們將改用Engagement Score來推估流量。Engagement Score的計算方式和FB所給出的貼文曝光公式相同,換言之,Engagement Score越高,就會被越多人看見。公式是(Like+Comment)0.1+ Share10。

2016-05-19 12.39.18

我們擷取出東森三月的前十名Engagement Score的貼文。的確,前十名都是影音新聞,所以我們可以推論,東森的影音貼文戰略的確是很有效果。

三、社群曝光量高,互動真的高嗎?

若我們再細究下去,這些進來的流量,他們到底互動如何?進來的流量是不是都是沒有經濟效益的殭屍流量?

我們先算出每一個粉絲頁的三月PO文總量,再用三月該粉絲頁總共的按讚量、回應量和分享量計算。

  • 平均傳播力=Share/Post
  • 平均互動力=(Like+Comment)/Post

隨後,我們將平均互動力和平均傳播力標準化,最高者得分為一百,其他的則為相對最高者的相對數據。可以看出各個粉絲頁彼此的傳播效率和互動效率。

圖說明

我們可以發現,東森的平均互動力和平均傳播力都是最高的,對於大多數文章,粉絲都不吝於給個讚或是留言。

平均傳播力部分,一般設想,以深度內容為主的雜誌分享量會較一般媒體高,事實也的確如此。值得注意的是,東森新聞的平均傳播力卻遠遠超過其他媒體。這和東森以影片為戰略主打脫不了干係,因為FB在計算上,會把FB影片的所有分享歸總到最初的發佈者。

總體來說,我們可以說東森的確靠著影音戰略,達到了自己原先所預設的目的。就營收的角度而言,的確是相當成功,但是內容上,仍靠著大量淺碟、獵奇新聞引起關注,因此招致批評,也是理應承擔的。

媒體未來到底應該扮演什麼樣的角色,各家都仍在摸索中⋯⋯


註一:這十三家媒體各自的粉絲頁:東森、Ettoday、TVBS、三立、蘋果、Yahoo、中時、UDN、中央社、壹週刊、天下、商周、今周,其中有些媒體有其他新聞粉絲頁,但為了計算不重複按讚人數方便,而且許多子粉絲頁主題較偏向特定議題(如運動或娛樂),所以Qsearch都只截取最大且無特定關注議題的粉絲頁。

往下滑看下一篇文章
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?

走進蔬果加工廠,同樣是100公斤高麗菜,最後能做出多少成品?答案不見得相同。氣候、產地與品質影響原料條件,客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言,這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例,即使機械手臂已經訓練好辨識特徵,面對形狀各異的蔬菜,仍難以判斷該從哪裡抓取。農產品的天然變數,卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作,成為宜展投入數位轉型的起點。

從紙本、LINE到數據,先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶,業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察,農產加工的關鍵經驗往往掌握在資深員工手中:該買多少菜、原料損耗多少、訂單增加又該安排多少人力,都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單,現場靠人工整理訂單、對照不同客戶的加工規格;如今宜展利用AI辨識訂單內容並匯入ERP,再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量,逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談,了解採購、派工與品管的作業方式,再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正,才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物,宜展正與技術夥伴規劃導入AI影像辨識,輔助產線末端檢查。林佑澤表示,每批農產品品質不同,比起單看良率,他更重視客訴是否減少。隨著訂單與製程資訊逐步累積,宜展也希望進一步建立需求預測、採購建議與生產排程模型,減少營運對資深員工個人經驗的依賴。

不只把菜切好,乾燥加工尋找第二成長曲線

除了改善截切本業,宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動,生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限,開拓附加價值更高的加工業務。

不過,乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間,不夠乾就反向調整。每批原料的水分與成熟度不同,反覆試做不僅增加成本,也難以維持品質一致。「品質目標沒有設定的話,前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工:先決定產品希望達到的口感、含水率與水活性,再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備,並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備,最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數,希望未來透過AI找出適合不同原料的乾燥曲線,減少反覆試做。

「我們主要還是要做代工,想要做一個功能性的原料平台。」林佑澤說,果乾目前更像是展示技術能力的產品,未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業,乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力,宜展便有機會從既有蔬果供應鏈,切入附加價值更高的食品原料市場。

從彰化走向桃園,驗證營運方法能否跨區複製

隨著加工流程逐步數位化,宜展也開始思考,這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園+後,宜展擴大與桃園產業生態系的連結。林佑澤提到,天際線協助邀集不同局處了解團隊需求,並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作,增加北部原料來源。這項合作不只拓展了供應來源,更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶,先前中南部連日降雨,蔬菜供應受到影響,宜展便從北部調度蔬菜,以不同產區互相支援,降低天候對供貨的衝擊。此外,團隊也透過天際線資源,獲得參與日本國際伴手禮設計競賽的輔導,並成功榮獲金賞獎肯定,除了展現產品的創新與設計實力,也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步,宜展規劃以桃園大溪作為第二個驗證場域,將彰化累積的資料、SOP與加工管理經驗,轉化為可複製、可優化的營運管理模式,帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出,未來若要跨區域擴張,不可能每到一個新地方,就把原有團隊整批搬過去。因此,宜展希望將資深員工的實務經驗,轉化為標準化流程與數據模型,結合AI進行生產排程、資源配置及營運決策,讓新場域能依據當地條件快速調整,降低對特定人員經驗的依賴。

從彰化到桃園,宜展接下來要驗證的,是這套從傳統農產加工現場整理出來的管理方法,是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。 長期目標是降低新場域的建置成本與管理複雜度,提升擴張效率,讓傳統農產加工業具備規模化發展的能力。

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