墮落或滅亡,媒體真的只能做無腦流量?
墮落或滅亡,媒體真的只能做無腦流量?
2016.05.27 | 流量數據

原文刊載於QSearch Blog,《數位時代》獲授權轉載。

大型媒體的第三條路!

在希臘史詩⟪奧德賽⟫中,有一片著名的危險海域,棲息著席拉和卡利布迪斯兩隻女海妖。席拉每天要吃六名過往船隻的船員,卡律布迪斯則吞吐海水三次,製造出危險的漩渦,無論選擇哪一方通過,都必須付出慘痛代價。

最近,陸子鈞的一篇「錯誤KPI,加速媒體死於寒冬」,火遍了整個媒體圈。這麼高的人氣,源自於每個媒體人對未來的恐懼和不甘心。恐懼未來媒體真的做不下去,不甘心總是得和流量妥協。就像是航行於女妖領海中的奧德賽,要嘛堅持品質,營收持續下滑,最後關門大吉;要嘛放棄品質,用垃圾文章衝刺流量,看看能否成功變現。

但是,我們要問的是,媒體真的只能在墮落與毀滅這兩種困境中二選一嗎?

在陸子鈞的文章中,提出了「流量不等於營收」的關鍵概念。的確,靠著高流量賣廣告的商業模式已經式微,數位社群講求的是「正確的受眾」,而不是大量一沾即走,沒有任何黏著的粉絲,因為這些粉絲的忠誠度低,根本不可能願意為了這個媒體掏出錢來。

的確有媒體注意到與社群連結,像是⟪女人迷⟫專攻女性年輕OL市場,⟪數位時代⟫特別強調與創業圈的連結,他們也都透過電商或論壇找到獲利方法。然而,大型媒體難免要反駁,「一個全方位的綜合性媒體,和偏重某個領域受眾的媒體不一樣,學他們只會把自己做小了。」

大型媒體的回應言之有理,但,難道就繼續照著舊有的模式往下走?

從社群反應找到受眾

與其在垃圾文章和與曲高和寡這兩種路線中掙扎,QSearch想到了第三種可能的方法,先找到目標客群,了解他們關注的議題後,再投入資源,做出好的文章。

大家可以想想,當一個品牌要推出商品時,會先經過哪些階段?首先,在投入資源開發前一定會先通過市調,確認商品是否有足夠的市場,畫出受眾樣態。在行銷時,也要通過市調來了解市場偏好,最後,還要通過市調來搜集用戶體驗,以便進行下一輪的商品開發。

圖說明

為什麼會有這種產製流程?因為每一個環節投入的成本都很巨大,如果只是由負責人員自己推想,一旦有了偏誤,損失就很慘重。在一般公司幾乎已經是ABC的產製流程,為什麼媒體卻完全沒有這種思維?

原因很簡單,媒體的步調太快了,不論是日報、新聞台,甚至週刊,月刊,市調流程根本趕不上媒體業產製內容的速度。

圖說明

於是,當前的媒體產製流程就如同上圖一般,選題,採訪,寫稿,靠的都是記者個人的經驗,四十年來如一日。但這種產製模式說白了,就是所謂的「活在同溫層」,畢竟,記者個人的經驗,不代表所有人的經驗,而記者個人的偏好,也不是所有人的偏好,最後的結果每每是記者產出了一篇自認為文情並茂的好新聞,但流量卻遠遠低於預期,灰心的記者只好下結論:「大眾只喜歡看垃圾新聞爽而已。」但實際上真的是如此嗎?很可能事實是的確有人關心,但記者寫的卻完全搔不到癢處啊!

平心而論,記者並不是故意要活在同溫層。事實上,記者所受的訓練,也常常強調要先認明受眾,用受眾聽得懂得語言,寫受眾在乎的事情。但因為沒有辦法驗證,記者「以為」受眾在乎的事情,往往也就停留在「記者以為」而已。

社群資料,其實就是最完整、即時的市調資料庫

然而,隨著社群平台盛行,幾乎所有人都註冊社群帳號時,社群資料其實正好補足了媒體所念茲在茲的資料黑洞。現在,讀者的幾乎所有行為,都可以在社群網站上找到足跡。社群資料,其實就是最完整、即時的市調資料庫。

圖說明

上圖是預想中的產製流程。別誤會了,了解了社群,並不代表一定要產出社群愛的低俗內容。社群資料並不主導媒體產製,而是當記者在苦惱地推敲受眾樣態時,幫助記者更進一步貼近受眾的想法。(註一)

在這裡,QSearch將以成員自身的實際案例呈現。

巴拿馬文件被質疑,要如何與鄉民溝通?

<iframe src="https://www.facebook.com/plugins/post.php?href=https%3A%2F%2Fwww.facebook.com%2Fpermalink.php%3Fstory_fbid%3D1471956539486518%26id%3D100000165588653&width=500" width="500" height="670" style="border:none;overflow:hidden" scrolling="no" frameborder="0" allowTransparency="true"></iframe>

這篇文章,是我於四月初時,因為要回應網路上鋪天蓋地對於台版巴拿馬文件的質疑,而寫的澄清文章。最後得到了共1849個分享,比當時任何媒體在巴拿馬文件新聞的分享數都還高。然而,其實有另外一位專案參與者較我更早發布了澄清文,最後得到的分享甚至不到雙位數,擴散效果差距不可以道里計。

產製流程:

1. 鎖定讀者族群:

我們首先利用QSearch的系統,找出了在四月一號到四月六號,提到巴拿馬文件中的非媒體粉絲頁中,聲量最大的幾個粉絲團:

  1. Nagee
  2. 我是台灣人,台灣是咱的國家
  3. 不禮貌鄉民團
  4. 批踢踢實業坊
  5. PTT Gossiping
  6. g0v.tw 台灣零時政府

我們將這幾個粉絲頁投入Audience Insight中,找到主要關心族群,大約落在18~34歲間,主要是年輕人在關注。

圖說明

2.了解讀者需求:

我們再將這些粉絲團投入QSearch系統搜尋,發現大多數的使用者最常使用的字詞是「權貴」、「天下」、「隱匿」、「黨產」等等關鍵字。

簡單的來說,當時網路上的主流風向認為,巴拿馬文件中有大量台灣公司,但卻遲遲沒有發佈,肯定是雜誌社為了保護權貴而隱匿資訊。

再透過閱覽幾篇聲量最高的文章,我們整理出了受眾最關心的幾大問題:

  1. 雜誌社有沒有隱匿
  2. 有哪些權貴涉入,包括小英哥哥,或是一萬六千人名單
  3. 兩千多家公司到底是誰
  4. 什麼時候可以看到完整名單

3.撰寫與投放

於是,我們得到了完整的巴拿馬文件讀者樣態:

「18~34歲的年輕人,不信任主流媒體,敵視權貴,時常出沒於PTT八卦版,或是反國民黨的粉絲頁,最在乎的問題有四種。」

因此,撰寫上特意口語化,並使用「魯宅」、「打完收工」、「悲憤」等屬於這一個社群的語言,拉近與讀者間的距離。

此外,也將問題分類後列點回答,使閱讀簡便(年輕人通常不愛看落落長的文字)。同時,再把各方資訊的連結都加入文章,甚至重點部分還有節錄與翻譯(使用者通常不願意多方跳轉來獲取資訊)。

最後設定主要溝通管道為FB和PTT。文章初次投放於FB上,在觀察後發現一小時內就被轉錄到PTT,於是不再進行進一步推送。

由於文章完整回應了讀者的需求,所以傳播效率極為驚人,留言回饋也都相當正面。

同樣的流程可以在大多數題目上重現。記者在得到一篇好的題材時,可以先迅速定義出到底哪些人是這個題材的受眾?受眾又對什麼面向特別敏感?平常又出沒在哪些粉絲專頁?通過這一套產製流程,除了可以針對對的族群,寫出他們在意的文章,甚至還可以透過社群媒體直接接觸到受眾。

更好的是,社群網站天生有分群分眾的功能。掌握了讀者樣態,產出內容後,還可以精準地投放到讀者所群聚的社群。讀者的感受將會是:接收到的每篇新聞都是自己想要看的。媒體在兼顧流量的同時,仍然有機會保有品質,甚至進一步培養受眾忠誠度,在某個領域中成為擁有話語權的議題領導者。

奧德賽無可選擇的只有兩條路,但媒體業,或許可以走出第三條路。


註一:
社群資料雖然即時可得,但花越多時間找尋,資料也越豐富、準確。電視台、日報等因為受限於超短的製作時間,可能在初期適用上會有困難,建議可先適用於大型專題。

附註:
這個模式目前經過QSearch驗證幾次,雖然不能夠每次都精準有效,但總體上仍然能夠抓準社群趨勢,若有媒體對詳細流程有進一步的興趣,歡迎直接聯絡QSearch,我們很樂意與媒體產業夥伴們互相交流。

可以私訊QSearch粉絲團,或是寄信到betadu@qsearch.cc

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