重度依賴Google廣告，為Booking.com帶來商機還是危機?|數位時代 BusinessNext

當我們打開Google網頁，鍵入地點與旅館名，排名第一的往往不是旅館官網，而是Booking.com，這是Booking.com砸重金買廣告的結果。

數位廣告支出每年18%以上速度成長

砸下巨資買廣告換取流量，拉高轉換率是OTA常見作法。而OTA們獲客玩法大同小異，從線上社群、網站頁面、整合檢索（meta-research）、關鍵字、再行銷與電子報與傳統電視廣告等全面包夾，而且其中絕大部分都進了Google AdWords口袋。

2017年Booking.Holdings集團總營收為126.6億美元，但包含關鍵字等數位廣告支出就花費41.1億美元，占營收比重達32.4％，是Google最大的單一旅遊廣告客戶。全球第二大OTA Expedia集團，在2017年也花費22.1億美元投放線上與線下廣告，占營收51.9％。

「在Google投放大量廣告還是必要，我們確實花了不少錢，但競爭對手花更多，我們算很有投資回報率。」Booking.com資深副總裁暨行銷長Pepijn Rijvers說。

隨著大數據與AI技術的成熟，Booking.com更加理解使用者行為，廣告投放越來越精準有效，吸引Booking.com投放更多Google廣告到全球市場。過去三年來Booking.com數位廣告支出金額每年至少以18%成長，就是一個明顯例證。

雖然砸大錢買Google廣告能帶來流量和客戶，但同時吃掉不少獲利空間，對於Google的依賴也與日俱增。在這樣的情景下，Booking.com是否有計劃降低依賴Google廣告，以便取得更多自主權？

Booking.com執行長Gillian Tans表示會繼續大量投放Google廣告。「為了曝光量，投放廣告仍是必要的，尤其是手機廣告曝光，可以增加客戶忠誠度。」

Google從機票與酒店比價網切入

另外，Google也對旅遊市場虎視眈眈，成為Booking.com的最強勁的跨界競爭對手。

Google在2011年以7億美元收購旅遊技術商ITA Software，同年又推出Google Flights與Google Hotel Finder以及Google Hotel Ads與等比價服務（meta-search）。讓Booking.holdings與Expedia等集團大為緊張，分別併購了KAYAK和Trivago兩大比價網。

默默耕耘七年後，小有成果。市調公司Jumpshot數據顯示，Google Flights服務在流量與客戶轉換率都有不錯的表現，如從2015年上半年到2017年上半年，Google Flights的月不重複訪客量翻了一倍多，並且2015年第三季度首次超過KAYAK。Google Flights的機票轉化率高達25%，KAYAK轉化率則為8%，KAYAK的酒店轉化率為9%，但Google也有8%。

現階段Google還不會造成嚴重威脅，Google近年試圖轉為智慧硬體公司，但效果尚未浮現，營收主力仍為廣告，因此Google若執意跨入OTA，勢必影響Booking.Holdings與Expdedia等鉅額OTA廣告投放收入，也就是說，Google若和OTA撕破臉，可能落得「傷人三分，自傷七分」局面。

對於Google的威脅，Pepijn Rijvers表示，「旅遊是個很有趣的產業，整個產業鏈都互相需要密切的合作，沒有辦法靠自己獨活，因此我不認為Google、YouTube或是Uber等公司是競爭對手，但若Google涉及旅遊服務價格比較或提供旅遊相關訊息或服務，對我們來說的確具有危險性。」

擺脫威脅，瞄準中國市場機會

身為市值破千億元的OTA巨頭當然不是省油的燈，Booking.Holdings強攻Google搜尋的「禁區」中國，試圖擺脫這隻獅子的威脅。

2010年Booking.com就進軍中國，但近年開始更大力宣傳品牌。讓Booking.Holdings投資攜程近20億美元，持有約13%股份，除了看上攜程本身在中國的巨大發展潛力，也看上攜程2016年併購的旅遊搜尋網站Skyscanner。一方面擴張全球版圖增加房源，另一方面分散過於依賴Google廣告的風險。

「對我們來説，越有發展潛力的市場就會投放越多錢。中國目前雖然不是成長最快的廣告投放市場，但我們還是會投入大筆資金在微信與百度以及阿里巴巴等。」Pepijn Rijvers說。

Booking.com也打算改變重視數位廣告輕電視廣告的一貫作法。Booking.Holdings計劃增加55%電視廣告支出，在全球30個國家放送電視廣告，就算昂貴的電視廣告低投資回報率也在所不惜。

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。