創業怎麼獲得初期用戶?從LINE在台灣從0到1的秘密談起 — (下)
創業怎麼獲得初期用戶?從LINE在台灣從0到1的秘密談起 — (下)

編按:本篇為文章的下半部,若要讀上半部,在這裡:創業怎麼獲得初期用戶?從LINE在台灣從0到1的秘密談起 — (上)

上篇文章談到了LINE在日本最早期怎麼找到的PMF,那與台灣的成長又有何關係?其實這就是最有趣的事。

回顧當時世代背景,LINE在2011年十月的時候,從日本爆發,接下來香港用戶大爆發,每天好多萬下載,同步台灣爆發,每天也好多萬下載。在當時,我的前老闆,也就是我後來LINE的老闆,寫email來問我為什麼LINE那麼多人用,我回問,什麼是LINE,讓我查一查先。

真正的情況是,我們不是那個早期用戶族群,但有一堆人,他們跟日本,跟香港密切往來,同步日本流行文化,就這麼地網路效應 外溢到了台灣,且產品打中了使用習性要害,直接在台灣就是PMF,直接就擴散了。

這群最早用戶有多少,我們很難調查清楚,但可以知道的事情是,在2011年底,台灣的LINE下載數就突破了一百萬。這數字,我們還是得回到當年的背景去看比較清晰 - 就我所知,當時在台灣超過一百萬下載的App,屈指可數,且當時LINE並沒有花錢買行銷買用戶。因此,能在短短地兩個月內從0到一百萬下載,說明了這個產品在台灣的病毒擴散係數是高的,而且證實產品產生了網路效應,更說明了這產品不需要修改,在台灣就是符合PMF定義的產品。

再用另一個角度來看一下,怎麼樣的速度可能可以在大約兩個月內達到百萬下載,我們假設一個數學公式來推敲:

  • 初期用戶100人,每四天增加一倍(下載)用戶數
  • 50天後就(大約)會有 100*2¹³~= 819,200

用這假設公式來看,驚人的成長速度不是來自初期用戶那一百人,而是那個指數型的每四天一倍的產品力。

關注在這個產品力的提升就是創業者要努力的。改善產品都是為了讓核心用戶滿意。花力氣就是要找到這能讓成長能以指數成長曲線飆升的關鍵因素。

如此,就算初期用戶只有幾十幾百幾千,透過倍數的成長,不消半年,數量都是很驚人的。

根據這個理論與經驗,在產品初期,行銷經費多寡並非是重要的決勝因素,找到PMF的快速迭代執行力是關鍵。從LINE在台灣的成長歷程正可以看得出來。

第二步 快速擴張Scale

前面第一步用LINE在台灣的例子說明了找到真正適合市場產品的快速迭代過程的重要性。

套用Startup Pyramid的理論,找到了PMF後,下一步就更重要了,就是快速擴張,高速奔馳,衝向hyper growth。

我們看到的互聯網各大戰役,大概都在這個階段浮上檯面,大家也樂於做吃瓜觀眾,在旁邊圍觀喝采。

以LINE在台灣的例子來說,絕大部分的人都不是在2011年就下載LINE,也就是說大家都不是那個早期用戶群。大部分的人開始使用LINE大概是在2012年2月桂綸鎂電視廣告大幅宣傳後。

拉回當年,我們來談幾個事實:

  1. 在此之前,沒有任何App公司花大錢打電視廣告;
  2. 如果不打廣告,LINE的成長速率仍然很快。

如果是你操盤,打不打幾千萬元台幣的電視廣告?

花錢很容易,做決定很困難。但有思考框架就會簡單一些:

互聯網的戰役,通常得考慮競爭。考慮競爭激烈就變成紅海,而要避開競爭的方法就是跑得比任何人都快,早早地把護城河建好,就不用競爭了!──Sting Tao

當時,台灣最多人使用的Messenger,我估計是MSN跟WhatsApp,但當時因為沒有積極經營,前者衰退,後者成長速率並非火箭速度。觀察到這個,這就是LINE可把握的機會。

考慮產品的確受台灣人喜愛,成長速率相當驚人,但使用有效的scale工具,有機會大幅壓縮成長所需要的時間,就能越早擺脫競爭,等到競爭者想追的時候,LINE所建立的網路效應以及成長倍數必然是競爭者望塵莫及的。

若這樣想,你會不會採用即便看似昂貴的成長工具?而這正是當初花數千萬元台幣,作為台灣第一個App下廣告背後的戰略因素。

廣告打完後當年年底,LINE的用戶數相較於年初成長了九倍,穩穩地奠定了LINE在台灣的用戶基礎,且拋開了可能的與WhatsApp的糾纏,也就避開了競爭。

結論

回到文章一開頭所問的,創業怎麼獲得初期用戶?透過朋友,透過核心社群,找到初期幾十幾百個用戶一般來說真不是創業者的問題。真正的努力應花在快速迭代打磨產品體驗,觀察並作出出用戶愛上產品的關鍵。至於怎麼確認抓到關鍵,達成PMF?就看你關鍵指摽是否呈現了指數型的爆發。

若找到了這個PMF,就應儘速擴張,大幅擴張成長,盯著指數型成長指標,不得鬆懈,稍有指標上的未達成,必須立刻找出原因與改善方案,然後循環這個爬階過程。

要能達成這巨幅快速成長,資金必然需要甚多,且得每次都跟上,一波接一波,不得有缺口。這就是談錢與談VC的時候,要這筆錢以及花這筆錢就會是這個階段創業CEO要面對的既痛苦又Happy的problem了。

本文由陶韻智授權轉載自其Medium

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

關鍵字: #新創 #LINE
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

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
代理式商務連動百兆商機
© 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