全球YouTuber熱潮狂風大作。在不少年輕人心中，所謂的偶像已經開始從傳統意義的「藝人」，轉向發表一支支YouTube爆款影片的創作者。YouTube自2013年起便開始聚集各國當地人氣YouTuber，舉辦線下大型「拼盤演唱會」FanFest。而在5年之後，終於要在台灣開辦了，選在2018年首次見面，背後的原因是什麼？

FanFest 13組表演人馬，怎麼選的？

FanFest將於9月15日在台北花博爭艷館開演，這也是YouTube在台灣有史以來舉辦一場最大的線下活動，將開放2000至3000人免費參與，共計有13組YouTuber及創作人演出，包括這群人TGOP、七月半SevenFat、阿滴英文、白癡公主、玖壹壹及謝和弦等人。

為何現在才開始在台灣舉辦？YouTube大中華區策略合作夥伴協理林映嵐點出關鍵原因：「我們有看到，去年台灣百萬訂閱YouTube頻道快速成長。」在2016年時，台灣YouTube頻道超過百萬訂閱的只有「蔡阿嘎」、「這群人TGOP」兩個頻道，到了2017年，這數字爆發性的突破了11個，而現在逼近20個。這讓官方看到，YouTuber對台灣已經有一定影響力。

官方表示在FanFest中，YouTuber們表演的內容不僅僅只有音樂，符合各YouTube調性頻道的演出都有，對於創作者本身是一個難得舞台，但這13組人馬，又是如何挑選出來的？「我們背後有一套標準，最基本肯定會根據頻道觀看時間、訂閱人數、留言互動，或是最近觀看次數上升的速度等數據，」林映嵐表示，這是一場複雜的綜合性評比，不一定是「訂閱數要多高」，也要看他和現場的氛圍和調性搭不搭。

值得關注的是，全球在舉辦FanFest時總會挑選1到2位國外YouTuber助陣，而這次其中之一，就是頻道超過1000萬訂閱的Kurt Hugo Schneider，除了本身是影片編輯師、音樂編曲，他常常找網紅和歌手一起錄製翻唱MV，讓流量一步步竄升。但選擇他的關鍵原因，在於YouTube後來的流量數據報告。

「Kurt已經來過台灣兩次，因為先前看到觀看數據他就發現，除了美國之外，台灣是觀看他頻道流量第二高的地方。」

大咖去哪開演唱會，YouTube後台數據成為參考指標

YouTube後台的數據，似乎也開始成為藝人們制訂策略的指標。

在YouTube上，有一個平台叫作「音樂人創作中心」，其中會紀錄詳細的音樂數據分析資料，包括該音樂人在YouTube頻道上影片總觀看次數、觀眾地區來源，以及各影片各自累積觀看數等。而周杰倫是2017年初至今年7月，台灣總觀看次數最高的歌手，但在YouTube上的總觀看次數有將近一半都不在台灣，而是來自馬來西亞、美國、澳洲等國家，另一位新銳歌手周興哲也是如此。

「 這些歌手要決定去哪些國家做演出時，也會開始參考後台數據，我覺得這很有趣。 」林映嵐表示，音樂是無處不在的「剛性需求」，別於過去音樂創作人一定得要簽約、出道，需要時間累積作品才能問世，現在YouTube作為開放平台，讓作品能即時上傳，也快速地讓大眾看見，像是發跡於YouTube的馬來西亞創作歌手黃明志就是最好例子。

YouTube兩類型走紅音樂人：玖壹壹vs.聖結石

當透過YouTube創作音樂，走紅的人越來越多，林映嵐主要將他們分為兩種類型：第一類，本身就有音樂基因和才華，從YouTube頻道切入經營音樂內容；第二類，本身是跟音樂不相關的創作者，在YouTube累積大量粉絲能量後，開始切入音樂做。

前者像是玖壹壹，先是在YouTube累積了許多關注後，最後入圍金曲獎最佳演唱團體，成為新的「本土嘻哈天團」，另一個例子則是J.Sheon，因為2015年時在頻道上推出《See you again》中文版而被注意，在去年被Sony簽下。而後者，最典型的例子就是聖結石，一首自己作詞的《真的不想嘴》觀看次數破千萬，也讓人看到「原來跨界YouTuber真的可以當歌手」的可能。

完全免費的YouTube相較音樂串流平台而言，無疑也是使用者「找歌來聽」的首要途徑。根據IFPI國際總會發布「2016年消費者網路音樂調查報告」顯示，有82%的使用者表示上YouTube是為了聽音樂。此外，台灣三個破兩百萬的頻道中就有兩個是唱片公司。

YouTube分潤機制大揭密：點閱不完全等於進帳

但這不禁又讓人聯想到，創作者在YouTube上的獲利模式——若單單在YouTube頻道上分享音樂，有可能靠點閱分潤賺到錢嗎？

「我遇到太多人以為觀看次數等於進帳收入（笑），其實分潤的邏輯是Google今天在你的頻道獲得多少的利潤，我們會根據和創作者的簽約比例去分配給他，但基本上比例在全球是一致的，不會隨意去調整。」林映嵐詳細地解釋了一直讓人霧裡看花的分潤機制。

但除了影片本身流量大小外，造就收入落差不一的原因在於兩點：廣告格式和觀看地區。

「一個頻道被置入了什麼類型的廣告，可能是隨機的，有各種各樣的廣告格式導入進來，背後的廣告單價也就不一樣。」此外，影片可能不只在台灣，在全球都會被看到，林映嵐表示就如同「大麥克指數」，同樣的廣告在不同的地方被看到，收益也不同，其中算法很複雜。最後她再次導正：觀看次數不等於收入金額，若知道別的YouTuber談到自己觀看次數和收入的關係，直接套用到另一個YouTuber身上，真的誤差太大。

「但我也不反對創作者用這個邏輯去檢視自己，因爲他會去檢視數據跟產能，時間長了或許他會有概念知道『大概多少次點閱等於多少錢』，但這只是創作者自己取的『平均值』，但這並不適用於其他的人，只專屬於他。」

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。