流量池下的省思!重新解構你所認知的電商營運公式後再出發
流量池下的省思!重新解構你所認知的電商營運公式後再出發

流量紅利的神話已結束,許多企業正面臨思考各種流量操作的可能性。相信也很多人重新思考電商營運公式,希望從中找到各種營運優化的可能與因素。

電商營收 = 流量 × 轉換率 × 客單價

此電商營運公式非常簡明扼要!直接點出幾個重要觀點,例如:流量決定電商營運業績!筆者也曾在第一步到底該下什麼?向新手村說再見吧!一同精進廣告成效Go表示 「業績未動,流量先行」 。因此,放大流量並降低流量成本(CPC),一直是許多朋友所關注。

公式雖看似簡單,但背後的細節真的很多!

套一句大家耳熟能響的開場白,柯南表示:身體雖變小,但頭腦一樣棒。此電商營運公式雖簡單但優化一樣煩。千萬別被簡單的因式分解而忽略背後影響營運的因素,甚至誤解。

最讓筆者擔憂的是,一味追求 CPC 為指標的情況。這指標的背後,顯示他們或他們的Boss認為:流量成本越低,那後續的目標成本 CPA 比較便宜。這背後的誤會有點大。CPC 低不見得 CPA 低,兩者之間可以用下圖表示:

1_nW2MlQQTBEH6YEGZfgeERg.png
CPC / CPA 關係

這四個象限中,第三象限很明顯是最糟糕。很可能原因來自廣告素材與投放受眾後的反應不佳,且銷售陸著頁體驗也很差,兩者齊心協力下的偉業。背後能說的故事很多,反應在廣告後台上的指標可以參考 CTR、品質分數,而網站的部份可參考跳出率、工作階段…等。

但各位可以思考下,難道就真的無處可用嗎?

事實上,在新品牌或新產品搶市的時候,有時候是不得不用!準備跟前幾大的競品拚市佔率的時候,就可能採取此破局。那你可能會思考會不會賺錢呢?

當品牌決定採此路時,很有可能其產品有日後回購的現象。甚至,是走主體不賺錢,但靠消耗品來賺回來。所以,短期打平或虧損若能帶來後續穩定的訂單來源,那長期來說還是能有所獲利。

特別從第三象限說起,正是要提醒各位端看電商運營公式時,切勿過度追求短期回收,而失去中長期的策略。以「顧客終生價值 LTV(Lifetime Value)」來說,正是此電商運營公式中容易被忽略的觀念之一。

而第四象限的情況,很可能是在追求低流量成本下發生的局面。就臉書廣告投放來說,當你宣告執行流量的時候,臉書將盡其所能給你最可能產生點擊流量的像素,其反應數據結果在 CTR & CPC 將會非常漂亮。但在追求極致的CPC下,可能犧牲影響轉換的 「流量品質」

CPC 與 CPA.png
CPC 與 CPA
圖/ 江仕超

實際廣告投放的經驗來看,上圖顯示(CPC 1,CPA 1)-($8,$349)vs.(CPC 2,CPA 2)-($12,$176)。略高 CPC 背後可能代表 該流量有「高質量」的表現 ,使得轉換率提昇而 CPA 反而更低。

CPC與CPA存在轉換率的問題,進一步來說「流量品質」才是關鍵!

影響流量品質的因素而多,平台演算法是主要因素之一。以臉書廣告投放來說,當你想宣告要怎樣行銷目的時,它將盡可能把此條件給符合的對象。

行銷目標選擇.png
行銷目標選擇
圖/ 江仕超

也就是當你選擇下流量時候,容易獲得偏好點擊廣告的對象,對應的CPC、CTR 相對漂亮許多!但實際成效好不好?答案是不一定的。就以筆者自身經驗,下流量來的轉換率通常偏低。

而第二象限的情境,很可能發生在搶奪高質量的流量時發生。像是當你鎖定加入購物車但還未購物的受眾時,轉換可能性高但受眾量窄,就可能導致投放成本偏高但轉換效益依舊不錯的情況。又或者在搜尋平台的關鍵字競爭強度高,導致點擊成本提升。但因為消費意圖明確,且商品詳情與活動也切中該消費者,故轉換率高,可能有此第二象限的情況出現。

我們要流量!更要探究背後的「含金量」

當官網的整體流量品質偏低時,也可能造成「再行銷」效益下滑。原因是可能轉換的受眾(pixel,cookie)對比整個流量母體的比率太低。換言之,即便運用再行銷做追蹤,但對應的流量品質低,投報酬也會下滑。

有鑑於原公式在表現流量的含金量、消費者分群、與各媒體引流差異上,略顯不足。筆者嘗試透過此文把一些嚴謹的項目或定義交待清楚。

回到原先簡式中:

原公式-調整01.png
原公式-調整01
圖/ 江仕超

F:流量:指的是各媒體引流而來的 總流量 Flow
R:轉換率:引流後所對應的轉換率,這裡指得是 平均轉換率 CR
V:客單價:同上,這裡指得是 平均客單價 ATV

這邊可以看出來,原先公式不易將各媒體引流的流量品質、轉換率、或對應的客單價「直接」交代清楚。各媒體引流上又能細分:自然流量、付費流量。所以,實際因式分解的展現上,將比原先複雜許多。

電商營運公式超展開!融入各項引流因素

有感於流量池的觀念正在發酵,筆者很早在保健食品產業中體悟到留量比流量更重要,我們將融入自然引流與付費引流的因素,並且結合現今(2018年)各類主要引流媒體,將電商營運公式重新解構。

首先,引流的媒體,筆者區分為三類:

  • 社群媒體引流:FB,IG,Line@…等
  • 搜尋引擎引流:Google為主
  • 整合行銷帶來的引流:各種整合行銷帶動的引流

再透過引流與費用關係,可區分為兩類:

  • 自然引流:
    泛指「不需額外支付導流費用」就能達到引流效果。例如:免費的網美IG曝光、免費的部落客寫文、免費的FB社團帶動的流量、免費賺到的的新聞媒體報導…等,不單單只有Google搜尋的自然流量。

  • 付費引流:
    泛指透過「購買曝光版位而直接獲得」的付費流量。像臉書廣告、搜尋聯播網、或像KOL業配。

整理以上分類,我們可以簡單用下圖來描述:

引流方式與貢獻媒體.png
引流方式與貢獻媒體
圖/ 江仕超

接著考量引流後帶動各級轉換率與客單價,將細分後的流量來源對應其轉換率與客單價,而有以下六種:

f01指社群中的自然引流;R01指對應的轉換率;V01指對應的客單價.png
f01指社群中的自然引流;R01指對應的轉換率;V01指對應的客單價
圖/ 江仕超
f11指社群中的付費引流;R11指對應的轉換率;V11指對應的客單價.png
f11指社群中的付費引流;R11指對應的轉換率;V11指對應的客單價
圖/ 江仕超
f02指搜尋平台自然引流;R02指對應的轉換率;V02指對應的客單價.png
f02指搜尋平台自然引流;R02指對應的轉換率;V02指對應的客單價
圖/ 江仕超
f12指搜尋平台付費引流;R12指對應的轉換率;V12指對應的客單價.png
f12指搜尋平台付費引流;R12指對應的轉換率;V12指對應的客單價
圖/ 江仕超
f03指其它整合行銷的自然引流;R03指對應的轉換率;V03指對應的客單價.png
f03指其它整合行銷的自然引流;R03指對應的轉換率;V03指對應的客單價
圖/ 江仕超
f13指其它整合行銷的付費引流;R13指對應的轉換率;V13指對應的客單價.png
f13指其它整合行銷的付費引流;R13指對應的轉換率;V13指對應的客單價
圖/ 江仕超

並假設彼此獨立,可整合用下圖表示:

引流貢獻矩陣圖.png
引流貢獻矩陣圖
圖/ 江仕超

其中 f 指得是各類流量來源;R 指得是各類轉換率; V 代表發生轉換時的各類客單價。由於 R 發生必然帶動 V,故同時整併為 RV 作考量,也有利簡化後續運算與分析。

因此,我們將以上內容將電商營運公式重新改寫,把 「各種流量來源」「各種對應的轉換率」 、與 「各種對應的客單價」 做連乘積。整理如下:

電商營運公式以連乘積展開細項.png
電商營運公式以連乘積展開細項
圖/ 江仕超

以上公式,忠實呈現各媒體來源與付費與否的情況。六種媒體引流方式,都有對應不同的轉換率及客單價。

當原先電商營運公式透過連乘積展現後,更能直接容感受各種流量與對應成效轉換的關係。不同媒體溝通引流的方法,有不同的對應轉換關係。當企業從其中一種新興媒體或數位廣告拓展營收時,也能同步檢視其它流量來源的貢獻。

另外,每種媒體溝通的方法,可直接付費或走自然流量。如同: Facebook可分為自然觸及與廣告曝光;Google也有自然搜尋與付費廣告。以連乘積的電商營運公式中,也能一目瞭然。若未來有拓增引流來源的必要,該公式能視現實情況作延伸。

更進一步來說,此公式直接亮出一個概念是『 流量配置 』。如同風險管理一樣,把流量妥善配置的概念更直白展示。淚別流量紅利後,大家都面臨該怎麼讓流量來源更加穩健的問題。希望透過此新的電商運營公式,再次提醒各位不要過度被單一平台給綁架。眼光放得更遠!當享有紅利時,及早建立另一個穩定流量來源。

最後,應用數學運算子 Σ 可將以上公式收斂如下:

電商營運公式在各種情境下的超展開.png
電商營運公式在各種情境下的超展開
圖/ 江仕超

以上電商營運公式重點不在如何推演,那是數學家的事,而是從展示後的公式中引領我們更直觀思考電商營運背後的種種面向。 『連乘積展開的電商營運公式』顯示各種媒體引流下的營收貢獻;『 Σ 展現的電商營運公式』表示營收來源有自然引流與付費引流等。

值得注意是, 即便是自然引流,企業依然須要在『內容』或『會員經營』上下工夫。 例如:在社群經營上做創意軟文,引發自然擴散的可能。自然引流的概念,是以走心的內容贏得引流!這絕非是零成本或零廣告預算。正因為你用心製作,才能因走心引發自然流量的產生。

從『流量矩陣』直觀思考你的流量優化策略

引流貢獻矩陣.png
引流貢獻矩陣
圖/ 江仕超

從『 引流貢獻的流量矩陣 』可直觀發現或挖掘電商營運的諸多面向。以下筆者以此矩陣作行銷經驗的分享:

  • 流量來源是多元!仰賴單一流量貢獻有可能面臨營收上的風險。
  • 流量來源的穩健?短期流量紅利的衝刺下,如何建立你的穩定流量矩陣?
  • 不同流量有對應的轉換成效。如何優化或調節轉換效益是必須持續進行。
  • 不同流量來源或關係有不同的轉換成效,反應『流量品質』的重要。
  • 流量之間有『功勞歸屬』、『交互影響』、或『行銷綜效』的情形!須留意!
  • 強化營收的貢獻來源,可分『自然引流』與『付費引流』。
  • 『自然引流』不代表不用投入內容成本、時間成本…等!SEO也是要人力與時間。
  • 所有引流的投入成本,如:製作內容與曝光內容…等,都將影響企業ROAS、ROI。
  • 營運的時機、時節、時間、時效等,都將影響整個營運公式的計算。
  • 考量時間長度,延伸電商營運的重要概念 - 顧客終生價值 LTV
  • 每種引流的行銷活動都可能影響其它媒體的表現。不論是當下、或日後的成長或消長。
  • 流量來源依附在第三方平台時,需更加留意第三方的動態。如:演算法。
  • 受惠數位廣告技術的精準,『競爭』『競價』也隨之轉強,導致投放門檻變高。
  • 新的工具或平台的引流,可能具有流量紅利的現象!可多多評估與嘗試。

需要特別提醒!不同流量來源可能有『成效歸屬』的問題。即不同媒體間常有直接轉換(主攻)、輔助轉換(助功)。推演上我們暫且假設流量之間是彼此獨立,假設屬直接轉換。但真實運用媒體與廣告時,成效歸屬上必然有主功、助功的情況。所以,觀看此矩陣時務必留意媒體之間的綜效。

未來,將再引入「消費者互動關係」將電商營運公式更完整的表現。之後,我們將持續以此公式做更深入的電商情境探討。

本文由江仕超授權轉載自其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。)

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