CMO行銷長做什麼?
CMO行銷長做什麼?

最近有篇文章提到未來CMO(Chief Marketing Officer,行銷長)的職位將逐漸被分割取代,內文邏輯脈絡其實很清晰,我也非常認同,只是標題與結論容易產生誤導,建議大家看內文。

推薦閱讀:行銷長消失中!麥當勞、Uber都取消CMO一職,發生了什麼事?

我在擔任行銷長之前已經有段時間沒有碰觸過「傳統的行銷領域」,雖然我想試著歸納我過去的工作職掌,不過聽過我自我介紹的人大概都能理解這個歸納有點難度,但感謝給我空間讓我能長成符合組織需求,又能發揮我優勢的行銷領域。

我繼承了由線上與線下所合併的行銷部門,但很快的我便認知到如果我繼續依循既有的組織框架,不僅沒有效率也沒辦法滿足組織任務。所以我必須把我的人分成三大主軸:

  1. 以消費者(會員)為核心的全通路行銷規劃。
  2. Digital marketing來協助品牌經營與銷售業績達成。
  3. 服務流程優化與新機會展開。

1. 以消費者(會員)為核心的全通路行銷規劃

原因很簡單,會員數據是這家公司最重要的資產,建構於消費者行為上的行銷策略比起瞎子摸象有十足的先天優勢。

再者,消費者認得的是品牌、是公司,門市與電商站只是場域的分野,所以線上線下視覺一致、價格一致、優惠一致、檔期一致是基本的,但付款方式、服務提供方式及諮詢顧問則可以因應場域有所不同。

所以說起來,這塊雖然是非常傳統行銷領域,一樣有New Acquisition(獲取新客戶)、Retention(提高留存率)、一樣有門市輔銷物、有網站的活動頁及Banner要製作,要兼顧通路行銷與網路行銷,但這些事情都更需要CRM(客戶關係管理)、數據解析能力,及跨通路的UI(使用者界面)/UX(使用者體驗)去解析各種消費者購物行為以打通整個服務環節。

2. Digital marketing來協助品牌經營與銷售業績達成

傳統思維常會誤以為Digital marketing(數位行銷)就只是幫電商站做導購,不過我們都清楚,除了以導購為主的分潤網站及績效型投放,現在消費者大量取得資訊的來源都來自於網路,所以在這樣跨通路的公司裡,既有行銷預算必須紮紮實實的在初期分成「曝光型廣告」與「導購型廣告」,後者是維持網銷業績的基本盤,但曝光型廣告卻是不得不選擇的必要投資。因為唯有透過一致且有規劃的曝光與露出,才能讓品牌及公司續留在用戶心裡,才能為實體店面換得流量,在品牌價值有被提升的狀況下,透過更多有效的溝通才能為實體店面換得轉換率。

這一塊更有趣的是在內部CRM(客戶關係管理)與外部DMP(數據管理平台)的數據結合,其實有助於提升導購型投放的效率,以節省預算,轉而投資更中長期的品牌曝光及口碑傳播。

046.jpg
圖/ 數位時代

推薦閱讀:資料殘缺,品牌就像得了失憶症!行銷人做好4件事掌握真槍實彈的數據

3. 服務流程優化與新機會展開

對於一個善用實體門市多年的通路來說,有太多既有的服務流程需要以網路的思維重新去做服務流程優化,但這考驗的不僅是Digitalization(數位化),一句老話 「Retail is detail」(零售就是細節),太多現場的細節,如果不是真正瞭解實體門市的人硬要去改變服務流程,通常會先把現場人員搞得一團亂。

再者,既有零售通路直到近年才開始有前台、中台、後台的區分,以前是一股腦的把所有功能綁在POS(銷售時點情報系統)上,所以要做服務流程優化前,一定得先弄懂系統架構,並善用結構及新技術一段一段補齊所有結點,我認為這是目前實體零售通路轉型最痛苦的地方。因為主導的人,必須實體與新科技都熟悉,也必須看得懂原來系統架構的弱點與能力,我不認為這是一個純資訊背景的人可以解決的,更多時候,是需要一個相互信任的團隊從不同面向相互理解才能規劃出來的。

更難的是,除了要與既有資訊系統相處,還必須能完整規劃新的溝通工具,像是App、Chatbot、數據模型及AI、影像辨識、現場軌跡及消費數據分析,這的確超出傳統的行銷專業,但反而是網路世代的年輕人比較有機會成功的領域。

其實未來的世界及待解決的問題本來就會越來越複雜,越來越難歸納,所以需要一個相互瞭解、相互信任,能互相溝通的團隊,在一致的方向上共同想方設法去達成。我的導師曾經跟我說:

「要達到一個目標,至少要克服3,000個困難,但只要有一個人說不行,我們就達不成目標,所以這仰賴的是團隊達成目標的意願有多強烈」。

未來不管有沒有CMO這個職位,但可預測的是,人不進則退,新科技新趨勢迭代的速度越來越快,必須虛心學習,隨時讓自己保持競爭力。

(本文由Scylla Tsai授權轉載自其Medium

責任編輯:陳建鈞

《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
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