志祺七七分析後疫情兩大行銷策略變化！廣告為何吹起「復古風」、網紅流量爆發卻難變現？|數位時代 BusinessNext

廣告吹起「復古風」，志祺七七分析後疫情兩大行銷策略變化！網紅流量爆發卻難變現？

疫情變化多端，廣告主也縮手不敢大砸行銷預算，那這段期間台灣數位行銷市場出現哪些變化？廣告主預算有限情況下，又有什麼方法可以增加曝光？

為了求生，「導購」成了品牌主最迫切的渴望

「有廠商就跟我們說，『資金只能撐到明年一月』，就靠這一波了！」文案的美創辦人林育聖用一段客戶的話，點出疫情下廣告主對「導購」的渴望。文案的美主打為客戶提供品牌故事、社群內容與產品文案等文案產製服務，客戶有BenQ、綠藤生機等品牌。

林育聖表示，之前廠商會要求文案有趣、有創意，甚至也會要求符合品牌調性、氣勢等等，但在今年，廠商多把重心放在績效上，更希望文案寫得強烈一點，專注在勾引人性深沈面的需求，希望最大化地刺激消費者買單。

張志祺經營的YouTube頻道「志祺七七」擁有破63萬粉絲追蹤，他從創作者角度觀察到，過往品牌與網紅的合作模式也出現了變化，「意見領袖扮演的角色完全改變」，過去意見領袖會被配置在行銷階段初期的擴大消費者「認知」上，所以可以讓網紅無厘頭地操作也沒關係，而導購、轉換的佈局，則規劃到線下等其他通路上。

「但當大家都不去逛街了，導購就變得非常重要，所以現在更在意（網紅）的導購力。」言下之意，過去做品牌認知、做聲量的廣告需求少了，轉換能力不足的YouTuber就會被廣告主捨棄。

Podcast口播變超夯！廣告回歸更簡單的形式

然而，疫情期間YouTube流量大爆發，難道都不能為品牌主所用嗎？張志祺分析，廣告主沒有足夠的資金做大型企劃或業配，但卻可以走電視台的老路，做一分鐘的片頭贊助廣告，「給你（廣告主）單純兩cut，第一個給你秀品牌，第二個讓你介紹產品，」張志祺說，這種形式就像日劇常常出現的那種片頭、片尾贊助畫面，雖然不是與網紅的深度合作或創意企劃，但廠商不用擔心KOL的腳本不好，還能用便宜的價格買到流量、紮紮實實地獲得曝光。

除此之外，他更點出Podcast的口播廣告其實也是相當傳統的形式，這種簡單、直白，沒有多餘包裝的形式，成了疫情下的主流。

詮識數位策略發展總監陳雅萱更指出，在品牌主資源有限情況下，透過Podcast這種分眾管道，可以把分散在各地小小的受眾集結起來，雖然無法達到百萬量級，但是專注這一、兩萬精準受眾的累積，會是他們為自家客戶規劃的作法。

然而，針對許多品牌主也想加入戰局、製作自家的節目，陳雅萱則持保守看法，「變現急切的話，不確定這樣的投入會有多少轉換率。」

800支影片逐字稿全上線，只為將SEO做好做滿

那麼除了廣告策略的轉變外，品牌主還可以怎樣佈局以因應接下來變化莫測的局勢呢？

張志祺表示，這段時間公司正在將過去製作的800多支影片逐字稿，上架到網站上，因為這樣才能獲得被搜尋的可能性。

他解釋，社群平台或是YouTube搜尋機制跟Google搜尋引擎不同，花一、兩週製作的高成本內容，在社群上的存活時間只有三到四天，很快就會消失在受眾視野中，且難以再次被搜尋到，上架到網站上，透過Google搜尋，就多了與消費者連結的可能，因此建議品牌主也可以善用自家過去累積的數位資產，想想可以如何運用。

另外，也可以思考自家產品或服務什麼時候會被搜尋、會被想起，從這些角度去優化網站SEO，甚至產出內容，「思考『顧客是抱著什麼樣的問題才會連結到我的產品』，回應這些問題的內容自然就變成你的廣告，可以產生更大的影響力。」

責任編輯：錢玉紘

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。