朕不給的你不能要! 談談社群小編苦惱的觸及率
朕不給的你不能要! 談談社群小編苦惱的觸及率

說到平台的觸及程度,一直是社群經營者(俗稱的小編)最苦惱的問題,從3年前Facebook宣布演算法將大幅改變:加重一般親朋好友、並減少粉絲專頁的貼文曝光,從此以後,粉專的有機(Organic,或稱為自然)觸及就直接腰斬了。而說腰斬還算客氣了,一些專以轉貼為主的大眾新聞及時事集合,可能只剩下10分之1。

除了Facebook,兩大平台之一的YouTube也開始調整演算法,影片一上就能感覺到自然觸及減少了,有創作者打來問:「你覺得我這支影片有什麼問題?已經上線6小時,觀看數字只有以前的一半!」

在許多小編哀嘆著好日子不再的時候,似乎沒有意識到,表面上看來是競爭「眼球」,實際上是競爭「內容」,因為競賽規則一直改變,必須不斷調整內容和發展策略,才能一直維持在賽道上的排名。

臉書:排名信號依然重要,但不可以刻意為之

在演算法大改的初期,Facebook透露了幾個影響排名的信號(Signal),包含按讚、留言、分享轉貼和標籤朋友,除了前述的「主動信號」以外,觀看時長、朋友之間的反應等,這些「被動信號」也涵蓋在內。想想看,每天Facebook將要呈現給單一使用者的幾千個貼文中,要如何精選出最有關係的幾百則貼文?選完最相關的這些貼文之後,又怎麼決定排序?

首先,有互動信號的會進入精選的貼文群組,而長時間沒有信號的,會完全消失在個人動態消息中。到決定貼文排序這一關,Facebook會跑很多預測分數:親朋好友的最近貼文、貼文的型態(例如影音還是圖文)、甚至親朋好友在其他粉專的互動等等,再透過機器學習,優化個人的興趣模型。

因此,社群經營的第一目標,在於鞏固所謂的鐵粉以及鐵粉的朋友圈。

社群小編social editor_shutterstock_447959899.jpg
小編的工作在於用創意、有關聯的內容去吸引目標族群,而社群平台每年都會更新產品,若要長期經營社群,用功是不二法門。
圖/ Shutterstock

常有小編偶爾貼出一則特別「譁眾取寵」的內容,形成大量的互動分享,因而收穫漂亮的觸及數字而高興不已;但除非這些新粉絲是真正喜愛粉專的其他內容,否則這個短暫的現象並不能持久。

長期來看,預測Facebook仍偏好原生內容,有些不合格的小編只會大量轉貼外站連結,但互動卻是極少,內容不引發興趣,導致粉絲都變成觸及不到的殭屍。

但運用抽獎或分享誘因來拉互動的方式,除了被「觸及處罰」的風險,也可能長期下來,只剩下貪小便宜、專門跑來抽獎那一類型的粉絲了。小編的工作在於去思考如何用創意、有關聯的內容,去吸引目標族群。真的萬不得已必須轉貼,也要拋出思考邏輯,引發有意義的討論才行。

YouTube:到底怎麼上發燒影片?

也有許多社群經營者問我:「經營YouTube是不是要跟Facebook一樣偶爾下廣告,動一下觸及,才有機會上發燒影片?」

這個問題牽涉到一個誤會:下廣告並不會增加自然觸及,很多人以為廣告會買回觸及,其實廣告只是間接的增加了曝光機會,而觸及仍然決定於使用者的反應,不管是主動還是被動的訊號。

很多人發現在Facebook下廣告會增加自然觸及這個間接的結果,就以為YouTube發燒影片也會挑選觸及最多的影片。

其實,在每15分鐘重新計算的發燒影片榜單中,觀看次數只是其中一個指標,在剛上架這段黃金時間內的熱度、是不是符合潮流、以及和其他影片相比的反應如何,這些都很重要。

甚至有創作者抱怨本來有上發燒,後來被發黃牌,就跟著盈利狀態一起從榜上消失了。不諱言的,發燒雖然基於機器篩選,最後還是人工做最終決定。

社群媒體
社群小編在工作上的一大課題就是面對千變萬化的演算法,希望提高觸及率。若要長期經營,必定不能只靠廣告,而要不斷思考、激發創意。

我們不妨把目標放回「增加使用者青睞」這一方面。兩年前寫過一篇《怎樣讓YouTube青睞你的影片》說明:點擊之後觀看超過兩分鐘稱為一次長點擊(Long Clicks),愈多的長點擊愈能增加相關主題的展示次數,因此被誇張標題騙進來的觀眾,若發現內容不符預期而馬上跳出,這反而會降低長點擊的比例。

表現良好的影片,雖然不一定上得了發燒,但也存在長尾效應;有許多創作者也靠著過去累績的大量影片賺取廣告收益、收穫新的訂閱。

幾年前國外的社群專家,把貼文的品質和頻率做了一個金字塔,頂端是發文之前一定要思考觸及的Facebook,其次是需要每周至少更新一到兩次的YouTube,最下方的是注重數量和轉推的部落格和Twitter。

而這個金字塔也不是絕對的,每年社群平台都會做產品更新,以符合他們最新的目標和利益,因此要長期經營社群的小編們,用功是不二法門。

最新9月號雜誌《2021年台灣網紅生態全解析》馬上購:傳送門
「電子雜誌」輕鬆讀:傳送門

責任編輯:吳佩臻、張庭銉

關鍵字: #演算法
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