【專欄】顧客喜好百百種,該怎麼「貼對標籤」助業績成長  ?
【專欄】顧客喜好百百種,該怎麼「貼對標籤」助業績成長 ?

拜AI科技之賜,近年電腦視覺、自然語言處理、數據分析的應用蓬勃發展支持這產業各式商務應用,智慧商務逐漸成為產業發展的支持力道,各種創新服務改變產業的服務模型,讓人們享受著更懂你的智慧服務。

尤其自然語言處理技術的成熟,智能機器人(Chatbot)被廣泛應用,促進對話商務(Conversational Commerce)的發展,透過自動化的對話介面跟客戶互動,逐漸成為商業服務的新介面。在這些對話的背後,正是高度運用數據收集與分析來瞭解顧客行為與特徵的方法。業界常用數據分析的手法來認識顧客,例如客戶分群是常被用來認識客戶的方法,來了解是否有某些顧客的互動、消費行為類似,將行為類似的顧客歸為同一群,可以針對不同群體進行不同的行銷、銷售、服務與關懷方式。

客戶特徵的收集與累積,是現在企業重要的經營依據,而收集客戶特徵業界常用的方法是「貼標籤」,透過顧客跟智能機器人、自助服務系統或現場人員互動過程來標註代表這些行為的特徵標籤或供分析的資料,經過不斷的互動過程,標籤系統累積更多認識顧客的標籤,企業更能貼心地進行對話。可以說標籤系統是顧客特徵的收集系統,是對話式商務的核心,每個企業都應該建立屬於自己的標籤系統,本文將介紹「標籤系統」的建立與運用,強化企業的能力。

什麼時機需要貼上標籤?

CRM發展這20幾年,強調的是要認識顧客,透過與顧客互動來開發、選擇、獲取、確認和維繫顧客。透過顧客行為的收集與分析,提供組織進行產品創新及作業流程改善,以提高顧客忠誠度。能做到在適當的時間(Right Timing)以適當的管道(Right Channel)提供適當的資訊(Right Offer)給適當的人(Right Target)完成最佳的事(交易、決策或服務等)

這具體做法,是找出顧客特徵,就是標籤系統的貼標動作,貼出顧客行為與建立特徵,成為跟顧客互動的基礎。那在什麼時機、服務流程、怎樣的作業方法,能產生適當的標籤呢?共分為三大類型。

  1. 自動貼標:在智慧化設備跟顧客互動過程,透過經歷過的流程、選取過的服務、回覆過的問卷、選擇過的項目…等,在這過程記錄所有行為標註為標籤。這一般在網站、智能機器人、App…等互動過程中記錄。這類標籤也可稱為「觸發型標籤」。

  2. 人為貼標:企業不同單位的行銷、業務、服務或臨櫃人員跟顧客互動過程所瞭解顧客的行為特徵或人員接觸紀錄,進行適當的貼標。這可以是跟顧客的實際接觸人員做貼標或客服中心服務人員在服務過程中做貼標。這也可以稱為「主動型標籤」。這很適合紀錄顧客特質的標籤,例如個性、性格、價值觀…等。

  3. 數據貼標:企業在營運過程會記錄下很多作業紀錄、互動資料、交易資料、服務資料、行銷回饋…等或貼標紀錄的初階標籤資料,這些廣泛的紀錄資料,透過大數據分析或AI應用模型,對資料進行特徵萃取、模型建立,定時將行為數據轉為特徵標籤。這也稱為「探勘型標籤」。我們最常看到就是會員分級、顧客貢獻度、專屬推薦…等。

掌握跟顧客的互動,運用科技外也要重視實體接觸的紀錄,在不同管道提供顧客所需,正也是您更深入認識顧客的最佳時機,把握每一接觸時刻,更貼切服務您的顧客,成為您的忠誠顧客。

顧客樣貌多,怎樣建構企業的專屬標籤系統?

標籤的分類有很多種,每個企業的市場經營角度不同,建立適合自己的標籤系統,是企業重要的任務。目前標籤系統大都會跟企業CRM系統整合,或部分CRM系統會提供標籤功能,來儲存以顧客為中心的標籤資料。這裡提的標籤系統是收集顧客標籤資料,建立一個系統性的標籤架構,讓標籤能夠適當地分類、歸納、運用

標籤系統的研究,換個角度看是市場區隔研究的延伸,而過往市場區隔是以企業為中心,來分析客群樣貌,進而能夠對於不同客群進行不同的行銷與銷售方式,一般可以分為人口統計類、心理類、行為類、地理類四大類別。而標籤系統是以顧客為中心的市場區隔,更細膩地看出不同顧客的特徵,以能進行不同的行銷與銷售活動。

現今商業環境更加豐富,運用市場區隔分類概念為基礎延伸建構更完整的標籤系統。標籤系統以領域、分類、標籤為體系表達方式,經歸納整理可以區分為六大領域來涵蓋(詳細請參考附表):

  1. 顧客人口特徵:顧客人口特徵是描述顧客一些具體的基本資料,例如您年齡、性別、國籍…等。這些資料一般也會存在CRM系統中,這可以跟標籤系統整合運用。

  2. 顧客喜好特徵:描述顧客的個人喜好特徵,從生活、娛樂、興趣、消費…等面向來記錄。

  3. 社會行為特徵:描述顧客跟社會群體互動的行為特徵,可以包含購物、社交、金融、語言、事業(工作)這些主要特徵。

  4. 企業互動特徵:描述顧客與企業本體互動的特徵,更能清楚該怎樣跟顧客戶互動,這包含服務偏好、貢獻度、產品偏好、交易偏好、通路習慣。

  5. 網路行為特徵:這描述顧客透過網路跟企業互動行為特徵,包含網路通路習慣、終端使用習慣、內容種類偏好、操作使用行為,可以掌握跟顧客互動方式。

  6. 地理特徵:描述顧客的所在地區或區域之特徵,包含生活地區、工作地區、氣候特徵、活動時段。

企業顧客標籤系統架構表_20220704_01
圖/ 作者提供

標籤系統設計時也應考慮標籤的使用,標籤會在顧客互動流程中記錄標籤,或特徵資資料,整個企業標籤系統要保有彈性,又要保有一致性,資訊才能匯流整合進行分析。顧客標籤在使用上能讓系統在不同流程中記錄,也能讓不同服務人員標註的標籤能夠一致,這可以使用預先定義好給全企業使用的標籤,稱為「系統標籤」;另一種是要能夠讓服務人員能夠留下尚未定義或更適當的紀錄標籤,這是由服務者自由貼上的標籤,稱為「自訂標籤」。系統運作中可以經歷一段時間後,標籤系統管理者, 定期整理自訂標籤, 成為系統標籤。

標籤系統成功運用的五個要素

就標籤系統的建立,能掌握顧客特徵,提供夠貼心服務,這也對話式商務是很重要角色,客戶特徵需要收集與適切運用,成為企業經營成長因素。標籤系統貴精、不貴多,企業顧客標籤系統架構表中廣泛地整理所有可能的標籤,但實務上是需要依照企業收集標籤的目的來選擇性地建立,讓標籤系統更能有效率地被運用。

標籤系統要有目標地依照企業經營的需要,有計畫地從服務互動與行銷接觸中進行有系統地收集,也唯有持續地收集與維護,才能有累積地創造認識顧客的條件,更有效率地執行對話式商務。

我們歸納標籤系統的建構成功要素需具備五個有,有目標、有計畫、有系統、有持續、有累積,運用這五有準則來建立適合企業應用的標籤系統,強化CRM的識客能力,發展對話商務。

《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)

責任編輯:侯品如

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