【專欄】想牢牢抓住消費者?善用「數位相通,數據相聯」讓你直達他的心
【專欄】想牢牢抓住消費者?善用「數位相通,數據相聯」讓你直達他的心

疫情的衝擊和整體環境的巨變,讓家不再只是生活和休息的地方,也是工作開會、娛樂和購物的地方,這已是回不去的新常態,也為消費者的數位行為帶來巨變。

比方購物消費管道越趨多元,消費者不只在知名B2C電商平台消費,在垂直電商、社交電商和品牌電商平台上的消費金額和種類,也正快速增長;影音娛樂觀賞行為也不再只委身於特定網站:跨媒體、跨平台觀影已經是每天的日常;觀看廣告的行為則逐漸展現低專注度,據統計,在2020年一則廣告平均觀看時長為 7 秒,到了今年上半年已經只剩下 5 秒。

疫情加速數位行為的大遷徙,帶來最大的商機,也帶來最大的挑戰。作為品牌行銷人的我們,改變的幅度與速度是不是也能跟上消費者?

品牌行銷熱門趨勢: D2C Direct to Consumer 策略

現在品牌行銷的熱門大趨勢是:去掉中間通路,直接服務廣大的消費者,就是Direct to Consumer,D2C。藉著數位科技的力量,品牌終於可以直接接觸及消費者,這是讓所有行銷人非常振奮的事。

再貼近觀察,處在「無銷售員」的網路環境,消費行為不再是單一線性,而是交錯紛亂的渾沌旅程,面對的挑戰是在網海中擁有比實體環境更龐大、更散落的消費者接觸點,在廣深不可測的網海,品牌必須跨網布局、跨接觸點攔截,才有機會在不同節點獲取大量的消費者。

在這個廣告觀看行為專注度低的時代,品牌行銷人需要導入全新的方案,發展更精細、彈性多變、可調整優化改善的方法論,大量蒐集數據並循著參與科學 Engagement Science 脈絡,建立模型、分析數據,發展吸引消費者主動參與的互動機制,以增進品牌偏好。

運用數據科技 DataTech進行數據相聯,得到有價值的洞察

談到數據,現在最熱門的議題就是第三方cookie即將退場。品牌紛紛採取主動權,透過品牌官網、品牌電商、品牌App、LINE OA、CRM等管道大力投資收集第一方數據。

不過最大的課題是:花費龐大資源建立的第一方數據,不能只是使用在既有老客戶的行銷上,如何利用第一方數據創造最大的價值?

Cookieless的議題非單一企業、單一媒體、單一平台可以獨自完成,需要聯合各方的第一方數據的力量才能做到。

必須以開放的數據框架科技,才能在跨網環境中串聯消費者在開放網海中的數位行為足跡,並將品牌主與媒體端等全廣告生態系的大數據予以辨識、歸戶,描繪出消費者輪廓,同時串聯多面向、多層次的第一方數據,持續更新意圖信號,與品牌主第一方數據聯合統整比對。

利用這種數據聯合歸戶串接品牌主所收集的第一方數據,幫助廣告主活用會員數據,大量的不具名第一方資料,也能經過AI 辨識派上用場。有機會讓廣告主的投放規模更大更有效益,找到源源不絕新客。

善用數位行銷科技助「老客戶會員化經營」一臂之力

目前市場有各種數位行銷科技夥伴提供服務,來幫助品牌行銷人執行不同層次、不同目的的數位行銷活動,尤其品牌手上既多且雜的商品線,當面向廣大的消費者,通過電商通路/店點門市時數位行銷科技的運用,最能幫助品牌行銷人完成幾近完美的 1:1 行銷,完成大量卻客製化的高滿意度服務。

運用數位行銷科技,從生日禮、優惠劵、會員卡、集點等方式,來進行「老客戶會員化經營」都是品牌行銷人的科技運用利器,用來推進老客戶增加更多的消費頻率與更高的消費金額,建立深化的關係。也因此在跟老客戶數位互動的過程留下諸多大數據消費行為,這份持續產生的大數據不只應用在老客戶上,更應該運用在新客戶增長。

雖然品牌主蒐集到的第一方數據相較量少,但是多樣式的數位行為、傾向偏好、興趣意圖都在品牌主的分析雷達,可以據而發現來描繪目標受眾輪廓,並交由廣告科技夥伴在網海擴張觸及;進而互動參與以獲取新客,並且嘗試持續洞察放大觸及圈、檢討新客獲得率,實現漸次擴大客戶基礎的任務。

在新常態的消費者旅程裡,品牌行銷人的廣告投放計畫、執行思維也不同,在計畫階段要有所本的基於「第一方數據」,是有所為而為、是有的放矢;在執行階段:求的是廣、準、量、質;在驗收階段,看的是各式看似衝突不和諧的結果指標、KPI,既要準確且規模化的觸及,又要受眾熱烈的參與互動率,且要同時計較點擊表現、進站表現、停留時間。

總上所述,現在是將 AdTech 和 MarTech 放在一起的時候。

從品牌行銷人的眼光,基於 DataTech大數據驅動,靈活運用 AdTech + MarTech ;以執行品牌建設,季節性促銷活動、任務性行銷活動、客戶忠誠活動… 並能發現與洞察提出創新的市場活動感動客戶,給客戶不同體驗、疊加在客戶心目中的品牌價值、佔領客戶的心靈與心理佔有率!

佈署「智慧廣告與行銷」體系,建構卓越的品牌力與行銷力

今天多數的品牌花費超過2/3、甚至是全部的廣告預算在數位上,期望數位策略為我們找到更多的潛在消費者。

我們生活在充斥眾多裝置、資訊爆炸的環境,導致閱聽習慣專注越來越低,這是不可逆的現象,現處在無銷售員的網路環境,消費者在網海遍布足跡,消費者旅程不再線性。

品牌行銷人應該深刻領受在這樣的消費者網路行為氛圍,唯有突出的品牌力才能在莫衷一是、人云亦云中勝出,與消費者緊密連結品牌情感。 唯有強勢的行銷力才能執行有效行動,發揮影響力,帶領消費者持續跟隨品牌。

現在是品牌行銷人策略運用消費者行為大數據, 將 AdTech 和 MarTech 整合佈署, 將 「智慧廣告與行銷 」熟嫻地掌握在手中的時候了 !

基於數據分析、發現與洞察;合理分配足夠預算來做品牌建設,在所在的市場建立品牌大傘,直接對著目標受眾的心說話,了解他們的情感、贏得他們的偏好,方能有效提升品牌的忠心支持者!

也是基於數據分析、發現與洞察;有足夠的預算進行行銷活動,對的產品與服務,價格與交易條款,適時適地適質地提供給對的人,讓客戶覺得品牌真是懂我,樂於持續對品牌消費!

我想這個階段,應該就是每個品牌行銷人心中的美麗新世界。

《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:隋昱嬋、侯品如

關鍵字: #行銷
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