尤其現在 AI Agent 的風行，例如 Claude Code 這種工具，讓本來沒有程式基礎的人，可以用自然語言指揮 AI，真的做出一個軟體 App。

因為 AI 降低了開發門檻，「產生程式碼」這件事變得廉價。甚至進一步來講，一些功能單純的軟體都變得廉價。因為任何人，只要會用 AI 就可以產生軟體。

如果現況是如此，那軟體業、尤其像我們是 B2B 軟體公司，就要想想哪些是無法被 AI 取代，真正的核心價值。

我開軟體公司超過10年，經歷過疫情期間、以及現在 AI 時代的市場變化。B2B軟體公司有一些核心價值，是經過時代劇變，始終成立的：

1. 能理解客戶的經營邏輯、需求與難處

要能很快的理解客戶的經營邏輯、需求與難處。客戶是街邊店、是貿易公司、是傳產、是營建類、是電商、是批發還是零售，每個產業、甚至每個客戶的處境都不同。

例如：餐飲業的訂位流程，零售業有哪些銷售邏輯，B2B公司的訂單要怎麼管，傳產的庫存循環，不同行業的 CRM (客戶關係管理) 要怎麼做，等。

你不能只是接需求照做，而是要依照客戶的情況，提出比客戶本身能想到，更好的軟體解決方案。

而且在提案討論階段，你就要能預測做這個對客戶到底有沒有用，以及系統在導入時可能會有什麼問題。

軟體只是工具，你對商業的理解、對客戶經營處境的理解才是靈魂。

2. 軟體的穩定性與可維護性

即便是現在 AI 這麼強的時代，你要 AI 做一個邏輯稍微複雜的軟體，它也許真能產生出來，但就像一個黑盒子，你不知道裡面真的在做什麼。

我們這裡講的企業軟體，在客戶端是每分每秒都要穩定運行的。

從 AI 產生一個黑盒子軟體，到 AI 自動操作雲端主機佈署上去，你確定這個軟體是能「每分每秒穩定運行」？

如果系統有什麼問題，你是要操作 AI 再產生一個黑盒子軟體，再讓 AI 自動佈署到主機？你確定再上線的又是什麼東西？別忘了客戶或員工無時無刻都在用系統，這樣上線風險極高啊！

而且別忘了，AI有不確定性，請參考我之前的文章：使用 AI 代理的三大原則

3. 軟體系統能不能再修改與擴充？

B2B 軟體服務，客戶的經營策略、公司架構、商品服務一定會隨時間變化，企業軟體當然也要隨之變化。

承接上面「穩定性」的話題。如果 AI 產生了一個黑盒子軟體，我這裡指的是有點複雜度的企業軟體，功能上需要修改與擴充時，你是要告訴 AI 要改哪裡，請 AI 再產生一個黑盒子軟體？

這樣的東西你敢直接上線嗎？

還是你要請人重新「讀懂」這個軟體程式？「請人重新讀懂」這個費用要怎麼算？而這個費用是還沒開始修改軟體喔。

而且我們還沒提到「架構設計」好不好修、能不能修的問題。不易修改與擴充的軟體架構，如果要修改與擴充，所耗的工程與成本是非常驚人的。

企業軟體能隨著客戶公司演進，絕對是 B2B 軟體服務的核心價值之一。

4. 售後服務與長期的經營夥伴

我常說：系統建置完成後，工作不是結束，而是剛開始。

客戶老闆和員工開始使用系統後，會有一大堆問題。畢竟人家幾年、幾十年的做事方式，你現在要叫人家改。

那有沒有一個最方便、最即時，而且是真人回覆的管道可以詢問？現在有一個詞叫做「陪跑」。

身為軟體商，你如何協助客戶適應新的軟體流程。當你成為客戶的「經營夥伴」而非只是「外包商」，那價值就不一樣了。

你對客戶過去幾年、或十幾年營運脈絡的了解，讓你能在調整邏輯時，第一，確保新舊功能不會產生衝突。第二，能理解客戶表象需求底下的「真需求」。

這種能聽懂「人話」並轉化為「軟體邏輯」的能力，也是B2B軟體公司的核心價值之一。你能引導客戶避免無謂的開發與費用，這比單純聽命寫程式更讓客戶信賴。

AI 寫程式的速度超快，但B2B軟體公司的護城河不在於那數萬行的程式碼，而在於服務提供方能隨著客戶一起成長、變革。而且客戶在關鍵時刻總是找得到人解決問題。

5. 一切終究回歸到「信任」

在 AI 時代，當程式碼的產出變得廉價時，「人與人之間的信任」反而變成市場上最稀缺、最昂貴的東西。

信任並非憑空而來，而是來自於一次又一次的「履約」。

對服務提供方來說，專業不只是完成合約上的條文，更是在執行過程中，憑藉經驗主動幫忙「多看一眼」周遭的環節。而這多看一眼，往往能幫客戶避開隱藏的營運風險。

對客戶方而言，展現對服務方的尊重，總是盡快撥款，不需服務方「一再請款」。

也就是你相信我的專業與誠信，我也相信你絕不會欠款。這種互利共好的默契，才是雙方合作最穩定的地基。

因為長年合作的基礎，當客戶的生意在變，服務方能第一時間聽懂他的考量與難處，並在程式碼動手之前，先幫客戶梳理好營運邏輯。

對客戶而言，也不用擔心服務方的專業與誠信，或是服務方是不是在推銷東西。

AI 時代的軟體業，勝負不在於程式碼的多寡，而在於誰能成為客戶最可靠的數位盟友。

AI代理 (AI Agent) 應該是 2026 年初最重要的 AI 應用與話題了。其中 Claude Code 和 Claude Cowork 應該是近期 AI代理討論度最高的工具之一。

最近與許多企業主聊到「AI代理」如何實際應用，聽了很多頗具創意的使用方式，但也有令人擔憂的地方。

我結合客戶端的使用情況，與我自己長年B2B服務客戶的經驗，我會建議：特別注意你對 AI代理的授權。

什麼意思呢？先跟大家介紹 AI代理的基本運作機制。

AI代理的基本運作機制

在撰文的現在(2026年4月)，AI代理我們一般是指 Claude Code、Claude Cowork，或是龍蝦 (OpenClaw)。

基本上他們運作機制都是：用戶在電腦本機安裝 AI代理的 App (以下稱之 AI Agent)，然後授權這個 AI Agent 可以操作哪些檔案、哪些軟體，包含瀏覽器可以操作哪些網站。

授權好後，使用者就可以用自然語言的方式，指揮這個 AI Agent 去操作檔案、軟體、網站，以完成使用者的最終需求。

一切看起來很美好。但只要有軟體工程、或實際商業背景的人就會警覺，以上這個設定會有安全性的問題。

為什麼呢？因為 AI 有不確定性。

AI的不確定性

傳統軟體的運作機制是，使用者輸入 1, 2, 3 一定會得出「不會出錯」的答案。因為程式邏輯是固定的，沒有情緒、沒有錯誤，它只會固定的執行既定的步驟。

但 AI 接收的是「自然語言」，那這就有接收時的「理解」，和執行時的「推理」問題。也就是可能你說的是 A，但 AI 幫你做成 B 或 C，這是很有可能的。

AI 的不確定性包含、但不限於以下幾種：

邏輯鏈條 (Chain of Thought) 的理解錯誤

AI Agent 通常是透過多步推理來執行任務。即使每一小步的正確率是 95%，當任務需要 10 個步驟時，最終的正確率會是約 60%。

Agent 可能會因為解讀錯誤，而執行了與使用者初衷，好像符合又似是而非的指令。

如果 Agent 因為理解錯誤而執行了「不可逆」的動作，例如誤刪檔案、回覆客戶不恰當的語句、或是調用軟體 API 傳送錯誤或不當的資料，等。都是極其危險的動作。

Agent 難以像人類一樣有「隱形」的道德或工作規範

人類活在社會、職場中，都有一些「隱形」規範。以至於我們該做什麼、不該做什麼，基本上有一個社會共識在。

Agent 不會像人類一樣理解這些「隱形」的規範，它只會看到它的目的，與有什麼權限可以執行。所以 Agent 可能會為了達成目標，採取一些雖然技術上可行，但在商務邏輯上極其危險的手段。

例如：Agent 算出了公司產品的售價要怎樣調整，才是公司利益的最大化。於是 Agent 提供了一個遠高 (或遠低) 於一般行情的價格給客戶。

當然，在實際商業我們不會這樣做，因為有很多其他因素要考量。

對 AI 來說，達成目標的 100 分比什麼都重要，它並不知道有些行為的代價是 1000 分。

AI 可能產生「幻覺」，將不存在的邏輯視為理所當然

AI 的判斷基於數據訓練，所以它可能會受到過去案例的影響，而歸納出自己的一套邏輯，而這個邏輯根本不符合現實社會與當下情境。

我舉一個很實務的例子：AI 掃描了系統中客戶來往的數據，發現一個客戶所有數據都偏少，依照往例，AI 判定此客戶為低價值客戶。

但有B2B商業經驗的朋友就知道，很多有信用的大客戶，平常是不會隨便聯絡的。因為 AI 誤判而讓大客戶覺得被輕視，這對公司來講是多大的損失！

以上是 AI 不確定性的幾種情況，而且遠不只這些情況。

當你賦予 AI Agent 更大的執行權時，如果不加約束，它就像一個擁有最高權限、卻有不確定性的高階經理人，非常危險。

使用 AI Agent 的三大原則

撰文的現在(2026年4月)，Claude Code 和 Claude Cowork 應該是近期 AI代理討論度最高的工具之一。

AI 百家爭鳴，其他 AI 大廠看到 Claude 可以這樣玩，未來也一定會開發自己的 AI Agent 工具。

這裡我結合客戶端與我自己使用 AI代理的情況，歸納出使用 AI Agent 的三個重要原則。

軟體工具五花八門、推陳出新，但這些原則應該適用於所有 AI Agent 工具：

原則1，你不會希望：資料被誤刪或全部刪除

如果指令模糊或判斷邏輯出錯，AI可能在幾秒鐘內清空你累積數年的資料庫，或是檔案。

原則2，你不會希望：不應該被更改的資料被竄改

想像一下，如果 AI 為了優化流程，擅自修改了合約條款、報價單或官網的核心內容，而你毫不知情？

或是你的重要文件被 AI「自以為聰明」的擅自修改？

原則3，你不會希望：機密資料被公開

這是最現實的資安問題。AI 需要餵資料才能工作，但如果你沒有設定好邊界，它可能會在回答客戶問題或生成報告時，不小心「吐出」你的商業機密、客戶名單或內部財務數據。

結語

我完全同意「AI代理」是勢不可擋的時代潮流。它重新定義了生產力，更是企業數位轉型的下一個轉捩點。

然而，越是強大的 power，越需要精密的管理系統。

「權限」是 AI代理的核心命題。導入 AI代理不是「放任它去跑」，而是要精準地限制其工作範圍 (Scope) 與操作權限 (Permission)。

在設定權限時，因為有不同的軟體、不同的場景，有時候確實很難。此時可以想一下我上面分享的三原則，當作 checklist。

如果三原則都打勾，那沒問題。如果因為 Agent 要求授權而其中一個答案有疑慮，則要想想萬一出錯的風險，是你或公司能承受的嗎。

我們長期以來累積各行各業的客戶，大部分都是直接跟老闆或實際經營者來往，知道實際經營的需求。包含我本身就是從0創業，開發業務。

這麼長的時間，我知道很多中小企業或店家老闆，對網路或數位這一塊還是很陌生。即使在這個AI時代，仍然是這樣。

因此，我想推出一個30分鐘數位策略會談的活動，主要圍繞著兩個主題

1. 中小企業數位策略的聚焦與取捨
2. AI時代的網站SEO規劃

進行方式

進行方式是 1 對 1 實體談話 (如果貴單位有2個人同時來也沒關係)。我會依照您事業的類型與狀況，調整談話內容。

報名方式請來信 larry@yuyansoftware.com.tw
並附上您的公司、店家、或自媒體名稱且 google 搜尋的到。我們會稍作挑選，適合的朋友我們會主動跟您聯絡。

我們公司在忠孝東路/延吉街口。碰面地點可能是我們所在商辦的會議室，或是附近的咖啡廳 (如果有點飲料，各自結帳)。

以下是這兩個主題，我會看的角度。

中小企業數位策略的聚焦與取捨

對外行銷方面

檢視您事業在線上的整體狀態如何：社群、官網(有的行業不需要)、Google商家，有沒有下社群廣告或 Google 廣告，等。

Google 您的行號名稱，整體看起來是什麼感覺？

餐飲、服務、美業，街邊店類型的事業，FB / IG 粉專已經算是官網了，我個人認為不用另建官網。加上 Google 商家稍微優化一下，這樣有興趣的客人，已經可以充分搜尋到你們的資訊。

但相對的，請這類型的老闆 FB / IG 還是po點東西，不是說要多少讚，而是陌生客人搜尋到，會有信任感。

延伸閱讀：美容、美髮、美甲、按摩，街邊店類型的美業，要用什麼網站系統來加強經營？

如果是非服務業、非街邊店類型的公司，尤其是 B2B 類型的公司，一般我還是建議要有官網。讓潛在客戶可以完整了解你的公司資訊、商品或服務內容、價格方案、成功案例，等等。

經營管理方面

餐飲、服務、美業，街邊店類型的事業，我會建議 LINE 官方帳號串接 CRM (客戶關係管理)，或是口語上說「會員系統」，這部分一定要做。

讓客人可以查詢消費紀錄、預約記錄、累積點數 (換取贈品)。如果以上都有紀錄，就可以做「客戶分級」，這是經營事業很重要的一件事。

延伸閱讀：客戶關係管理 (CRM) 最重要的是什麼？建立會員系統，並用客戶終身價值 (CLV) 為客戶分級

除了 CRM(客戶關係管理)，如果你的事業是有實體商品或物料進出貨，有沒有使用進銷存系統？如果沒有的話，要找套裝軟體還是客製系統？導入系統時要考量什麼？

延伸閱讀：什麼是進銷存系統？台灣中小企業的需求是什麼？導入系統時要考量什麼？

當然，每家公司的營運模式千變萬化(即使是同一行業)，不會只有 CRM 與進銷存。

美業、按摩、諮詢服務業者可能需要預約排班，B2B公司可能需要訂單與進度管理，即使是行之有年的電商，每家的模式與需求也都不一樣。

AI 時代軟體公司的角色

AI 時代，任何人只要會用 AI 就可以產生軟體。

在跟很多企業主面談的時候，不時會聽到一個疑問：既然人人都能操作 AI 寫程式，那要不要找軟體公司？如何看待與軟體公司的合作？

我有一篇文章：AI 時代的軟體業：當寫程式不再是門檻，B2B 軟體公司真正的護城河是什麼？

對軟體公司而言是護城河的東西，對客戶而言就是軟體公司的核心價值。

如果您是企業主或店家老闆，也可以看一下上面文章，看這些核心價值是否符合您的需求與認知，也可以當作挑選廠商的標準。

AI 時代的網站 SEO 規劃

除了公司經營者這個身份，我同時也是10幾年的部落客，就是本站。

大家應該同意，資深部落客是最了解 SEO 的一群人了。(SEO是搜尋引擎優化，也就是自然搜尋流量的來源)。

這個時代，社群跟短影片是顯學，部落格並不是顯學。部落格還有存在的意義嗎？什麼樣的內容適合擺在部落格或是官網？

現在AI會直接整理出答案，不需要點擊網站。因此，很多網站的流量都被大幅影響 (幾十趴的衰退)。

那現在 SEO 要怎麼做呢？經營 SEO 的心態跟方法又是什麼呢？

延伸閱讀：AI時代下SEO的全新遊戲規則：部落格還有存在的意義嗎？什麼是 E-E-A-T 原則？

可能很多中小企業主也不確定，要不要經營網站形式的自媒體。也有很多人是官網已經有部落格功能，但沒善加使用。

這部分我也會針對每個人狀況不同，做客製化的建議。

依據您事業的現況與需求，安排談話內容

主要就是以上兩個主題，我有長時間、非常豐富的實戰經驗。

這兩個主題並不是分開的兩個課程。30分鐘的時間，我會依據您的事業類型(已來信告知)，還有您有興趣的部分，做兩者比例上的調整。

如果您有想聊的問題，在會前聯絡時也煩請告知，我可以先做準備。

報名方式請參考上方「進行方式」段落，期待您的來信。

對於不太認識我的讀者，我是超過10年、自有網站(本站)，且仍然持續更新的部落客。

也建議先看一下我之前的文章 AI時代下SEO的全新遊戲規則，了解我對這個時代 SEO 與部落格的看法。

回到 num=100 這個事件，本來我想寫一篇 Threads 短文就好，結果越寫越發現這個題目不小，背後隱含的事情很多。

所以我決定將這個題目寫在部落格。

首先，什麼是 num=100？到底發生什麼事？

本來第三方SEO或流量評估工具，可以向 Google 發出 API 請求，得到 Google 對特定關鍵字詞的搜尋結果。

這些第三方工具再用撈回來的資料，做各種分析，提供服務給他們的用戶。

長期以來 (至少10幾年以上)，這些第三方工具發 API 請求時，加上 num=100 參數幾乎是一個標準做法。也就是一次可以撈特定關鍵字詞，搜尋結果的前100筆排名。

這裡一定要提一下，num 這個參數從未出現在 Google 正式文件。也就是這麼長的時間，Google 一直在「默許」外部使用 num 參數。

為什麼以前 Google 要默許外部使用 num 參數？

大家想事情一定要從商業的角度來分析。

Google 默許第三方工具使用 num=100。第三方工具每撈一次資料，這 100 筆網頁資料都會各增加一次「曝光」(impression)。

也就是網站主看到的「曝光」數據，會包含上述「撈資料」的次數。當然 Google 也知道這個情況，彼此哄抬，數據越多越好，大家都得利。

網站主看到曝光數據多 (高興)，第三方工具可以撈資料 (高興)，大家越來越依賴Google (高興)。所以為什麼 Google 過去要默許這件事。

大家要了解的是，很多數據是機器查詢所產生，並非真人查詢 (就是水份、泡沫的意思啦)。這部分我下方文章會再提及。

為什麼現在 Google 要拔除 num=100？

因為現在是 AI 時代，很多公司都在訓練大語言模型 (LLM)。要怎麼訓練？當然從 Google 一次拿100筆資料是最快的啊。

Google 當然也不可能一直讓別人白用：用自己的搜尋結果去養對手的 AI 模型。

於是終於移除了 num=100 這個參數，但仍然接受外部API請求，現在一次請求只能拿10筆資料 (也就是排名前10的連結)。

不能用 page=1, page=2 分批去拿資料嗎？

有工程背景的朋友，大概第一個問題是：不能用 page=1, page=2 分批去拿資料嗎？

確實可以分批拿資料，但不是用 page 參數，而是 start 參數。start=0 拿第1~10筆，start=10 拿第11~20筆，以此類推。

很明顯，100筆要 request 10 次，而且每一次拿到資料後，要分派給後端伺服器處理。整個運算量大概是倍數增加。

我們就以100筆要 request 10 次這個數量去評估，Google 當然也會偵測，某某主機一直發送這樣的 request pattern 過來。

當看到類似的 request pattern，Google當然會想辦法封鎖，它不會讓外部廠商一直免費撈資料吧 (而且很多是對手陣營的AI)。

即使分批去撈資料還是有問題

即使用 start=10 (第11~20筆), start=20 (第21~30筆) 這樣去撈資料，還有一個根本的問題：

Google 搜尋結果排名是隨時變動的。你時間點A 拿到第1~10筆資料，時間點B 拿到第11~20筆資料，這兩組資料「不是」直接可以銜接起來的。

(時間點B 的網站排名又重新排序了。)

也就是現在第三方 SEO 工具，對第10名以後的網頁，精準度是很低的。外部廠商頂多藉由自己的大數據和演算法，評估出第11~20名，但20名以後的網頁，就真的很難評估了。

SEO的可操作空間降低

過去，一些 SEO 顧問宣稱可以讓「第3頁以後」(第20名以後) 的網頁，通過技術手段讓排名往前。

但隨著數據難以追蹤，要去操作第10名或20名以後的網頁，可行性變得極為困難。因此所謂「SEO顧問」要去操作和報價的動機，將會大幅減少。

換句話說，現在SEO的策略應該是一開始就寫一篇對讀者有用、Google也樂於推薦的文章，而不是用「技術手段」將網頁操作到前20名。

其實我是滿高興的

我創業超過10年，因為公司業務是幫客戶建置網站系統，這麼長的時間我看過太多「SEO顧問」了。

(特別括號「SEO顧問」大家應該知道是什麼意思。尤其我本身是10幾年的部落客，有沒有一種可能，長時間經營的部落客比這些「顧問」還懂 SEO。)

這些SEO顧問提供很多「技術手段」給網站主(客戶)，用三寸不爛之舌給網站主很多想像空間，然後將品牌方和網站工程方翻天覆地一頓。

最後成效不佳或成效難以評估，這些顧問拍拍屁股走了。這樣的案例我真的看過太多了。

移除 num=100 對網站經營者有什麼影響？

聊完了第三方SEO工具和所謂的 SEO顧問。移除 num=100 對網站經營者有什麼影響？

如本文上方提到，移除 num=100 降低了第10名之後、第20名之後網頁曝光的「水份」(機器查詢的次數)。

所以網站主看一下你的 Google Search Console (以下簡稱GSC)，2025年9月中之後曝光量是不是有下降。

(台灣9月底到10月連續假期很多，網站主評估時自行決定是否要排除這些日子。)

一般來說曝光量會下降，重點是下降多少？如果你降的少，恭喜，在這次重新洗牌中，你仍然屹立不搖。證明你過去的路線可能是對的。

再來是 GSC 後台的平均排名。因為第10名之後、第20名之後的網頁曝光降低，也就是排名在後的選手減少了。你的平均排名應該要上升才對。

再來是點擊次數。第三方工具撈第10名之後資料變得困難，應該對網站的點擊次數沒有直接關係。當然，現在等於是重新洗牌，點擊數還是會被影響。

我覺得不用追根究底。一樣，直接看你的 GSC 後台，點擊數有沒有降？如果有，降多還是降少？

(再次提醒，如果有連續假期的日子，評估時自行決定是否排除。)

排名在後的網頁現在難以被 AI 引用

請讀者回顧一下上方「為什麼現在 Google 要拔除 num=100？」段落。

Google 移除 num=100 就是為了要擋 AI 爬蟲。

對網站經營者來說，第10名之後、第20名之後的網頁現在難以被 AI 收錄了 (ex: ChatGPT, Perplexity AI, 等)。

AI時代有一個新名詞 GEO (Generative Engine Optimization)，指的是網站現在的目標是如何讓生成式AI引用。

也就是現在第10名之後、第20名之後的網頁難以被 AI 引用了。這個影響不只是曝光的降低，被 AI 引用減少也會影響 Google 排名。沒錯，這是一個迴圈。

排名在前的網頁 → AI 容易收錄 → AI 引用 → 再影響 Google 認為你是好的網頁 → 排名往前。

講白話就是現在是：強者越強，弱者越弱。或是強者不動，弱者越弱。

也符合我之前文章提到：AI時代的SEO，淘汰了很多「專門」用 SEO 技術獲取流量的網站。

移除數據水份是健康的

上方「為什麼以前 Google 要默許外部使用 num 參數？」段落提到：很多數據是機器查詢所產生，並非真人查詢 (就是水份、泡沫的意思啦)

更別忘了各家 AI 模型訓練的過程，都會撈取大量的 Google 搜尋資料。每一次撈取都算一次曝光。

可想而知從生成式AI開始風行，網站曝光數據的「水份」有多少。

移除 num 參數，除了網站主和品牌方可以更了解「真人」的數據，減低機器爬蟲帶來的水份。

有「水份」就代表有可操作空間，現在排名的可操作空間也大幅降低了。

結語

本文開頭提到，建議讀者先看一下我之前的文章 AI時代下SEO的全新遊戲規則，了解我對這個時代 SEO 與部落格的看法。

包含 E-E-A-T 原則，包含一些心法與觀念，很高興在這次 num=100 事件後仍然成立。很多時候如何驗證你的心法與觀念是否正確，就是經由一次一次的事件來驗證。

這次 num=100 的事件之後，如果你的網站曝光量沒有大幅減少，那恭喜你，也許你的路線是正確的。

我之前文章提到：AI時代的SEO，淘汰了很多「專門」用 SEO 技術獲取流量的網站。

這次 num=100 的事件讓網站排名的可操作空間大幅降低了，對用「技術手段」爭取 SEO 的網站又是一次打擊，也證明了我當初的觀察與想法。

對網站經營者來說，尤其對長期經營又懂 SEO 的作者來說，請仔細想想，現在這個大環境反而是有利的。

最近聽聞好多人在用 n8n 創業，也有滿多老闆展現出對 n8n 的喜愛與想像。

這裡附註一下，我這裡說用 n8n 創業，是指把 n8n 服務包裝起來，做B2B服務。或是幫企業架設 n8n 伺服器，以及企業需求的模組功能。

我還在觀察他們的商業模式是什麼。截至撰文的現在(2025年9月)，好像還沒有一個確定的商業模式，或是獲利模式。

我開公司接近10年 (到撰文的現在)，做的是客製化網站系統。這篇文章是想跟大家分享，我看 n8n 這套工具，與客製系統的差異在哪？

首先，n8n 是什麼？

n8n 是一個平台，把一些使用者常用的功能模組化，以區塊顯示，讓使用者可以拖拉區塊，並且連接區塊 (就是我們俗稱的：串接)。

也就是如果你的需求包含三步：step1, step2, step3。在 n8n 會顯示成三個區塊，讓使用者自己連連看。

如果我們不看那炫炮的視覺介面，n8n 本質上也是完成使用者需求的功能，與客製系統相同。

n8n 跟 AI 是什麼關係？n8n 的起源？

n8n 創辦人是德國人 Jan Oberhauser，在2019年上傳了第一版 n8n 到 GitHub。當時 n8n 只是他的 side project，他想開發一個能輕鬆串接多個服務的工具。

n8n 專案受到開發者社群的廣大迴響，接著他就全職投入 n8n、成立公司，並開始募資。

隨著生成式 AI 崛起，n8n 新增 AI 節點，原生支援多家大語言模型 (OpenAI, Claude, Google, 等)。就在此時，n8n 迎來爆發式成長。

台灣大概是2025年春天有人開始討論吧，夏天開始更多人討論，然後有人開始用 n8n 這套工具創業。

(如文章開頭所述，「用 n8n 創業」指的是把 n8n 服務包裝起來，做B2B服務。或是幫企業架設 n8n 伺服器，以及企業需求的模組功能。)

n8n 與客製系統的差異在哪？

回到我這篇文章的主題：n8n 與客製系統的差異在哪？

賣點：n8n 模組化的區塊，會輪流亮起來，看起來很炫炮

n8n 當很多模組區塊連接好，要執行的時候，執行到哪裡，哪個區塊就會亮起來。

所以當你點執行，依照程式執行的順序，不同的區塊會輪流亮起來。

我覺得這點是很多非程式背景的工作者，甚至是老闆們喜歡的。即使同樣的功能完全可以用客製系統達成。

很多老闆覺得會輪流亮起來才是「高科技」，才是「AI」。

沒辦法，人類就是視覺的動物。

系統大小與可管理性方面

n8n 是模組化區塊的架構，我不認為大型、複雜度高的專案適合 n8n。

可想而知，幾10個以上的模組區塊，靠 n8n 平台互動。實務上也不可能真正知道，他們的運作機制是什麼。

如果你的是中大型系統，要管理這些模組區塊，每個區塊又可以輕易拖拉、大量設定，管理起來難度很高啊。

什麼樣的需求與功能比較適合 n8n？

如果你的需求是單純邏輯，或是很常見、可輕易模組化的功能，比較適合 n8n。

相對的，如果你的需求是特殊邏輯，需要高度客製的，還是客製系統比較好。

可想而知，需要特殊邏輯或高度客製的，套用在 n8n 的模組架構和視覺介面上，整個會變多複雜。

n8n 可以自架和自己管理伺服器

我看到有人說 n8n 的優點是可以：自架和自己管理伺服器。

我覺得「是也不是」。原因：不管是非程式背景的工作者，還是小型公司，請把時間放在你賺錢的專業上，而不是去搞這些 IT 伺服器。

這讓我想到早年很多人喜歡自架 WordPress。裝了很多外掛，最後網站掛了，或是外掛之間，或外掛與皮膚主題衝突了，還是要找外包工程師。

(更甭論我常在講：你敢點升級嗎？所以市面上一堆 WordPress 網站在超舊版。)

如果你是非程式背景的工作者，或本身是老闆，花了大把時間弄了一個 n8n 伺服器。你確定真的有把這個伺服器「搞好嗎？」，你真的有「搞懂嗎？」

如果你需要的是每秒都在線上，絕對不能出錯的系統…

n8n 很多模組看起來好像很炫炮，你可以用「積木」或「拼裝車」來形容這些模組，在 n8n 這個平台上串接。

不是說不行，一些小工具是適合的。

但如果你的需求是每秒都要在線上、絕對不能出錯的系統。應該很明顯，還是客製系統比較穩當。

為什麼很多老闆對 n8n 有興趣？

根據我開公司做生意這麼久的時間，對人性的了解，可能我上述第1點 (模組會輪流亮起來的效果)，這點還是最重要的

即使同樣的功能完全可以用客製系統達成，而且可能還穩定、精準的多。

沒辦法，人類就是視覺的動物。

結語

n8n 的故事還在進行中。

使用情境上，偶爾跑一次的小工具也許適合。但如果你的需求是每秒都要在線上、絕對不能出錯的系統，還是客製系統比較穩當。

另外，n8n 可以自架和自己管理伺服器，這個題目真的非常有趣。

劇情一，你老闆要花大把時間自己架嗎？請參考我上文「n8n 可以自架和自己管理伺服器」段落，這裡就不再重複。

劇情二，如果你要請人來架。n8n 是一個地端系統(相對於雲端)，你要找外包工程師來架？那就回到外包工程師的邏輯。

講白了，外包工程師的目的是快速結案、領錢閃人，誰想再去你公司搞那些電腦。然後你的系統大概率會變成孤兒，然後再找外包工程師二號，劇情重演。

劇情三，如果你要找長期經營的資訊公司來架，那就是幫客戶架地端系統的邏輯。資訊公司要養工程師、讓工程師到客戶地點出差。

這樣甲乙雙方的成本是多麼巨大。n8n 的目標客戶通常是小企業，或是小微商家，這樣的模式能通嗎？

回到我本文最初的題目：最近聽聞好多人用 n8n 創業。我同意炫炮的畫面可以吸引老闆的目光。

但實際的商業模式和獲利模式，我還在觀察。

首先我想直接切入我想寫這篇文章的動機。

大家應該都同意，這個時代社群跟短影片是顯學，部落格並不是顯學：回收慢、不確定性高、需要長時間的付出。

但我要表達的是，不是全部的內容都適合擺在社群。例如：有的內容本來就沒有漂亮的圖片或影片，有的內容本來就不需要立即得到網友的共鳴。

例如，這篇文章就是這樣的內容。而且我希望這篇文章是長久而穩定的流量，不像社群的時間軸概念，兩天後就好像不曾po過一樣。

所以這篇文章我決定擺在部落格，然後貼連結到社群。

AI Overviews (AI摘要) 對網站流量是一記重錘

AI Overviews (AI摘要) 大幅影響網站的流量，這應該是不爭的事實。

例如你 google「東京拉麵10選」。你的搜尋結果頁就會出現一個區塊「AI摘要」，直接將 Google 整理好的10家拉麵顯示出來。

而且這個「AI摘要」是在大部分的搜尋結果上方。可想而知，大部分使用者看到結果了，不會再往下拉。

同理，google「台北最新開幕」「台南一日遊」等 (讀者可以自己發想)，太多的搜尋字詞都會帶出AI摘要。

因此，很多網站的流量都被大幅影響 (幾十趴的衰退)。特別是「專門」用 SEO 技術獲取流量的網站，大概衰退最多，甚至已經消失了很多。

這類「專門」用 SEO 技術獲取流量的網站，不只受AI摘要影響，Google搜尋核心演算法的公開文件，也都明確指出不鼓勵這類網站。 

大家應該也發覺，201x年很多的「內容農場」，消失了很多，因為現在無利可圖了。

那傳統 SEO 還要不要做？

我把關鍵字的設定、文章 title 的文案、meta description、<h1> <h2> tag 的檢查等，暫時稱之「傳統SEO」。

傳統 SEO 還要不要做？當然要。而且現在競爭這麼激烈，傳統 SEO 已是一個基本。

但以這個時代來說，傳統 SEO 只是你基本功的一小部分，並不是目的。

我不建議太糾結在「傳統SEO」，我反而建議你創作保持品質、真誠，過程保持輕快，這樣比較好。至少心情愉快，長期的文章寫作才進行的下去。

寫文章的根本目的是產生高品質、對讀者有用的內容，而且兼顧易讀性。如果你寫文章的目的是快速回收、快速變現，這個時代可能不是這樣。

Google 的 E-E-A-T 原則

Google近幾年一再提到 E-E-A-T 原則，到撰文的現在 (2025年7月) 仍然是。

甚至在AI大量生成內容的今天，Google比以往任何時候都更重視 E-E-A-T。

先說明什麼是 E-E-A-T 原則：Experience (經驗)，Expertise (專業)，Authoritativeness (權威)，Trustworthiness (可信度)。

• 「經驗」就是你的內容是你親自體驗、第一手的經驗。
• 你的文章是不是在某些領域，有「專業」的內容，有個人獨特的洞見。
• 作者本身在某個領域是不是有「權威性」。
• 這個網站與作者是不是夠真實，有「可信度」。

為什麼要提 E-E-A-T？

因為這就是現在 Google 評價一個網站的標準：你的內容有獨特的經驗，你在某些領域是專家、很專業，你和你的網站很真實、可信賴。

SEO 的遊戲規則已經徹底改變。早已不是在文章中塞多少關鍵字，或是跟他站建立多少反向連結 (早年有一個說法是「交換連結」)。

什麼是GEO？要如何看待GEO？

AI時代來臨，出現了一個新名詞 GEO (Generative Engine Optimization)，指的是網站現在的目標是如何讓生成式AI引用。

我先提供一個專家的公開談話。2025年8月底的 WordCamp US 大會上，Google搜尋的主管 Danny Sullivan 說「Good SEO is good GEO.」

他的意思是，照著你原本好的觀念與習慣，寫對讀者有用、友善的內容，把握住 E-E-A-T 原則，這就是一個好的 GEO。

對讀者有用的本質沒變，並不需要做一些特別的事(也沒有這樣的事)，去達成 GEO。

這跟我的理解相符，現在Google搜尋的主管，公開直白地講出來了。

把握 E-E-A-T 原則，寫出真實、專業、對別人有用的內容，自然你的 GEO 就會好。

請善用AI輔助你寫作

請正確使用AI，例如 ChatGPT 或 Google Gemini 等工具協助你寫作。

我直接講重點：AI輔助，真人寫作。

你可以使用 AI 工具發想新文章要寫的主題，生成文章大綱，或是做一些市場或社群調研，等。

善用 AI 工具已經幫了大忙，但絕對不能將 AI 的產出直接複製貼上。把自己經營成內容農場，沒有任何意義。

結語

SEO 的遊戲規則已經徹底改變。請再想一遍上面的 E-E-A-T 原則：你是誰？你的風格與專業是什麼？你和你的網站是否可信任？

最後想給有心經營部落格的朋友們一些信心。

如果你喜歡文字寫作，但沒有很想每天去迎合社群演算法：社群式的語言、漂亮的圖片、吸睛的影音。

部落格類型的自媒體，是可以讓你好好靜下來，寫一篇自己喜歡的文章。而且如我文章開頭提到，很多內容本來就不需要社群式的語言，立即的吸睛。

就如同這篇文章，我選擇擺在部落格。我希望這篇文章是長久而穩定的流量，我沒有要立即在社群上吸引眼球、得到共鳴。

還有一點值得高興的是，我文章中也有提到：AI時代的SEO，淘汰了很多「專門」用 SEO 技術獲取流量的網站。

對一些部落格作者來說，現在這個大環境反而是有利的。

接續閱讀：Google 拔掉 num=100 造成SEO數據大地震！不只對AI爬蟲築起高牆，更是SEO生態的再次洗牌

之前的最大單日跌幅，是 2024/8/5，我在當時有一篇文章。

我覺得現在這種局面，比的完全就是「心態」了。

不要太焦躁，甚至不要關心股市現在跌了多少。

保持充足的現金流

現在這種局面，首先要有充足的現金流，現在比的就是誰「耗得起」。

現金水位夠，你就耗得起，心態會比較平靜。

現在這種局面，心態能平靜就已經贏一半了。

美債類型的資產

很多人說買「美債」類型的資產來避險，是一種方式沒錯。

很簡單的觀察指標，2025/4/7 這種局面，很多美債類的 ETF 還漲勒。

即使是公司債、金融債的 ETF 也是微幅跌而已，不像權值股跌得那麼驚人。

以上這些 ETF 就是債市的一些指標。

調整好心態是最重要的

這篇文章我不想談太多經濟學原理、資產要如何配置，因為現在這些都不是最重要的。

如我文章開頭所提，現在最重要的是：調整好心態，有充足的現金流。

現在比的就是誰「耗得起」。

耗得起，你贏的機會就會大一點。

以下是我對這次演講的重點摘錄。旨在了解 NVIDIA 主力產品的狀況，以及他們全產品線的佈局與想法。

尤其是有做台股、美股的朋友，更要了解一下 NVIDIA 目前的狀況。

主力產品，AI伺服器的時程

去年(2024)有點延後出貨的 GB200，目前已全面量產 (full production)。

公布 Dynamo：AI工廠的作業系統。協調資料中心巨量的GPU，將AI推論的任務適當的分配給每個GPU，大幅加速 AI 推論的速度。

2025下半年，Blackwell Ultra NVL72，也就是 GB300 會開始生產。

2026下半年，推出新架構 Vera Rubin NVL144

2027下半年，Rubin Ultra NVL576

整合矽光子技術的交換器 NVIDIA Photonics

相較於電子訊號，矽光子通訊可以大幅省電，以及更快速的通訊。尤其是現在大型資料中心，有巨量的GPU，所耗電量已經是整個資料中心的 bottleneck。

黃仁勳並現場演示了傳統的「外接式」電訊/光訊轉換器 (電訊轉成光訊，再經由光纖網路線傳輸)。可以想像如果有巨量的GPU，要如何插這些轉換器，耗電量會多大。

NVIDIA 將會推出「共同封裝光學元件」(Co-Packaged Optics) 將原本的電子訊號處理器，和電訊/光訊轉換器共同封裝起來。就不需要這些「外接式」電訊/光訊轉換器了。

2025下半年，Quantum-X Photonics

2026下半年，Spectrum-X Photonics

DGX 系列

個人用的AI超級電腦 DGX Spark

個人用的AI超級電腦 DGX Spark，核心是 GB10 Grace Blackwell。體積小小的，適合擺在桌上，或是擺在背包攜帶都方便。

企業級工作站 DGX Station

企業級工作站 DGX Station，核心是 GB300 Grace Blackwell Ultra。本文上方有提到 GB300 就是 NVIDIA 的主力產品了。

DGX Station 應該會隨著 GB300 在2025下半年推出。

NVIDIA 將統包從企業到個人的全部需求

NVIDIA 也與合作夥伴共同開發新的「儲存系統」，從以前的檢索式轉向語義式。

綜合以上，NVIDIA 將統包從主機 (Blackwell、Rubin)、網路交換器 (Photonics)、儲存、企業工作站、小型工作站、個人電腦。

機器人

建構真實世界的雙生系統 Omniverse with Cosmos

Cosmos 可以建構出一個物理場景，讓 Omniverse 去訓練機器人。當然 Omniverse 也同時反饋訓練 Cosmos。

新的物理引擎 Newton

與 Google DeepMind 和 Disney Research 合作開發。Newton 引擎目的在模擬真實世界的物理法則：包含物體碰撞、砂石粒子、軟物、液體，等。

而且設計時就是 AI 訓練與 GPU 加速，所以未來如果建置足夠的算力，這個物理引擎的反應可以超級即時。

現場展示可愛的機器人 Blue

黃仁勳在現場與機器人(名為Blue)有一些簡單的互動，並宣布人形機器人的基礎模型 Isaac GR00T N1，開源給大家。

我的結語

這次演講 / 發佈會，投資人關注的應該是 GB200 的出貨狀況，GB300 的時程，以及下一代架構是什麼 (Rubin)。

2025年初 CES 黃仁勳的演講 (我的文章) 提出對機器人和自駕車的「3電腦架構」。基本上核心的處理器和作業系統、AI硬體和軟體，NVIDIA 統包了。

這次演講並公布了矽光子技術的交換器 NVIDIA Photonics，企業級工作站 DGX Station，個人用的AI超級電腦 DGX Spark，並與合作夥伴共同開發新的「儲存系統」。

可以看出 NVIDIA 從資料中心、企業用工作站、個人用電腦，全產品線也要統包了。

這些領域很明顯的踏入了英特爾 (Intel) 的版圖，也說明了為什麼 Intel 這幾年過得比較辛苦。

如果有一天，NVIDIA 推一出款完全是自行開發的 CPU＋GPU 的個人電腦或是筆電，甚至開機是自有的作業系統，我也不會覺得意外。

我認為這場演講是十分精彩的。NVIDIA 大概算是這個 AI 時代，科技股的龍頭。有做投資的朋友，更要了解一下 NVIDIA 的最新狀況以及未來發展如何。

我試著將這場演講的重點摘錄起來，不會牽扯到艱深的工程問題，旨在了解 NVIDIA 的最新技術以及佈局。

黃仁勳的演講分為以下幾個部分：

發布 RTX 50xx 系列顯示卡

包含 RTX 5090, RTX 5080, RTX 5070 Ti, RTX 5070 (價格由高至低)。

這系列顯卡皆為 Blackwell 架構，是 2024年3月的 GTC 大會發布的新架構。

這系列產品是 to C (consumer)，電玩或電腦圖學專用，與 AI 相關不大，我們快速帶過即可。

再次介紹 GB200 NVLink72

本次演講有一個段子，黃仁勳拿了一塊圓形的晶圓，當作盾牌，現場超級英雄的電影配樂響起，做了一個「美國隊長」的橋段。

這塊圓形的晶圓，上面就是全部，分切前/封裝前的 GB200 NVLink72 的所有晶片。

這片晶圓上有 72 個小長方形 (分成4個區塊)，就是 72 個 Blackwell GPU。

什麼是 GB200 與 NVLink72？

GB200 是在2024年3月的 GTC 大會發布的 (上文提到，與 Blackwell 架構同時發布)。

後來市場上有一些延後出貨的傳聞，直到 2024 年底才開始出貨。

那什麼是 NVLink72？NVLink72 的意思就是有 72 個 Blackwell GPU，用獨家的技術連結在一起 (這是多麼複雜的一件事啊！)

上面提到的 GB200，一個 GB200 包含兩顆 Blackwell GPU，和一顆 Grace CPU。

那這樣 NVLink72 有幾個 GB200？ 36個 GB200，加上超級複雜的連接技術，以整個機櫃出貨。

沒錯，一套 NVLink72 就是一個機櫃。

Agentic AI (AI代理)

台灣是翻譯「AI代理」，是為了完成特定任務，設計而成的AI。

一般的AI代理概念，每個大小公司，甚至每個工作者，都有自己專屬的AI代理。每個人或組織要有幾個AI代理？就看你定義了哪些任務。

NVIDIA 的AI代理方案中，包含 NIM、NeMo、Blueprints。

NIM 的全稱是 Nvidia Inference Microservices (推理微服務)，同樣也是2024年3月的 GTC 大會發布的。當時只是發布，整個 2024 年做了很多完善。

什麼是 NIM？簡單來講就是一組 API 函式庫，客戶端可以直接使用這些 API，來達成客戶的需求。

NVIDIA 建構 API 平台，有點投入 B2B 軟體服務這個市場的味道。

至於 NeMo、Blueprints 都是屬於幫助客戶整合、部署AI的功能。這裡就不深究，因為太工程了。

NVIDIA Cosmos 世界基礎模型

Cosmos 著重於建構真實世界的 Physical AI，也就是物理模型。例如物體碰撞、人怎麼行走、手怎麼拿東西，也就是讓AI理解真實世界的物理法則。

Cosmos 的應用尤其對機器人、自駕車的開發有幫助。

很容易理解的例子是，當機器人或自駕車，不論是用鏡頭、雷達，或是各種感測器，感應到週遭的路況、物體、或是行人，此時只是一連串的數據和影像。

Cosmos 可以訓練機器人或自駕車，從這一大堆數據和影像，辨認出哪些是物體並且避免碰撞。對週遭的環境建模後，也可以快速找到最適當的路線。

換句話說，Cosmos 可以建構出一個物理場景，這個產生出來的場景可用於訓練機器人或自駕車。

機器人或自駕車的 3 電腦架構

在提出 Cosmos＋Omniverse 後，黃仁勳提出了3電腦架構：

1. NVIDIA DGX (可以想成主機或伺服器)
2. 裝在機器人或自駕車中的 AGX (Autonomous GPU Accelerator)
3. Cosmos＋Omniverse (真實世界的模擬器)

更多機器人和自駕車

NVIDIA 推出新一代機器人和自駕車的處理器 Thor。它可以將一大堆影像、雷達、各種感測器的數據，轉化成 tokens，輸入 Transformer，算出的結果就是機器人的動作，或是自駕車的行駛。

以上面那個「3電腦架構」來看，Thor 就是裝在機器人或自駕車中的處理器。也就是3電腦架構，NVIDIA 123 通包了啦。

NVIDIA Drive OS

黃仁勳公布，他們的 Drive OS 獲得了 ASIL D，自駕車行業最高的安全認證。

Drive OS 是在他們的 Drive AGX 上運行 (請見上方的「3電腦架構」)。上方提到的處理器 Thor 加上 Drive OS，也就是他們處理器＋作業系統，統包了啦。

任何自駕車廠商，只要專注在車殼、機械、電池、感測器這些，AI核心可能都是使用 NVIDIA 的。

我的結語

我這篇文章主要是整理黃仁勳在 2025 CES 演講的重點，尤其是主力產品 (GB200 NVLink72)、AI的佈局，機器人和自駕車。

GB200 NVLink72 勢必是 2025 的主力產品(以及營收)，也將是AI訓練，新一代的伺服器標準。投資人在看，也牽動著美股與台股。

Agentic AI (AI代理) 已經是 2025 的進行式，想要投資並嘗試「AI代理」的公司 (包含台灣的中小企業)，要開始行動了。

再來就是 NVIDIA 對機器人和自駕車廣而深的佈局。提出「3電腦架構」，基本上 NVIDIA 統包了。包含物理模擬的軟體，機器人和自駕車中的處理器和作業系統。

所有的機器人和自駕車廠商，將來核心的處理器和作業系統、AI硬體和軟體，可能都是要用 NVIDIA 的了。

後記

我認為黃仁勳這次演講是非常精彩，除了展現 NVIDIA 的商業企圖心，也展現了他們對未來的想像。

演講是 2025/1/7 (當地時間上午)，有趣的是，NVIDIA股價從 1/7 到 1/14 都是走弱。

很多投資機構對此現象有一些評論，股價結果隨人解釋，這部分我覺得看看就好。有一個分析師說得很好：CES 講的是未來科技，華爾街看的是已經、或確定會發生的銷售數字，兩者本質就不同。

背景補充，整個美股大盤 1/7 開始走弱，這跟預期降息的失望，美債殖利率飆高有關。

汪老師的「峰值體驗1」就已經大受歡迎，這兩年也上了滿多 YouTube 與 Podcast 的訪談節目，所以我大概了解汪老師的思維方向。我本來就在等待「峰值體驗2」的出版。

這裡先介紹一下汪志謙老師。他在產業界，還有從事商業顧問非常久的時間。在政大 EMBA、香港大學 EMBA 都有授課，也是「得到App」平台上的老師。

也因為這些經歷和成就，汪老師有非常多商業顧問的客戶。因為有這麼多實際輔導企業營銷的經驗，汪老師就將這些經驗和底層邏輯，整理到「峰值體驗」系列書中。

介紹完汪志謙老師和「峰值體驗」系列的背景，我們把重點拉回「峰值體驗2」。

也許是我早已從訪談節目中，了解汪老師的思維方向，當然汪老師也將他品牌與營銷的功力應用在書裡。我讀不到50頁，就知道買對書了，非常精彩好看，書中的文字也很口語。

存量與增量，只看存量很可能落入倖存者偏差

對於存量與增量的理解，是本書的一大重點。

簡單來講，「存量」就是你的現有客戶或用戶，也可以說是喜歡你的人。相對的，「增量」就是不知道你的客戶或用戶，或是雖然知道你，但暫時不考慮你的人。

這兩種客群一定要分開討論。因為對這兩種客群的營銷方式、他們在意的點，完全不同。

很多企業主只看到「存量」，以為這些客戶就是全世界，於是落入了倖存者偏差。總是在現有邏輯中翻來覆去，當然做不到陌生客人的生意。

(還不是很熟悉「倖存者偏差」的讀者，請參考我2019年的文章。)

而絕大部分的事業或生意，都只擁有市場份額極小的客人。換句話說，沒接觸到的人群還有無限廣大。

如果我們想要「增量」，也就是陌生的客人或用戶，那就要用完全不同的視角來看事情。

四種人：小紅、小黑、紅轉黑、小白

汪老師輔導企業時，通常會把企業的客人分為四種人：

1. 小紅：愛你的人
2. 小黑：不愛你的人
3. 紅轉黑
4. 小白：不知道或沒愛過你的人

汪老師也把這四種人，用存量 / 增量的概念架構了起來。小紅、紅轉黑都是屬於存量 (紅轉黑的人也曾經是客戶)。小白、小黑是屬於增量，這兩種人都不曾採納過我們。

這四種人的行銷方式、考量的點，完全不同。一定要分開討論。

什麼是 MOT？

MOT (moment of truth) 就是體驗的關鍵時刻，也是「峰值體驗」系列書中最核心的概念。

很多人認為顧客的體驗印象是一個從頭到尾，線性的概念。其實並不是如此，客人的整個體驗旅程，是由一個一個的 MOT (關鍵時刻) 累積而成。

隱含的意思是，企業找出並顧好 MOT 即可。企業的資源與時間應該花在最有效益的地方。

300 – 10 = 290

假如企業有 300 個 MOT 待執行或改善，其中只有 10 件事值得做到極致，創造「峰值體驗」。剩下的 290 件事，不是不做，而是做到一般般就好。

這是非常實際的，不要說什麼「我們每件事都要做到極致」。無論公司大小，資源與時間都是有限的，本來就是挑少數幾件事做到極致就好。

我當下就想到，汪老師在書中也提到，很多公司的問題，還不是「300 – 10 = 290」，而是根本 300 在哪都不知道。

因為對客戶或用戶沒有洞察，或是根本沒搞懂這個事業的商業邏輯。

也許「300 – 10 = 290」實務上來講真的有困難，我們先試著找出 300 在哪吧！

300 個 MOT 的排序

汪老師在書中有一章教大家把 300 個 MOT 的排序。

當然，客人最不滿意的 MOT 要改，客人重視的 MOT，我們更要做到極致。

但對經營者更需要警覺的，是那些客人覺得很滿意，但也許不是那麼重要的 MOT。你花了大量的資源和心力做的這些 MOT，是「無效工」！

人、貨、場的邏輯，尤其是「人」

人、貨、場是思考營銷時三個不同的維度。

場邏輯

汪老師在多個訪談節目都提到「咖啡」的例子。早上上班途中買的咖啡，最重要的是什麼？就是「快」。好不好喝一般般就好，但重點是快。

這個就是「場」邏輯，場指的是場景、情境。早上那一杯咖啡，在「場」邏輯下最重要的是快，而且要每天都穩定的快。

貨邏輯

「貨」邏輯大概是最傳統的生意邏輯：就是貨品本身，能幫客人達成什麼功能，解決什麼問題。

人邏輯

接下來是我認為最重要的「人」邏輯。我覺得最精彩的就是汪老師用馬斯洛需求層次來解釋「人」邏輯。例如：尋求快樂、緩解焦慮、尋找認同、把自己變美，等。

而且汪老師用「情」這個字，來描繪「人」邏輯底下的不同需求。

larry 創業開公司也非常久的時間，我認為用「情」這個字真的太精準、太有意思了。我們去餐廳吃美食、買品牌服飾、在社群上po東西、看長/短影音，不都是「情」在驅動嗎。

而且現在這個網路與自媒體的時代，還有一點很重要是讓客人「有面子」。你的產品或服務是不是夠特殊、有品味。不論客人po自媒體，或是跟別人聊天，有面子的事情人家才會主動傳播。

B2B 生意交付時的 8 件事

汪老師在「峰值體驗2」中有一篇 B2B 生意的專章。B2B 事業最重要的就是「交付」，書中汪老師提到交付時有 8 件事要注意。

我自己是做 B2B 的事業，也開公司非常久的時間，我覺得汪老師提到這 8 件事滿有意思的。以下是我對這 8 件事的一些感想。

高效與長期價值：客戶當然希望買到的產品或服務，能立即產生效果。但 B2B 生意的底層就是長期合作，能長期的提供穩定、一致的服務，與客戶高效的溝通、快速的反應，也很重要。

省錢與無風險：客戶當然希望省錢，但「無風險」是最(x3)重要的。換句話說，如果我們能提供高度信任感，收費又不貴，那會是巨大優勢。

結果與彈性：當然 B2B 合作前，就會先協議最終要交付什麼。但商業是動態且殘酷的，隨著客戶面臨不同的情況，我們也要可以提供靈活的交付選項。

複製與客製：當然 B2B 事業要有可重複的穩定交付。但同時也要可以針對不同客戶，提供客製化的服務。

看完整本書後的感想

第一，營銷與體驗不是一個水平、或線性的概念，而是看幾個關鍵的 MOT。這就是「峰值體驗」系列書，最核心的概念。

第二，訪談的重要，不然你連 300 個 MOT 都排不出來。我延伸一下，不只對客戶訪談重要，對員工、工作夥伴，甚至非直接合作的朋友，有機會都可以多聊聊。

不知道別人的需求和視角，卻要做生意，就如同矇著眼在走亞馬遜叢林，不是很可怕、而且很荒謬的一件事嗎？

第三，如果想要增長，需要找到一個大賽道。在小賽道裡再怎麼翻來覆去，其實都很難增長。

看看自己的生意，看看別人的生意，走的是大賽道還是小賽道。

最後的結語

我看完整本書的感覺，汪老師廣泛的使用心理學和行為經濟學的概念，而且可以真正「落地」到實際的商業。這跟汪老師長時間的產業經歷，還有眾多的輔導案件有關。

汪老師廣泛使用心理學和行為經濟學的論述，我猜想是不是他早年是心理學背景？一查之下，汪老師大學讀的就是心理系。畢業後就是非常長時間的業務、以及管理層的經歷。

這本書我讀起來是非常精彩、津津有味，書中的文字也非常口語。主要以實際商業做導向，沒有什麼心理學和行為經濟學艱澀的概念。

本書適合的讀者？可能比較適合自己做生意，而且要做生意有一段時間的讀者。讀起來會比較有共鳴。