但根據我經營B2B軟體公司超過10年，接觸過各行各業客戶的經驗來看，真正的問題其實不只是：要不要導入某個系統，或是使用某個工具。

而是你的事業，是否能基於這些系統，發展出自己的一套可以持續運作、持續優化的「營運系統」？

在 AI 時代，這個問題變得比以往更為重要。

AI 改變的，不只是技術，而是競爭的本質

在過去，誰能率先導入 ERP、CRM、進銷存等系統，誰能網站 SEO 做得好，誰就能拔得頭籌、占有競爭優勢。

近幾年，導入這些軟體工具已經是常態。或是講更直白一點，在現今競爭激烈的環境，就算導入了軟體工具也不代表你的事業能存活或發展。

加上 AI 時代的來臨，人人都能寫程式、都能產出軟體。「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。

所以就軟體業的角度來看，AI 其實也在重寫軟體業的生態 (延伸閱讀：AI 時代 B2B 軟體公司的護城河是什麼？)

即使過去靠網站 SEO 曝光，獲得流量與訂單的企業，也因為 Google 搜尋頁面的 AI 功能，流量變得砍半、甚至更低。

AI 時代，競爭的本質已經改變。不再是誰有使用系統，而是誰能重新理解你的生意，並把它轉化為可循環的營運系統。

什麼是數位成長引擎？

在這樣的背景下，我將企業的數位能力整理成一個概念：數位成長引擎。

它不是單一工具，也不是某一套系統，而是一個整體架構：將企業的營運邏輯，轉化為系統、資料與決策能力，並讓這個過程可以持續循環與優化。

換句話說，它不是某一個「功能」，而是三件更本質的事情：企業如何運作、資料如何累積、決策如何做出。

數位成長引擎的四層架構

從經營者的角度來看，一套完整的數位成長系統，至少包含四個層次。

這四層不是獨立存在，而是彼此連動、形成循環。

第一層：系統 (System)，是否真實反映你的營運流程？

一切的起點，是系統。

但這裡的重點不在於你用了什麼工具，而在於：你的系統，是否真實反映你的營運流程？

例如：ERP 是否真的承接你的內部運作？CRM 是否反映你的客戶關係？客製化系統是否符合你實際的商業邏輯？

如果你對 ERP、CRM、進銷存等系統還不是那麼熟悉，可以先看我這兩篇更實務的整理：
→ 什麼是進銷存系統？台灣中小企業的需求是什麼？
→ 客戶關係管理 (CRM) 與客戶終身價值 (CLV) 如何影響經營決策

能符合企業實際的營運流程，才能發揮軟體系統的天職：增加企業營運效率，並在企業內部同事之間、外部與客人之間是協作的基礎。

系統除了協助企業每日營運，也是累積資料的起點。少了其一，它就無法成為成長引擎的一部分。

第二層：資料 (Data)，讓經驗可以被累積

當流程被系統承接之後，資料才會開始有意義。

例如：進銷存中的進出貨數量，客戶的消費歷程與終身價值，行銷漏斗中不同階段的轉換效率。

企業的資料，其實有不同層級：

• 紀錄型資料：保存發生過的事情 (例如訂單、交易)
• 分析型資料：可以看出趨勢與變化 (例如營收增減、客戶轉換率)
• 決策型資料：可以直接影響行動 (例如資源分配、策略調整)

例如客戶終身價值 (CLV)，就是典型能直接影響決策的資料指標 (延伸閱讀：CRM 與 CLV 的實務應用)

資料的價值，除了它是企業內部同事之間、外部與客人之間的紀錄與憑證。更在於：它是否能成為決策的基礎。

很多企業以為只要導入 ERP 或 CRM，就等於擁有資料能力。但實際上「資料存在，不代表理解存在。」

很多企業有資料，但沒有真正「使用資料」。結果就是：看得到過去，但無法影響未來。

第三層：觸及 (Reach)，讓企業在關鍵時刻被正確接觸

當企業具備營運系統與資料之後，下一個問題不是「怎麼曝光」，而是：市場是否能在需要你的時候，找到你。

在過去，企業通常是透過廣告或業務開發來主動接觸客戶。

但在 AI 時代，客戶的行為已經改變。在接觸你之前，早已完成大量資訊蒐集，並透過搜尋、內容、甚至 AI 來理解選項。

這代表一件關鍵的事：你是否被看到，不再取決於你做了多少推廣，而是你是否存在於「正確的資訊環境中」。

什麼意思呢？我拆解成三種能力的結合

1. 可被找到。當客戶有需求時，你是否出現在搜尋結果、內容、或 AI 的回答中？
2. 可被理解。當客戶接觸到你時，是否能快速理解你在做什麼、解決什麼問題？
3. 可被記住。在眾多選項中，你是否留下足夠清晰的印象？

在 AI 時代，競爭維度已經從「是否能被搜尋到」變成「是否被 AI 選中與引用」(延伸閱讀：AI 時代的 SEO 新規則)

當上面三件事都成立時，企業才真正具備「觸及能力」。但如果這一層沒有建立，會出現一種很可惜的情況：企業本身很有能力，但市場幾乎不知道它的存在。

第四層：決策 (Decision)，讓企業持續變得更好

這是整個架構中最高的競爭維度，但不是每個企業都有踏入這個維度。

很多企業已經有系統、資料，但沒有善加利用。真正的「決策」，不是報表，而是一套讓企業可以持續做出更好判斷的機制。

這包含三個關鍵能力：

1. 將資料轉為「可判斷的訊號」。你需要知道什麼變化是重要的，什麼時候應該採取行動。
2. 將決策「系統化」。在相同情境下，可以有一致的判斷邏輯，而不是每次都人為判斷。
3. 建立持續優化的回路。每一次決策，都會產生結果，而這些結果會再回饋到系統中，改變流程與機制，讓下一次做得更好。

當企業開始將決策流程系統化，AI Agent 會成為關鍵工具，但前提是你能正確設計其邏輯與權限 (延伸閱讀：使用 AI 代理的三大原則)

關鍵不是四層，而是「循環」

這四層真正的價值，不在於各自存在，而在於它們形成一個循環：流程被系統承接 → 系統累積資料 → 資料支撐決策 → 決策優化流程。

當這個循環成立時，企業就會出現一種「持續優化自己」的能力，這才是真正的成長引擎。

在這個框架下，你可以重新檢視自己的事業：

• 我的營運流程，是否已被系統正確建模？
• 我的資料，是否能支撐決策？
• 我的決策，是否有一致的判斷邏輯，還是依賴個人？
• 我的系統，是否能隨著業務一起成長？

結語：AI 時代的商業，競爭維度更高

AI 可以寫程式、產生圖片、分析資料，可以做很多事。基本上有明確規則、重複的工作都可以被取代。

但這個競爭激烈的時代，企業真正困難的，是如何把營運邏輯變成一套可持續運作的系統。

這個時代的競爭，已經不是工具的問題，而是在更高維度：誰能建立一個真正屬於自己的「數位成長引擎」。

如果你正在思考，自己的事業，距離真正能運作的「數位成長引擎」還缺少哪些核心環節，也可以參考我提供的顧問式討論
→ 30 分鐘數位策略會談

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。

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。

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。

之前有客戶詢問 CRM 系統的問題，有聊到 LINE 集點卡的功能。好像跟我上面提到的「客戶分級」有點相關，又有點模糊的感覺。

這篇文章我先走一遍 LINE 集點卡的功能，然後跟大家分享一下 LINE 集點卡，跟一般 CRM 的邏輯差異在哪。

LINE 集點卡的功能

LINE 集點卡其實 201x 年，已經上線很久了。
而且不久前 (2024年5月) 才又改版了一次。
https://tw.linebiz.com/column/shopcard-renewal-2024

店家發放點數時的情境

我先講使用情境，店家發放點數時，有兩個選項

1. 在手機上顯示行動條碼 (字樣可能隨著版本不同)。
2. 印製行動條碼

「在手機上顯示行動條碼」只能被掃描一次。也就是說店家展示給客人，即使客人把 QR code 拍下來了，再掃第二次也沒用。

店家顯示 QR code 頁面的下方，可以選擇點數。也就是當客人掃這個 QR code 時，客人會得到幾點。

第二種是「印製行動條碼」。它的邏輯是產生一個圖檔，讓店家把 QR code 的紙本印出來。一樣可以設定該 QR code 是發幾點。

像 larry 是做 ERP、進銷存、CRM 系統的，直覺就看到「印出來」的漏洞：如果印出來，那客人把 QR code 拍下來就好啦，回家再慢慢一直掃 (連續拿到點數)。

大概唯一解法就是設定「連續取得點數限制」(撰文的現在是2024年9月底)。可以設定同一天內，或指定時間內(幾小時內)，不重複發放點數給同一位顧客。

可是這印出來的紙本，店員拿出來給客人掃時，真的有辦法這麼「確認」這張 QR code 是怎麼設定的嗎？也就是說，設定「連續取得點數限制」這個方式，實際應用時並不是很穩當。

提醒各位老闆，你給客人掃的最好是「一次性」的 QR code。

店家在後台可以看到點數發放紀錄

包含點數發放的日期、時間，發放了幾點，顧客ID。在官方帳號後台，都會記錄成一個列表。

每個顧客ID 點進去，也可以看到該顧客，曾經領取的點數紀錄。

2024年5月的更新，顧客ID 的加密邏輯有做更新。即使是同一顧客，此次更新前顯示的 ID，與現在看到的 ID 不同。

客人集滿點數後怎麼使用

客人集滿點數後，在集點卡頁面，應該會得到一張優惠卷 (兌換商品用)。

將優惠卷畫面出示給店員，讓店員點「已使用」。當然，此時客人就可以領取兌換來的商品。

以上就是店家發放點數，客人如何領獎的使用情境。詳細怎麼「建立集點卡」這裡我們不談，因為這篇文章是 CRM 會員經營的邏輯。

與一般 CRM 會員系統的邏輯差異在哪？

我重複一次 CRM 系統的重點：建立會員系統，紀錄消費歷程，並做客戶分級。

如果照這個邏輯，應該是「先」紀錄消費歷程，然後視商家意願，給客人累積點數或是優惠。

累積點數就是所謂的集點卡，只是 LINE 並不會紀錄消費歷程，只有點數資訊。而 CRM 系統是先紀錄消費歷程，然後「自動」計算點數 (規則由商家定義)。

或是這樣看：紀錄消費歷程 → (視商家意願發放點數) → 客戶分級。LINE 只有中間發放/累積點數的功能，並沒有前後兩個區塊的功能。

所以可以這樣說，如果商家只是很單純的要「集點卡」的功能，沒問題，LINE 的確是有這樣的功能。但嚴格講起來這並不能稱之為 CRM (客戶關係管理)。

結論

LINE 大概是台灣人最常使用的 app 之一，本身就是一個巨大的會員系統。這篇文章我討論了 LINE 集點卡的使用情境，以及跟 CRM 系統的差異在哪。

也許初創業，或是微型店家，每個月需要先做到營收，怎麼行銷才是重點，講 CRM 系統有點 too much。也許 LINE 官方帳號的手動回覆，跟 IG 的私訊，就足以接單以及客服。

如果生意稍微穩定的店家，我會建議串接 LINE 與 CRM，先做下訂單/查詢訂單，預約/查詢預約的功能。為什麼？還記得文章上方提到，先「紀錄消費歷程」，客戶經營才能隨之展開。

先紀錄消費歷程，後面才能接著做客戶分級、分眾行銷、自動化行銷，等等。

什麼是進銷存？我盡量用最簡單的方式來解釋

• 進：就是從採購到進貨
• 銷：就是從訂單到銷貨
• 存：就是庫存，應該隨著「進/銷」自動調整

以上是大的概念，那一個進銷存系統基本的流程是什麼？
分兩個方向，首先，進貨方向的順序如下

1. 有採購需求，建立採購單
2. 確實收到貨品後，確認內容與數量後，建立進貨單
3. 該貨品的庫存自動調升

再來，銷貨方向的順序如下

1. 接到訂單
2. 確定要出貨，建立出貨單
3. 該商品的庫存自動調降
4. 如果有退貨，建立退貨單 (一樣庫存自動調整)

以上邏輯並不複雜，一方向買，一方向賣，庫存自動調整。

當然，在核心邏輯之前，要先建立基本資料。例如客戶名單、廠商名單、商品或產品資料，這樣建立進/出貨單時才能直接選取。

在客戶開始實際進出貨時，也許依照客戶實際需求，系統可以自動比對訂單與出貨單，採購單與進貨單，減少人為登打錯誤。

如果系統更智能一點，當訂單的增速快速增加時，系統還可以跳出提醒，避免到時無貨可出。反向也是一樣，當某些貨品庫存過高時，也跳出提醒。

最後則是產生報表，可以依照客戶需求產生：訂單出貨報表、庫存狀況報表、進貨統計報表，等等。

以上大概是台灣中小企業對於進銷存系統，最基本的概念與需求。當然，隨著產業不同，甚至每個公司不同，實際的需求會千變萬化。

導入系統時要考量什麼？

當老闆決定要導入系統時，大概第一個問題就是，我要挑選什麼公司的軟體？有各種套裝軟體、線上工具型的，還是請資訊公司客製？

我這裡要提出一個觀念。大多時候，公司導入系統時，成敗並不在系統本身。而是員工是否能接受，還有系統的易用性，常常才是導入的成敗關鍵。

員工是否能接受，與系統的易用性

通常要導入的公司是「已有生意」，再來做系統。那員工會反應啊「我們之前流程是那樣，那我們現在流程要怎麼改？為什麼要改？」

如果公司是所謂的傳產，或是幾十年的老店，員工會說「我們過去二、三十年都那樣做的，為什麼要改？改了之後會有這個、那個問題」

Larry 服務過非常多客戶，可以想像，不論是老闆本人或是第二代，碰到員工這種「阻力」，真的是需要克服。

而這樣的「阻力」大小會跟系統的易用性有關。第一，這套系統是否符合你公司本來的營運模式，還是公司流程需要大改來配合系統。

第二，實際操作時的種種問題，例如：很多欄位一直重複輸入，有沒有辦法自動帶入？或是 A 欄位的數字我想要直接連動到 B 欄位，但每次都要手動重算一次 B 欄位？

當然，套裝軟體不能改，所以是要公司配合軟體。如果找資訊公司客製，有費用較高跟可靠度的問題，各有需要考量的地方。

順道一提，有的大型資訊公司的套裝軟體，加上顧問費，總花費可能還比客製貴！

軟體廠商的售後服務如何？可不可以隨時提問？

這也是挑選軟體廠商時，larry 建議要思考的部分。

系統建置完成後，工作不是結束，而是剛開始。

如上方文章所述，老闆跟員工開始使用系統後，會有一大堆問題。那有沒有一個最方便、即時的管道，可以問軟體廠商。

有一些大型資訊公司，請人輔導使用是會收取顧問費的。小公司一般不會收取顧問費，但可以看看這個小公司是否有「真人」可以回覆 (有些小軟體公司還真不知道要聯絡誰)。

而且這個回覆不是客服式的回答，有沒有實際而快速解決問題的能力。

甚至做得更好一點，也是我們公司的目標，就是在公司經營上「陪伴」客戶一起前進。

隨著公司經營需求不同，系統很可能會需要客製化修改

每個事業體隨著時間流逝，市場在變、商品在變、人員在變，甚至策略在變。這就會產生一個問題：原本的系統可能需要客製化修改。

當然，大軟體公司的套裝軟體不能改。一般台灣中小企業，也不可能請大軟體公司客製，這費用會多驚人！

如果找小軟體公司客製，建議先看該公司是否「長期」而「穩定」在經營。這樣你有需求時，至少找得到人。

再來就是跟軟體公司聊過後，該公司的經驗與信用感覺如何。

因為建置系統真的就是長期夥伴關係，不是錢付了貨拿了就完事。以上是我對挑選軟體公司時的一些建議。

如果你找到長期合作的軟體公司，通常客製系統是可以再修改或擴充的。

結論

以上簡介了一下基本進銷存的概念。不難，但隨著產業不同，甚至每個公司不同，實際的需求會千變萬化。

接著我分享了導入系統時要考量什麼：員工是否容易上手，軟體廠商的售後服務如何，還有系統在未來會不會需要客製化修改。

而這些概念不只適用於進銷存系統，包含 ERP、CRM (客戶關係管理)，只要跟公司商業模式、實際營運有關的系統，以上概念都適用。

很多老闆與行銷人員每天都在焦慮：不投廣告就沒有客人，但投了廣告，賺來的利潤卻全被高昂的獲客成本吃光。搞了半天，只是在為廣告平台打工。

根據我做B2B軟體服務接近10年，接觸過各行各業客戶的經驗來看：我會說「客戶關係管理」(CRM) 越來越重要。

為什麼？因為 CRM 的核心目標非常明確：就是維護好「老客戶」的關係。這些會再三回購的忠實顧客，才是真正支撐公司營收的高價值資產，也是任何公司最該傾注心力照顧的核心客群。

在講 CRM 之前，我想先聊一下「客戶終身價值」(Customer Lifetime Value, CLV) 的概念。

如何用「客戶終身價值」將客戶分級

以下「客戶終身價值」簡稱 CLV。

很多地方提到 CLV 會列出一大堆複雜的計算公式，但這裡 Larry 不想談公式。用最白話的生意邏輯來說：如果一個客人總是爽快消費、又常來消費，他就是你最該關注的高價值客戶。

了解 CLV 的邏輯後，我們就能把客戶進行分級。分級的方式因人而異，我先舉個簡單的例子 (1是最高價值)：

1. 忠實客戶
2. 偶爾會來消費的客戶
3. 消費過一次，就沒再來了
4. 留下資訊但從沒消費過的潛在客戶

大致是這樣的邏輯。這裡我再強調一次，分級沒有標準答案，每位老闆都應該根據自己的產業特性，客製化最符合你營運狀況的客戶分級。

根據 Larry 的所見所聞，許多老闆到現在都還是「憑印象」在經營。例如實體店會說：這位大哥是常客、那位大姐常來。或是以 B2B 行業來講：這間公司是我們的大客戶。

但是，這些客戶精確的「終身價值」到底有多高？通常都沒有實際的數據紀錄。我知道老闆們都很精明，但人的記憶與精力畢竟有限，憑印象真的會有誤差。

而且不用多，當你手頭上的客戶累積到 100 個以上時，你就再也無法只靠過去的直覺去管理了。

那分級之後，要做什麼？

區分出客戶的價值後，我們就能針對不同特性的族群，採取不同的溝通策略。以上面提到的四個分級為例：

1. 忠實客戶 (VIP)：
   他們是企業最核心的資產。我們必須提供 VIP 等級的專屬禮遇、或是更高規格的客製化服務，讓他們感受到非凡的尊榮感。
2. 偶爾會來消費的客戶：
   這群人是極具潛力的「準 VIP」。我們要思考的是如何提升他們的消費頻率？也許可以透過定期發送新品通知、專屬折扣券，或是滿額促銷的活動，推他們一把。
3. 消費過一次，就沒再回來的客人：
   我們應該盡可能去探尋原因。是商品不符預期、服務品質不夠好，還是價格無法接受？找出痛點，才能優化流程，避免下一個新客再度流失。
4. 留下資訊但從沒消費過的潛在客戶：
   他們既然願意留下資料，代表對某些商品或服務是有興趣的。這時我們可以思考：是不是品牌信任感還不夠，導致他們不願意嘗試？或是提供「新客首購優惠」。如果是 B2B 行業，提供免費的1對1諮詢、免費試用系統，等。

以上這些針對不同族群給予不同策略的做法，就是業界常聽到的「分眾行銷」或「個人化行銷」。

回到客戶關係管理 (CRM)

看完上面文章後，我們知道，CRM 的第一步也是最重要的一步：就是建立會員系統，之後才能展開做「客戶分級」與「分眾行銷」。

要判斷誰是高價值客戶，這牽扯到一件事：你要完整紀錄客戶的消費歷程。如此你就可以判斷一個客人的消費金額、消費頻率。

紀錄消費歷程另一個好處是，你會知道客人的喜好和偏好。下次這位客人再來，你就知道他上次是買什麼，那我們這次的服務就會更有「熟客」感。

(像是你跟 AI 聊了很多，當你隔了幾天開一個新話題時，你不會希望 AI 對你毫無印象吧！)

紀錄消費歷程還有一個好處是，可以建立會員獎勵制度。講白話，就是依照消費金額累積點數，或是升級成白金會員。

到這裡就可以帶出 CRM 最基本以及最核心的概念：建立會員系統 → 紀錄消費歷程 → 並做客戶分級。

以上是 B2C 的部分，B2B 的事業又完全不同

B2B 的銷售週期長，單價高，所以 CRM 可以將每次的提案及討論做個紀錄。甚至 B2B 交易很多是客製化的報價，此時 CRM 就需要紀錄前後脈絡，和追蹤進度。

另外，即使是陌生開發，或是非常前期的談合作，也可請業務人員紀錄一下每次的拜訪資訊，談了什麼。這樣公司對業務開發才有所掌握，也避免因為業務人員離職而流失客戶的商情。

同樣的，你可以將企業客戶標記類別或標籤，這樣你看同一類別或標籤的客戶時，也許對你的生意會有不同的洞察與想法 (insights)。

結論

很多地方談客戶關係管理，會帶入好多專有名詞。Larry 這篇文章盡量以白話，且實際經營的角度，跟大家分享 CRM 的重要。

CRM 概念很有趣的是，它的核心目的是協助你維護老客戶，並想辦法拓展新客戶。但當你長久使用後，它就是一個內部管理系統，甚至可以說是數位資產。

在這個競爭激烈的時代，廣告費用只會越來越高，成效只會越來越差。我覺得更要警覺的是，這樣每日操勞，並沒有累積，下個禮拜、下個月還是要從頭來過。

如果競爭激烈、資訊過載、曝光困難是現實，那我們對每個單一客戶，特別是老客戶，就要高度重視。

最後我再強調一次 CRM 的最重點：建立會員系統 → 紀錄消費歷程 → 並做客戶分級。