{"content_id":"9wku4zj6qp","slug":"naver-vs-kakao-ai-strategy-maus-monetization","locale":"zh-hant","schema_type":"Report","category":"trends","category_name":"趨勢","title":"NAVER、Kakao AI 策略比較：比 MAU 更重要的變現與投資效率","summary":"僅憑 Google 應用程式的月活躍使用者數超越 NAVER 的報導，很難判斷韓國國內平台的勝負。NAVER 的全端 AI 與 Kakao 的服務導向 AI，何種策略更具優勢，必須綜合考量使用頻率、交易轉換、推論成本、企業營收與資本效率。","sponsorship_disclosure":null,"affiliate_disclosure":null,"commerce_disclosure":null,"author":{"name":"injoys","url":"https://injoys.com/ko/about"},"key_points":["MAU 僅顯示一個月至少使用一次應用程式的人數規模，無法直接說明使用頻率或對營收的貢獻。","NAVER 採取串聯自有模型、雲端、資料中心與服務的整合策略，兼顧技術掌控力與企業市場。","Kakao 並非完全放棄自主技術開發，而是更傾向結合 OpenAI 等外部模型與內部模型，專注於以 KakaoTalk 為基礎的服務。","兩種策略的勝負應以 AI 營收、交易轉換率、每位使用者的推論成本與資本報酬率來判定，而非模型效能。","不應僅憑是否參與公共 AI 專案或單一應用程式排名，就斷定企業的長期策略及成敗。"],"content_markdown":"Google 應用程式在韓國的月活躍使用者人數超越 NAVER 應用程式的報導，具有重大象徵意義。然而，應用程式使用者人數這一項指標，並不能直接反映搜尋競爭力、平台忠誠度、廣告營收或 AI 業務是否成功。\n\n若將 NAVER 與 Kakao 的 AI 策略簡單劃分為「自有模型對外部模型」，也會與實際情況有所出入。NAVER 正在擴大從模型到雲端與服務的控制範圍，而 Kakao 則著重於結合外部的強大模型與自有技術，讓使用者能在 KakaoTalk 內實際完成操作。\n\n## 如何解讀 Google 應用程式 MAU 反超的報導\n\nMAU 是指在一個月的衡量期間內，至少使用過一次服務的不重複使用者人數。它有助於掌握觸及範圍，但無法顯示單一使用者造訪的頻率、進行了哪些活動，或是否創造營收。\n\n| 指標 | 說明 | 平台分析中應確認的事項 |\n|---|---|---|\n| MAU | 一個月內曾活動的不重複使用者人數 | 服務的觸及範圍有多廣 |\n| DAU | 一天內曾活動的不重複使用者人數 | 是否會在日常生活中反覆使用 |\n| DAU/MAU | 每月使用者中日均活躍者的占比 | 使用習慣與忠誠度是否較高 |\n| 工作階段數 | 在一定期間內啟動應用程式的次數 | 是否會反覆造訪 |\n| 停留時間 | 停留在應用程式或服務中的時間 | 內容消費是否深入 |\n| 轉換率 | 搜尋、曝光後轉為預約、購買、諮詢等行動的比例 | 使用行為是否轉化為經濟價值 |\n| 每位使用者營收 | 每位使用者創造的平均營收 | 能多有效率地將流量變現 |\n\n應用程式統計數據也會依調查機構與統計方式而有所不同。必須確認 Android 與 iOS 的涵蓋範圍、預先安裝應用程式的處理方式、排除背景執行的標準、樣本校正方式，以及是否合併計算同一企業旗下的多個應用程式等。Google 應用程式除了搜尋外，還可能有語音搜尋、圖片搜尋、推薦內容、連接 Gemini 等多種進入目的。\n\n因此，「Google 應用程式 MAU 第一」可被解讀為 Google 的行動接觸點有所擴大，但這並非 NAVER 的搜尋、廣告、商務業務立即轉居劣勢的證據。應以相同標準追蹤多個季度，並綜合比較 DAU、使用時間、搜尋市占率、交易轉換與營收。\n\n## 為何搜尋目的比搜尋市占率更重要\n\n並非所有搜尋都具有相同價值。事實查核或文件摘要，可以在 Google、ChatGPT、Gemini 等通用搜尋與生成式 AI 中迅速完成。相較之下，購買前的商品比較、尋找當地商家、確認能否預約等接近實際行動的探索，更有利於串連評論、價格、地圖與支付系統的平台。\n\n被視為 NAVER 優勢的部分，不只在於韓文文件的數量。部落格、社群、地圖、Place、購物、預約等將使用者探索與交易相連的結構才是核心。當地業者資訊或長期累積的使用者評論，通用 AI 可能難以立即以相同水準取代。\n\n不過，也不應將這些資產視為永久的防線。\n\n- 若評論可信度下降或廣告性內容增加，即使資料量龐大，搜尋滿意度也會降低。\n- 若生成式 AI 清楚標示來源並比較多個網站的資訊，使用者在入口網站內部探索的必要性可能下降。\n- 外部模型也能透過合作、授權、公開網路與業者提供的資訊強化在地資料。\n- 若 AI 回答直接在搜尋結果頁面上解決問題，前往內容頁面與廣告的流量可能減少。\n\nNAVER 必須守住的，不只是搜尋量，而是可信賴的最新資訊，以及一路銜接到預約與購買的完整使用流程。\n\n## 為何 NAVER 的企業價值不會只因 AI 投資而上升\n\n股價波動無法以單一特定原因解釋，因為利率、市場風險偏好、業績展望、監管、競爭與資本配置都會同時反映其中。不過，當成熟平台開始進行大規模 AI 投資時，投資人想確認的問題相對明確。\n\n1. 能否維持既有搜尋廣告與商務業務的成長率？\n2. GPU、資料中心與研發費用的增加，會使營業利益率下降多少？\n3. AI 搜尋是否能在不侵蝕既有廣告產品的情況下創造新營收？\n4. 企業用 AI 與雲端營收能否成長到足以回收投資成本？\n5. 投資與庫藏股註銷、股息等股東回饋之間的平衡是否適當？\n\n雖然可將 NAVER 比喻為大型零售企業或正在轉向的航空母艦，但比喻本身無法證明原因。NAVER 能夠反覆銷售無形的資料與軟體，而零售企業的庫存與門市成本占比較大，兩者存在這項差異。比較的核心應僅限於「在維持既有現金創造業務的同時，也必須投資新基礎設施的轉型期」這項共通點。\n\n市場重視的並非投資規模，而是回收路徑的可見度。即使 AI 功能增加了使用者，若推論成本的成長速度快於營收，經濟效益仍可能偏弱。\n\n## NAVER 與 Kakao 的 AI 策略比較\n\n由於兩家公司的平台起點與營收結構不同，因此做出了不同選擇。\n\n| 比較項目 | NAVER | Kakao |\n|---|---|---|\n| 核心資產 | 搜尋、內容、商務、地圖、雲端 | KakaoTalk、訊息關係網路、交通、支付、內容等關係企業服務 |\n| AI 方向 | 將自有基礎模型與基礎設施連接至服務 | 結合外部模型與自有技術，應用於使用者服務 |\n| 代表性資產 | HyperCLOVA X、NAVER Cloud、資料中心、韓文與在地服務資料 | KakaoTalk 發布網路、Kanana 系列技術、與 OpenAI 合作、關係企業服務串連 |\n| 優先市場 | 消費者服務，以及企業與公共部門的雲端和 AI | 以 KakaoTalk 為中心的消費者 AI 與行動型服務 |\n| 優點 | 控制資料、模型與基礎設施，兼顧安全與在地化，因應企業客戶需求 | 快速導入服務、運用領先模型、降低初期基礎設施負擔 |\n| 主要風險 | 龐大資本支出、技術變化造成的設備負擔、投資回收延遲 | 依賴外部模型、API 成本與議價能力、服務差異化不足 |\n| 成功條件 | 擴大企業營收並提高基礎設施使用率 | 增加 KakaoTalk 使用量，並轉化為預約、購買、叫車等行動 |\n\n### NAVER：擴大控制範圍的全端策略\n\nNAVER 將 HyperCLOVA X 等自有模型、NAVER Cloud、資料中心與消費者服務相互串連。對於重視資料儲存位置、安全性、韓文與在地脈絡，以及企業個別客製化的客戶而言，這項策略具有說服力。國家或機構重視本國語言、法規與資料控制的主權 AI 市場，也是潛在業務領域。\n\n但「全端」並不代表所有半導體與軟體都由自己獨立生產。在 GPU、核心零組件與部分軟體生態系中，仍需與外部供應商合作。成敗取決於能多有效率地整合各個層級並取得付費客戶，而非是否全部自行擁有。\n\n### Kakao：運用發布網路與行動完整性的策略\n\nKakao 已宣布與 OpenAI 展開策略合作，並持續推動 AI 在 KakaoTalk 內超越回覆對話的層次，朝向協助使用者完成工作的方向發展。若能縮短從訊息到行程、搜尋、預約、購買、叫車的流程，Kakao 擁有的服務串連網路便可能成為優勢。\n\n不過，若斷定 Kakao 完全不投資自有 LLM 或 AI 基礎設施，並不準確。其策略更接近一邊開發自有 AI 模型與服務，一邊採用外部領先模型的混合策略。使用外部模型可加快開發速度，但必須管理成本、個人資料處理、故障應變與供應商依賴等問題。\n\n## 判斷哪種策略勝出的指標\n\n僅憑模型評測分數或應用程式下載次數，無法判定業務上的勝者。必須在相同期間內反覆確認下列指標。\n\n| 領域 | NAVER 應關注的指標 | Kakao 應關注的指標 |\n|---|---|---|\n| 使用者 | AI 搜尋使用率、再次造訪、搜尋滿意度 | AI 功能使用者、KakaoTalk 停留與再次造訪的變化 |\n| 交易 | 購物、Place、預約轉換率 | 預約、支付、叫車等工作完成率 |\n| 營收 | AI 廣告、雲端與企業用 AI 營收 | AI 付費服務及對關係企業服務交易的貢獻 |\n| 成本 | GPU 使用率、推論成本、資料中心投資效率 | 外部模型 API 成本、每位使用者的服務成本 |\n| 競爭力 | 企業客戶留存率、海外合約的經常性營收 | 只能在 KakaoTalk 內提供的差異化功能 |\n| 資本效率 | 相較 AI 投資的營業現金流 | 較低投資負擔是否實際帶來獲利改善 |\n\n短期而言，運用外部模型的策略可能顯得更快且更便宜。若使用量大幅增加或供應商漲價，自有基礎設施的經濟效益可能改善。反之，若技術世代快速更替且需求不確定，大規模自有設備就會成為負擔。沒有任何方式始終較為優越，結果會依需求規模、使用率與單項服務利潤而改變。\n\n## 為何不能只用硬體普及階段解釋韓國軟體競爭力\n\n在 AI 產業中，GPU 與資料中心投資率先擴大，之後應用軟體才成長的說法，呈現了部分發展趨勢。然而，很難認為軟體變現只有在基礎設施建置完成後才會開始。雲端、廣告技術、遊戲、企業軟體與行動服務，早已與硬體同步競爭。\n\n評估韓國企業的軟體競爭力時，必須區分下列條件。\n\n- 能否將已在韓國國內市場驗證的服務，拓展至其他語言與法規環境\n- 能否將產品作為可重複銷售的訂閱型服務，而非一次性建置案\n- 能否建立供海外開發者與企業使用的 API 與生態系\n- 是否具備全球業務、技術支援與合作夥伴體系\n- 是否已將個人資料、著作權與 AI 安全要求納入產品設計\n\nNAVER 的海外 AI 與雲端業務或許能展現潛力，但必須區分個別合作公告與持續性營收。只有在合約規模、經常性營收、客戶留存與獲利能力等可驗證的業務指標公開時，才能評估實際競爭力。\n\n## 應如何解讀是否參與公共 AI 計畫\n\n「全民 AI」等使用類似名稱的公共宣傳活動、免費使用支援或聯盟計畫，其參與條件可能依公告時間與主管機關而異。若要判斷特定企業是否參與及其動機，應先確認正式公告、協議機構、預算、服務期間與採購文件。\n\nKakao 的參與可能有利於擴大使用者接觸點，而 NAVER 的未參與也可能意味著專注於獨立業務。然而，若企業未正式說明動機，就不能將商業利益、技術路線或宣傳目的斷定為事實。參與公共計畫只是策略的一項線索，無法證明模型競爭力或長期獲利能力。\n\n## 容易忽略的勝負關鍵：代理的交易控制權\n\n單純比較模型時容易忽略的爭點，是 AI 理解使用者意圖後，實際交易會在哪裡完成。若 AI 代理不只推薦餐廳，還能處理預約與付款，平台的營收結構就會改變。\n\n在這個過程中，四種控制權相當重要。\n\n1. **意圖資料：** 能否掌握使用者想尋找及購買什麼\n2. **交易串連：** 能否即時存取賣家、商店、交通與支付系統\n3. **使用者同意：** 是否以透明方式取得個人資料與支付授權，並加以安全管理\n4. **收益分配：** 如何在模型供應商、平台、內容創作者與賣家之間分配價值\n\nNAVER 的起點是搜尋與商務資料的串連，Kakao 的起點則是對話關係網路與生活服務呼叫。最終勝負很可能不取決於更流暢的回答，而在於能否以更少步驟完成可信賴的行動，並在過程中留下可持續的收益。\n\n## 三種可能的發展情境\n\n### NAVER 的整合策略較有利的情況\n\n企業與公共機構重視資料控制與在地化、自有基礎設施維持高使用率，且雲端與 AI 營收的成長速度快於投資成本時。\n\n### Kakao 的服務策略較有利的情況\n\n基礎模型迅速通用化且價格下降，並利用 KakaoTalk 的發布能力，快速普及預約、購買、叫車等行動型 AI 時。\n\n### 兩種策略趨於融合的情況\n\nNAVER 也可能在有需要的領域結合外部模型，Kakao 則將成本與安全方面的重要功能改為自行營運，兩者因而趨向混合架構。實際市場中，介於完全自行開發與完全依賴外部之間的多種組合，很可能彼此競爭。\n\n## 結論\n\nGoogle 應用程式的 MAU 上升是對 NAVER 的警訊，但不是敗北宣言。對 NAVER 而言，搜尋與交易資料的品質、AI 基礎設施投資回收，以及擴大企業市場是核心課題。對 Kakao 而言，在運用外部模型的同時，打造只能在 KakaoTalk 內提供的體驗，並控制服務成本與供應商依賴，至關重要。\n\n兩家公司的策略並不是重量級方式與輕量級方式的單純對決。一方優先考量控制力與基礎設施的長期經濟效益，另一方則優先考量發布速度與服務轉換。勝者不會是 MAU 第一名，而是能將 AI 轉化為經常性營收與現金流的企業。","content_html":"\u003cp\u003eGoogle 應用程式在韓國的月活躍使用者人數超越 NAVER 應用程式的報導，具有重大象徵意義。然而，應用程式使用者人數這一項指標，並不能直接反映搜尋競爭力、平台忠誠度、廣告營收或 AI 業務是否成功。\u003c/p\u003e\n\u003cp\u003e若將 NAVER 與 Kakao 的 AI 策略簡單劃分為「自有模型對外部模型」，也會與實際情況有所出入。NAVER 正在擴大從模型到雲端與服務的控制範圍，而 Kakao 則著重於結合外部的強大模型與自有技術，讓使用者能在 KakaoTalk 內實際完成操作。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E5%A6%82%E4%BD%95%E8%A7%A3%E8%AE%80-google-%E6%87%89%E7%94%A8%E7%A8%8B%E5%BC%8F-mau-%E5%8F%8D%E8%B6%85%E7%9A%84%E5%A0%B1%E5%B0%8E\" class=\"anchor\" id=\"如何解讀-google-應用程式-mau-反超的報導\"\u003e\u003c/a\u003e如何解讀 Google 應用程式 MAU 反超的報導\u003c/h2\u003e\n\u003cp\u003eMAU 是指在一個月的衡量期間內，至少使用過一次服務的不重複使用者人數。它有助於掌握觸及範圍，但無法顯示單一使用者造訪的頻率、進行了哪些活動，或是否創造營收。\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003e指標\u003c/th\u003e\n\u003cth\u003e說明\u003c/th\u003e\n\u003cth\u003e平台分析中應確認的事項\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"指標\"\u003eMAU\u003c/td\u003e\n\u003ctd data-label=\"說明\"\u003e一個月內曾活動的不重複使用者人數\u003c/td\u003e\n\u003ctd data-label=\"平台分析中應確認的事項\"\u003e服務的觸及範圍有多廣\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"指標\"\u003eDAU\u003c/td\u003e\n\u003ctd data-label=\"說明\"\u003e一天內曾活動的不重複使用者人數\u003c/td\u003e\n\u003ctd data-label=\"平台分析中應確認的事項\"\u003e是否會在日常生活中反覆使用\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"指標\"\u003eDAU/MAU\u003c/td\u003e\n\u003ctd data-label=\"說明\"\u003e每月使用者中日均活躍者的占比\u003c/td\u003e\n\u003ctd data-label=\"平台分析中應確認的事項\"\u003e使用習慣與忠誠度是否較高\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"指標\"\u003e工作階段數\u003c/td\u003e\n\u003ctd data-label=\"說明\"\u003e在一定期間內啟動應用程式的次數\u003c/td\u003e\n\u003ctd data-label=\"平台分析中應確認的事項\"\u003e是否會反覆造訪\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"指標\"\u003e停留時間\u003c/td\u003e\n\u003ctd data-label=\"說明\"\u003e停留在應用程式或服務中的時間\u003c/td\u003e\n\u003ctd data-label=\"平台分析中應確認的事項\"\u003e內容消費是否深入\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"指標\"\u003e轉換率\u003c/td\u003e\n\u003ctd data-label=\"說明\"\u003e搜尋、曝光後轉為預約、購買、諮詢等行動的比例\u003c/td\u003e\n\u003ctd data-label=\"平台分析中應確認的事項\"\u003e使用行為是否轉化為經濟價值\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"指標\"\u003e每位使用者營收\u003c/td\u003e\n\u003ctd data-label=\"說明\"\u003e每位使用者創造的平均營收\u003c/td\u003e\n\u003ctd data-label=\"平台分析中應確認的事項\"\u003e能多有效率地將流量變現\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003e應用程式統計數據也會依調查機構與統計方式而有所不同。必須確認 Android 與 iOS 的涵蓋範圍、預先安裝應用程式的處理方式、排除背景執行的標準、樣本校正方式，以及是否合併計算同一企業旗下的多個應用程式等。Google 應用程式除了搜尋外，還可能有語音搜尋、圖片搜尋、推薦內容、連接 Gemini 等多種進入目的。\u003c/p\u003e\n\u003cp\u003e因此，「Google 應用程式 MAU 第一」可被解讀為 Google 的行動接觸點有所擴大，但這並非 NAVER 的搜尋、廣告、商務業務立即轉居劣勢的證據。應以相同標準追蹤多個季度，並綜合比較 DAU、使用時間、搜尋市占率、交易轉換與營收。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E7%82%BA%E4%BD%95%E6%90%9C%E5%B0%8B%E7%9B%AE%E7%9A%84%E6%AF%94%E6%90%9C%E5%B0%8B%E5%B8%82%E5%8D%A0%E7%8E%87%E6%9B%B4%E9%87%8D%E8%A6%81\" class=\"anchor\" id=\"為何搜尋目的比搜尋市占率更重要\"\u003e\u003c/a\u003e為何搜尋目的比搜尋市占率更重要\u003c/h2\u003e\n\u003cp\u003e並非所有搜尋都具有相同價值。事實查核或文件摘要，可以在 Google、ChatGPT、Gemini 等通用搜尋與生成式 AI 中迅速完成。相較之下，購買前的商品比較、尋找當地商家、確認能否預約等接近實際行動的探索，更有利於串連評論、價格、地圖與支付系統的平台。\u003c/p\u003e\n\u003cp\u003e被視為 NAVER 優勢的部分，不只在於韓文文件的數量。部落格、社群、地圖、Place、購物、預約等將使用者探索與交易相連的結構才是核心。當地業者資訊或長期累積的使用者評論，通用 AI 可能難以立即以相同水準取代。\u003c/p\u003e\n\u003cp\u003e不過，也不應將這些資產視為永久的防線。\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e若評論可信度下降或廣告性內容增加，即使資料量龐大，搜尋滿意度也會降低。\u003c/li\u003e\n\u003cli\u003e若生成式 AI 清楚標示來源並比較多個網站的資訊，使用者在入口網站內部探索的必要性可能下降。\u003c/li\u003e\n\u003cli\u003e外部模型也能透過合作、授權、公開網路與業者提供的資訊強化在地資料。\u003c/li\u003e\n\u003cli\u003e若 AI 回答直接在搜尋結果頁面上解決問題，前往內容頁面與廣告的流量可能減少。\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eNAVER 必須守住的，不只是搜尋量，而是可信賴的最新資訊，以及一路銜接到預約與購買的完整使用流程。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E7%82%BA%E4%BD%95-naver-%E7%9A%84%E4%BC%81%E6%A5%AD%E5%83%B9%E5%80%BC%E4%B8%8D%E6%9C%83%E5%8F%AA%E5%9B%A0-ai-%E6%8A%95%E8%B3%87%E8%80%8C%E4%B8%8A%E5%8D%87\" class=\"anchor\" id=\"為何-naver-的企業價值不會只因-ai-投資而上升\"\u003e\u003c/a\u003e為何 NAVER 的企業價值不會只因 AI 投資而上升\u003c/h2\u003e\n\u003cp\u003e股價波動無法以單一特定原因解釋，因為利率、市場風險偏好、業績展望、監管、競爭與資本配置都會同時反映其中。不過，當成熟平台開始進行大規模 AI 投資時，投資人想確認的問題相對明確。\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003e能否維持既有搜尋廣告與商務業務的成長率？\u003c/li\u003e\n\u003cli\u003eGPU、資料中心與研發費用的增加，會使營業利益率下降多少？\u003c/li\u003e\n\u003cli\u003eAI 搜尋是否能在不侵蝕既有廣告產品的情況下創造新營收？\u003c/li\u003e\n\u003cli\u003e企業用 AI 與雲端營收能否成長到足以回收投資成本？\u003c/li\u003e\n\u003cli\u003e投資與庫藏股註銷、股息等股東回饋之間的平衡是否適當？\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003e雖然可將 NAVER 比喻為大型零售企業或正在轉向的航空母艦，但比喻本身無法證明原因。NAVER 能夠反覆銷售無形的資料與軟體，而零售企業的庫存與門市成本占比較大，兩者存在這項差異。比較的核心應僅限於「在維持既有現金創造業務的同時，也必須投資新基礎設施的轉型期」這項共通點。\u003c/p\u003e\n\u003cp\u003e市場重視的並非投資規模，而是回收路徑的可見度。即使 AI 功能增加了使用者，若推論成本的成長速度快於營收，經濟效益仍可能偏弱。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#naver-%E8%88%87-kakao-%E7%9A%84-ai-%E7%AD%96%E7%95%A5%E6%AF%94%E8%BC%83\" class=\"anchor\" id=\"naver-與-kakao-的-ai-策略比較\"\u003e\u003c/a\u003eNAVER 與 Kakao 的 AI 策略比較\u003c/h2\u003e\n\u003cp\u003e由於兩家公司的平台起點與營收結構不同，因此做出了不同選擇。\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003e比較項目\u003c/th\u003e\n\u003cth\u003eNAVER\u003c/th\u003e\n\u003cth\u003eKakao\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"比較項目\"\u003e核心資產\u003c/td\u003e\n\u003ctd data-label=\"NAVER\"\u003e搜尋、內容、商務、地圖、雲端\u003c/td\u003e\n\u003ctd data-label=\"Kakao\"\u003eKakaoTalk、訊息關係網路、交通、支付、內容等關係企業服務\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"比較項目\"\u003eAI 方向\u003c/td\u003e\n\u003ctd data-label=\"NAVER\"\u003e將自有基礎模型與基礎設施連接至服務\u003c/td\u003e\n\u003ctd data-label=\"Kakao\"\u003e結合外部模型與自有技術，應用於使用者服務\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"比較項目\"\u003e代表性資產\u003c/td\u003e\n\u003ctd data-label=\"NAVER\"\u003eHyperCLOVA X、NAVER Cloud、資料中心、韓文與在地服務資料\u003c/td\u003e\n\u003ctd data-label=\"Kakao\"\u003eKakaoTalk 發布網路、Kanana 系列技術、與 OpenAI 合作、關係企業服務串連\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"比較項目\"\u003e優先市場\u003c/td\u003e\n\u003ctd data-label=\"NAVER\"\u003e消費者服務，以及企業與公共部門的雲端和 AI\u003c/td\u003e\n\u003ctd data-label=\"Kakao\"\u003e以 KakaoTalk 為中心的消費者 AI 與行動型服務\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"比較項目\"\u003e優點\u003c/td\u003e\n\u003ctd data-label=\"NAVER\"\u003e控制資料、模型與基礎設施，兼顧安全與在地化，因應企業客戶需求\u003c/td\u003e\n\u003ctd data-label=\"Kakao\"\u003e快速導入服務、運用領先模型、降低初期基礎設施負擔\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"比較項目\"\u003e主要風險\u003c/td\u003e\n\u003ctd data-label=\"NAVER\"\u003e龐大資本支出、技術變化造成的設備負擔、投資回收延遲\u003c/td\u003e\n\u003ctd data-label=\"Kakao\"\u003e依賴外部模型、API 成本與議價能力、服務差異化不足\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"比較項目\"\u003e成功條件\u003c/td\u003e\n\u003ctd data-label=\"NAVER\"\u003e擴大企業營收並提高基礎設施使用率\u003c/td\u003e\n\u003ctd data-label=\"Kakao\"\u003e增加 KakaoTalk 使用量，並轉化為預約、購買、叫車等行動\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch3\u003e\n\u003ca href=\"#naver%E6%93%B4%E5%A4%A7%E6%8E%A7%E5%88%B6%E7%AF%84%E5%9C%8D%E7%9A%84%E5%85%A8%E7%AB%AF%E7%AD%96%E7%95%A5\" class=\"anchor\" id=\"naver擴大控制範圍的全端策略\"\u003e\u003c/a\u003eNAVER：擴大控制範圍的全端策略\u003c/h3\u003e\n\u003cp\u003eNAVER 將 HyperCLOVA X 等自有模型、NAVER Cloud、資料中心與消費者服務相互串連。對於重視資料儲存位置、安全性、韓文與在地脈絡，以及企業個別客製化的客戶而言，這項策略具有說服力。國家或機構重視本國語言、法規與資料控制的主權 AI 市場，也是潛在業務領域。\u003c/p\u003e\n\u003cp\u003e但「全端」並不代表所有半導體與軟體都由自己獨立生產。在 GPU、核心零組件與部分軟體生態系中，仍需與外部供應商合作。成敗取決於能多有效率地整合各個層級並取得付費客戶，而非是否全部自行擁有。\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#kakao%E9%81%8B%E7%94%A8%E7%99%BC%E5%B8%83%E7%B6%B2%E8%B7%AF%E8%88%87%E8%A1%8C%E5%8B%95%E5%AE%8C%E6%95%B4%E6%80%A7%E7%9A%84%E7%AD%96%E7%95%A5\" class=\"anchor\" id=\"kakao運用發布網路與行動完整性的策略\"\u003e\u003c/a\u003eKakao：運用發布網路與行動完整性的策略\u003c/h3\u003e\n\u003cp\u003eKakao 已宣布與 OpenAI 展開策略合作，並持續推動 AI 在 KakaoTalk 內超越回覆對話的層次，朝向協助使用者完成工作的方向發展。若能縮短從訊息到行程、搜尋、預約、購買、叫車的流程，Kakao 擁有的服務串連網路便可能成為優勢。\u003c/p\u003e\n\u003cp\u003e不過，若斷定 Kakao 完全不投資自有 LLM 或 AI 基礎設施，並不準確。其策略更接近一邊開發自有 AI 模型與服務，一邊採用外部領先模型的混合策略。使用外部模型可加快開發速度，但必須管理成本、個人資料處理、故障應變與供應商依賴等問題。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E5%88%A4%E6%96%B7%E5%93%AA%E7%A8%AE%E7%AD%96%E7%95%A5%E5%8B%9D%E5%87%BA%E7%9A%84%E6%8C%87%E6%A8%99\" class=\"anchor\" id=\"判斷哪種策略勝出的指標\"\u003e\u003c/a\u003e判斷哪種策略勝出的指標\u003c/h2\u003e\n\u003cp\u003e僅憑模型評測分數或應用程式下載次數，無法判定業務上的勝者。必須在相同期間內反覆確認下列指標。\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003e領域\u003c/th\u003e\n\u003cth\u003eNAVER 應關注的指標\u003c/th\u003e\n\u003cth\u003eKakao 應關注的指標\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"領域\"\u003e使用者\u003c/td\u003e\n\u003ctd data-label=\"NAVER 應關注的指標\"\u003eAI 搜尋使用率、再次造訪、搜尋滿意度\u003c/td\u003e\n\u003ctd data-label=\"Kakao 應關注的指標\"\u003eAI 功能使用者、KakaoTalk 停留與再次造訪的變化\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"領域\"\u003e交易\u003c/td\u003e\n\u003ctd data-label=\"NAVER 應關注的指標\"\u003e購物、Place、預約轉換率\u003c/td\u003e\n\u003ctd data-label=\"Kakao 應關注的指標\"\u003e預約、支付、叫車等工作完成率\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"領域\"\u003e營收\u003c/td\u003e\n\u003ctd data-label=\"NAVER 應關注的指標\"\u003eAI 廣告、雲端與企業用 AI 營收\u003c/td\u003e\n\u003ctd data-label=\"Kakao 應關注的指標\"\u003eAI 付費服務及對關係企業服務交易的貢獻\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"領域\"\u003e成本\u003c/td\u003e\n\u003ctd data-label=\"NAVER 應關注的指標\"\u003eGPU 使用率、推論成本、資料中心投資效率\u003c/td\u003e\n\u003ctd data-label=\"Kakao 應關注的指標\"\u003e外部模型 API 成本、每位使用者的服務成本\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"領域\"\u003e競爭力\u003c/td\u003e\n\u003ctd data-label=\"NAVER 應關注的指標\"\u003e企業客戶留存率、海外合約的經常性營收\u003c/td\u003e\n\u003ctd data-label=\"Kakao 應關注的指標\"\u003e只能在 KakaoTalk 內提供的差異化功能\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"領域\"\u003e資本效率\u003c/td\u003e\n\u003ctd data-label=\"NAVER 應關注的指標\"\u003e相較 AI 投資的營業現金流\u003c/td\u003e\n\u003ctd data-label=\"Kakao 應關注的指標\"\u003e較低投資負擔是否實際帶來獲利改善\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003e短期而言，運用外部模型的策略可能顯得更快且更便宜。若使用量大幅增加或供應商漲價，自有基礎設施的經濟效益可能改善。反之，若技術世代快速更替且需求不確定，大規模自有設備就會成為負擔。沒有任何方式始終較為優越，結果會依需求規模、使用率與單項服務利潤而改變。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E7%82%BA%E4%BD%95%E4%B8%8D%E8%83%BD%E5%8F%AA%E7%94%A8%E7%A1%AC%E9%AB%94%E6%99%AE%E5%8F%8A%E9%9A%8E%E6%AE%B5%E8%A7%A3%E9%87%8B%E9%9F%93%E5%9C%8B%E8%BB%9F%E9%AB%94%E7%AB%B6%E7%88%AD%E5%8A%9B\" class=\"anchor\" id=\"為何不能只用硬體普及階段解釋韓國軟體競爭力\"\u003e\u003c/a\u003e為何不能只用硬體普及階段解釋韓國軟體競爭力\u003c/h2\u003e\n\u003cp\u003e在 AI 產業中，GPU 與資料中心投資率先擴大，之後應用軟體才成長的說法，呈現了部分發展趨勢。然而，很難認為軟體變現只有在基礎設施建置完成後才會開始。雲端、廣告技術、遊戲、企業軟體與行動服務，早已與硬體同步競爭。\u003c/p\u003e\n\u003cp\u003e評估韓國企業的軟體競爭力時，必須區分下列條件。\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e能否將已在韓國國內市場驗證的服務，拓展至其他語言與法規環境\u003c/li\u003e\n\u003cli\u003e能否將產品作為可重複銷售的訂閱型服務，而非一次性建置案\u003c/li\u003e\n\u003cli\u003e能否建立供海外開發者與企業使用的 API 與生態系\u003c/li\u003e\n\u003cli\u003e是否具備全球業務、技術支援與合作夥伴體系\u003c/li\u003e\n\u003cli\u003e是否已將個人資料、著作權與 AI 安全要求納入產品設計\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eNAVER 的海外 AI 與雲端業務或許能展現潛力，但必須區分個別合作公告與持續性營收。只有在合約規模、經常性營收、客戶留存與獲利能力等可驗證的業務指標公開時，才能評估實際競爭力。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E6%87%89%E5%A6%82%E4%BD%95%E8%A7%A3%E8%AE%80%E6%98%AF%E5%90%A6%E5%8F%83%E8%88%87%E5%85%AC%E5%85%B1-ai-%E8%A8%88%E7%95%AB\" class=\"anchor\" id=\"應如何解讀是否參與公共-ai-計畫\"\u003e\u003c/a\u003e應如何解讀是否參與公共 AI 計畫\u003c/h2\u003e\n\u003cp\u003e「全民 AI」等使用類似名稱的公共宣傳活動、免費使用支援或聯盟計畫，其參與條件可能依公告時間與主管機關而異。若要判斷特定企業是否參與及其動機，應先確認正式公告、協議機構、預算、服務期間與採購文件。\u003c/p\u003e\n\u003cp\u003eKakao 的參與可能有利於擴大使用者接觸點，而 NAVER 的未參與也可能意味著專注於獨立業務。然而，若企業未正式說明動機，就不能將商業利益、技術路線或宣傳目的斷定為事實。參與公共計畫只是策略的一項線索，無法證明模型競爭力或長期獲利能力。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E5%AE%B9%E6%98%93%E5%BF%BD%E7%95%A5%E7%9A%84%E5%8B%9D%E8%B2%A0%E9%97%9C%E9%8D%B5%E4%BB%A3%E7%90%86%E7%9A%84%E4%BA%A4%E6%98%93%E6%8E%A7%E5%88%B6%E6%AC%8A\" class=\"anchor\" id=\"容易忽略的勝負關鍵代理的交易控制權\"\u003e\u003c/a\u003e容易忽略的勝負關鍵：代理的交易控制權\u003c/h2\u003e\n\u003cp\u003e單純比較模型時容易忽略的爭點，是 AI 理解使用者意圖後，實際交易會在哪裡完成。若 AI 代理不只推薦餐廳，還能處理預約與付款，平台的營收結構就會改變。\u003c/p\u003e\n\u003cp\u003e在這個過程中，四種控制權相當重要。\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003e\n\u003cstrong\u003e意圖資料：\u003c/strong\u003e 能否掌握使用者想尋找及購買什麼\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003e交易串連：\u003c/strong\u003e 能否即時存取賣家、商店、交通與支付系統\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003e使用者同意：\u003c/strong\u003e 是否以透明方式取得個人資料與支付授權，並加以安全管理\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003e收益分配：\u003c/strong\u003e 如何在模型供應商、平台、內容創作者與賣家之間分配價值\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eNAVER 的起點是搜尋與商務資料的串連，Kakao 的起點則是對話關係網路與生活服務呼叫。最終勝負很可能不取決於更流暢的回答，而在於能否以更少步驟完成可信賴的行動，並在過程中留下可持續的收益。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E4%B8%89%E7%A8%AE%E5%8F%AF%E8%83%BD%E7%9A%84%E7%99%BC%E5%B1%95%E6%83%85%E5%A2%83\" class=\"anchor\" id=\"三種可能的發展情境\"\u003e\u003c/a\u003e三種可能的發展情境\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#naver-%E7%9A%84%E6%95%B4%E5%90%88%E7%AD%96%E7%95%A5%E8%BC%83%E6%9C%89%E5%88%A9%E7%9A%84%E6%83%85%E6%B3%81\" class=\"anchor\" id=\"naver-的整合策略較有利的情況\"\u003e\u003c/a\u003eNAVER 的整合策略較有利的情況\u003c/h3\u003e\n\u003cp\u003e企業與公共機構重視資料控制與在地化、自有基礎設施維持高使用率，且雲端與 AI 營收的成長速度快於投資成本時。\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#kakao-%E7%9A%84%E6%9C%8D%E5%8B%99%E7%AD%96%E7%95%A5%E8%BC%83%E6%9C%89%E5%88%A9%E7%9A%84%E6%83%85%E6%B3%81\" class=\"anchor\" id=\"kakao-的服務策略較有利的情況\"\u003e\u003c/a\u003eKakao 的服務策略較有利的情況\u003c/h3\u003e\n\u003cp\u003e基礎模型迅速通用化且價格下降，並利用 KakaoTalk 的發布能力，快速普及預約、購買、叫車等行動型 AI 時。\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#%E5%85%A9%E7%A8%AE%E7%AD%96%E7%95%A5%E8%B6%A8%E6%96%BC%E8%9E%8D%E5%90%88%E7%9A%84%E6%83%85%E6%B3%81\" class=\"anchor\" id=\"兩種策略趨於融合的情況\"\u003e\u003c/a\u003e兩種策略趨於融合的情況\u003c/h3\u003e\n\u003cp\u003eNAVER 也可能在有需要的領域結合外部模型，Kakao 則將成本與安全方面的重要功能改為自行營運，兩者因而趨向混合架構。實際市場中，介於完全自行開發與完全依賴外部之間的多種組合，很可能彼此競爭。\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%E7%B5%90%E8%AB%96\" class=\"anchor\" id=\"結論\"\u003e\u003c/a\u003e結論\u003c/h2\u003e\n\u003cp\u003eGoogle 應用程式的 MAU 上升是對 NAVER 的警訊，但不是敗北宣言。對 NAVER 而言，搜尋與交易資料的品質、AI 基礎設施投資回收，以及擴大企業市場是核心課題。對 Kakao 而言，在運用外部模型的同時，打造只能在 KakaoTalk 內提供的體驗，並控制服務成本與供應商依賴，至關重要。\u003c/p\u003e\n\u003cp\u003e兩家公司的策略並不是重量級方式與輕量級方式的單純對決。一方優先考量控制力與基礎設施的長期經濟效益，另一方則優先考量發布速度與服務轉換。勝者不會是 MAU 第一名，而是能將 AI 轉化為經常性營收與現金流的企業。\u003c/p\u003e\n","tags":["AI","生成式 AI","AI 資料中心","AI 代理人","技術策略","平台商業"],"faqs":[{"question":"如果 Google 應用程式的 MAU 高於 NAVER，是否代表韓國國內搜尋市場的第一名已經易主？","answer":"不能如此斷定。應用程式 MAU 顯示的是每月觸及範圍，但搜尋次數、搜尋市占率、重複使用、停留時間，以及廣告與商務營收都是不同的指標。也必須一併確認調查機構的統計範圍及各作業系統的樣本。"},{"question":"為何 NAVER 被認為在本地搜尋和商品探索方面具有優勢？","answer":"因為除了部落格和 Café 的使用者內容外，地圖、Place、購物和預約也相互串聯。不過，如果評論可信度和資訊即時性下降，或通用 AI 的本地資料有所改善，這項優勢可能會減弱。"},{"question":"NAVER 的全端 AI 策略是什麼意思？","answer":"這是一項將自有基礎模型、雲端、資料中心與搜尋、商務等服務串聯，以擴大營運控制範圍的策略。這並不代表所有半導體和技術都由其自主生產，仍需要外部 GPU 和技術合作。"},{"question":"Kakao 是否已停止開發自有 AI 模型，並只依賴 OpenAI？","answer":"將其視為完全依賴外部並不準確。Kakao 在開發自有 AI 技術的同時，也結合 OpenAI 等外部模型，較接近藉此提高服務推出速度與品質的混合策略。"},{"question":"使用外部 AI 模型是否一定比自有資料中心便宜？","answer":"不是。如果初期需求較小或不確定，外部 API 可能較有利，但隨著使用量增加，呼叫成本和對供應商的依賴可能成為負擔。自有基礎設施若使用率偏低，或模型世代快速更迭，也可能難以回收投資成本。"},{"question":"應以哪些指標判斷 NAVER 與 Kakao AI 策略的勝負？","answer":"必須綜合考量 AI 相關經常性營收、交易轉換率、使用者留存率、每位使用者的推論成本、企業客戶留存、資料中心使用率，以及相對於投資的現金流。僅憑模型評估分數或 MAU 這一項指標，很難判斷業務成效。"},{"question":"為何 AI 代理對兩個平台的收益很重要？","answer":"因為如果 AI 不只提供回答，還能完成預約、購買、付款乃至叫車，就能創造交易手續費和廣告轉換。此時，個人資料同意、支付安全、錯誤責任歸屬，以及與外部業者的串接，將成為關鍵條件。"},{"question":"可以根據是否參與公共 AI 計畫來判斷企業策略嗎？","answer":"是否參與可以作為參考，但並非決定性證據。必須確認正式公告中的計畫目的、預算、期間及參與條件，也不應將企業未公開的不參與原因或商業動機斷定為事實。"}],"sources":[{"url":"https://support.google.com/analytics/answer/12253918?hl=ko","title":"Google Analytics 使用者指標指南","type":"source"},{"url":"https://www.navercorp.com/investment/earningsRelease","title":"NAVER 業績發表資料","type":"data_point"},{"url":"https://www.kakaocorp.com/ir/referenceRoom/earningsAnnouncement","title":"Kakao 業績發表資料","type":"data_point"},{"url":"https://openai.com/index/kakao/","title":"Kakao 與 OpenAI 宣布策略合作","type":"source"},{"url":"https://clova.ai/hyperclova","title":"NAVER CLOVA HyperCLOVA X","type":"source"},{"url":"https://dart.fss.or.kr/","title":"金融監督院電子公告系統 DART","type":"source"}],"images":[{"id":920,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTI0MTEsInB1ciI6ImJsb2JfaWQifX0=--998773982819b81514ec23a3337c5105ea00914a/ai-393096c7.webp","is_representative":true,"generation_method":"ai_photo","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"식당 카운터에서 분석 대시보드가 표시된 태블릿을 조작하는 여성","caption":"한 여성이 매장 카운터에서 각종 지표와 그래프가 담긴 대시보드를 확인하고 있다.","description":null},"en":{"alt":"Woman using a tablet displaying an analytics dashboard at a restaurant counter","caption":"A woman reviews performance metrics and charts on a tablet at a busy counter.","description":null},"ja":{"alt":"飲食店のカウンターで分析ダッシュボードを表示したタブレットを操作する女性","caption":"女性が混雑した店内でタブレット上の指標やグラフを確認している。","description":null},"es":{"alt":"Mujer usando una tableta con un panel de análisis en el mostrador de un restaurante","caption":"Una mujer revisa métricas y gráficos de rendimiento en una tableta junto al mostrador.","description":null},"id":{"alt":"Perempuan menggunakan tablet dengan dasbor analitik di konter restoran","caption":"Seorang perempuan meninjau metrik dan grafik kinerja pada tablet di konter yang ramai.","description":null},"pt":{"alt":"Mulher usando tablet com painel de análise no balcão de um restaurante","caption":"Uma mulher consulta métricas e gráficos de desempenho em um tablet junto ao balcão.","description":null},"zh-hant":{"alt":"女子在餐廳櫃檯操作顯示分析儀表板的平板電腦","caption":"一名女子在繁忙的櫃檯前查看平板上的績效指標與圖表。","description":null},"de":{"alt":"Frau bedient am Restauranttresen ein Tablet mit Analyse-Dashboard","caption":"Eine Frau prüft an einem belebten Tresen Leistungskennzahlen und Diagramme auf einem Tablet.","description":null}}},{"id":921,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MTI0MTcsInB1ciI6ImJsb2JfaWQifX0=--4476ee610b82e54d44efa0d37589d01277937f8b/ai-1123da3f.webp","is_representative":false,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"사용자 규모와 수익, AI 인프라를 저울과 대시보드로 비교한 인포그래픽","caption":"AI 서비스의 사용자 지표와 수익화·투자 효율을 함께 분석하는 장면이다.","description":null},"en":{"alt":"Infographic comparing user scale, revenue, and AI infrastructure with a balance and dashboard","caption":"The illustration shows user metrics, monetization, and investment efficiency being assessed together.","description":null},"ja":{"alt":"ユーザー規模、収益、AIインフラを天秤とダッシュボードで比較する図解","caption":"AIサービスの利用指標と収益化、投資効率を総合的に分析している。","description":null},"es":{"alt":"Infografía que compara usuarios, ingresos e infraestructura de IA con una balanza y paneles","caption":"La ilustración analiza conjuntamente las métricas de usuarios, la monetización y la eficiencia de inversión.","description":null},"id":{"alt":"Infografik perbandingan skala pengguna, pendapatan, dan infrastruktur AI dengan neraca dan dasbor","caption":"Ilustrasi ini menilai metrik pengguna, monetisasi, dan efisiensi investasi secara bersamaan.","description":null},"pt":{"alt":"Infográfico compara escala de usuários, receita e infraestrutura de IA com balança e painéis","caption":"A ilustração analisa em conjunto métricas de usuários, monetização e eficiência de investimento.","description":null},"zh-hant":{"alt":"以天平與儀表板比較用戶規模、收益及AI基礎設施的資訊圖","caption":"圖中呈現對AI服務用戶指標、商業變現與投資效率的綜合分析。","description":null},"de":{"alt":"Infografik vergleicht Nutzerumfang, Umsatz und KI-Infrastruktur mit Waage und Dashboards","caption":"Die Illustration bewertet Nutzerkennzahlen, Monetarisierung und Investitionseffizienz gemeinsam.","description":null}}}],"published_at":"2026-08-27T18:29:09+09:00","updated_at":"2026-08-27T18:29:09+09:00","license":"cc_by","translation_status":"reviewed","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant","de"],"url":"https://injoys.com/en/articles/naver-vs-kakao-ai-strategy-maus-monetization"}