從2020年開始，每年這個時候，我都要當一陣子「網紅」：我在大學教授一個有關營銷（Mobile and Digital Marketing）的碩士課程，可是疫下並無面授課，三年來都只能上網課，所以戲稱自己是「期間限定網紅」。
（相關舊文：學做網紅）
我共教授六個單元，因為課程內容和日新月異的科技有關，所以每年都要好好整理一次教案，以免過時。今年完成整理後重看一遍，赫然發現這些變動竟也反映一點科技發展的趨勢，簡單和大家分享一二。
（相關舊文：大學營銷課程個案整理）
首先是Programmatic Advertising，程式自動投放廣告。我們每天接觸的大量網上廣告，無論手機或桌上電腦所見的，幾乎都由程式根據我們的瀏覽習慣自動投放的。它的歷史幾乎和上網一樣久，而且隨追蹤（tracking）和精準投放（targeting）技術的進步而精益求精。但一間企業的決定幾乎改變了整個行業的面貌 – 蘋果輕微改變了手機設定，提醒用戶是否接受應用程式的追縱 – 就是這簡單的一招，令靠賣廣告起家的Facebook大受衝擊，今年收入估計被削100億美元！科技巨企之間的競爭就有這般激烈，不是你死便是我亡。
（相關舊文：睇廣告有錢賺）
另外是Video Marketing，短片營銷。不管是行業之間的競爭，抑或網紅之間的角力，都是各領域中最激烈的。YouTube本來是這方面的盟主，但最近數年被抖音步步進逼，而抖音因以TikTok名義在歐美地區發展迅速，又被捲入中美科技角力漩渦，我只每年跟進一次都感吃力。另一方面，網紅之間的競爭也充分印證「花無百日紅」的真理。舉例，去年內地美女李子柒以「YouTube中文頻道最高訂閱量」刷新世界紀錄，殊不知大半年後她已停止更新，迄今已八個月了。對每分鐘都要爭取眼球的網球來說，八個月比一個世紀還漫長。至於香港，不說不知原來當今最紅的YouTuber是Emi Wong，以帶港式口音的流利英語教人修身減肥，她已吸引近500萬訂戶！
說到我最享受的單元，則非Data Analytics數據分析莫屬。過去我已透過零售商Target和串流平台Netflix兩個案例，解釋科技企業如何透過搜集用戶數據（Track）加以分析（Analyze）後，調整每個人所接觸的網上內容或廣告（Optimize）。近年因為Facebook和Cambridge Analytica在美國總統選舉中掀起的軒然大波，「數據武器化」這題材更引起關注。
網紅的排行榜每天都有變化，但數據如何被收集與應用的理論則大致不變，改變的只是收集數據的科技和應用數據的場境。學生只要明瞭了這些邏輯，自然能追上變化，也望更懂得保護和自己有關的數據，不輕易被科技公司予取予攜。
***
上文精簡版同日見刊於《晴報》專欄「創業群俠傳」
