票房2.88億美元的電影，帳上卻說沒有淨利
1988 年，艾迪・墨菲主演的電影《來去美國》（Coming to America）上映，全球票房大約 2.88 億美元。
但美國專欄作家亞特・包可華（Art Buchwald）認為，這個故事是他的。
早在 1982 年，他就寫過一份故事大綱，派拉蒙在 1983 年買下了改編權。他的合約裡寫著：電影如果賺錢，他可以分到「淨利」的一部分。
結果派拉蒙的帳算出來是：這部電影，沒有淨利。
票房將近 3 億美元，帳面上卻一毛淨利都沒有。
包可華告上法院。1990 年，洛杉磯的法官 Harvey Schneider 先認定電影確實來自他的大綱；同年底又判定，派拉蒙合約裡那套算淨利的條款「顯失公平」。
這場官司，後來成了「好萊塢會計」最常被拿出來講的例子。
（這大概是史上最貴的一句「我們帳上沒賺錢喔」。）
這篇是系列的最後一篇。前四篇走完了：工具全景、課程結構、金流發票、名單行銷。
如果你照著做，現在應該有一堂在賣的課、一條在跑的漏斗、一份在長的名單。
這一篇談下一個階段的問題：當事情多到一個人做不完的時候，怎麼找人合作、怎麼讓 AI 接手，又怎麼不變成另一個包可華的故事。
▋天花板長什麼樣
一人講師的瓶頸，通常會同時出現：
內容產能到頂。你的專業就這麼多，一堂課教完了。想擴大營收，要嘛漲價，要嘛開新主題，但新主題你不見得夠專業。
行政吃掉創作時間。回同樣的問題、寫社群貼文、改銷售頁文案、對帳。每件每天各花一點時間，加起來就是一個上午。
成長曲線變平。名單還在長，但成交率沒動。因為你沒時間做優化，只能維持現狀。
這三件事，有三個對應的解法。
▋一、找人合開課：分潤要在系統裡
擴大內容最快的方式，是找別的專業者一起開課。
你有平台和名單，他有專業；你負責行銷和營運，他負責教學；賣出去按比例分。
🔍 點擊放大聽起來很簡單。實際做起來，最容易卡在分帳。
包可華的故事提醒我們一件事：
啊！原來合作最怕的不是分得少，是不知道到底賣了多少、錢是怎麼算的。
用 Excel 對帳的下場是這樣：這個月賣了 37 筆，其中 12 筆用了優惠券、3 筆退款、2 筆是聯盟商帶進來的，還要再抽一手。
你要算出該給講師多少，得對一整個下午。而且算錯一次，信任就沒了。
InfoBox 把這件事做進系統：
- 每位講師各自設分潤比例。賣掉一堂課該分多少自動算，包含優惠券和退款的情況。
- 分潤表列出已結算與待撥款金額。你不用自己對帳，講師也看得到自己的數字。這件事對信任很關鍵，合作講師最怕的就是「不知道自己到底賣了多少」。
- 講師有自己的登入。他看得到自己的課、自己的學員、自己的分潤，碰不到別人的。這讓你敢找同領域的人合作，不用擔心名單被看走。
- 站長端一頁看完所有人。誰開了幾堂課、賣得如何、待撥款多少。
實務上的合作模式有幾種：
- 純內容合作：對方出課，你出平台和行銷，五五或六四分
- 共同開發：一起設計課程大綱，各教一部分
- 場地／名單交換：實體場地方帶學員，你提供線上系統
不管哪一種：比例談好、寫進系統、雙方都看得到數字。這是長期合作的基礎。
▋二、AI 助手：接手重複的部分
AI 不會取代你的專業，但它能接手那些「知道怎麼做、但很花時間」的事。
🔍 點擊放大AI 生文：依你的語氣寫 SEO 長文。
重點在「依你的語氣」。先餵它幾篇你自己寫的文章，它產出的東西才不會是一看就知道是機器寫的公版文。
寫完先存草稿，不會直接發出去。這個設計很重要。AI 寫的東西一定要人看過，尤其牽涉到你的專業判斷、價格、承諾的部分。
廣告文案助手：填好產品與投放設定就產出。適合一次生十個版本，挑兩三個去做 A/B 測試。廣告文案這種需要大量試錯的東西，最適合交給 AI。
爆文分析：把別人的熱門文章，拆解成你能用的結構。
注意，是拆結構，不是抄內容。他為什麼用這個開頭、痛點放在第幾段、行動呼籲怎麼下。學結構是合理的，複製內容不是。
怎麼用才不會出事：
- AI 產出當草稿，不當成品。事實、數字、專業判斷一定要自己核對
- 你的觀點不能外包。讀者訂閱你，是為了你的看法，不是通用建議
- 案例和故事要真的。AI 編的案例會被看出來，一次就毀掉信任
▋三、用講的操作網站（MCP）
這是新的東西，值得單獨講。
🔍 點擊放大MCP 讓你把自己的 ChatGPT 或 Claude 連上網站後台。連上之後，你可以直接用講的：
「幫我做一頁『手沖咖啡入門』的銷售頁，配色用我網站的主色」
→ AI 直接組好整頁，存成草稿
「這個月賣了多少？哪堂課最好賣？」
→ 直接把營收與排行整理給你
「建一張九折優惠券，代碼 SPRING10，限用 50 次」
→ 說完就建好
這件事的價值不在炫技，在於消除「打開後台、找到那一頁、點五層選單」的摩擦。
很多優化沒做，不是因為難，是因為麻煩。當它變成一句話，你就會去做。
安全機制要說清楚，因為這是大家最擔心的：
- 頁面與文章只會存草稿。AI 不會直接把東西發出去
- 發佈、寄電子報、退款、刪課這類收不回的事，AI 只能提案，你按確認才執行
- AI 能做的事，永遠不超過那個人本來的後台權限。你給合作講師的 MCP 連線，也只能碰他自己的課
- 每一次動作都留稽核紀錄，出事查得到
- 可以一鍵斷開
還有一個實際的好處：用的是你自己的 ChatGPT／Claude 帳號，費用跟著你原本的 AI 訂閱走，不用再多付一份 AI 費用。
▋什麼時候該進入這個階段
不是每個人現在都需要這些。判斷標準：
🔍 點擊放大多講師：當你發現「有人問的主題我教不了，但我認識能教的人」，就該開始。
AI 助手：當你每週花在寫文案的時間超過三小時。
MCP：當你發現一堆「應該要改、但一直沒改」的小東西堆在那裡。
如果你的課還沒賣出第一筆，這些都先不用管。先把第一堂課賣出去，那才是真正的關卡。
▋系列回顧
五篇走完，回頭看整條路：
- 全景圖：開課需要哪些工具，為什麼拼裝會出事
- 課程結構：章節怎麼切、測驗作業怎麼設、影片怎麼防外流
- 金流發票：台灣的規矩、金流商怎麼選、發票四種載具
- 名單行銷：表單、漏斗、系列信、AI 客服、仿真直播
- 擴大規模：多講師分潤、AI 助手、MCP
這五件事在 InfoBox 是同一套系統、同一個後台、同一份資料。一套程式，所有人同步升級：新功能出來，你不用額外付費，也不會被留在舊版本。
多講師分潤為中階方案以上；AI 助手、AI 客服與 MCP 為高階方案。
▋我的看法
工具的價值不在功能多，在於它有沒有讓你把時間還給該做的事。
你的專業是教學和創作，不是研究金流串接、不是手動對帳、不是每天回同樣的問題。這些事該交給系統。
我們幫客戶規劃網站時，會先問清楚你的產業、目前有沒有課、預計多久上線，再告訴你哪些功能剛好、哪些功能你根本用不到。
先確認範圍，再談其他。
包可華的官司，從法院認定到雙方和解，一路拖到 1995 年。
為了弄清楚一部大賣的電影為什麼「沒有淨利」，他打了好幾年的官司。
你的合作講師，不該需要請律師，才看得懂自己的分潤。
祝你找到好夥伴，也讓每一筆帳都攤在陽光下。
（寫到這裡，我想起上次跟朋友合買團購，對帳對到現在還沒對完。）
💡 系列完結。想找人幫你看看多講師或 AI 該怎麼接進網站？直接跟我們說你的狀況
資料來源：Wikipedia，〈Buchwald v. Paramount〉條目（2026 年 10 月查閱）；Deseret News，〈Paramount settles with Buchwald over "America"〉，1995 年 9 月 15 日