三十人的課與八人的工作坊：設計差在哪
同一個主題、同一位講師、同樣三小時，三十人的場次與八人的場次是兩種完全不同的課。
最常見的錯誤是用同一份教案應付兩種規模。在大班用小班的方法，會變成少數人參與、多數人旁觀；在小班用大班的方法，會浪費掉小班最珍貴的東西。
這篇比較六個面向的差異，以及各自該怎麼設計。
一、差異一：回饋的即時性
八人的場次，講師可以看到每一個人的表情，知道誰跟上了、誰卡住了，並且即時調整。
三十人做不到。講師只能看到整體氛圍，個別的困惑會被淹沒。
大班的解法是設計固定的檢查點：每二十到三十分鐘用一個具體的問題或簡短的動手練習，確認理解程度。沒有檢查點的大班課，講師會在不知情的情況下把一半的人留在後面。
- 小班：即時觀察與調整
- 大班：需要設計固定檢查點
- 每二十到三十分鐘確認一次理解程度
二、差異二：討論的可行性
八人可以全體討論，每個人都有發言機會，而且不需要分組。
三十人的全體討論必然變成少數人發言。要讓多數人參與，必須分組，而分組會產生新的成本：時間、場地、以及各組品質不一。
大班的折衷做法是兩兩討論。不需要移動座位、時間可控、而且每個人都必須開口。三十人的兩兩討論在三分鐘內可以完成一輪。
三、差異三：案例的處理深度
小班可以用學員自己的案例。八個人各講一個實際狀況，講師逐一回應，這是小班最有價值的部分。
大班無法這樣做，時間不夠。但可以事先徵集案例，挑選三到四個具代表性的，在課堂上處理。
事先徵集有一個額外好處：它讓學員在上課前就開始思考自己的問題，到場時的參與度明顯較高。
四、差異四：練習的設計
小班的練習可以複雜、開放、需要來回討論，因為講師有能力逐一指導。
大班的練習必須是可以獨立完成、有明確步驟、而且結果容易自我檢核的。開放式的練習在大班會產生大量無法被處理的疑問。
實務上大班最有效的練習形式是「填空式的框架」：給一個結構，讓學員把自己的情況填進去。完成度高、指導成本低、而且帶得走。
- 小班：開放式、需討論的練習
- 大班：有明確步驟、可自我檢核
- 填空式框架在大班效果最好
五、差異五：時間的彈性
小班可以依現場狀況調整順序與深度，甚至臨時增加一個沒有規劃的主題。
大班的時間必須嚴格控制。一個超時十五分鐘的段落，會壓縮掉後面所有內容，而三十個人的等待成本很高。
大班的設計原則是模組化：把內容拆成可以獨立取捨的模組，並事先決定如果時間不夠要刪掉哪一個。
六、差異六：後續的追蹤
八個人的課後追蹤可以個別進行，講師記得每個人的狀況。
三十人的追蹤必須制度化：統一的課後作業、統一的繳交方式、以及一次集體的回饋。
大班若要提高後續執行率，最有效的做法是在課程結束前的十分鐘，讓每個人寫下一件回去要做的事，並指定一位同事作為確認對象。這件事的成本是十分鐘，效果通常超過任何課後追蹤機制。
七、什麼情況該選小班
三種情況。第一是主題涉及判斷而非操作，需要來回討論才能建立。
第二是學員的程度差異大，需要個別調整。
第三是內容涉及公司內部的敏感議題，人多時大家不會說真話。
八、什麼情況該選大班
同樣三種。第一是建立共同語言與基本認知，目標是讓所有人有一致的理解基礎。
第二是宣達新的做法或流程，需要一次讓所有相關者知道。
第三是預算或時間有限，需要在一次投入中涵蓋最多人。
要注意的是大班適合建立認知，不適合建立能力。能力需要練習與回饋，那是小班的範圍。
- 大班：建立共同認知與宣達
- 小班：建立判斷與能力
- 兩者可搭配：先大班後小班
九、最有效的組合
如果預算允許，我們最推薦的是先大班後小班的組合。
先用一場三小時的大班課建立共同語言與整體框架，讓所有相關者有一致的基礎。
兩到三週後，針對實際執行的核心成員辦一場八人以內的工作坊，處理各自的實際案例。
這個組合的效果明顯優於同樣預算下辦兩場大班或兩場小班，因為它同時處理了廣度與深度。
十、人數的實際門檻
以我們的經驗，十二人是一個明顯的分界。十二人以內仍然可以維持全體討論與個別回應，超過之後就必須改用大班的設計。
另一個門檻是二十五人。超過二十五人之後，兩兩討論的管理成本開始上升，需要更嚴格的時間控制與更明確的指令。
如果人數落在十二到二十五之間，建議偏向大班的設計原則，並在練習環節保留分組的彈性。
常見問題
人數多少算大班？
以我們的經驗十二人是分界。十二人以內可維持全體討論，超過之後需改用大班的設計原則。
大班可以做深度討論嗎？
全體討論在大班會變成少數人發言。建議改用兩兩討論，時間可控且每個人都必須開口。
預算有限該選哪一種？
若目標是建立共同認知選大班；若目標是讓少數核心成員真的會做，小班的效益較高。
延伸閱讀
關於作者與審稿
冠誠數位行銷（GuanCheng Martech）的顧問團隊撰寫這篇文章。團隊累積 295 個專案，服務 308 家客戶，操作範圍包含 SEO 自然排名、AEO 答案引擎、GEO 與 LLMO 佈局、Google 與 Meta 廣告投放、電商維運與數據歸因分析。
文章裡的數字來自冠誠數位行銷實際經手的客戶帳戶與後台報表，客戶名稱與可識別資訊都已經移除。內容由負責該領域的冠誠顧問審稿後發佈，最後更新日期為 2026 年 9 月 8 日。讀完有問題，可以到冠誠數位行銷官方網站的預約諮詢頁面留下聯絡方式，我們會用你提供的時段回電。