【觀點】夏末,在路上
【觀點】夏末,在路上

夏末,從來不會對我而言這麼地印象深刻。(國小暑假快結束時,才很痛苦地拼命趕寫整本暑假作業的感覺除外。呵呵)

自從我今年開始做服裝鞋子生意之後,我對季節非常的敏感。因為服裝的季節性非常地強。雖然我已經在大陸快待滿兩年了,整個節令循環經歷過兩次,但還是蠻戒慎恐懼的。

流行服裝是期貨的生意,一般服飾廠商都要在正季來臨前一兩個月即下單生產備貨。你買的貨夠不夠賣?會不會庫存一堆?除了款式/價格是否能迎合市場的口味之外,氣候會有很強烈的主導性。(比如每年冬天的嚴寒程度,高度左右了羽絨衣、電暖器的買氣強度。)

簡單的說,有些行業是看天吃飯。服飾業自然是其一。

每年7,8月是服飾月買氣最淡的季節。老實說,這是我做服裝之後才知道的事情。我以前也不知道服飾及鞋子行業是全年只靠第四季吃飯。因為面料或皮革材質的關係,第四季單品的單價比全年其他季節高出很多,再加上天氣冷,大家會想要添購衣服,第四季就成了超級大旺季。

中國一位女鞋大廠的老幹部跟我閒聊中提到,他們的鞋子品牌在中國有上千家百貨門店,常常一年當中前三季都沒什麼賺錢,但光靠第四季就能全部賺回來,我聽了覺得蠻神奇的。想不到第四季對服裝業的重要性,也跟對禦寒用品或3c資訊商品一樣地重要呢。

回到7,8月淡季的事情。這代表什麼意義?

這代表著因應買氣低迷,服飾廠商進貨也很保守。此時,正值夏秋換季了,很多夏裝再不出清完,你冬天也別想再賣,龐大的尾貨就要在你的倉庫中冬眠半年,等待明天夏天再出來見人。這樣不儘會積壓資金、佔用倉儲面積,更危險的事情是,今年沒賣完的流行款式,明年還不一定有人買。比如說今年流行的多層次蛋糕裙,以及連續流行幾年的羅馬涼鞋,明年都不一定會再流行。(今夏穿羅馬涼鞋走在街頭就已經怪怪的了。)

今年由於我們MMbuy購物網站剛起步,業績都是每月成長,這兩個月也都續創新高,所以還沒感受到特別明顯的服飾淡季效應,但從七月中以後(一般行業內會稱過了端午節之後,即買氣開始下降。),就有不少比較資深的行業朋友不斷提醒我,現在進入淡季了、現在進入淡季了、要準備開始出清、還要補貨嗎?補貨要很小心之類的話...。聽多了,我也變得比較謹慎起來。向來業務性格比較積極樂觀的我,看著很多熱賣款式的衣服庫存數字不斷變0,我還真的不太敢再補貨。

到底顧客到幾月幾号還繼續願意買夏裝呢(不管是不是降價出清的情況)?

我心裡沒什麼底。

創業以來,每件事情都是新鮮的。這種由小變大、不斷學習、不斷試錯、不斷改進的過程,都是創業的過程中,十分吸引我的部分。

雖說我國中時就開始在看日本進口的女性服裝雜誌Nonno、anan、with等女性雜誌,但當時只是很喜歡看美美的穿搭畫面與日本廣告,我從沒想過我長大後會做服裝的生意。

我也沒想過一個看我部落格(從EC達人家族、Yahoo部落格、網商論壇、一路看到這個V怪客的電子商務怪談)多年的外國忠誠讀者,會成為我現在網購服裝生意的海外經銷商。

在路上。夏末,繼續前行。

(原文轉載自V怪客的電子商務怪談

關鍵字: #新零售
往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓