【電子商務實戰講堂 之十四】quincyapparel.com ─只問胸圍罩杯手長,降低消費者治裝門檻
【電子商務實戰講堂 之十四】quincyapparel.com ─只問胸圍罩杯手長,降低消費者治裝門檻
2012.04.11 | 創業

謝謝大家長期的收看我撰寫的「電子商務實戰講堂」系列,此系列主要介紹跟電子商務相關的服務,每次我們都會介紹我認為「酷」「新」「成功」的Model與大家分享,謝謝讀者的長期支持,今天又要帶給大家一個新創的網站。

大家都知道女性商品是購物網站消費族群的大宗,而且每個男生都知道大部分的女生每個月要花相當多的費用在治裝,保養等女性用品上,而且這個治裝消費與把自己打扮漂亮的習慣是一種與生俱來的行為,男生則不太一樣,大部分的男生是「目的性購物」,想到需要才要買,但是我們都知道女生「衣櫥裡永遠少一件衣服」。

在服飾的網路購物與銷售上,其實一直無法突破的就是實體店面試穿的這個舊式的消費者習慣,所以一直以來銷售端解決這個問題的方式都是「無條件退貨」,當然有些接受退貨的原因也是因為國家的消費法令,但是我相信大家都能夠了解最主要的還是「擔心消費者因為不能試穿所以不買」,提出的降低門檻方案。

quincyapparel.com 又是一家哈佛校友創的網站,是兩位女生共同創立的。他們專注於上班族女性,並且提供一個非常酷且便利的想法,那就是會問「使用者的胸圍罩杯跟手長」,選購衣服的時候只要選胸圍罩杯與手長這三個選項,另外他們也是大量提供了Quincy Apparel這家公司自己設計的自有品牌的衣服,藉由這些特點在2011年6月開創了這個網站。

女性身材與購物的問題

為了這個議題,我去訪問了一些住在國外過的東方女孩,這些朋友大致上告訴我,的確如果有身高體重手長加上胸圍,應該就能幫這個消費者配衣服,因為有些女生胸圍太大所以襯衫扣不住,或是有些女生因為胸圍太小造成衣服剪裁與設計的效果搭配不出來,可以解決一般上班族套裝穿起來搭不搭配的效果,製造專業與有精神的形象,選擇這些不同的參數挑衣服,就能為這些消費者找到消費者適合的衣服。

自有品牌購物加上對消費者的服務

「我們知道許多的衣服銷售,都想要把高矮胖瘦塞進廠商提供的幾個號碼裡」,「但是我們認為每個人都是獨一無二的的身材」,我認為這是一件非常了不起的想法,很久以前銷售者習慣「叫使用者去適合銷售的衣服」,而不是反過來「去賣使用者需要且適合本身使用的衣服」,這是一種不同的想法與加值的服務,讓消費者更懶的去比對每種不同的Size,不同衣服的版型。

但是你說這樣的營運方式有沒有危險,有的。

銷售者方會習慣成為「叫使用者去適合工業化生產銷售的衣服」,原因是因為製作成本,銷售方習慣了「先做衣服」降低每次的板型才去行銷且賣,但是 quincyapparel.com 正在走一條很不一樣的路,雖然初期成本很高,就像 quincyapparel.com 現在只有提供夾克銷售一樣,因為既然要符合所有的使用者最合身的穿著,這是不容易的,因為光是胸圍乘以罩杯再乘以手長的選項,大概就會跑出個三十幾種Size款式,這很傷製造成本。但是這個方式能夠將消費者越來越懶的黏在你身上,他再也不用挑衣服,並且再也不害怕這個Size是否適合我自己,只接受網站提供的方案,並且因為習慣所以網站行銷成本越來越低,某種程度上這樣的模式是在Hack消費者買衣服的行為與選擇方式,另外也賭是否能夠快速的吸引消費者,降低他的生產成本,相當有趣。

呂元鐘 Max Lu現為Buyble 國際代購2.0 、Buytheway 買物誌

Max的網誌

關鍵字: #電子商務
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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
代理式商務連動百兆商機
© 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