【淺談導購六】 台灣導購模式總覽
【淺談導購六】 台灣導購模式總覽
2013.06.06 | 創業

本篇與大家分享一些台灣電商市場的導購作法。講在前面:雖然團隊與我致力於導購相關之觀察研究已久,但仍難免疏漏,若有未盡,尚請包涵。

例如email、以前的msn、現在的line或whatsapp等。大部分是針對真實生活中的朋友做符合其當時需求的一對一推薦。導流最少,但轉換率佳。

BBS 例如PTT的 e-shopping網購板 、 BuyTogether合購板 ;超人氣部落格《 486的大丈夫週記 》;以及許多Facebook粉絲團──無論是興趣主題粉絲團如 iFit 38萬fans、電商官方粉絲團如 Groupon 44萬fans、或專門進行導購的粉絲團如 SALE特賣會情報 48萬fans。

台灣與大陸的問答網站都有很成功的個人導購案例,利用一問一答的網站機制與現成免費的人潮,回答與產品知識相關的問題,一個月賺取新台幣三到五萬的導購佣金──否則您認為為什麼有那麼多人願意熱心給予其他網友建議,而且都答得又快又專業呢?各位可以點入「 NB到底該買哪一台好 」驗證看看,是否每個解答的後面都附上大聯盟推薦代碼?(識別方式為網址後方跟隨著“ co_servername=英數混合一長串的編號”)。

聲明一下,我不知道我舉的例子是誰做的導購,但您若點入了上述推薦NB型號的連結,則您在24小時內到Yahoo!奇摩購物中心所產生之任何購買行為,不管是購買該廣告商品或瀏覽其他商品後購買之其他商品訂單,全都會列入這位幸運兒的推薦獎金計算,幫他增加零用錢。

台灣的比價導購服務很多,就我所知舉例: FindPrice alexa tw=113; EZprice比價網 alexa tw=356; SaveBar省省吧! 比價工具列(非網站)。另外有專注於機票比價、旅館比價的論壇 背包客棧 alexa tw=123 以及幾乎包括了全線旅遊商品的搜尋比價網站 FunTime alexa tw=1,968。

根據網頁內容自動推播相關商品購物連結,稱為內容導購。例如在 NOWnews 與 Tagtoo 合作,點選「 iPhone 5S曝光:內部大改動 多種顏色可選 」這則新聞,就會看見下方出現「本文特價商品」區塊,但目前商品似與內文關聯不大。

美麗的圖片、有趣的畫面,比起文字必然更能吸睛。 Tagtoo 的圖片標籤, clipick 和台灣樂天 樂搜尋 的以圖找物,皆屬圖片導購。

返利是很直接的:導購方把所獲得的導購分潤,再回頭退佣給消費者。程序為:加入返利導購網站會員、透過指定連結購買商品、提出訂單編號申請返利。 EmailCash 、 iChannels通路王 、 美安臺灣 ,就是這麼做的。

商品種類和數量愈發豐富的今天,網購已經讓消費者越來越難選擇與決定,社群導購要解決的正是這個難題,方向有兩個:

一、  對於使用者:要讓使用者能分享、能喜歡、能收集、能評價、能從「搜尋」轉變為「發現」、並能因此產生誘發性消費。Yahoo!奇摩購物中心今年三月推出的 慾望牆 ,剛剛跨出這第一步。

二、  對於使用者之間:要讓使用者之間能交友、能互動、能彼此追隨、能相互給予購物建議。 Gumhoo alexa tw=3,300的 幫我二選一 即屬此類非常有創意的社群導購範例,唯流量太小,是可惜之處。

以成為購物入口網站為目標、專門為了引導購物流量而建立的導購網站,規模較大、系統完備,是目前導購成績最好的一種模式,也可以充分享受長尾效應。大陸有淘寶自建的 一淘網 為代表,國內則有蕃薯藤的 yam一蕃 (說來慚愧,這兩天才剛發現它,我不知它何時上線,應該不久,因alexa顯示其流量僅佔整顆蕃薯的千分之二)、SaveBar省省吧!團隊的最新力作 品購 (2013年5月31日甫上線, 尚無alexa資料),以及本團隊所開發的 愛逛街 (2013年年2月18日正式上線, alexa tw=324)。畢竟我對自己的系統和計劃較為了解,以下容我對 愛逛街 的導購理念稍作介紹。

愛逛街 主要參考大陸已有顯著績效、但國內尚無成功案例的模式作為開發重點,大致包含幾個面向:

商店導航 讓使用者對國內電商一目瞭然,提供方便。

團購 / 福利品 匯集式網頁為使用者整理了好康折扣資訊,不必跨站查找。

代購 / 精品 / 試用品 / 開箱文 頻道,與合作夥伴共同營運,滿足不同需求。

會員系統: 愛逛街 團隊乃自學生社群網站 優仕網 分出,基因上就特別擅長生成社群、經營社群。建立會員系統的目的無疑是為了進行社群導購,使得分享、喜歡、收集、評價、投票、交友、互動、追隨… 等行為可以發生。

比較搜尋:不只比較商品價格高低,也讓使用者能依各家電商開放出來的各種條件,例如關聯性、人氣、銷量、信用、上架時間… 等,對商品進行篩選。同時, 愛逛街 保存了使用者的搜尋記錄,讓網頁上的呈現可以隨著每個人更多的造訪次數而更加個人化。

前台呈現:初始頁面(各頻道首頁)採圖片瀑布流模式吸引目光,降落頁面(商品說明頁)則將2,3,4,5之相關資訊,連同跨站相似商品一起呈現出來。

目前, 愛逛街 的前台工程完成度約30%,預計今年七月底可達到70%,什麼時候全部完成呢?我可能無法回答吧!總會發現可以再進步的項目。我們把 愛逛街 看作一個導購的實驗場所,僅管不確定怎樣會成功,但我們勇於嘗試──幾乎沒有人像我們做過這麼多嘗試!(還好我們也真的有不錯的購物流量可以拿來進行這些嘗試… )

至於 愛逛街 的後台工程,關於建立一套雲端的、容許任何買賣雙方自由加入的開放式聯盟營銷平台,對我們來說是更重要、也更值得期待的。

(本文作者為 高儷玲/ 九易購物公司策略顧問,優仕網、愛逛街 共同創辦人)

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

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
一次搞懂工業AI
© 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