虛實整合再進化~迎接O2O大商務時代|數位時代 BusinessNext

行動裝置讓消費者隨時Online，
資訊串聯Offline購物更輕鬆。
台灣已經可以看見分眾平台的O2O發展，
從線上到線下，全方位滿足客戶需求。
未來新商務，全面啟動！

網路發展初期的1999年，英特爾（Intel）總裁葛洛夫（Andy Grove）曾說出大膽的預言：「五年內將沒有網路公司，因為所有的公司都是網路公司。」當年的預言指的是企業終究需要建構官方網站，而今透過更多O2O（Online to Offline，網路到實體）的虛實整合模式，從行銷、客戶經營到實際營收，所有的公司將能參與網路產業更深，成為新一代的「網路公司」。

O2O一詞自美國折價券網站Groupon崛起之後，開始廣泛受到討論，狹義定義是消費者在網路上購買實體商店的商品、服務，再實際進店享受服務，其中包括三個要素：實體商店的推薦、線上付費、效果監測。

經過許多網站與企業的實驗，O2O也出現許多變形，廣義來說聚焦在「將消費者從網路上帶到實體商店」。過去實體商店對網路產業常採觀望態度，現在逐漸開始經營，包括與網路平台合作商品，或是自營網路服務。變形也包括O2O的反向：實體到網路Offline to Online，網路商城開始往實體移動，包括販售更多線下的服務類商品，或是加入更多線下服務。

各方實驗中介「載具」
因此，O2O潛力無限的原因，在於越來越多的實體企業加入網路產業，從折價團購券網站這兩年帶進新成員可見一斑，包括餐廳、美容診所、按摩Spa、酒吧、運動休閒課程等，各式各樣的服務相關產業。商研院副研究員周文卿表示，「企業從網路找到新客群，它們越來越了解網路，也越來越願意投注資源。」

關注網路趨勢的創新工場創辦人李開復表示，「線上、線下一旦連起來，這是巨大的爆發式力量。」台灣實際成果可從網路經濟數值看出來，根據麥肯錫（McKinsey）2012年網路產業報告《Online and upcoming:The Internet’s impact on aspiring countries-Taiwan》，估算2010年台灣網路經濟占GDP比率5.4％，與歐美等已開發國家相當，比2005年的4.09％成長許多，整體網路生態體系成熟度高，是網路經濟活動貢獻不斷提升的主要原因。

O2O概念是將消費者從網路上帶到實體商店，但仔細回想，這類經驗大多數的人都有，例如上網買機票、訂飯店住宿，實際人到了就能使用，從十年前就有模式，為何又成為熱門話題？經營電子商務超過十年的網勁科技執行長游士逸指出，「觀念真的不新，但有辦法實現真的是因為『行動網路』，它讓所有產業進入網路的成本變低，也讓消費者always online（永遠在網路上）。」

中國阿里巴巴集團在2011年於杭州實行O2O模式的淘寶口碑卡，商家內容來自消費點評網站口碑網，口碑卡付款綁定支付寶，消費者到店後可刷卡確認到店消費，並且回到網站給予評價，完全符合O2O的要素：實體商店的推薦、線上付費、商家也能知道消費者面貌，並進行效果監測，環環相扣的模式，對消費者和店家來說皆具吸引力。但該計畫仍舊在2012年中結束，因為推廣不易，消費者端需要多帶一張卡，而商家也需要一台POS機核銷。

游士逸分析，線上到線下之間的「載具」很重要，「現在所有人都在試驗什麼樣的載具才對，實體卡片、QR Code、App、NFC，全部都在找尋中間的載具該是什麼，可以讓所有企業很習慣、很輕鬆地進入O2O領域。」

大企業將帶動發展
除了載具之外，O2O還有兩項挑戰：尋找線上到線下的串聯模式、吸引實體商店加入。訂位網站EZTABLE易訂網創辦人陳翰林表示，「O2O的挑戰絕對不會在Online，如何將線上的人帶到線下是最困難的。」他比喻，O2O平台就像先生一樣，媽媽、老婆兩邊都要顧，一直都介於其中做溝通，尋求兩方平衡。美食社群網站iPeen愛評網創辦人何吉弘同樣表示，模式最困難。

團購票券網站GOMAJI營運長涂孟郊則說：「實體店是很重要的環節。」兩年多前要把概念說給店家聽，相對比較辛苦，花很多時間在觀念溝通，但現在店家基本上都懂，討論比較多的是分潤比率與平台能夠提供哪些額外服務。

台灣O2O模式已經白熱化了嗎？目前雖然有許多分眾類型的平台穩定成長，但相較於實體世界，參與的企業數量仍舊不多，從中獲得大額營收的企業也不多，而且類型上多為中小型店家。因此未來蓬勃發展的關鍵，除了企業參與的數量之外，還包括大企業的布局。

Google台灣區董事總經理簡立峰觀察，以台灣的經濟規模來看，實體企業走向虛擬通路是比較值得的，因為資本相對於網路企業大，所以當它走到虛擬的時候，即使短時間之內沒有成功，長遠來看，資本越大的人機會越大，「大企業如果可以走到虛擬，台灣的軟體產業或網路產業才有發展動能，因為它們有資金、有人才。台灣的網路企業都是小企業，但也累積了一定的人才和經驗，應該要讓大企業把它帶動起來。」

對於O2O未來發展，在「實體商店推薦」這項元素之中，台灣活絡的網路產業可提供足夠的內容，「線上支付」憑藉著產業人士奔走，法規有機會在2013年一步步鬆綁。目前運用較少的「效果監測」，則有可能帶動新一波O2O成長。例如消費者在線上購買以後，實體店家就能得知消費者面貌、可能的喜好，提供更深入的服務，進一步提升實體店家「不可取代的體驗」的特色。

如何將智慧商務從名詞落實為動詞?

立即報名「未來商務3.0 -IBM企業智慧解決方案大展」

立即加入IBM粉絲團，和IBM一起實現未來商務3.0！

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。