謬論~台灣市場太小,做不起來 【請填入產業】 的
謬論~台灣市場太小,做不起來 【請填入產業】 的

台灣人,特別是創業者,應該常聽到一句話:『台灣本地市場(home market)太小了,做不起______的。』空格可以填入各種東西,包括 App、國片、軟體、B2B、汽車、O2O、法律服務,或是任何一個你想像得到的手邊的東西。就我在有物的角色,最常聽到的是「台灣市場太小了,做不起菁英媒體的。」

TW_mini

圖片來源:steve: they can’t all be zingers!!! (primus)

接著,對方通常會說:

●『你要不要考慮去別的市場?』
●『你要不要考慮換個題目?』

再下一句,便是建議你去美國、大陸或東南亞市場。甚至開始大發議論,說台灣人如何缺乏國際觀,都躲在台灣、沒有上一代開疆闢土的勇氣等等

這句「台灣本地市場太小,做不起 XXX」聽起來實在太理所當然了。畢竟台灣是個小小的島嶼,少少的 2,300 萬人;國民所得也沒有特別高。大家自然而然會同意,是啊台灣的 home market 很小,做不起來的。

但或許是身為律師的文字訓練吧,我總覺得這句話怪怪的。於是我做了一個語言邏輯上的檢視。

林書豪太高了

首先,如果說台灣本地市場「太小」,那自然表示有一個市場規模是「剛剛好」,低於此就是太小。例如我說「林書豪太高了」,那表示一定有一個身高叫做「剛剛好」。剛剛好是多高?

不知道。因為沒有說清楚需要這身高的「目的」為何。如果是楊承琳找對象,那可能超過 172 公分算太高。如果是坐經濟艙,可能超過 190 公分就太高。目的定義不清,就不知道正確條件為何。

所以「台灣本地市場太小了,做不起來 XX 的」這句話的癥結,在於何謂「做不起來」。

(註:本文並不反對本土市場越大越好,而是在探討何謂太小。)

成功的定義

什麼算「做起來」?這個定義應該必須國家、人口、所得、消費力無關,否則就是錯誤命題。例如如果「做起來」是指「像臉書一樣擁有數億用戶」,那就是錯誤命題。台灣只有 2,300 萬人,當然不可能產生數億用戶 — 連美國市場都辦不到。這樣乾脆說「台灣本地市場太小了,沒辦法賣一億台汽車」好了。目的不能直接決定條件的大小。

對創業者來說,「做起來」當然是指賺錢。只是賺多少才算「做起來了」呢?這要看是問誰。像我可能會定義「做起來」是指五年後,我的收入是我做律師累積的 2 倍;再加上生活自主以及財務獨立,我就很滿意了。

投資人可能會定義「做起來」是投資報酬率 10X、20X、甚至 100X。這跟他們的績效要求有關。所以這裡會發現第一個語意的落差。當我跟投資人討論點子時,我說的「做得起來」是從我個人的邊際成本來看。而投資人說的「做不起來」則是由上往下(top down),以一個既定範圍市場的角度去看。這沒有對錯,只是雞同鴨講。

誠品與微熱山丘

有兩家企業的「做起來」定義顯然跟一般人不同:微熱山丘與誠品書店。

微熱山丘創辦於 2008 年。今天遠近馳名,在新加坡佛萊士酒店、上海外灘、日本表參道都開設分店,並且從鳳梨酥拓展出一系列飲食產品。去年營收預估 10 億元。大家覺得微熱山丘「做起來」了嗎?

誠品創辦於 1989 年。今天是台灣的文化標竿企業,年營收超過百億。大家覺得誠品「做起來」了嗎?

更重要的問題是,如果回到創辦當年,這兩家公司的創辦人捧著「賣土鳳梨酥」跟「開書店」這兩個點子找你,你會不會跟他說『台灣本土市場太小了,做不起來的』?

我知道我會。

如果是我,當時一定想不到土鳳梨酥會重新掀起台灣人的點心文化,並隨著大陸的「台灣熱」而熱銷大陸。同樣的,當時我也一定很看衰書店的未來而不敢投資誠品,更不會預期到誠品會成為台灣精緻文化的地標。事實上微熱山丘跟誠品書店的老闆自己大概都沒有預料到會有新的市場出現。

兩個非常本土的產品,最後產生了非常不本土的市場。

有護城河的城堡

那為什麼這兩家創辦人還是跳下去做了?因為他們定義的「做起來」沒這麼大。我認為他們「做起來」的定義不是「熱銷全球」,而是「獲利,並且在領域內達成一定領先優勢」。

你想,「做起來」三個字來自建築詞彙,意思本來就是「蓋得初具規模」而不是「摩天大樓」。我說「Uber 在台灣做起來了」,顯然不是指 Uber 賣得嚇嚇叫,而是指它已經在台灣租車市場佔有一席之地。所以我主張「做起來」定義應該是「獲利,並且在領域內達成一定領先優勢」。

(註:Uber 即是一個反例。台灣人自己不做台灣版的 Uber,是因為覺得台灣市場規模太小嗎?但 Uber 老闆顯然不同意,不然 Uber 不會進台灣。)

這個定義有點類似巴菲特定義的好企業,就是建立一個小型的城堡,附近環繞著一個小型的護城河(領先優勢)。初具規模後,就進可攻、退可守,可以逐漸開發其他市場。這個定義合理因為:

● 臉書、Google 這種一下子席捲世界的創業例子是中樂透,機率小到無意義。大部分的創業是長期抗戰。
● 大部分的市場是創造出來的,而不是採收的。
● 創業創的不是產品,而是企業,因此應該以企業規模為衡量目標,而不是單一產品的市場(例如 Draw Something 的先盛後衰)

舉例:假如兩年前有個人說要拍一部草根的、針對中南部觀眾的台語娛樂片,大概一定會有人說「台灣市場太小了,做不起來的」。但那是搞錯重點。若這個製片團隊能夠持續的拍出獲利的、針對中南部觀眾的電影,即便獲利只有幾千萬,這團隊仍會建立起這個領域內的領先優勢,包括製作能力、演員團隊、編劇、後製團隊、營銷人脈等等。

到了一定規模,這團隊就可以開始邁向海外、大陸市場,拍攝新的題材,挑戰更大的市場。或者被更大的國際公司併購,完成出場。不論微熱山丘、誠品、或是「大尾鱸鰻」,都可以依這個脈絡看。

所以當大家都說「你的東西無法拿下上億的市場」時,我覺得那是搞錯方向了。重點是能不能夠先拿下 2,300 萬市場。拿下了,就有軍火去吃更大的市場。

台灣市場規模

我的想法似乎跟 Y Combinator 創辦人 Paul Graham 比較接近。他主張創業者應該像挖井一樣,挖得小但深。若照此定義,台灣的市場規模是不是太小呢?這要看你一開始的護城河需要多寬。

如果是純粹的 App 或軟體,任何國家都能競爭的話,護城河很難靠技術拓寬。這時主場的影響就很大。台灣人做 Evernote 做得再好,一夜之間就可能被大市場的山寨消滅。進入這類領域一定要從一開始就放眼大市場,或者成為大市場的一份子。

但如果不是純軟體、App 的東西,而是要依賴文化、習俗、或是硬體資源的東西,台灣應該還是足以達到「獲利,並且在領域內達成一定領先優勢」。2,300 萬的單一語言人口,已開發國家的消費力,再怎麼說不小於紐約市、上海市、芬蘭等地的規模。換句話說從台灣出發,再挑戰更大的市場並不見得會比從紐約市的創業者(例如 Airbnb)更困難。

結論

我的結論是以下:

●「做起來」是指「獲利,並且在一定領域內達到領先優勢」。
● 市場規模是決定是否能達到領先優勢的因素之一
● 當達到領先優勢時,會有新的市場出現
● 跟別人爭論台灣市場是否太小之前,先確定不是在雞同鴨講

或許是來自律師的訓練吧,我對命題這種空泛模糊的句子會自動懷疑。這句話當然在某些時候是成立的;但更多時候,因為缺乏足夠的細節,反而是一種有害的雞同鴨講。

感謝給予草稿意見:You-Li Su, Brandon Tsai, MingSheng Wang, Hawk Lin, Tiffany Chou

出自有物報告/周欽華

關鍵字: #創新創業
往下滑看下一篇文章
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率

在 AI 快速進入企業營運核心的時代,數據不再只是被動的分析素材,而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據,例如會員資料、交易紀錄以及線上與線下行為數據,但因這些數據分散於不同系統,缺乏統一的身分識別機制以及明確的元數據(Metadata)定義,導致難以整合與分析,同時,也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰,Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務,如 Audience Center 與 AI Agent 等解決方案,並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程,從資料清理到 AI-Ready 再到落地應用,讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化,大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎,以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設?

Vpon 威朋數據科學經理廖宜楷指出,在 AI 驅動的時代,數據的品質決定模型價值。其中四個關鍵分別是:建構標準化的數據採集與處理管線,透過統一的工程規範,確保所有進入系統的數據在格式、維度與質量上具備高度一致性;其次是定義語義清晰的元數據(Metadata)體系,確保數據能夠被 AI 理解與使用,從而產出具備可靠性的產出結果;再來是打破企業內部的「數據孤島」, 透過完整整合線上(Web/App)行為與線下(POS/CRM)會員資訊,建構全方位的會員數據輪廓,精準捕捉消費者的跨通路行為軌跡。最後,數據的價值隨時間遞減,AI 的決策品質取決於數據的「新鮮度」,因此,數據的持續更新與自動化維護,不僅能讓企業在動態市場中保持敏銳,還可進一步深化會員輪廓分析的即時性。

舉例來說,在 Vpon 團隊的協助下,台灣百貨零售龍頭透過整合 Web 與 App 行為資料,並將線上與線下數據集中於數據中台進行分析,將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應,並基於此高效率基礎,進一步開發不同業務主題的預測與分群模型,提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實:Audience Center 如何賦能企業實現「數據即戰力」?

有了堅實的數據底座後,下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出,在變化快速的零售與數位行銷市場中,速度就是競爭力。然而,仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去,當行銷或業務人員需要數據支持時,通常得花費繁複的內部流程申請需求、討論需求,才會進到後續的資料清理、建模與分析,最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程,不僅拖慢了決策效率,更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程,將數據處理轉化為數據服務,透過直覺的介面與背後扎實的數據基礎支撐,讓非技術人員不用編寫程式碼,即可自行組合維度,大幅縮短從需求到執行的距離,將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入,不僅有助於提升效率,更賦予企業快速試錯與精準捕獲趨勢的能力,讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

#1 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學經理 廖宜楷
圖/ 數位時代

以 AI Agent 重塑數據使用方式,讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度,更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示,在數位轉型的過程中,許多企業面臨的挑戰不僅是數據整合,更包括如何讓不同部門的人員都能更即時協作與應用數據,有鑑於此,Vpon 推出四種 AI Agent 協助企業分析與應用數據,極大化第三方數據成效:

第一,以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表,即時掌握市場動態,加速決策下達與決策品質。

第二,透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限,可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三,藉由 Audience Agent 將客戶分群方式從規則導向(Rule-based)轉變為關聯導向,以關聯分析擴大受眾範圍,協助品牌找出更多潛在客群。

第四,推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因,釐清受眾喜歡的素材跟不喜歡的素材,藉此優化廣告投放內容,持續提升轉換率。

陳文謙表示:「透過 AI Agent 的輔助,品牌不僅能更快完成數據分析,也能將分析結果直接轉化為行銷策略與創意建議,降低跨部門溝通成本,讓數據真正參與決策流程。」

#2 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學資深總監 陳文謙
圖/ 數位時代

鏈結數據生態夥伴,以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率,Vpon 也持續拓展數據生態圈,協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示,跨境行銷過去多仰賴經驗與市場直覺,但透過數據整合與 AI 分析,品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明,透過雙方的獨家合作,企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源,深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型,以及不同客群的價格敏感度與回購行為等,將行銷決策從過往的經驗判斷轉變為精準的數據洞察,成為品牌出海的重要工具。

簡言之,對零售品牌而言,跨境數據是理解海外旅客真實樣貌的一大利器,也能進一步優化廣告投放、內容策略與商品布局,讓品牌在拓展國際市場時,可以更有效率地接觸潛在客群,放大行銷效益。

#3 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋產品行銷資深經理 邱心儒
圖/ 數位時代

展望未來,Vpon 將持續擴展數據生態圈並優化產品服務,幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環,希望以數據夥伴的角色與品牌共同成長,打造互利共贏的數據生態。

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
AI全球100+台灣20
© 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