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
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