[翟本喬] Uber 事件後續：它是一個對台灣有害的公司，而且根本不想溝通。|數位時代 BusinessNext

Uber 不是共乘。

甲要由 A 點去 B 點，正好乙也要從 A 點附近去 B 點附近，這時候乙搭甲的便車，叫作共乘，而乙分擔甲的成本，或是付出比分擔成本再多一點的費用，甚至付給仲介平台一點酬勞，都是合理的。但 Uber 是特別為乙派丙開一輛車來接，這不叫共乘。Uber 沒有減少閒置資源。它減少了丙的閒置資源，但間接讓丁 (計程車司機) 的資源閒置，而丁 (因為計程車密度較高) 和乙的距離期望值是比較小的，所以 Uber 反而浪費了國家的總體資源。

Uber 沒有增加就業。

它增加了丙的收入，但減少了丁的收入。車行的抽成 (根據公會理事長說的，是個位數百分比) 遠少於 Uber 的抽成 (20%)，所以就業階級 (丙和丁) 的總收入反而是減少的 (假設乙付了同樣的車資)。而 Uber 的代表竟然厚顏地說 "計程車司機本來要一天綁十二個小時在車上的，現在他們有一些空閒的時間，也許可以去找一些其他收入比較好的工作"。計程車司機除了極少數玩票性質之外，大都是苦哈哈的勞工，要是找得到收入比較好的工作，誰要來開計程車啊？

Uber 沒有增加國家的 GDP，也沒有增加國家的稅收。

由上一點可以看出，所有就業階級的總產出並沒有增加。而乙所付的車資，全部直接付到海外 Uber 的總公司，再由 Uber 付 80% 給丙，而 Uber 台灣分公司拿到的是 0！看清楚了，你付了 1000塊的車資，政府所收到的稅是 0。政府收不到 Uber 的營業稅，也收不到丙的所得稅。我們都不喜歡繳稅，但如果大致上是公平的，那我們可以勉強接受。如果有錢的大公司可以逃稅，而苦哈哈的勞工階級要繳稅，我們是絕對不能接受的。Uber 宣稱它有繳稅，那就像一個人逃漏所得稅，然後宣稱他去便利商店買飲料時有繳加值稅一樣，是在騙人。

Uber宣稱對所有乘客有 2000萬的保險，但被蔡政委問到細節時就閃爍其詞，改口說「如果駕駛人本身的保險不足以賠償，我們會協助他們向海外的保險公司申請」。我覺得這件事情很容易說清楚，只要把保單拿出來給大家看就知道了嘛！

但 Uber 連保險公司是哪一家都說不出來，所以我合理懷疑是根本沒有真正的保險存在。(我並沒有強人所難，要他當場拿保單出來。我是問：什麼時候可以公開這張保單給臺灣人民看？)Uber 拿一些民意調查的結果出來說他們是受到支持的，但這也是混淆視聽。所以我比喻說八仙塵爆之前，參加彩粉路跑的人滿意度也很高，這並不代表它是對的。

昨天出席的有好幾位有跟我類似的看法，所以他們堅持不坐 Uber。最後，我也很欽佩昨天出席的計程車業者。他們不懼怕 Uber 的挑戰，也歡迎政府在保障乘客安全的前提下適度開放現有的規定，他們保證可以比 Uber 做得更好，繳更多的稅，而留更多的成數給司機。這種精神，正是我們產業界在面對外商挑戰時需要的。交通部的大門始終是敞開的，而 Uber 從來不正面回應大眾所質疑的這些問題，每次只會拿總公司的文宣出來鬼打牆。

綜合所有觀察到的現象，我的結論是：Uber 是一個對台灣有害的公司，而且根本不想溝通。

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。

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。」

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。

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。