friDay加購新平台不是「COSTCO」模式,而是傳統零售B2C終結槍響起
friDay加購新平台不是「COSTCO」模式,而是傳統零售B2C終結槍響起

10月13日遠傳旗下網站 friDay 推出「加購」新平台服務,承蒙眾朋友看重,故撰寫此文分享看法。

一般介紹可從其他網站了解服務簡介,本文就作法與產業面探討。

先來講結論。 我認為friDay「加購」平台,並不是Costco(好市多)模式,是數據運算後的動態零售電商。

首先簡單敘述「加購」此服務:friDay加購即日起開放試營運,採付費會員制,年費1200元,但中途退出無法退還會員費,而遠傳用戶月繳89元可加入會員,需綁約1年,除了號稱商品都是市場最便宜外,每加購1件商品,全館其他商品都會再降價,買愈多降愈多。

friDay加購.jpg
friDay加購即日起開放試營運,採付費會員制,年費1200元。
圖/ friDay

記者會展示影片,時間軸共同創辦人陳顥仁在臉書上發佈的影片如下:

  1. 每個商品加入購物車後,全站其他商品會提示每商品能分別再減價金額。
  2. 加入不同的商品,減價不同。
  3. 每個供應商/品牌,僅提供一款,為求單品量深不求廣。
  4. 因為訴求3,能滿足的消費者數可預期是不會太多(有鎖定族群30~39歲上班族的需求挑品)。
  5. 收取會員費有部分為了支撐毛利結構。

猜測實作面

因為不在其集團內部,僅以猜測的角度分享探討。

為求讓消費者感覺達到「越買越便宜」的感覺。

friDay經過兩年的營運,站方已有數據能精確算出「經由外部流量獲取會員成本」「外部流量獲取訂單成本」(行銷成本),「每張訂單客單價」「每張訂單淨賺錢」(營業結果)。

年營業額是8億,那客單價1千元的話,就有80萬張單的數據,再計算不同分類商品上的「行銷成本」,加上不同品類的毛利淨額歷史資料計算。如果老闆鎖定「每訂單必定要賺到的毛利比率(或是營利絕對數字,例如每筆訂單我都要賺到500元)」,接著就可以跟使用者動態玩組合銷售商品,只要符合專案目標到底是什麼。

每次加入商品在購物車時候,大概會做以下的計算:

  1. 是否為回購消費者或是第一次進來的消費者。
  2. 之前這個客人平均的訂單單價。
  3. 1200元中,這個會員今年已經發生的行銷貼補程度。
  4. 加入購物車的商品目前總毛利額。
  5. 其他的控制變因。
  6. 計算出剩下還可折抵的毛利額 =>第6點的答案數據,再帶入整個賣場重新計算。

加上一些其他的變因,最後就可以知道賣場內還沒加入購物車的每個商品,還可以再吐多少毛利出來,進而變成動態計算,造成「越買越便宜」的感覺。

(上述有加入了個人化的變因,實際我沒有測試不同人是否價格不一。)

對於供應商

因為friDay要求一個品牌商僅要一個單位商品(SKU)參與「加購」,達到最低價的要求. 對於廠商來說,「加購」平台的參與門檻變低,無論廠商是要做「新款促銷」或是「庫存清倉促銷」,因為只有一個單位商品,操作就可以很靈活,比較不會做到廠商的所有鋪貨通路定價打架。

對於使用者

事實上,真的會做到「越買越便宜」的感覺,使用者在繳年費的情況下,每當有消費需求,第一印象會先去「加購」嘗試多買幾次。

對於精打細算的使用者,還會想著「怎麼把1200年費賺回來」,這些都會是主動的「直接流量」,能夠多綁幾次「上班族消費者」一年之中的必要生活消費。

對於「加購」平台

friDay的年營業額是8億,在目前比較晚出發,又已經是電商平台惡性低價紅海競爭的市場狀況下,要切出一個破口是很不容易的事情。

不求做商品廣,但求做商品深,僅求滿足部分消費者需求,這招是可行的。

另外,因為會讓使用者在腦海裡形成既定印象,並且是「動態變價」,會增加使用者大量的「停留時間」與「瀏覽次數」。前述的操作實作方式可能會猜錯,但只要確認加入年費會員之後,這兩個數字表現絕對會不正常的倍數增加。使用者不停嘗試把東西加入購物車又移除,在「加購」平台裡「玩」這個機制,增加黏性。

因為有繳年費的關係,與消費者的關係有一條弱連結聯繫,讓繳年費消費者,每次要買東西的時候會想起「去friDay加購看看」,公司方省下了多次的行銷費用,這是GA裡的直接流量。

在競爭者方面,因為與以往B2C的購物網站不同,是從技術面去改變整個購物網站的玩法,原有市場上的競品購物網站要增加這樣的機制蠻困難的,不只是技術架構的問題,還有人力的問題(現在大家都很缺研發人員),也有使用者介面UI流暢度的問題。

新時代的零售電子商務開始

時間軸這次的服務,我真的覺得是創新。也許你會說,「市場上原來就有人這樣玩,並不是什麼新的東西,例如屈臣氏加價購」。

其實,零售業買東西送到家,本身就不是什麼新的商業模式,以前王永慶年輕的時候就把米送到你家,我猜水滸傳武大郎賣燒餅,應該也有燒餅送到家的早餐服務。

但至少目前電商市場的大型競爭者,沒有人砸錢、砸人下去做「模擬整個場景或功能」的整個網站,能夠把「在實體賣場推車越加購越便宜的感覺完整搬上網」,我認為是很了不起的,這是電商產業上的一個進步。

另一個角度看,是用技術完成了「數學與營運結果的統計算式,然後設計在動態的網站與架構上」。

以往的B2C零售電子商務網站,僅把網站變成一個結帳機,但沒有活用使用者的數據。網站的營業數據僅拿來算行銷成本、套行銷公式比低價,但沒有回饋在整體的消費者購物體驗與商業模式上,並且用技術去完成目標。

當時間軸開了技術創新與數據應用的「動態電子商務」這一槍以後,市場上還可能跑出什麼東西?

「當同好越多,同時在線的時候才能買到的商品?(這是遊戲功能吧)」
「當朋友同時上線加入購物車才會更便宜?」
「繳年費的VIP會員有資格先買一個小時清倉貨,再開放一般會員買?」
「如果沒把一個廣告點爆,大家都買不到的限量商品?」

總而言之,死板板的結帳機電子商務時代終結了,工程師會越來越缺,越來越貴了。

不過,工程師也不要看了這篇文章之後,跑去嗆你老闆說你很重要,工程師做完網站之後,沒有行銷的人賺你的薪水,大家一樣沒薪水領,每個同事都很重要XDDD(樓歪了)。

電子商務,商務為本,電子為術。
科技只是實現想法的工具,價值才是帶給使用者的東西。永遠不變的道理。

本文獲作者授權轉載自作者部落格,<friDay「加購」新平台不是「COSTCO」模式,傳統零售B2C終結槍響起…>。

#####《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長800至1000字,兩天內會回覆是否採用,文章會經編輯潤飾,如需改標會與您討論。

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