虧更多才能募更多?商店街拚下一輪增資,補貼再加碼
虧更多才能募更多?商店街拚下一輪增資,補貼再加碼

PChome集團旗下網路開店平台商店街大打補貼戰,導致上半年本業虧損就超過一億元,但顯然這樣燒錢的速度還未能符合他們的預期,進入下半年之後,不僅運費補貼持續,也開始在網路、捷運車廂、平面報章雜誌加碼廣告投放,4日更推出成交再送20元購物金的新行銷方案。而這連串動作背後,或許與他們預計在今年啟動的第二波增資有關。

PChome集團董事長詹宏志先前曾表示:「做平台就是要搶最大、最黏著的位置,在沒完成之前,你會持續這個東西,這樣的工作需要資源,正是上市公司最大的好處,不然上市要幹嘛?」他說:「這是商店街最大的好處。」

收入追不上支出,商店街計畫第二輪增資

實際上,為了與蝦皮購物一決勝負,商店街已經在今年上半年啟動2.87億元的現金增資,而該輪增資最終主要是由PChome集團旗下的露天拍賣認列。只是若就商店街公布8月的月化訂單量為200萬筆來看,這筆資金顯然還不足以幫他們打趴月訂單量已突破800萬筆的蝦皮購物。而就商店街的公開說明書來看,他們手中的現金也稱不上充裕,但燒錢速度卻在加快,如果要繼續打這場仗,勢必得再募一筆錢。

商店街現金收支預測表.png
商店街現金收支預測表
圖/ 截自商店街公開說明書

有趣的是,要想得到更多銀彈支援的方法,恐怕就是把虧損擴得更大。因為商店街現在對投資人說的是一個「燒錢換市占,最終就能稱王」的故事。在這個故事裡,虧得愈多,代表市占率愈高,虧損二字不具負面意義。而一旦投資人買單這個說法,將股價墊高,那麼商店街下一輪增資的定價就可以更高,募得的資金也會更大,讓他們可以再燒更多錢。如果從這個角度來看,就不難理解商店街為何對虧損視若無睹,反而還想方設法要虧更多。

不過這個故事最終還是要面對一個問題:「燒錢換市占」能否成立?

虧損與市占真能同步增長?

當然,過去露天拍賣成功過一次,但時移事易,環境不同、對手也不同,同樣的招數未必能有相同結果。實際上,過去這段時間以來,商店街大多都是以「成交量增長的倍數」來證明補貼成果,既沒有提供倍數的基期,也沒有絕對金額,是直到近期才揭露「月化交易量200萬筆」的數字。只是在沒有交易額可供參考,而且什麼費用都不收取的情況下,從商店街財務報表除了看到支出暴增、虧損擴大,實在很難知道「補貼」到底帶給商店街什麼?而市占率是不是真的跟著交易量同步成長,同樣也是問號。

舉例來說,假設原本的交易量是10次,因為補貼手法將交易量擴大到100次,乍看之下很成功,但如果這100次交易當中,有50次是因為平台上既有的10名用戶受到沒有門檻的運費補貼,以及為了多拿幾支免費冰淇淋、多拿幾筆購物金的誘因下,將原本一張訂單拆成5張,那就意味著這10倍交易量成長,不等於10倍用戶數增加,同時也代表10倍交易量成長對交易額的帶動效果可能還不到5倍,創造的虧損卻不只10倍。

商店街個人賣場 超商取件成功再送20元購物金 超過千萬購物金免費送.JPG
商店街除了延長免運活動,又再推出贈送購物金的優惠
圖/ 商店街

補貼之外,還有什麼應戰策略?

當然,市場上會採取這種手法的消費者或許有限,但從目前商店街願意對外公開的資訊來說,確實很難判斷出所謂「增長」,其中的水分有多少。再者,更重要的或許還是在於採取補貼策略的同時,商店街是否也在使用者介面、客服等各方面同步提升,並思考其他有效的競爭策略,以確保補貼過後消費者仍願意留下來。

終究這還是一家營利企業,商店街當然可以如他們在公開說明書所說的,因應營運規模穩定成長及積極投放搶攻網購市場下,支付營運開銷之資金需求隨之增加,因而必須啟動現金增資。但從眼前的競爭態勢來看,商店街下滑的收入早已負荷不了愈來愈龐大的費用支出,即便可以採取增資、借貸、發債等手法維持營運,長此以往卻不免傷及股東權益,也考驗投資人的耐性,更大大增添營運的風險。

關鍵字: #PChome #蝦皮
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