橫跨社群、電商、旅遊、區塊鏈領域勇於變革變形的奧丁丁|數位時代 BusinessNext

社群、電商、旅遊、區塊鏈，四大領域的箇中學問皆十分高深且具有技術門檻，大企業都不見得能成功佈局。然而，新創團隊 OwlTing 奧丁丁不但安然度過成立至今的 7 年創業時間，更一路開展出社群、電商、旅遊、區塊鏈這四大領域的產品服務，他們是如何做到的？

7 年創業路勇於變革變形的奧丁丁

OwlTing 奧丁丁（OBOOK 歐簿客科技）是由從矽谷搬回台灣的王俊凱（Darren）與高中好友 John Hsieh 於 2010 年創辦。Darren 和 John 分別擁有深厚的產業、創業經驗，Darren 曾先後任職於矽谷 Google 總部及南韓電信美國公司擔任營運總監。2010 年回來台灣之後，John 則是台灣最大的網路圍棋公司 Board19 的創辦人。豐富的經驗也成為他們創業時，無時無刻不思考著如何將公司做大、國際化，且具有跨產業、跨領域的能力。

2010 年創立之後，團隊一路推出許多新服務。然而，奧丁丁也並非一路以來皆順遂，勇於嘗試新科技、新技術、新應用，同時也代表著團隊需要承擔、面對過程中試錯的風險及成本。

攤開團隊服務時間推出列表，最先推出的是於 2010 年上線的 OBOOK App，並接著陸續於 2012 年推出奧丁丁地點、2013 年 OwlTing Offer、2014 年 OwlTing Market 奧丁丁市集、2015年 OwlTing Open Market 奧丁丁全球訂房、2016推出OwlTing Global Local Experiences 奧丁丁在地體驗及甫於去年推出的 OwlChain/OwlNest 區塊鏈技術服務。

失敗並非無意義，靜心思考也能成為創業轉捩點

新服務不見得都能成功變現為團隊賺進大把現金流，但 Darren 說，這並不代表無法變現的服務就沒有意義，創業家應該在每次遇到挫折時靜下心來檢視、反省，因為說不定過程中思考出新方向，反而成為創業的轉捩點。

像是 2012 年推出的奧丁丁地點，是一款極具社群元素的產品，設定讓每個人快速分享地點評論及景點照片。要從社群獲取現金流，最直接的方式便是廣告投放，然而比起早已崛起的 Facebook 等社群網站巨頭，奧丁丁地點遠不及其變現力、影響力。但是 Darren 與團隊並沒有所以完全放棄奧丁丁地點，並開始思考其他變形可能性。

恰逢 2014 年全台灣陷入食安風暴，許多消費者開始不信任大廠所推出的產品，也因此小農、產地生產者第一線生產的農產品需求大增。而 Darren 和營運長劉俊志 Will Liu 實際走訪後，也發現各地小農其實有足夠供給，但卻只知道在 Facebook 開立粉絲專頁，銷售宣傳效果有限。

確定市場有這樣的痛點存在後，團隊馬上打造新服務OwlTing Market 奧丁丁市集，並結合奧丁丁地點的地圖功能，推出台灣鮮奶地圖、水果地圖等系列地圖。Darren 表示這樣一段經驗，不但成為團隊的轉捩點，更因此讓團隊實際認識台灣這塊土地美好。

奧丁丁市集的成功為團隊帶來的不只是現金流，更延伸到奧丁丁旅遊的經營。

奧丁丁旅遊目前包含全球訂房以及在地體驗。談起奧丁丁旅遊，Darren 說團隊最有自信的就是選品力，在平台上媒合到的在地體驗絕對都十分在地及深入，目前沒有任何一個線上旅遊平台可以做到。

因為傳統的線上旅遊平台 OTA（Online Travel Agency）大多透過砸錢換取流量，但是團隊認為旅遊最重要的應該是客服，也因此團隊寧願砸錢在在地體驗者的關係建立，每一個體驗者都認識也都拜訪過，目前線上旅遊的公司都沒有如此做過和重視這件事情，而目前平台上已經有高達 13,000 個體驗，更與 Priceline 合作，結合全球 75 萬家旅宿，讓旅客體驗到完整的訂房、旅遊體驗。

不自私！台灣新創要一起創造新奇蹟

除了努力發展奧丁丁之外，Darren 也運用自己的影響力力挺台灣其他新創夥伴。

從 2014 年開始，台灣有數家區塊鏈、虛擬貨幣領域新創技術逐漸嶄露頭角，然而卻礙於缺少資金，無法繼續堅持。Darren 並不希望這一波區塊鏈技術浪潮，台灣團隊是因為缺乏資金這樣的鳥原因而消失，因此奧丁丁開始積極的涉入區塊鏈相關的技術服務上，更投資幾家區塊鏈公司。

經過這幾年發展，技術更加成熟，除了區塊鏈新創團隊本身發展更好之外，奧丁丁也將區塊鏈技術陸續導入現有服務，以奧丁丁市集為主發展而出的 OwlChain食品溯源系統及以奧丁丁旅遊為主發展而出的 OwlNest區塊鏈旅宿系統+在地體驗行程。其中，食品溯源系統更曾被 VICE 媒體旗下的 VICE News 專訪報導。

為人們帶來更有價值的服務建立更開放公開的社會

隨著面對消費者的奧丁丁市集和奧丁丁旅遊及面對 B 端以區塊鏈技術為基礎的服務OwlChain 溯源履歷和 OwlNest 旅宿業管理軟體皆陸續上軌道之後，Darren 說，奧丁丁下一步便是加速各國市場開發，並運用區塊鏈的技術和特性，要為人們帶來更好更有價值的服務，建立更開放公開的社會。

創業快問快答

Q：創業至今，做得最好的三件事為何？

1、建立消費者信賴的品牌。
2、將區塊鏈技術帶向實際商業應用的領域。
3、建立各國分公司(日本、美國、東協，2019預計開展歐洲辦公室)，把品牌和台灣精神帶向世界。

團隊資訊

公司名稱：歐簿客科技/OBOOK Inc.
成立時間：2010/9/15
團隊人數：50
官方網站｜Facebook

本文授權自《創業小聚》，作者：許為傑

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。