免運潮水退了之後？從蝦皮跟商店街財報看誰留得住用戶|數位時代 BusinessNext

電商大戰再起！蝦皮購物公佈台灣B2C和C2C營運數字，並宣布下載用戶率先突破1500萬，超商取貨件次突破2000萬件，再度和PChome集團爭搶台灣電商龍頭地位。商店街下櫃後，喊出了海外上市的計畫。當然，在海外上市並沒有一定要營利，就像近日要準備到美股上市的M17，甚至Netflix到現在還是巨幅虧損股票市場依舊還是持續交易。

其實，虧損不是問題，免運補貼也並不是錯誤，但是虧損跟補貼到底換到了什麼？近期PTT和一些賣家社團，紛紛傳出個人賣場免運取消後訂單量大減的討論免運潮水退去後？到底誰才能留住客戶？

兩大業者超商取貨件次數量合理嗎？

蝦皮近期則宣布超商取貨件數達2000萬件，超商取貨件數為1100萬件的商店街則喊出蝦皮數字不合理，究竟合不合理？就讓數字來說話。

首先，要先說明，超商取貨件次，不等於月訂單量，超商取貨件次，會將一筆訂單的寄貨和取貨算成兩次 (B2B2C或C2C算兩次，B2C倉庫直接寄貨到超商算一次)，這個名詞原本只使用於超商業，因為不管最後訂單有沒有取或取貨後退貨，只要有人寄、有人取，超商都可以收得到錢，但是對於電商業來說，一般來說用月訂單量比較有意義，因為沒有取貨或最後退貨，都不算成交，電商平台無法從中獲得交易費。

所以，要對使用這個名詞的商店街和蝦皮各打一大板，但是率先使用「超商取貨件次」模糊焦點的商店街更難辭其咎。

商店街去年9月公布月化訂單600萬筆、輸給8月蝦皮公布的實際訂單800萬筆後，從12月開始到今年，就開始改用模糊視聽的「超商取貨件次」營造漂亮的數字。

再來，2000萬+1100萬件的超商取貨次數合理嗎？以7-11來說，今年3月公布的數字顯示，2017年超商取貨件次達1.83億件，較前年成長六成，以全家來說，2017年的取貨件次估為8000萬，比2015年翻了一倍，目標2020年的到店取貨量要再翻4倍。

這顯示了什麼？不能以去年的超商取貨數字去計算今年的能力，去年的實際數字也不代表超商處理件次的能量(免運大戰下半年才開打，如果上半年開打，兩大超商的取貨件次應該double)，蝦皮的2000萬件+商店街的1100萬件，雖然看起來很高，但是市場上打免運的就主要這兩家，而且蝦皮今年加上萊爾富免運的數量，雙方公布的數字並非不可能。

但我還是呼籲兩大業者，回歸實際的月訂單量來比較，更能呈現營運的成效。

同樣是免運，蝦皮的行銷費用花的更聰明

2018年第一季商店街的GMV喊出了120億元（新台幣，下同），號稱是最大行動電商，但翻開財報蝦皮同期的全球GMV來到了將近570億元，如果台灣的佔比跟今年年初所公布的 2017年財報中所提台灣市場的占比約佔 25％至27%推算，蝦皮台灣地區的GMV至少為142億元，蝦皮還是在持續GMV上樂勝，穩居行動電商第一的位置。

而且，在行銷費用上，蝦皮也用的更聰明。商店街的行銷費用第一季高達9.38億元，佔GMV比重為7.8%，蝦皮的行銷費用佔比則從去年的7.1%到今年第一季降到了6.6%。同樣是要做補貼或是行銷費用的投資，蝦皮還是略勝一籌。

AI玩真的？至少從財報看不出來

五年前詹先生大喊第三方支付，喊到最後法規也過了，支付環境也有了，但 PChome 集團終究回頭擁抱信用卡以及PChome 24h自己的儲值支付，連用個支付連都不願意。這次又喊出了要進軍AI，但是AI需要高額的研發費用，商店街第一季財報中的研發費用只有1800萬元台幣，網家則是近六季以來倒數第二低的研究發展費用（7500萬元台幣），反觀SEA集團的研發費用第一季單季就超過3億元台幣，撇開個別地區的影響，我們以第一季推銷費用和研發費用比來看，蝦皮的推銷/研發費用比為14:1，商店街為令人咋舌的52:1，網家則為23:1，網家是否有決心投入AI，很難從財報上獲得支持。

免運潮水退去後，誰才留得住用戶？

當蝦皮、商店街雙雙逐步取消運費補貼的現在，商家是自己會用腿投票的。在PTT的賣家版上的討論，部分兩邊都有開店的商家已經感受商店街的訂單大幅下滑，甚至有減少六成的觀察；而日前在 Facebook 上高達 5萬多人的電商社團「臺灣電子商務創業聯誼會（ TeSA ）」也做過一個調查，願意在蝦皮上開店的人數與商店街相比，呈現了10：1的大落差，介面不佳、已售出商品仍然佔據搜尋結果，一直是被用戶詬病的大問題，也是用戶留不留得下來的關鍵之一。

不久的未來，蝦皮的營收還可以確保，但是商店街呢？別忘了 SEA 還有遊戲和支付的業務，這樣的題材人家才會讓你上市啊！

免運結束後，潮水退去後實際的數字很快在年中就會呈現。PChome一直在賣一個下櫃後國際投資人將投資的夢，但先前露天拍賣花了8000萬元費用赴港上市失敗的前車之鑑才不久，PChome與其一直喊話，不如重新整理自己的服務內容。

當MOMO、蝦皮未來可能在倉儲部分紛紛彎道超車，PChome 喊了多年的支付以及跨境始終不見蹤影，商店街的海外上市之路真的是身處五里霧之中，商家和消費者要的或許真的不是 AI，反而被大家詬病多年的使用者介面，以及整個集團串聯的有感服務，才是消費者和投資人之福！

資料來源：
1. 全家今年到店取貨上看8000萬件次，2020年運量還要增4倍

2. 超商取貨件數狂飆到7-11可「自助取件」更快速！

3. PCHOME商店街第一季GMV再創新高　直逼120億　

4. 蝦皮財報
 5. 蝦皮今年GMV目標倍增上看2350億，台灣市場的交易量占比持續下滑

6. 商店街財報

7. 量身打造刷卡消費權益花旗PChome聯名卡網購最強

8. 蝦皮2018 Q1財務簡報

9. [閒聊] 蝦皮、PC個人賣場運費補貼縮水影響狀況

10. [閒聊] PC是不是可以關掉了

11. 假如只能選一邊上架，您會選 #蝦皮還是 #商店街?

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。