坐穩台灣連鎖藥妝龍頭,那些屈臣氏背後你沒看到的事
坐穩台灣連鎖藥妝龍頭,那些屈臣氏背後你沒看到的事

「我們真的很努力、很努力。」屈臣氏台灣董事總經理弋順蘭眼睛瞪得大大地,一再表示台灣零售市場非常競爭。而這些年來,屈臣氏能夠守住台灣實體連鎖藥妝龍頭地位,並交出優於台灣整體零售市場成長表現的背後,除了外界看到的改變,其實還有更多外人看不見的投入。

推科技店、App改版,屈臣氏大動作數位改革

屈臣氏集團在2012年宣布投資港幣10億元(約合新台幣40億元)發展數位科技,2014年在台灣便有了屈臣氏網路商店。到今天,電商已經成為屈臣氏不可或缺的一部分。弋順蘭表示,「電商的一個成長,是我們整體成長很重要的動能,非常非常重要的動能。」她指出,過去4年來,電商每年都是倍增成長,至今對屈臣氏台灣整體營收占比已經非常接近兩位數。

只是電商發展雖重要,屈臣氏集團也很快意識到,數位發展不單純只是在線上開店這麼簡單。加上2017年正逢屈臣氏來台30周年的時機點,他們順勢啟動一連串品牌換新與數位發展計畫。

其中最引人注目的,應該是今(2018)年4月開幕的最新一代品牌概念店——Tech-Fun玩美概念店。這個概念店除了在門市的色調、櫃位、裝潢做改變,也加入更多科技元素,如虛擬化妝機Style.me、點點購虛擬貨架、Makeup Station試妝站、自助結帳機台等。

屈臣氏Tech-Fun玩美概念店記者會_2018-04-17_賀大新攝影_9640_Lr.jpg
屈臣氏Tech-Fun玩美概念店內設有虛擬化妝機Style.me
圖/ 賀大新 / 攝影

除此之外,近期屈臣氏還有另一個數位變革的大動作,就是推出Watsons App 2.0更新版本,以及隨之而來的屈臣氏自有支付工具Watsons Pay等。目前屈臣氏會員App下載量已經突破200萬次,弋順蘭預告,後續以App為核心,還有許多新服務將陸續上線。

在這些看得到的改變之外,屈臣氏同時間在內部其實還採取了許多外界看不見的改革計畫。

不是O2O,而是O+O

如弋順蘭雖多次強調電商是屈臣氏過去幾年維持成長動能的關鍵要角,但她也說,如果只有電商成長,全店營收卻下滑或停滯,那也是沒有意義的。所以重點在於,電商業績成長的同時,如何拉升門市業績和整體業績也能一同向上?

首先就組織面來說,弋順蘭表示,在屈臣氏不是只有電商團隊要扛電商的業績,而是從行銷、IT到門市人員,基本上從上到下,人人都得把電商納入個人績效評量。相對地,電商部門也要對全店業績負責。

而且相比於在零售業經常被討論的「O2O」(online to offline),屈臣氏奉行的方向則是「O+O」,也就是線下加線上。她舉例,目前在屈臣氏網路商店下單的客戶,約有兩成會選擇到門市現場取貨。這時門市人員的服務如果到位,扮演現場購買的「觸媒」,就有機會利用線上商店導進來的客戶,為實體店創造額外業績。

實際上,弋順蘭表示,目前選擇網訂店取的顧客,現場加購率已經接近50%,創造出一個正向購物循環。反之,透過實體購買發送網路門市折價券等作法,線下客也可能被導到線上。而她相信,不論對電商或實體門市人員來說,從這個結果應該可以感受到,兩邊是相互拉抬,而不是相互瓜分業績的關係。

發展線上同時,門市服務也要升級

屈臣氏搶進行動支付大餅,Watsons APP 2.0將於9月初推出全新付款工具「Watsons P
屈臣氏的發展方向是線上結合線下的O+O
圖/ 屈臣氏

此外,弋順蘭深信:「人和人的互動永遠不會沒有。」即便屈臣氏內部也曾對市場火熱的「無人店」話題有過討論,但最終他們認為,屈臣氏最大的優勢是可以提供美妝和健康諮詢,而不單純只是提供快速和方便的便利商店,或是變成一個純粹用來展示的體驗空間。

也因此,為了幫助門市人員可以更專注在現場服務,弋順蘭透露,屈臣氏過去多年來內部其實一直默默進行名為「lean store」(門市流程簡化)的計畫。「因為店內員工就是這麼多,你要他做很多行政工作、店務工作,他就沒辦法做服務了。」弋順蘭說:「所以我們一直去看,那些店務是可以靠系統幫忙,或是那些店務太傳統了、過時了,應該不要做了。」

不過她也直言,「人是習慣的動物,會一邊抱怨為什麼每天要做這個、這很花時間,但你忽然要他不要做,他也沒辦法不要做。」所以流程簡化不可能在一夜之間改變,是一個必須長時間努力的過程。

改變片段數據分析,在台灣招募數據科學家

最後,要談屈臣氏維持業績成長背後的影武者,一定不能忘了提「數據分析」。

弋順蘭強調,屈臣氏其實很早就開始做數據分析,目標是希望每一項決策背後,都可以有數據為依據。而且因為會員制度推動得早,從2008年至今,在台灣已經累積達520萬會員,貢獻屈臣氏超過八成業績,是他們在大數據應用上的最堅實基礎。

不過屈臣氏可以獲取的數據量不小,也確實可以用利用這些數據分析去推播客製化訊息、做門市調整,或是應用在活動設計上等等。但去(2017)年10月在屈臣氏集團針對全球市場主管舉辦的一場數位訓練課程中,弋順蘭驚覺,過去所做的數據分析太過片段,多是各部門各做各的,缺乏整合。

弋順蘭_屈臣氏董事總經理_2018_09_27_蔡仁譯攝-3 (1).jpg
屈臣氏台灣董事總經理弋順蘭認為在零售市場:「你沒有進步,在原地就是退步。」
圖/ 蔡仁譯/攝影

舉例來說,過去在屈臣氏的門市資料會交由門店負責分析、會員數據就由CRM(顧客關係管理)團隊分析,兩邊數據沒有相串互接和整合。特別讓弋順蘭覺得可惜的是,現階段他們還只能做到數據分析,沒辦法做到更往前一步的預測。

因此今年屈臣氏集團特別成立了Data Lab數據分析團隊,同時弋順蘭也在爭取到在台灣設置數據科學家,目的就是要讓門市數據、會員數據、銷售數據,一直到產品和社群反饋,都可以跨部門串聯、相互作用,然後發揮更大的數據價值和力量。

「你沒有進步,在原地就是退步。」弋順蘭認為,不論大家稱這是新零售時代也好、O2O也罷,源頭都是來自消費者行為的改變。「在他(消費者)需要的時候,我們就可以滿足他。」這是零售業永遠的挑戰。

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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