關閉公司何其困難！從愛評與街口勞資爭議來看|數位時代 BusinessNext

關閉公司何其困難！從愛評與街口勞資爭議來看

街口支付收購愛評網後，一口氣開除16名員工，讓全體員工頓時失業，引發勞資爭議，作者從側面觀察到勞資雙方論述的出發點難以對上，同時也讓人看見關閉公司並非易事，往往需要顧及諸多層面。

爭議的點常常是法理情對不上

真相是什麼有待釐清，不是靠雙方拿出Line截圖或者片面錄音錄影就可以得知的。但我旁觀的時候常常看到法理情對不上的狀況，比方說，愛評網員工先「講法」，他們提出當初收購者是美團點評，3名創辦人接受勞動合約綁3年，收購者同意認列所有同仁的年資及薪資條件，這是「合約根據」的。但街口執行長卻表示創辦人都給自己離譜高的年薪（每人350萬元／年），把公司帶到無法繼續營運的困境，而且還要求算長達12年的年資來資遣，他認為創辦人都是資方，不受勞動法保護，這是想要「講理」。

一般來說，若真的在街口併愛評網的合約中有明列，那大概再沒道理的合約，街口也得買單。 假設這是一個模糊不清的狀態，也就是前一手的美團有隱匿行為，那街口應該找他們負責。

至於愛評網員工在記者會上落淚指控，這個落淚就是一種「講情」，但這事件中，講情的意義已經不大了，真的要講情的時機，在於投資方、售出方和創辦人團隊在第一時間的談判。

投資方在頭洗下去前籌碼最多

在併購案裡面，會切出總價的一部分作為信託基金放個三年，以此保障投資方萬一發現什麼隱藏債務，包含不清不楚的勞動合約，與第三方合約中的權力義務或者可能賠償。街口收購「愛評網」因為買得太便宜（據說只有幾百萬台幣），所以做這樣的合約和安排，法務和會計成本都會超出，這時候Due D(盡職調查）就一定要做到位。很多時候，Due D的成本會佔併購金額的很大比例，投資人也願意做，萬一發現比併購金還大的坑，就放棄投資，這算是很重要的保命方法。

以街口支付執行長胡亦嘉的家世背景，他不會不懂，但是這跟我們買特價發現品質有問題一樣，不只是發現產品不如預期，甚至吃了還拉肚子，衝動購物不就是那麼一回事？

十幾年的公司要以低價售出，隱含的壓力是很大的，這時候反而是投資方最有談判籌碼的時候，「講情」通常能成功。比方說和創辦人動之以情談勞動合約減碼，創辦人為了團隊很可能會答應，畢竟資金不足又沒人接手，倒閉了讓大家更難過。

關閉公司何其困難

創業很難，但關閉公司困難度也不可小覷。因為一些不可抗力的原因，例如現金周轉、產品銷售不如預期，或者遇到海外投資方簽約不付款而增資失敗，常常到了山窮水盡才開始準備關閉公司。這時候，很多股東擺出撲克臉，先急著把資產變賣出場，完全不管團隊工作權益。君不見很多倒閉前股東先跑去公司搬東西的案例，員工都是當天才驚覺公司不妙了！

欠薪、欠資遣費這樣的事情我處理過，感謝團隊成員的信任，最終得以顧全勞動方的權益。但若這件事情是全新的投資方進場，在信任不足的狀態下，就會演變成一方認為，「你不把公司交給我！」另一方說，「你惡意對待員工！」

身為公司負責人並不是很光鮮的角色，所扛起的責任常常超出預期。情理法三樣順序不管怎麼調動，最終要讓人心服口服，是一門很難修的課業啊！

《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，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場。）

在 AI 快速進入企業營運核心的時代，數據不再只是被動的分析素材，而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據，例如會員資料、交易紀錄以及線上與線下行為數據，但因這些數據分散於不同系統，缺乏統一的身分識別機制以及明確的元數據（Metadata）定義，導致難以整合與分析，同時，也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰，Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務，如 Audience Center 與 AI Agent 等解決方案，並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程，從資料清理到 AI-Ready 再到落地應用，讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化，大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。

展望未來，Vpon 將持續擴展數據生態圈並優化產品服務，幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環，希望以數據夥伴的角色與品牌共同成長，打造互利共贏的數據生態。