Uber上市後首份財報：淨虧損10億美元，但以後不打「價格戰」了|數位時代 BusinessNext

Uber公佈了2019年第一季營運狀況，目前的市值僅有669億美元，當日盤後股價為40.7美元，還難以回到45美元的發行價之上。

在步步緊逼的盈利問題中，Uber把「走出價格戰」和「Uber Eats業務」推上了檯面。

在電話會議中，向CEO Dara Khosrowshahi迎面砸來的第一個問題，就是Uber正面臨哪些成長困難，以及有哪些解決策略？

Khosrowshahi數過Uber可能的營利成長點，回應顯得有些乏力。儘管財報數據不太好看，但是Khosrowshahi和CFO Nelson Chai都表示，「Uber應該走出價格戰了。」就是這番言論，讓Uber盤後股價還是上漲。

虧損擴大，成長成為新煩惱

Uber第一季的訂單總額達到146.49億美元，較去年同期成長34%。Uber叫車平台保持成長已經有些艱難，同時對司機的獎勵較去年同期大幅成長，達到3.38億美元，比去年同期翻了一倍。

但CFO Nelson Chai表示，從第二季開始將削減對顧客的補貼獎勵以及銷售支出。他認為叫車行業的競爭已經轉向了品牌和產品，不再集中於補貼獎勵。Uber表示已經透過產品設計，鎖定了司機和乘客的忠誠度。

叫車平台成長乏力，Uber Eats服務卻因為高成長率，以及有中國巨大外賣市場的前例，成了投資人集中發問的焦點。

Uber的外賣服務Uber Eats第一季收入為5.36億美元，較去年同期成長89%，訂單總額達到30.71億美元，較去年同期成長108%。Uber在電話會議中表示，從中國的經驗來看，外賣市場成長後可能會比叫車服務市場還要大。在中國市場之外，Uber雖然有很多資金充裕的競爭對手，但也是最大的外賣服務公司。

Uber表示其正處於外賣服務業務的早期，並不會匆忙去整合市場。但如果對股東長期有益的話，可能會在後期進行，但就目前而言這只是後備方案。

但Uber Eats成績並沒有帳面上的漂亮，在去除了對司機、餐廳支付的費用後，調整後的淨收入僅有2.39億美元，成長率只有31%。Uber難以逃脫中國市場的外賣服務業虧損問題，而Uber美國的外賣費用已經非常高昂，約在5美元左右，很難有提價空間。

Khosrowshahi還回應了Uber的其他成長機會。他首先提到了一些成長趨勢，比如從城市中心到城郊的叫車訂單成長。在紐約市，50%的訂單不再局限於市中心，而是擴大到郊區。以及千禧一代不願買車，給予Uber成長空間。他還觀察到，為數不少的Uber Eats服務客戶從未用過叫車服務，為Uber核心平台帶來了更多的用戶。Uber的共享電動車還有很大的成長空間。

此外，Uber還希望打開一些海外市場，說服一些海外城市放鬆監管同意Uber進入營運，這意味著20%的用戶成長可能。

就第一季的全球市場來看，北美仍是Uber最大的市場，收入達到17.5億美元。北美與歐洲、中東、非洲地區的成長最快，較去年同期加速都達到了26%。但與此同時，拉美地區的收入較去年同期下降了13%，從5.18億美元下降到4.5億美元。亞太地區的成長緩慢，一季收入為2.67億美元，較去年同期成長率僅有6%。

貨運業務和自動駕駛會是救命稻草嗎？

Uber上市跌破發行價後，股價一路漲漲跌跌，始終沒能回到發行價之上。早期投資者、員工仍能從上市中獲得財富，但後期投資者比如PayPal，剛做出投資就一腳踏入了虧損。

Khosrowshahi表示Uber更新了企業文化，與城市、建立更廣泛的聯繫。他仍在抱怨Uber在美國的品牌損失太不尋常，但Uber總是業內最大的公司。他強調，上市只是Uber漫長旅程的一個重要時刻。

第一季，Uber為了緩和司機的矛盾。Uber在美國推出了司機獎勵計劃Uber Pro，在美國的10個城市展開。通過獲得金卡、白金卡或鑽石卡，司機可以獲得汽油和汽車維修折扣，並可以在亞利桑那州立大學接受免學費的在線大學教育。

Uber同時與租車公司合作，幫助Uber司機降低租車成本，也為自己獲得更多的司機。Uber允許司機給乘客打分，並在近日宣布，分數過低的乘客可能會被拒絕。

在股價低沉的時刻，Uber CEO發信安慰員工，稱上市之後Uber募集了更多的資金，可以去做更多的事情。Uber此次也在電話會議中表示，2019年仍將是「投資之年」。

Uber預計其貨運業務或將是下一個價值數十億美元的專案。Uber貨運推出一年半以來，與超過3.6萬名運營商簽訂合同，擁有超過40萬名司機，已經獲得一些大型企業客戶。

新的融資也將注入Uber，豐田、DENSO和SoftBank Vision Fund向Uber的自動駕駛部門ATG投資10億美元。Uber預計該投資將於2019年7月完成，和豐田繼續合作開發下一代自動駕駛汽車。

此外，Uber宣布預計將於2020年1月完成對Careem的收購。Careem是Uber在中東、北非和巴基斯坦地區的競爭對手，這項收購價值31億美元。收購完成後，Careem將成為Uber的全資子公司，但獨立營運。

本文授權轉載自：Pingwest

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。