Sea財報解析(上):三大事業類別的表現
Sea財報解析(上):三大事業類別的表現

Sea Limited是過去幾年我一直在關注的對象,從它還沒有IPO前,就提出以娛樂、電商、支付三個核心,想在大東南亞地區(東南亞加上台灣)大展身手。蝦皮這幾年在台灣所掀起的電商大戰,我想大家也都有所了解。但真正有趣的,應該是看Sea Limited這間公司在整個大東南亞地區的動態,以及其與公開市場接軌後,如何運用資本市場的力量,持續投資。

Sea Limited財報

我們先從2018年財報看起,之後再比較Sea Limited於自己網站上公布的每季營業狀況。其中Sea Limited於自己網站上公布的季報,會從自己管理的角度,提供一些調整項目,故與財報上的定義會有所出入。這個稍後再進行說明。

首先我習慣將營收與成本,依照事業類別拆開來看,比較能夠了解各別事業別營運的狀況。先前雖然說Sea Limited有三大主軸,但其中的支付目前對於營收的貢獻上,還是微小到可忽略,並不會使得分析有太大影響,故我將它併入電商相關的類別。

DE(Digital Entertainment, 遊戲事業)

從營收的圖表一可知,DE(Digital Entertainment,遊戲事業)一直都是Sea Limited的金雞母,從Gross Profit來看,一直都有接近40%左右的毛利率。從圖表二來看,DE的營收年成長率,還是能有個雙位數以上的成長,所以它不只是個Cash Cow而已,而是個還能持續成長的金雞母,雖然這個引擎要支持其他燒錢的Business還不夠,但至少不無小補。至於DE業務的成長,除了有新遊戲持續上市的因素外,因為Sea Limited所選擇的市場是大東南亞地區,只要這個地區的整體經濟持續成長,例如:人口數、GDP、上網普及率等,這樣總體因素的成長也自然能帶動營收成長。

E-commerce and other service(電商相關服務)

燒錢的電商,雖然目前是Sea Limited的錢坑,但是這也是Sea Limited寄予厚望的Business。還記得東南亞地區賺錢的起手式嗎?先有交易,累積資料,然後最後可以做Financail Service,而Shopee其實就扮演著這個火車頭的角色。

由圖表二可發現,從GMV(Gross Merchandise Volume)來看電商相關服務的表現,2017年達40億美元(YoY 257%),2018年達100億美元(YoY達150%)。這樣的數字的一再的顯示,大東南亞地區的電商市場還是有很大的成長動能。

過去幾年Shopee還是以GMV為主來呈現其表現,但2018年可以說是Shopee開始Monetize(變現)的一年。 之前電商相關所帶來的營收,2015、2016、2017年分別是1億美元、1.8億美元、4.7億美元,但2018年來到了27億美元,這其實反映了過去幾年的投資,前幾年沒有收費,希望就是能夠在各地市場累積Chicken and egg的效應,把賣家與買家的基數累積到一定量,並配合基礎建設的投資,到了Critical Mass之後,就可以開始收費。

雖然收費可能會讓上述的成長速度變慢,但Sea Limited上市後也是有壓力得要從Shopee身上轉出一些錢來,所以還是得進行Monitize,而Shopee所在的市場中,台灣的電商市場最為成熟,所以當初也算是Shopee最早開始變現的一個國家,或者是變現最有效率的國家。

Monetization(變現能力)

從圖表二的Take Rate來看(拿營收除以GMV,有點像是你帶來100元GMV,你可以從中抽取多少當作營收的意味),過去三年的Take Rate分別是1.54%、1.15%、2.62%。這數字正是能呈現Shopee這幾年來變現的成果。電商營收的成長,也使得營收來源的分配,由過去都是以DE為主,慢慢的長出第二隻腳來了。

從圖表二來看,這三年來DE占整體營收貢獻的比例為95%、88%、56%,而電商則是5%、11%、33%,若計入Sales of good,則是5%、11%、44%。不出一兩年,電商的小老弟就會超過遊戲的老大哥了。

這邊的Sales of good跟純粹E-commerce的營收差別在於,Shopee的經營方式,大多是以Marketplace的方式經營,所以商品大多是由第三方的店家直接負責出給消費者,這類型所帶來的營收就歸類在E-commerce。但Shopee也有針對部分商品,是自己採購進來賣給消費者,一般而言是希望可以帶給消費者在某些特定類別商品上,更有價格競爭力,這就是Sales of good的類別。

通常在Marketplace的操作上,因為平台知道消費者大都喜歡某特定類別的商品,有穩定的需求,平台就會自己去找貨源,供給消費者,進而獲取更好毛利率。只是從圖表一可以看出,目前Sales of good還是以負毛利的方式提供給消費者,長期這個項目應該有機會轉正。

營業費用

從財報上看到的數字其實不令人意外,主要還是花在行銷相關費用。人事費用則是維持在整體營收的30%左右,研發費用則是整體營收的6%~8%。但因為營收有了倍數以上的成長,所以相關費用投入的絕對數還是成長的。

地區分布

過去幾年Sea Limted都會公布各國GMV貢獻,2018年就沒看到這數字,但2018年公布了各國營收貢獻。

從營收來看,泰國、台灣與越南目前是營收貢獻主力,大概都在貢獻了25%左右。2016年還是以遊戲為主要營收貢獻時,泰國位居第一名,但到了2018年時,台灣則是位居第一,因為台灣不管是遊戲或者是電商的重要性,對於Sea來說都是很有影響力的國家。台灣真的是數位經濟的寶島啊,願意在網路上花錢買東西,玩遊戲也願意課金,這一點真的是很多外國創業者都沒注意到的,以為台灣比較小,就忽視了台灣在數位經濟上的實力。

印尼市場的潛力

雖然Sea Limited沒有把營收依照事業別拆分,也沒將GMV占比依照國家進行公布,但以筆者過去印象,如果以電商事業別來看,GMV占比最高的就是印尼跟台灣,2016年公布時,台灣跟印尼對於GMV貢獻大概都占35%,2017年的數字台灣跟印尼對於GMV的貢獻分別約為25%跟40%。如果以台灣現在營收貢獻占整體26%來看,雖然說裡面包含了遊戲的營收,但大致上可以衡量台灣市場在Sea裡面變現程度的貢獻,但從這比例想想印尼市場,其GMV更大,但目前變現都還沒開出來,如果未來幾年有機會開出來的話,那就會是Sea的另外一個營收成長引擎。 只是印尼變現的程度,也會與當地的經濟成長狀況成正比。

財報小結

從Sea的財報大概可以知道Sea慢慢的往它當初勾勒的藍圖前進,它的好處是選擇了一個正在成長的市場,所以有比較大的機會買了一個upside。但是壞處是必須考量競爭,市場並非單一沒有變化的,而是存在了許多競爭者,隨時都會動態調整策略,東南亞市場還有許多獨角獸也覬覦這塊市場,Lazada、Tokopedia等大型電商平台,也會不斷地出招。但作為一個IPO的公司,其實Sea可以善用公開市場的力量,募集資金繼續投入。 到2018年底為止,Sea手上的現金大概還有10億美元,而它一年虧損的就大概是10億美元左右。

(本文由江旻峻授權轉載自基石創投

責任編輯:陳建鈞

《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。)

關鍵字: #財報 #蝦皮
往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

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