Line、日本Yahoo計劃2020年合併,日本行動支付產業掀2大變革
Line、日本Yahoo計劃2020年合併,日本行動支付產業掀2大變革
2019.11.26 | Yahoo

上週日本雅虎(Yahoo)母公司Z Holdings(ZHD)與Line達成合併協議,預計明年10月完成股權轉移。這兩大網路巨頭的聯手,最受外界關注的一個焦點就是「他們會如何撼動日本支付產業生態?」

根據《日經》報導,Line旗下的「Line Pay」在日本擁有3,690萬用戶,是當地首屈一指的支付服務;有著富爸爸(軟銀是ZHD最大股東)的日本雅虎,2018年推出的「PayPay」短短一年就躋身品牌認知度最高的支付服務,如今也擁有2,000萬用戶。

身為支付界兩大巨頭,合併後動向勢必與日本民眾息息相關,甚至可能顛覆整體產業格局。在宣佈合併的記者會當下,日本媒體便拋出一個問題:未來兩間企業的支付服務將何去何從?

ZHD社長川邊健太郎表示,接下來的一年內,(Line Pay與PayPay)仍會維持競爭關係,最終則會在合併後藉雙方受用戶歡迎的功能強化彼此,並朝擴大合作店家的方向邁進。

儘管日本身為已開發大國,行動支付發展的速度卻相當遲緩,步調不僅落後中、韓等國,就連台灣都比不上。川邊健太郎認為,這兩大支付的合併,對行動支付產業具有意義。

從三國鼎立邁向統一,日本支付產業掀變革

過去日本支付產業可說是一個三國鼎立的狀態,Line(Line Pay)、NTT Docomo(d支付)與Mercari(Merpay)組成了MoPA(Mobile Payment Alliance)聯盟,計劃在技術上進行統整,並共享加盟店(支援店家),攜手拓展日本無現金支付市場。

Line MoPA
由Line、Docomo、Mercari等三家業者攜手成立MoPA聯盟。
圖/ Line

樂天(R Pay)雖未參加MoPA聯盟,也宣佈與電信大廠kDDI締結合作,共享加盟店家。新崛起的PayPay則是一支獨苗,過去一年來從未與任何支付業者進行合作。

但隨著9月KDDI加入MoPA聯盟,以及本次Line與日本雅虎的合併,各大支付服務都開始向MoPA靠攏,勢必將對支付產業的未來局勢帶來變化。

若從使用人數的角度,排除沒有對外公開用戶數的樂天R Pay,Line Pay(3,690萬)與PayPay(2,000萬)是目前日本兩大行動支付工具,縱然用戶具有一定程度的重疊,與排第三的d支付(1,000萬)仍有非常大的差距,兩者合併後,日本支付霸主的地位將更加難以撼動。

再看另一份報告,研究機構MMD研究所指出,目前PayPay以44.2%的使用率位居第一;而Line Pay則以13.6%居於第三,兩者相加占據行動支付市場57%,同樣遠高於排第二(17.1%)的R Pay。

合併不單為用戶數創造新高峰,加盟店數也迎來增長,目前Line Pay加盟店數為171萬家;PayPay加盟店數也高達170萬,即使與用戶數同樣有重複的情形,還是能大幅拓展服務支援範圍,進一步穩固用戶基礎。

影響一:擴大服務層面,從支付服務化身超級App

「超級App」是個在中國、東南亞非常熱門的名詞,意指一款海納各種面向的功能,蒐羅一切民眾日常生活所需服務的App,這也是PayPay放眼未來的野心。

11月PayPay社長中山一郎接受《日經》採訪時指出,行動支付支付要取代現金 ,就必須提供現金辦不到的便利性。雖然開拓實體加盟店數是當前目標,但他們也計劃擴大線上的使用場景,並期望能以超級App的身份進入金融科技領域。

paypay2
PayPay社長表示,他們希望不只是支付服務,能以超級App的身份加入金融科技領域。
圖/ PayPay

目前雙方在金融領域各有布局,ZHD擁有網銀Japan Net Bank、10月也發表與SBI控股的合作關係;Line則和野村集團共同推出Line證券,並計劃2020年與瑞穗金融集團開設新銀行,不過複雜的合作關係在合併時勢必得再進行協調。

另外,Line在通訊軟體上的建樹也是PayPay邁向超級App的動力,Line的官方帳號與聊天功能,給予小型商家與消費者面對面的管道。如同蘋果經營Apple Pay的同時,為iMessage加入Business Chat功能;近期推出Facebook Pay的Facebook,其龐大、緊密的社群生態更是無須多言。

現在PayPay已為商家推出PayPay for Business的App,但上線不到半年,暫時功能比較單純聚焦支付層面,當日本雅虎與Line合併後,或許有機會借助其深厚的通訊服務基礎,為App添加通訊功能。

超級App也是Line的未央之夢,自2012年開始,Line逐漸擴大在日本的業務範疇,根據《Business Insider》整理,目前Line的服務涵蓋媒體、娛樂、金融、電商、AI、找工作、廣告等多種面向,然而大部分都難以從競爭者中脫穎而出。

影響二:統整海外合作夥伴,吃下龐大外國遊客商機

最後,Line Pay與PayPay強強聯手可能不只為日本民眾帶來影響。PayPay與中國支付寶、韓國KakaoPay有著合作關係;Line Pay則牽手中國微信支付、韓國Navor Pay。

Alipay
隨著Line與日本雅虎的統整,未來他們有望共同吃下日本龐大的外國旅客商機。
圖/ shutterstock

支付寶與微信支付在中國都有著10億上下的用戶數;KakaoPay也擁有2,600萬用戶數,超過韓國半數人口,在各自國家都擁有非常高的普及率。

若隨著後續功能、服務上的統整,有辦法共享海外合作夥伴的話,兩者將能吃下商機無窮的外國旅客市場。韓國與中國也是日本最大的旅客來源,根據日本觀光局統計,2018年兩國共計有約1,600萬造訪人次,占全體觀光客近5成人數。

資料來源:日經(1)日經(2)Impress WatchBusiness Insider

責任編輯:陳映璇

關鍵字: #LINE Pay
往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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
一次搞懂Vibe Coding
© 2025 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