第二季慘虧900億、門市營收掉4成，星巴克憑什麼「樂觀」看待下半年？|數位時代 BusinessNext

單店銷售掉4成，但星巴克樂觀看好業績復甦

星巴克公佈的第二季（4月至6月）財報中，營收為42.2億美元，較去年同期衰退38%，不過高於外界預期的40.7億美元；每股盈餘則為-46美分，高於估計的-59美分。

就如星巴克6月的警告，這個季度咖啡巨頭虧損達31億美元（約新台幣907億元），全球單店營收下滑40%，交易次數暴跌51%，不過平均單人消費金額卻反而上漲了23%。疫情在美國爆發3、4月期間，星巴克關閉了當地大多數門市，部份門市則暫停內用僅提供外帶及外送服務。

若以地區而言，美國門市單店營收下滑達41%，相對地由於疫情在中國已經趨緩，星巴克的第二大市場單店營收僅下滑19%。

雖然從數字上來看，星巴克第二季毫無疑問遭遇了嚴重衰退，但他們對業績的復甦充滿信心，樂觀認為倘若沒有進一步的疫情或其他經濟動盪，中國及美國的單店營收在今年第四季或明年第一季便會大幅回升。

星巴克財務長派翠克．格萊斯莫（Pat Grismer）表示，「在完全復原前我們還有很長一段路要走，但考量到品牌實力以及我們制定的促銷與提高利潤計畫，我們相當樂觀。」

改變咖啡師工作時段、推出專攻外帶快取店，星巴克怎麼在新常態下重新振作？

對於每天平均喝上3杯咖啡的美國人來說，如野火般肆虐的疫情，不僅改變了他們的生活，也改變他們喝咖啡的習慣，而星巴克也正努力探索新常態下，咖啡品牌將何去何從。

例如疫情期間裡，他們發現忠實客戶消費的咖啡變少了，獎勵會員人數較去年同期下滑約5%。前陣子，他們宣佈將開放會員透過信用卡、現金、PayPal等多種支付管道付款，雖然累積的點數只會有使用禮品卡儲值付款的一半。

星巴克行銷長布蘭迪．布魯爾（Brady Brewer）指出，更多的付款方式一直是客戶的要求，為了在疫情下籌備推出這項功能，他們付出了不少努力。

執行長凱文．強森（Kevin Johnson）則透露，疫情下民眾購買咖啡的時間也有所變化，在早晨通勤時段購買咖啡的民眾顯著減少，他們發現有些人不是不買咖啡，只是延後至稍晚的上午時段甚至下午購買，星巴克因此調整了咖啡師的工作時段。

且為了因應防疫期間的需求，星巴克還加快了快取店（Pickup）的推出腳步，這是一種僅供外帶，沒有內用座位的迷你門市，用戶須先透過App線上預訂，然後到店領取咖啡。

雖然疫情導致星巴克營收大跌，第二季他們在全球推出了130間新門市。先前預告第二季度虧損時，星巴克曾宣佈將在未來18個月內關閉北美400家門市，並開設300家專攻外帶服務的新門市，快取店就將是新門市中的主力。

面對疫情的下半場，星巴克已經摩拳擦掌，準備好在新常態下重新迎接顧客，星巴克透露，7月的單店營收已經超越去年，預計整個2020財年平均單店營收衰退約會在12%至17%之間。

「最糟糕的時刻已經過去。」格萊斯莫說。

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。