道歉也有公式可學?他教會Uber如何應對失誤,簡單一招比千百句對不起更有效
道歉也有公式可學?他教會Uber如何應對失誤,簡單一招比千百句對不起更有效

里斯特的實驗證明: 人都是現實的,千萬句道歉,都比不上一張折價券

如果你剛剛跟另一半大吵一架,現在正煩惱著該如何道歉,那麼有「教會Uber道歉的男人」封號的芝加哥大學經濟學教授里斯特(John August List)找出的最佳道歉法,或許就是你正在尋找的解答。

John August List
芝加哥大學經濟學教授里斯特
圖/ 維基百科

2017年的某個早晨,里斯特叫了一台Uber,準備前往芝加哥市中心參加一場會議。沒想到,Uber的APP陰錯陽差地帶了司機繞了一大圈,最後又走上往里斯特家方向的路,讓里斯特當天的行程大受影響。

更讓里斯特生氣的是,當時的Uber對此一聲不吭,連一封道歉信都沒寄。

Uber該如應對「出錯」?

當天晚上,身為Uber首席經濟學家的里斯特立刻打電話給當時的Uber執行長卡拉尼克(Travis Kalanick),劈頭直說:「這趟旅程爛透了,我再也不會用你的APP了。而且最糟糕的是,我連一句道歉都沒收到。」

讓里斯特發洩完後,卡拉尼克則說:「我想知道的是,發生這種狀況時,Uber該怎麼辦?」

Uber該怎麼做才能在一次糟糕的乘車體驗後,依然留住乘客的心?

限編輯用_Uber_Prathan Chorruangsak_Shutterstock.jpg
圖/ Shutterstock

從Uber的內部數據來看,實際抵達時間比預定抵達時間慢5分鐘以上的顧客,他們的未來花費平均會減少5%-10%。換句話說,如果能找出一個足以挽回乘客的道歉方案,Uber每年就有機會多賺好幾百萬美元回來。

找到一個挽回乘客的道歉方式 」成為里斯特的首要研究目標。

里斯特將焦點鎖定在比預估時間晚10–15分鐘抵達目的地的乘客身上。首先,里斯特的團隊擬定了4種道歉內容。每當需要寄送道歉信時,系統會先隨機選擇一種道歉內容,再隨機選擇是否附上一組5美元(折台幣約146元)折扣碼,讓乘客們下次使用。

至於Uber的道歉是否有用,則由該名乘客往後一段時間內的消費金額增減來判斷。

4種道歉內容的主旨大致如下:

  1. 不道歉

  2. 基本型道歉(Basic apology):糟糕,您的乘車時間比我們預計的還長……

  3. 陳述事實型道歉(Status apology):Uber意識到我們的預測並不準確……

  4. 附帶承諾型道歉(Commitment apology):Uber正努力改善,以便未來提供更準確的預計抵達時間……

研究過約150萬名的Uber乘客後,里斯特的團隊發現收到5美元折扣碼的乘客,接下來幾個月內的Uber花費會增加;而僅收到道歉、沒有折扣碼的乘客,往後幾個月的Uber花費會減少。

研究團隊表示,「我們最主要的發現,就是道歉本身並不能恢復企業的信譽,一組未來可供使用的折扣碼才能。」

千百句道歉比不上一組折扣碼,企業必須承擔的損失

對於這項研究,里斯特教授說道:「當企業要道歉時,關鍵是企業必須讓顧客知道『 企業為此付出真實代價 』。」

里斯特表示,若是在更廣泛、更普遍的道歉情境中,提出道歉的人承受的未必會是金錢上的損失,有時甚至會以名譽的損失呈現。

然而,「附上折扣碼」並不是百戰百勝的道歉方式。如果出現第二、第三次延誤,「附上折扣碼」反而會減少乘客的未來消費。原因在於,顧客們通常會期待每次道歉之後,Uber應該有所進步,當同樣事件再度發生,也就表示乘客的期待落空,其花費自然會隨之減少。

shutterstock_511172077_sorry.jpg
圖/ Antonio Guillem via shutterstock

社會學家眼中的最佳道歉公式

這項研究也獲得美國羅格斯大學(Rutgers University)的社會學家克魯洛(Karen Cerulo)的認可,她說道:「人們在乎的是道歉者的後悔及其付出的代價,道歉的原因、方式反倒沒那麼重要。」

「終於有人找出可以應用的道歉公式:找出誰是受害者、表現出後悔之意,承擔責任並在合理範圍內補償對方。」

責任編輯:文潔琳
本文授權轉載自:地球圖輯隊

關鍵字: #Uber
往下滑看下一篇文章
AI 成為企業新基礎設施,勤英科技從雲端代理走向 AI Infra 整合
AI 成為企業新基礎設施,勤英科技從雲端代理走向 AI Infra 整合

因應生成式 AI、代理式 AI 與實體 AI 的崛起,模型成為企業資訊基礎設施的一環,企業不僅需要算力、還必須具備同時管理多個 AI 模型、優化營運成本,以及確保 AI 基礎設施的安全與穩定;有鑑於此,服務超過 2,000 家企業客戶上雲的勤英科技(ELITE CLOUD)將業務範疇從雲端代理延伸到 AI 基礎設施整合商,協助企業整合多元模型資源、因應不同應用場景彈性調度算力資源,在 AI 新世代建立可規模化的 AI Infra 能力。

「隨著 AI 從單一聊天機器人進化到多模型、多代理協作,企業的核心競爭力不再僅是擁有 AI,而是建立一套可管理、多模型共存、穩定、安全且可持續擴充的 AI Infra 環境。」勤英科技區域總經理黃士培表示,為協助更多企業推進 AI 創新實務,勤英科技從原本的 AWS、Google Cloud、Azure 雲端代理角色,進一步轉型為 AI 基礎設施整合服務商,透過多語言模型平台 MixRoute、代理式 AI 導入與企業資料治理服務,協助企業建立真正可落地、可管理、可擴展的 AI 應用架構。

從 IT Infra 到 AI Infra,企業最大挑戰不是模型、算力而是管理

過去幾年,許多企業透過生成式 AI 實現「問問題」、「摘要文件」、「生成簡報」,提升員工工作績效,而代理式 AI 的崛起與普及,則讓「內嵌 AI 的企業應用」快速成為新常態,從企業資源規劃(ERP)、顧客關係管理(CRM)、人力資源(HR),到客服、研發甚至製造系統,AI 開始深度嵌入各類企業應用,AI 扮演的角色也從單純的輔助工具,逐漸進化為企業營運與決策流程的重要核心。

也因此,企業保持未來競爭力的關鍵,不再是「有沒有導入 AI」,而是「是否具備管理 AI 的能力」,包括如何讓多模型共存、如何控管 Token 成本、如何確保資料品質與一致性、如何依不同部門需求配置 Agent,以及如何避免 AI 成為新的資訊孤島,都是企業導入 AI 後的新挑戰。

「Gemini、Claude、OpenAI、Mistral 等模型快速迭代,意味著企業若只押注單一模型,未來很可能在成本、效能與彈性上失去優勢。」勤英科技區域總經理黃士培表示,企業接下來更需要以「Models as Infrastructure(模型即基礎建設)」的思維,將大型語言模型視為與運算、儲存、網路同等重要的基礎資源來規劃、治理以及進行成本管理,將資訊系統架構重塑為 AI 基礎建設。

勤英科技_內文1.JPG
圖/ 數位時代

勤英科技服務的客戶數超過 2,000 家,不少客戶已導入 AI 應用服務,正積極建置 AI Infra 與管理環境,因此,勤英科技自 2025 年積極轉型,將 AI Infra 視為企業長期競爭力的基礎建設來經營,業務範疇從傳統雲端代理擴展至 AI Infra 整合服務商,例如與多模型平台 MixRoute 合作,並開發可支援單一登入(SSO)、彈性調度不同大型語言模型 Token 的管理平台,協助企業簡化模型管理與成本控管,將更多資源與心力聚焦於核心業務與創新應用。

從雲端代理走向 AI Infra 整合,勤英科技從三面向協助企業發揮 AI 綜效

有鑑於 AI 應用與雲端環境息息相關,勤英科技除因應企業客戶的多雲策略協助管理多雲環境、優化成本,以及落實資安治理,更因應不同使用情境推出三種 AI 方案助力企業:

第一:提供開箱即用的 AI 服務。

黃士培以 Google Cloud 的產品為例解釋,透過整合 Gemini 的 Google Workspace,企業可直接在 Gmail、Meet、Docs、Sheets、Slides 中使用 AI 功能,包括會議摘要、文件生成、簡報整理等,快速提升員工生產力,同時,增強企業對 AI 應用的信心,為之後的應用深化做準備。

第二:協助企業規劃、打造與導入代理式 AI 應用服務。

「對於擁有豐沛結構化數據資料、知識庫的企業來說,除以生成式 AI 打造企業大腦,還會透過代理式 AI 提升自動化執行能力,重塑工作效率。」黃士培表示,勤英科技可以基於 Google Gemini Enterprise,提供含括底層雲端架構、AI 模型調度、資料治理與 AI Agent 串接等服務,讓企業員工可以自然語言安全調用企業資料,讓 Agent 進一步執行任務與推動流程。

舉例來說,勤英科技協助在台灣成立超過 50 年的製造業品牌商將 Gemini Enterprise 介接 SAP 與 Salesforce 訓練模型、建立可供 AI 調用的企業知識中樞;另在影音內容生成領域,勤英科技亦協助客戶導入 AI 自動化技術,將內容產製成本縮減達 90%。

第三:提供多模型聚合管理平台,滿足企業以 API 串連各種模型的需求。

勤英科技與新加坡 MixRoute 合作,提供企業客戶多模型管理平台,讓企業可以視需求彈性敏捷的調度 Gemini、Claude、OpenAI 等不同模型,並透過單一帳號、單一帳單與 Budget Alert 機制,管理 token 使用量與 AI 成本。

勤英科技_內文2.JPG
圖/ 數位時代

「透過我們提供的多模型管理平台,企業客戶不會被單一模型綁定,可以在模型快速疊代的環境下,更靈活地管理成本與算力資源。」黃士培如是說道。

總的來說,隨著 AI 應用從單點工具走向大規模企業部署,下一波競爭核心將從模型能力延伸至 AI 基礎設施管理能力,而這也是勤英科技從雲端代理走向 AI Infra 整合服務商背後的核心原因:當 AI 開始成為企業營運的一部分,企業需要的,已不只是模型供應商,而是能協助串接雲端、資料、Agent 與應用場景的長期技術夥伴。

有關更多勤英科技相關資訊,請查詢網站:https://www.elite.cloud/zh/

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
代理式商務連動百兆商機
© 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