momo富邦媒股價破千，成百貨類股第一！AI大數據、智慧物流如何助攻千億帝國？|數位時代 BusinessNext

【圖解】momo富邦媒股價破千，成百貨類股第一！AI大數據、智慧物流如何助攻千億帝國？

momo為台灣最大B2C電商，2020年不僅營收衝破672億元、稅後純益19.43億元、EBITDA 30.3億元，EPS13.87元，都是歷史新高。

摩天商城持續虧損，電視通路是獲利金牛

分析momo的2020年營收版圖，包含購物網（B2C）、摩天商城（B2B2C）、電視購物（TV）及型錄購物（Catalogue）4大塊，其中購物網與摩天商城兩者比2019年成長，但TV跟型錄購物業務則雙雙衰退，消長之下，電商類營收占比拉高到99%，比2019年98%再增高，且B2C的購物網營收也衝至91.6%。

不過從EBITDA（稅息折舊及攤銷前利潤）來看，B2C購物網利潤率不如電視購物TV，不過購物網跟摩天商城的獲利能力都已經比2019年成長，是推升momo 2020年EBITDA達30.3億元，比2019年成長30.3%的關鍵，不過摩天購物商城目前仍尚未賺錢。

南區自動化物流中心耗資42億元，2023年啟用

而momo也宣佈，2021年將是5年前宣佈大手筆建置北部物流中心後再重大投資的一年，今年資本支出上看22.77億元，這個投資手筆幾乎超過2018～2020年3年資本支出總和，南區自動化物流中心預計2023年完工，總投資成本上看42億元，是林啟峰達成千億元目標規劃中的一步棋，而林啟峰也預告，正評估在中部覓地興建第三座大型物流中心。

Momo預告今年將砸2.63億元投資IT設備，momo指出，期望以科技實力提升優質購物體驗，推出「千人千面計畫」推薦零時差服務，運用AI大數據依個人化喜好與需求，推薦貼近的商品，2021年官方app才剛全新推出「語音搜尋」服務，「以圖搜圖」搜尋服務也持續精進。

會員人數衝1004萬，去年成交2860萬筆單

分析momo各品項業務成長力道，圖書營收2019年最高有200%成長率，但2020年第四季雖祭出雙11折扣戰，但圖書業績年增率卻跌破100%，但仍是2020年銷售金額成長最高的品類，業績成長次高的是電子產品，成長最差的是服裝及保健類產品。

2020年底，momo會員數衝上1004萬，年增9.5％，每月不重複訪客來到1150萬（包含手機跟電腦來訪客）。

momo認為去年成績可歸因於發揮「商品力」、「科技力」、「物流力」三大實力的整合綜效展現，品牌策略規模化也發揮效益，邀請上架的合作品牌數已突破1.8萬家，集結超過300萬件商品，攜手品牌打造專屬momo會員體驗活動、推出獨家限量商品，讓會員掏錢不手軟，2020年促成2860萬筆訂單，平均每筆訂單金額來到2242元，也是歷年新高。

24小時到台灣大門市取貨，打造集團生態系統

2021年預告的新服務模式包括：透過子公司銷售線上保險、推自營商品、服飾推1件與3件混合銷售平台、海外商品、5小時到貨、個人化推薦、網紅直播行銷、搜尋優化、與台灣大哥大合作「到店取貨2.0」力拼24小時到店取貨。

Momo也預告將持續結合集團資源，打耖富邦及台灣大集團生態系統，包括提供忠實會員MyMusic數位加值服務，現在每月平均有高達2萬人次滿額申請使用。推出各式門號與商品專案，跨界打造電信與網購的消費生活圈。momo與台北富邦商業銀行合力打造「momo聯名」信用卡，卡友每月平均消費客單價為一般會員近2倍，增加消費黏著度。

衛星倉年年增，智慧物流靠AI預判庫存

物流布建方面，2020年除成立百分百持股子公司「富昇物流」；在倉儲建置方面2020年已有32座倉儲，其中含22個衛星倉，比2019年22座倉儲多了10座，因為倉儲變空間變大，SKU（最小存貨單位）數也達30萬，比2017年約增一倍，林啟峰今年初接受媒體訪問也透露，今年衛星倉要再增10座來到32座。

momo也預告，將投資IT於AI預測發展智能物流，消費者下訂單前，經大數據演算消費者購物行為，先將預測庫存量運送至各地的衛星倉，幫助縮短配送時間同時精進營運效率，並用最佳路線規劃，幫助降低最後一哩路配送成本，並確保快速配送服務，目前自有車隊占最後一哩路運能已達11%。

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。