營收贏一倍,獲利勝七倍,電商大者愈大態勢更顯
營收贏一倍,獲利勝七倍,電商大者愈大態勢更顯
2021.04.02 | 新零售

自2019年11月開始拉大對PChome的領先差距,一直到去(2020)年11月營收結果出爐,momo作為台灣第一大電商的地位幾已毫無懸念。而在台灣兩大電商平台2020年財報陸續公布後,則是可以進一步發現,momo不只在營收勝出,轉化至獲利的優勢還要更加巨大。

首先來看營收表現,去年兩大電商平台都維持兩位數成長,也再次改寫歷史新高,但不同點在於momo即便基期已高,成長仍然在持續加速中,最終是以年增29.65%的表現,交出年營收671.98億元亮眼成績;對比之下,PChome的增速12.82%雖也不差,卻只能說維持在前年水準,以438.7億元做收。

此外,若是扣除電視購物等非網購收入影響數,momo去年度營收也有615.86億元之譜,年增幅度則是更強勁的35.42%。

接著再來看看幾項獲利指標。毛利率方面,兩大平台都較前年小幅下滑,其中PChome的11.38%優於momo的9.4%。不過營業利益率的部分,momo則是以3.3%勝過PChome的0.72%,而兩大平台的營益率都較2019年略為回升。

以此兩項數字來看,在商品銷售本身有更多讓利的momo,成功催化出了更大的營收規模,同時也因為momo的營收明顯更具規模,所以即便兩家公司的營業費用絕對數字相去不遠,營業利益卻有顯著落差。

PChome與momo 2020年財報比較
momo與PChome近三年營收變化。
圖/ 公開資訊觀測站

在這邊覺得比較有意思的是,第一,momo這一路以來的崛起,「低價」絕對是一個關鍵。其實momo早期規模還小時,許多品牌商和供應商都看不上眼,所以當時momo在許多品類,如3C的經營,基本都是以不計成本的方式,一路賠,然後一路走到今天成為各大品牌商和供應商無法忽視的存在。

而當這樣不計成本的低價策略成功擴大銷售規模到達一定的突破點後,momo已經不再需要賠錢出售也能維持更具有競爭力的價格,並且也藉此一步步建立起更大的自有流量。對於數位行銷成本不斷攀升的今天,這無疑是相當重要的資產和優勢。

同時,當momo成為市場第一大電商平台後,自然也有更多合作夥伴,不論是行銷廣告、雲端服務或是支付金流等面向,都會願意提出更優惠的合作條件以爭取momo青睞。這不只是因為看好momo市場第一的銷售規模隨之而來的業務量;同時也因為一旦爭取到這樣具有市場指標意義的企業合作,後續要再爭取同產業其他公司業務,也會更具說服力。

反觀PChome,毛利率的數字雖然維持得比momo更好,但也投入了比momo更高的行銷費用,卻未能創造出同等,或更高的營收和獲利。

先不論行銷手法的好壞,先假設每一筆行銷投入都確實地成功將用戶導入PChome的網站,但如果消費者最終發現,相同商品在momo購買的價格更划算,那這筆行銷投入就是白費的,還反倒幫了momo一把。

當然,前幾年與蝦皮大戰一度讓PChome元氣大傷,或許也因為如此,PChome在商品毛利率上守得比較緊。只是在商品不易做出差異化,且價格又如此透明的網購市場上,這點恐怕是一大硬傷。而且以momo的例子來看,直接在商品上讓利,似乎是比後續透過行銷宣傳投入更有效益的作法。

但也值得注意的一點是,當兩大平台今天的年銷售規模已經拉開到230億元的差距,在與供應商的議價能力上,勢必也會有所不同,如此要想在商品價格這點與momo相抗衡,對PChome相信也會是更加辛苦的。

除此之外,還有一個讓我感到好奇的點是,momo過去這兩、三年來一直在強調「短鏈」,而在短鏈布局尚無法精準做到事先就能掌握各地區消費者需求愛好的情況下,無可避免就會有許多分箱出貨的情形發生。

舉例來說,消費者在同一張訂單購買三件不同商品,最終消費者可能會是從三個不同物流公司分別收到這張訂單上的三樣商品。換言之,在短鏈運作下,當momo整體訂單量成長,紙箱成本、包材成本、物流成本應該都會同步增加,然而財報上卻似乎沒有反應出這樣的情形。

推測其背後原因,或許是因為更大量的訂單規模,讓momo在紙箱和包材上都可以議得更好的價格,也抵消了因此增加的部分成本;又或者,業界有一說是這些物流成本,非全數由momo自己吃下,而是會部分轉嫁給供應商一同分攤,自然對momo的獲利影響也就有限。

雖然轉嫁給供應商聽來不是很友善的作法,但若是承擔部分物流成本,可以換取更大的銷售量,相信供應商也不至於有太大反彈。而且採取這樣的作法,大概也會比嘗試從管理、作業面的優化來擠出獲利,來得更有效果也更直接。

momo與PChome近三年營收變化/資料來源:公開資訊觀測站
PChome與momo 2020年財報比較。
圖/ 公開資訊觀測站

整體來看兩家公司2020年業績表現,在彼此營收差距還不足一倍的情況下,momo 2020年稅後純益19.4億元,是PChome稅後純益2.53億元的七倍有餘,即便扣除業外和稅的影響數也是如此。看來營收規模的領先優勢轉化到獲利後,影響程度還要更加顯著。

從趨勢線圖來看,momo過去兩年來一直穩定在把領先差距擴大,當差距不斷被拉得更開,對於想要重返榮耀的PChome也將是更大的挑戰。

(本文由He's note授權轉載自其Medium

責任編輯:錢玉紘、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: #PChome #momo
往下滑看下一篇文章
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路

「代理式 AI 」(Agentic AI)的創新服務正在重新塑造企業對AI的想像:成為內部實際運行的數位員工,提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢:2025 年是 AI 邁向「代理式 AI」的起點,讓 AI 擁有決策自主權的技術轉型關鍵,2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮,企業如何加速落地成為關鍵,博弘雲端以雲端與數據整合實力,結合零售、金融等產業經驗,提出 AI 系統整合商定位,協助企業從規劃、導入到維運,降低試錯風險,成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路,企業該如何走對第一步?

博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題、生成內容的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工,應用場景也從單一任務延伸至多代理協作(Multi-Agent)模式。

「儘管 AI 前景看好,但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出,到了 2028 年,高達 70% 的重複性工作將被 AI 取代,但同時也有約 40% 的生成式 AI 專案面臨失敗風險;關鍵原因在於,企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭,更涉及流程變革與人員適應。

2-RD096270.jpg
博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時加速 AI 落地。
圖/ 數位時代

正因如此,企業在導入 AI 時,其實需要外部專業夥伴的協助,而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力,涵蓋數據、雲端、應用開發、資安防禦與維運,可以一站式滿足企業需求,更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示,許多企業在導入 AI 時,往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵:HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論,並非紙上談兵,而是已在多個實際場域中驗證成效;鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程,正是其最具代表性的案例之一。陳亭竹說明,HAPPY GO 過去曾面臨AI 落地應用的考驗:會員資料散落在不同部門與系統中,無法整合成完整的會員輪廓,亦難以對會員進行精準貼標與分眾行銷。

為此,博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化,完成建置數據中台後,再依業務情境評估適合的 AI 模型,並且減少人工貼標的時間,逐步發展精準行銷、零售 MLOps(Machine Learning Operations,模型開發與維運管理)平台等 AI 應用。在穩固的數據基礎下,AI 應用成效也開始一一浮現:首先是 AI 市場調查應用,讓資料彙整與分析效率提升約 80%;透過 AI 個性化推薦機制,廣告點擊轉換率提升 50%。

3-RD096215.jpg
左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例,許多企業往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。
圖/ 數位時代

整合 Databricks 與雲端服務,打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中,博弘雲端發現,底層數據架構是真正影響 AI 落地速度的關鍵之一,因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台,作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架(Apache Spark)為核心,能同時整合結構化與非結構化資料,並支援分散式資料處理、機器學習與進階分析等多元工作負載,讓企業免於在多個平台間反覆搬移資料,省下大量重複開發與系統整合的時間,從而加速 AI 應用從概念驗證、使用者驗收測試(UAT),一路推進到正式上線(Production)的過程,還能確保資料治理策略的一致性,有助於降低資料外洩與合規風險;此對於金融等高度重視資安與法規遵循的產業而言,更顯關鍵。

陳亭竹認為,Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台,當需要啟動新型 AI 或 Agent 專案時,再切換至 Databricks 進行開發與部署,待服務趨於穩定後,再轉回雲端平台,不僅兼顧開發效率與成本控管,也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程,資訊安全與治理的重要性也隨之同步提升。對此,宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層,企業在導入 AI 應用初期,就應做好資料分級與建立資料治理政策(Policy),明確定義高風險與隱私資料的使用邊界,並規範 AI Agent「能看什麼、說什麼、做什麼」,防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層,當 AI Agent 角色升級為數位員工時,企業也須比照人員管理方式為其設定明確的職務角色與權限範圍,包括可存取的資料類型與可執行的操作行為,防止因權限過大,讓 AI 成為新的資安破口。

第三為技術應用層,除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外,還需導入專為生成式 AI 設計的防禦機制,對 AI 的輸入指令與輸出內容進行雙向管控,降低指令注入攻擊(Prompt Injection)或惡意內容傳遞的風險。

4-RD096303.jpg
博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」,透過完善治理政策與角色權限,並設立專為生成式 AI 設計的防禦機制,降低 AI 安全隱私外洩的風險。
圖/ 數位時代

此外,博弘雲端也透過 MSSP 資安維運託管服務,從底層的 WAF、防火牆與入侵偵測,到針對 AI 模型特有弱點的持續掃描,提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞,更可以即時監控活動,快速辨識潛在威脅。不僅如此,也能因應法規對 AI 可解釋性與可稽核性的要求,保留完整操作與決策紀錄,協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向,」陳亭竹強調,面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時,加速 AI 落地。在這波變革浪潮中,博弘雲端不只是提供雲端服務技術的領航家,更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗,以及完善的資安維運託管服務,博弘雲端將持續協助企業把數據轉化為行動力,在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機,立即聯繫博弘雲端專業顧問

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
2026 大重啟
© 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