電商新詞BNPL先買後付紅什麼?竟快超越信用卡!
電商新詞BNPL先買後付紅什麼?竟快超越信用卡!
2021.10.13 | 新零售

BNPL是最近火紅的詞,相信有在關注電商市場甚至是股票的朋友或多或少都有聽過。BNPL的全文是Buy now,pay later,顧名思義,讓消費者先拿到商品,後續再選擇一次或分期付款。

什麼?真的有這麼好的事嗎?是的!BNPL真的就是讓消費者先拿到產品再付費的付款方式。想知道這樣的付款方式後面是怎麼運作的嗎?本篇文要和大家分享,BNPL如何可能,又是怎麼運作的呢?

先買後付的背景?

其實先買後付的概念,不是最近才突然蹦出的新玩意,早在2009年,eBay收購的Bill me later公司其實就是BNPL模式,但當時並沒有引起國際市場過多的關注,一直到瑞典金融新創公司Klarna,將BNPL模式導入電商支付,先買後付的概念才真正的被大眾關注。

之所以到現在才紅的原因,一部分是因為疫情,導致許多人開始需要這樣,可以先獲得商品並延後付款的服務。並且在網購客群越來越年輕化的前提下,不用信用卡還能分期的模式,對這些青少年或剛出社會還沒有很多經濟基礎的人而言,是很方便的方式。

也和大家分享,其實日本算是滿早期就引進先買後付模式,且一直都有穩定發展的國家,其中最大的受眾是沒有信用卡的家庭主婦。

先買後付的優點?

以消費者的角度來說,先買後付的優點,不外乎就是可以先拿到產品再付錢,並且可以在沒有信用卡的前提下仍有分期付款的選擇。不是所有消費者可以通過銀行的試用審核拿到信用卡,因此先買後付的機制,對這個族群而言會是很大的誘因。並且,雖說先買後付機制若是沒有在一定期限內繳納,也會有滯留金問題,然而比起信用卡的循環利息,先買後付機制簡直就是小巫見大巫。

再者,其實對許多人而言,將自己的信用卡資訊暴露在網路上,仍是極有風險的,而先買後付機制並不要求要提供金融相關資訊,基本上只需要一個電話號碼就可以搞定。不但安全許多,在程序上也很方便。消費者只要在電商交易時選擇先買後付選項,到時再拿著手機的簡訊去超商或郵局等地繳費就好。

先買後付供應商賺什麼?

可能很多人會有疑惑的是,先買後付的供應商賺什麼?

他們主要的收益來源來自兩個面向,第一是消費者沒有在期限內完成繳費的滯留金。第二則是,與電商平台合作時,電商平台給予的抽成費。當電商品牌提供了越多元的支付,就能吸引更多對支付方式有需求的消費者,因此引進新的支付系統,對電商品牌而言會是個加分要件,先買後付平台便能以此為誘因去和品牌談合作。

電商為什麼要引進BNPL呢?

在美國,Apple、PayPal等大公司都爭先恐後引進了BNPL,近日PCHome也表示併購了一間新創的網路貸款公司—21世紀數位,正式進入BNPL時代。

為什麼這些品牌要這麼大動作的搶攻BNPL市場呢?對電商而言,引進BNPL會有什麼好處?

第一個原因:當電商平台提供的付款方式越豐富,自然會吸引到更多元的消費者。就像只習慣用信用卡的消費者,若有兩個購買渠道做選擇,也會優先考慮有信用卡支付系統的平台。因此,拓展其他的支付模式,對電商而言是個擴展消費者族群的方式。

第二則是:有越多元的支付工具,意味有越多元的數據會回到電商平台。當電商平台搜集更多消費者的數據,就可以更精準地判斷消費者心理及下一步的行銷策略。再者,當電商掌握了更多的金融數據,日後往金融市場發展的可能性也就越大,因此有學者就說到,或許有一天,以電商起家的PCHome會成為台灣最大的銀行之一。

此外,電商中也不是所有的賣家都有能力提供消費者信用卡付款的功能,因此先買後付機制,某一程度也實現了「普惠經濟」,將過往能與不能使用信用卡的隔閡給弭平,創造更開放的交易機制。

上述聽起來,先買後付不但沒有利息和手續費,更可以增加現在資金的靈活性,怎麼好像都只有優點沒有缺點,真的是這樣嗎?當然不是的,其實先買後付無論對消費者端或機制提供的這一端都還是存在隱憂。

以消費者方來看,先買後付的機制,容易讓衝動購物的消費者陷入消費陷阱,因為在下單時無法實際感受到金錢的失去,因此一直買一直買,到了後面才發現購買的量已經超越自己能負荷的範圍。這時為了避免繳交滯留金,可能會選擇用信用卡來付款,如此一來可能會造成補大洞的惡性循環。

而對提供先買後付服務的供應商來說,當因為此服務而讓消費者陷入「消費很容易」的思維中時,可能因此讓他們在日後留下無力償還的債務,即便用再多滯留金也無法迫使其將款項還清,如此一來等於供應商得要幫這些消費者負擔這些商品費用。

今天和大家介紹了先買後付,這個近期崛起的新興支付模式,因為便利且沒有經濟條件性,因此在因疫情經濟重創的後疫情時代,開始受到歡迎。

先買後付的支付模式近期越來越流行,它也無疑是開創更多消費可能性的媒介,然而在給予大眾更方便的購物方式的同時,其實其中也存在了一定的隱憂。不過如果你是電商經營者,追蹤先買後付的未來趨勢和發展是必要的。如果狀況允許,開放先買後付機制,相信也會是觀察消費者行為的一個好方式。

責任編輯:吳佩臻、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)

【熱門焦點】
1.王品也撐不住了!萬物喊漲,集團15個品牌宣布10/25同步漲價5%內
2.消失4000年的長毛象將復活救地球?科學家估最快4年內實現,怎麼做到的?

最新10月號雜誌《無程式碼時代來了!》馬上購:傳送門
「電子雜誌」輕鬆讀:傳送門

關鍵字: #電商
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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