桃太郎吹奏網路下單曲|數位時代 BusinessNext

去年底，台灣第一家不帶水泥味的「純」網路券商，創新證券開張；營運近半年，氣勢不敵市場上從傳統實體券商變身，帶著濃濃水泥味的「水泥網路券商」（click-and-mortar）；大家期待中的台灣ETrade，本該大展身手，卻似乎教大家有些失望。
台灣ETrade不成，日本證券市場上，由美國ETrade和軟體銀行（Softbank）共同成立的ETrade Japan，也是一路戰來，辛苦戰兢。在日本，第一回合激戰的結果，傳統券商仍佔了上風，第一、第二名寶座仍被傳統券商野村證券與大和證券搶去，E*Trade Japan排了第三名，而且用戶數不到對方的三分之二。
從第一回合戰局看來，日本線上下單市場發起階段的戰績，水泥網路券商是後發先至；對純網路券商而言，這是一場該如何前進下一步的突圍戰役！
日本的網路下單風潮，幾乎和台灣同時發生。去年十月，隨著日本政府解除股票交易手續費的固定費率規定後，不僅市場上的第一、第二大傳統券商，野村證券與大和證券開始積極投入線上交易，許多純正網路血統的網路券商，更是趁此搬出價格戰絕招（甚至是某一段時間內的免手續費交易），試圖在線上下單的股票交易市場打下江山。

**折扣戰：策略大忌

**
股票交易的手續費折扣，刺激起整個線上下單市場。由於法律開放，各家業者集體降價，日本的網路下單人口，從去年九月約十九萬，到今年四月，已經成長到超過六十萬，尤其去年十月，一個月內就增加了十萬人。目前同時位居實體市場及線上下單最大券商的野村證券，從去年十月到今年一月底就增加了超過六萬會員，使其所擁有的線上用戶數量達到十三萬，大約是野村證券所有開戶數的10%。
要在日本的網路券商市場佔有一席之地，衝刺用戶數，是第一道關卡。野村總研（Nomura Research Institute）以美國五千萬證券交易戶中，有一千萬線上下單人口的比例推估，日本八百萬的交易戶，潛在市場規模是一百六十萬（全部交易戶的20%）；以市場上超過三十家網路券商的競爭狀態計算，要想立足，至少得有十萬以上的會員。
手續費折扣可以刺激市場，卻不一定是網路券商的決勝關鍵。一筆一百萬日幣的交易，ETrade Japan收費二千日元，野村的網路下單收費卻是九千二百元；然而ETrade目前八萬名的用戶數仍遙遙落後野村。而即使同樣是純網路券商的Monex，手續費甚至更便宜，只要一千日幣，但目前的登記會員數六萬人，落後於E*Trade Japan。野村證券的市場研究指出：「不到1%的線上下單用戶，是以價格作為選擇券商的主要考量。」

**如何降低成本同時提升品質？

**
提供投資相關諮詢服務，是券商滿足客戶需求的不二法門。以野村與大和兩家日本老證券的手續費折扣政策為例，減少的23%到25%其實是透過網路下單所節省下的營運成本；亞洲華爾街日報分析，真正吸引顧客上門的原因，還是這兩家老字號傳統券商，提供給會員的研究報告及投資顧問服務，這是純網路券商難以相敵之處；尤其，「日本很缺乏券商以外的獨立金融資訊諮詢管道。」
野村證券甚至在網路上提供類似「大富翁」遊戲的虛擬股票交易機制，讓更多人願意嘗試用網路下單。每位登記者擁有一百萬日幣的虛擬資金可以在網路上進行交易，目前參與遊戲的人數將近八萬人，而這些登記者顯然會是未來的潛在線上下單客戶。Monex社長松本大曾表示：「線上下單最大的潛在市場，是那些既不投資股票又沒上網的人。」
在傳統大券商的「服務」與純網路券商的「折扣」夾擊下，真正受害最深的還是中型傳統券商。由於產品及服務無法和大型傳統券商比擬，手續費價格又有像ETrade Japan純網路券商虎視眈眈；無法轉型網路的中型券商客戶，成了純網路券商會員的主要來源。ETrade Japan的客戶群中，大部分都是來自之前併購的一家中型傳統券商。

**全方位業務發展計畫

**
網路券商為招攬會員所投注的大筆行銷花費，是難以回收的成本。美國ETrade今年的行銷預算為三億美金，其過去獲得一位客戶的平均成本是二百美元，另一家DLJdirect的成本更高達七百美元。（去年四月，DLJdirect和日本住友銀行合作成立日本DLJdirect網路券商，目前是日本僅次於ETrade Japan、Monex的第三大純網路券商。）
根據野村總研報告計算，在日本，取得一個線上會員平均四萬日幣的成本，相當是ETrade Japan一個會員交易一百次，公司獲利的80%。高成本行銷費用，成為網路券商的主要經營挑戰，尤其是對沒有其他金融業務的純網路券商。開發線上下單以外業務，是純網路券商當務之急。因為單純經營網路下單的利潤微薄，而且經濟規模建立成本高昂，ETrade Japan除了經營線上下單，公司新上市的股票承銷成為ETrade Japan的另一項主要業務，社長井土太良說明：「承銷業務是我們現在就能有獲利出現的重要原因；」他同時也強調：「這是ETrade Japan不同於其他純網路券商的主要差別。」今年初，獲得索羅斯投資基金（Soros Investment Fund）挹注的Monex，也將利用擴增後的資金開展股票上市承銷業務。

**所有的企業都將是網路企業

**
「我們不是網路公司，而是利用網路做生意的券商。」ETrade Japan成立前，原本服務於野村證券的井土太良點出公司未來的發展方向。除了上市承銷，ETrade Japan也將推出更多基金、債券等金融商品，配合會員資料庫分析和網路一對一行銷模式，供會員作線上交易。
第一回合交手中，傳統券商並沒有因為使用網路下單而打擊到原本的營業員，因為傳統券商將交易量小的客戶引導到線上下單，反而讓營業員有更多心力照顧大戶，提供更個人化的投資顧問服務。但當網路券商不再自我侷限，只是幫客戶用網路買賣股票，也能提供更多元化的金融產品，和透過資料庫行銷的貼心投資訊息，實體券商將真正感受威脅。
當網路券商的業務內容更為「充實」，傳統券商的手續費折扣，勢必得作另一次讓步；而真正券商對券商，而非券商對網路的第二回合大戰，將會開始！

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。