是誰獵殺了紅色四月?
是誰獵殺了紅色四月?
2000.05.01 | 科技

雲淡風清的四月天,在矽谷的街道上,人們相遇的第一句話卻是:「這一切結束了嗎?」
持續多年多頭行情的美國那斯達克股市,卻在短短一個月內下跌超過三成。「新經濟概念股」,被認為是這一波股市下挫的元兇,雅虎跌幅超過三成,和信超媒體超過五成,EToys更高達九成以上。影響所及,告別「新經濟」的聲音,逐漸蔓延。

**什麼是新經濟,anyway?

**
要了解股市下挫對「新經濟」的影響,必須先釐清什麼是「新經濟」?媒體、經濟學家、未來學家、和華爾街分析師眼中的「新經濟」,其實是包含了一組既相關、卻又不盡然相同的概念的名詞:
◆新經濟指的是90年代美國持續的經濟擴張,同時又能夠維持低通貨膨脹率、低失業率的總體經濟現象;
◆新經濟指的資訊科技和網際網路所帶動的經濟成長;
◆新經濟指的是網際網路的發明,和網路所帶動的經濟和社會轉型。也就是說,新經濟就是網路經濟;
◆新經濟指的是網路和資訊科技類股所帶動的美國股市榮景。
美國「官方」觀點下的新經濟,可以用美國聯邦儲備理事會主席葛林斯潘的看法為代表。葛林斯潘認為,美國企業自從1980年代末期以來持續在資訊和通訊設備上的投資,是層面更廣的技術與經濟轉型的重要關鍵。葛林斯潘相信,美國是處於整個二十世紀絕無僅有的時光,科技的創新與發明從根地改變了經濟架構。資訊科技的普及,讓不斷更新的資訊變得垂手可得,從而改進了企業的經營效率;生產的規劃變得更加容易;庫存得以降低;運送的時間縮短了;通路的本質則全然被改寫。基於這樣的信念,美國的聯邦儲備理事會在整個90 末期都採取了較為寬鬆的貨幣政策。

**真有新經濟嗎?

**
但是經濟學家克魯曼則認為,「生產力」才是經濟領域中,唯一重要的事情。只有生產力顯著地提昇,才有所謂的「新經濟」。從統計數字上來看,美國非農業部門的生產力提昇,的確讓人耳目一新。自從1996年以來,美國的生產力每年有2.2%的平均成長率,過去25%年來的平均成長率則只有1%左右。生產力的增長在1998年下半年更跳升到3.4%,1999年第一季則是3.5%。經濟學人指出,除非這樣的生產力增長能夠持續,「新經濟」之說才能成立。
然而,西北大學的經濟學教授高登(Robert Gordon)指出,從1995年第四季到1999年第一季這段期間,電腦製造部門的生產力大幅提昇了將近42%,所以儘管電腦製造部門僅佔美國總體經濟產出的1.2%,這樣的成長幅度仍足以推升總體經濟的生產力。換句話說,資訊科技部門本身的成長有著無與倫比的力量,但是對其他經濟部門生產力的影響,「要不是小到無法察覺,就是根本是負面的,」高登說。
生產力提昇有限,為何先前股市能夠大漲?為何又能維持低通貨膨脹率?《經濟學人》雜誌指出,低通貨膨脹率和低失業率之間的關係,本來就不需要靠一套「新經濟」理論來解釋,一些小小的舊理論的結合,就足以說明過去幾年來美國股市為何得以持續上漲,卻又有著低通貨膨脹率:強勢美元、低物價、華爾街的力量、美國以外地區(例如97'~99的亞洲)的循環性經濟低潮、和非薪資的勞動成本壓力減輕等等。

**哪個「新經濟」完蛋了?

**
美國過去幾年來因高經濟成長率、低通貨膨脹率和低失業率「同時」存在而浮現的「新經濟」奇景,很可能也就是資訊科技部門的生產力驟然大幅翻揚的「偶然」結果,而不是全新的總體經濟結構轉變。美國股市的漲漲跌跌,既不是因這樣的「新經濟」而浮現,當然也就不是因為這樣的「新經濟」破滅而下跌。
資訊科技部門的成長,是美國90年代經濟發展的主要動力,則是無庸置疑的事實。根據美國商務部的統計,數位經濟-包括電腦軟硬體和電訊產業約佔美國國民生產毛額的8%,卻佔有自1994年以來實質國民生產毛額增長率的35%。就連一向對「新經濟」的概念多所保留的《經濟學人》都為文表示:「如果新經濟指的是更多的科技公司和工作者,這是毫無爭議的」。

**沒趕上新經濟熱潮嗎?很正常!

**
網路股大跌,網路公司的營運面臨空前未有的風聲鶴唳。道瓊集團旗下的媒體公司Barron's和網路評量公司Pegasus Research所提出的研究報告指出,207家的網路公司當中,將會有51家因現金流量不足,而在一年內以倒閉收場;花旗/旅行家集團的共同執行長威爾(Standford Weill)預言,八成的網路公司會在五年內消失;專業網路研究機構Forrester Research則預測,大部分的網路零售商將在2001年以前結束營運。
美國「投資之神」華倫巴菲特(Warren Buffett)說:「想從社會轉型中獲利,風險從來就沒有低過。」從來不投資科技股巴菲特在一次演講中提到,他其實由衷地相信,徹底改變人類生活的資訊革命早已到來。只是巴菲特也提醒我們,多少人從過去的產業大變革中致富呢?少得可憐!巴菲特舉世紀初兩個同樣對社會轉型造成重大影響的產業為例:汽車和飛機工業。
汽車工業草創之際,全美國至少有兩千家以上的製造商,如果你在汽車工業的初期階段就知道這個產業大有可為,你或許會說,「正這是通往財富之路」。歷史證明,二十世紀的確可以說是汽車的世紀,但是到了二十世紀的九○年代末期,當初的兩千家汽車製造商經過慘烈地廝殺,只剩下對投資人沒有特別吸引力的三家主要汽車廠。飛機工業的狀況也很類似,在1919到1939年這段期間,美國大概有三百家飛機製造商,到了現在,碩果僅存的則不到五家。汽車和飛機工業對美國社會與經濟產生重大的影響,但是對多數的投資人而言,沒有。 
巴菲特感慨地說,「就算你了解汽車的重要性,要選擇可以讓你賺錢的公司,仍舊很困難。」
社會大轉型的年代,計算輸家可能還來得比較容易一些。
時代的浪潮終究要淘汰多數的網路公司,要比股市的震盪更為嚴苛。

**網路新經濟與股市

**
事實上,管理學大師彼得杜拉克對此早有洞見。杜拉克指出,工業革命初期的一些產業,像是布料、鋼鐵和鐵路等等,也曾經在一夜之間,創造出許多的產業鉅子、百萬富翁,像是作家巴爾札克筆下的銀行家,或是文豪狄更生所描寫的鋼鐵大亨。工業革命以後所浮現的新產業,同樣創造了許多的百萬富翁,只是他們不再能光靠時機和運氣而一夜致富,而是二十年的苦幹實幹、越挫越勇才獲得的成就。
杜拉克的真知灼見在於告訴我們,光靠股市狂熱,不可能撐起一個新時代的榮光。
荷蘭在十七世紀所引爆的鬱金香狂熱,在1636年達到最高峰,當時一顆鬱金香球莖的價格,可以換得二十七公噸小麥、五十公噸裸麥、四頭牛、八條豬、十二隻羊、外加成堆的酒類和布料。如今,金融投機早已為人所淡忘,但是荷蘭,三百多年來,卻是全球色彩最繽紛的花卉王國。
杜拉克認為,網路及網路所帶動的電子商務,終將會成為全球傳遞與流通商品、服務、甚至是管理與專業性工作的最主要方式,從根改變經濟、市場、與產業結構,更重要的是,我們看待這世界,和我們身處這新世界的方式。
楊致遠、貝佐斯的一夜致富,只是證明了我們正處在一個新時代的開端。「新經濟」的實質影響力仍舊那樣有限,我們如果期待資訊科技和網際網路所帶來的經濟和社會轉型,所當要求的,理應是二十年以上的胼手胝足打造,而不僅只是仰望股市的短期漲跌。
楊致遠雖然身價非凡,但他仍是一個努力無比的工作者,每天工作12個小時以上,他的創業夥伴菲羅(David Filo),仍然常在公司打地舖,以解決突如其來的技術問題,「我們一心作的事,是把Yahoo!打造成一個服務顧客的公司,」坐在矽谷的速食店裡,楊致遠對慣常於摩天大樓頂層CEO辦公室採訪的Fortune主編說道。
如果「新經濟」指的是網路和資訊科技,及其所帶來經濟活動和人類生活的變革,是沒有太大的疑問的。但是經濟學家的統計數字也告訴我們,網際網路和資訊科技產業的發展本身沸沸揚揚,對總體經濟生產力的提昇,卻像是黎明的曙光,耀眼卻不炙熱,還有很長的路要走。
至於股市的起伏對網路新經濟的影響,則如同舊時代來來去去的金融遊戲一般,是一場無害的嘉年華會,它至少告訴了多數的旁觀者,新時代的新方向。

往下滑看下一篇文章
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率

在 AI 快速進入企業營運核心的時代,數據不再只是被動的分析素材,而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據,例如會員資料、交易紀錄以及線上與線下行為數據,但因這些數據分散於不同系統,缺乏統一的身分識別機制以及明確的元數據(Metadata)定義,導致難以整合與分析,同時,也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰,Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務,如 Audience Center 與 AI Agent 等解決方案,並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程,從資料清理到 AI-Ready 再到落地應用,讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化,大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎,以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設?

Vpon 威朋數據科學經理廖宜楷指出,在 AI 驅動的時代,數據的品質決定模型價值。其中四個關鍵分別是:建構標準化的數據採集與處理管線,透過統一的工程規範,確保所有進入系統的數據在格式、維度與質量上具備高度一致性;其次是定義語義清晰的元數據(Metadata)體系,確保數據能夠被 AI 理解與使用,從而產出具備可靠性的產出結果;再來是打破企業內部的「數據孤島」, 透過完整整合線上(Web/App)行為與線下(POS/CRM)會員資訊,建構全方位的會員數據輪廓,精準捕捉消費者的跨通路行為軌跡。最後,數據的價值隨時間遞減,AI 的決策品質取決於數據的「新鮮度」,因此,數據的持續更新與自動化維護,不僅能讓企業在動態市場中保持敏銳,還可進一步深化會員輪廓分析的即時性。

舉例來說,在 Vpon 團隊的協助下,台灣百貨零售龍頭透過整合 Web 與 App 行為資料,並將線上與線下數據集中於數據中台進行分析,將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應,並基於此高效率基礎,進一步開發不同業務主題的預測與分群模型,提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實:Audience Center 如何賦能企業實現「數據即戰力」?

有了堅實的數據底座後,下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出,在變化快速的零售與數位行銷市場中,速度就是競爭力。然而,仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去,當行銷或業務人員需要數據支持時,通常得花費繁複的內部流程申請需求、討論需求,才會進到後續的資料清理、建模與分析,最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程,不僅拖慢了決策效率,更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程,將數據處理轉化為數據服務,透過直覺的介面與背後扎實的數據基礎支撐,讓非技術人員不用編寫程式碼,即可自行組合維度,大幅縮短從需求到執行的距離,將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入,不僅有助於提升效率,更賦予企業快速試錯與精準捕獲趨勢的能力,讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

#1 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學經理 廖宜楷
圖/ 數位時代

以 AI Agent 重塑數據使用方式,讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度,更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示,在數位轉型的過程中,許多企業面臨的挑戰不僅是數據整合,更包括如何讓不同部門的人員都能更即時協作與應用數據,有鑑於此,Vpon 推出四種 AI Agent 協助企業分析與應用數據,極大化第三方數據成效:

第一,以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表,即時掌握市場動態,加速決策下達與決策品質。

第二,透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限,可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三,藉由 Audience Agent 將客戶分群方式從規則導向(Rule-based)轉變為關聯導向,以關聯分析擴大受眾範圍,協助品牌找出更多潛在客群。

第四,推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因,釐清受眾喜歡的素材跟不喜歡的素材,藉此優化廣告投放內容,持續提升轉換率。

陳文謙表示:「透過 AI Agent 的輔助,品牌不僅能更快完成數據分析,也能將分析結果直接轉化為行銷策略與創意建議,降低跨部門溝通成本,讓數據真正參與決策流程。」

#2 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學資深總監 陳文謙
圖/ 數位時代

鏈結數據生態夥伴,以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率,Vpon 也持續拓展數據生態圈,協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示,跨境行銷過去多仰賴經驗與市場直覺,但透過數據整合與 AI 分析,品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明,透過雙方的獨家合作,企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源,深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型,以及不同客群的價格敏感度與回購行為等,將行銷決策從過往的經驗判斷轉變為精準的數據洞察,成為品牌出海的重要工具。

簡言之,對零售品牌而言,跨境數據是理解海外旅客真實樣貌的一大利器,也能進一步優化廣告投放、內容策略與商品布局,讓品牌在拓展國際市場時,可以更有效率地接觸潛在客群,放大行銷效益。

#3 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋產品行銷資深經理 邱心儒
圖/ 數位時代

展望未來,Vpon 將持續擴展數據生態圈並優化產品服務,幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環,希望以數據夥伴的角色與品牌共同成長,打造互利共贏的數據生態。

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
AI全球100+台灣20
© 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