UB是外銷主要動機
UB是外銷主要動機
2008.02.01 | 人物

當我告訴朋友,我們的網站要「外銷」時,朋友點點頭附和,「喔!就是假如國內做不成功,國外市場可以當『UB』(備用)是吧。」我當場傻眼:「是UB沒錯啦,但不是當UB,而是為了『user base』!」
這個以使用者基礎(user base)的取向,我們最近感受得再清楚不過了。一月十五日,我們網站的英語版本正式對北美市場開放,成功得到大部落格Mashable青睞,寫了一篇好文章,將我們與目前矽谷最紅的幾個網站比擬。於是在短短的幾個小時中,我們湧入了數千名的使用者,網站的美國主機掛了又起,團隊忙翻天卻興奮非常。

但這篇所謂的部落格報導,其實只是我們悄悄在檯面下進行的第三波行銷攻勢。整個網站早已依計畫於幾周前就開始小量地對外行銷,先對北美地區的小眾族群提供限量的邀請函,並且送出精準的電子郵件,只是「輕輕做」而已,每日的PV早已悄悄地穩定破千。

在一月十五日這天,我們得到第一批使用者。我們在促銷計畫上經過特別設計,以一招全球首創的「團隊式」(team-based)邀請函制,鼓勵每個使用者在登入時,直接拉進一些他的同好,並給這些同好一個頭銜(title),以「團隊」身份在網站上發表作品。這個極富原創性的病毒式行銷法顯然奏效,即使那篇部落格報導已經埋入深坑,我們的流量仍有增無減,邀請函像漣漪一樣,透過會員「人傳人」,一波波地盪漾出去。

我們知道這產品還不夠好。這年輕的團隊自七月成軍以來,至今僅半年。半年的時間,我們在「創辦團隊」管理法下,經過震盪磨合,還是堅持於四個月內完成這麼一個養會員的多功能社群網站,只能說是練兵之作,給自己打了「B-」。但值得驕傲的是,以「創辦團隊」開創這麼一個外銷網站,半年下來的成本是一般接案公司製作超大型網站的五○%以下,但得到的效果卻是十倍於國內的網站。這個產品或許打不到「甜蜜點」,但此波的行銷,已讓我們瞬間開出一條通往北美洲的線上通路。

**使用者基礎影響網站的成功與否
**這一切的關鍵,都在「使用者基礎」。英語世界的上網人口有四億人,與繁體中文最多三千萬上網人口的水準,有幾乎十幾倍的落差;與使用者分隔多處的大陸塊狀人口,也有至少五倍落差。在美國開一間麵包店,礙於地緣不見得贏過在台北開店;但開個網站?就算是練兵之作,也有機會超過國內精刻細琢的網站。或許在台灣必須上電視,網站才能讓十萬人看見;但在美國,只要靠口耳相傳,一下就是十萬人了。有了十萬人,網站的「基本盤」便起,後續更優質的產品亦不怕沒人來。在這個策略下,我們會繼續努力推出更好的東西,讓全世界總有一天看見我們。

 

往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

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
台達電全解讀
© 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