feature picture
富邦媒

momo 喊雙 11 要做 30 億!助攻業績漲 5 成的關鍵策略,是什麼?

2020-10-31 採訪‧撰文 周頌宜
分享
收藏
已完成
已取消

距離雙 11 購物節不到兩周,電商龍頭 momo 喊出今年業績年增 5 成,以去年單日業績 21 億元來說,今年的目標是 30 億元。

momo 總經理谷元宏指出,疫情推波助瀾,消費者無法出門,改用電商購物,今年上半年業績因而成長 30%。「一旦消費者習慣養成,知道電商的好處,就回不去了。」

為此,momo 趁勝追擊,趕在雙 11 前夕,布局商品、物流、金流、系統,全面提升消費者的購物體驗。每年雙 11,暴增的流量考各家電商的應變能力,為了避免當機事故重演,谷元宏說,今年 momo 已向台灣大哥大承租一座資料中心,承載量是去年的 1.5 倍,讓進線量穩定。為達單日 30 億元的業績,momo 以 4 大策略備戰:

延伸閱讀:momo營收年年漲 20 %!起步比PChome晚,如何彎道超車成股王?

1. 撿貨加註紙箱大小建議,幫理貨員省時間

momo 現有 30 座倉庫,包含 10 座主倉(約 2 萬 5000 坪)、20 座衛星倉(約 4~5000 坪),平均每月接單量高達 210 萬筆,年成長超過 25%。

谷元宏坦言,依照雙 11 的歷史經驗,倉儲量遠遠不夠,momo 建倉庫的速度仍趕不上顧客的消費力,今年為了疏通大件貨物的運送,更對外承租超過 10000 坪空間,擴大倉儲。

為了加速理貨,谷元宏於 6 月接受專訪時分享,momo 做了件很小,卻很有幫助的事。理貨人員拿到檢貨單時,通常無法判定商品數量該搭配多大的箱子,往往為了方便,選擇相對保險、也就是過大的箱子,不僅造成時間、資源浪費,消費者拿到商品的感受也不好。

momo 為此開發新功能,在理貨員拿到檢貨單後,單上會註明建議的箱子尺寸,節省工作人員的理貨時間之餘,中型紙箱使用率較系統上線前降低 3.5%、小型紙箱使用率則提升 4.5%,這個技術已於 2019 年拿到專利。

2. 自建車隊,提前規畫配送路線,取貨零時差

momo 在 5 月成立的自有車隊「富昇物流」,現可負擔 10% 的運量。透過 AI 演算,事先將訂單送到指定的區域倉,並搭配電子地圖規畫送貨員的最佳配送路線,打造取貨零時差。

3. 結盟全家,拓展 3600 個冷凍取貨點

另一方面,繼去年與台灣大哥大超過 700 家門市合作,推出台哥大門市店取服務;今年針對冷凍食品,momo 首度與全家便利商店結盟,提供超商冷凍店取的選擇,等於拓展 3600 多個取貨點。

4. 導入「語音搜貨」「以圖搜圖」功能,找商品更方便

谷元宏解釋,11 月初開始,消費者會密切關注各產品、品牌的優惠訊息,陸續將想要的商品加入購物車,等到 11 月 11 日當日,一次結帳購買。

為此,momo 官方 App 趕在第三季末推出「語音搜尋」「以圖搜圖」服務,消費者只要「動口」,說出想要的商品名或品牌名,或是上傳圖片,就能進一步搜尋到想要的商品。

一方面縮短商品被加入購物車的流程,同時維持消費者當下的購物慾望,避免因搜尋體驗差就跳離的情況。功能上線至今兩個月,每日平均高達 1 萬次使用量,App 流量因此成長 3 倍。

此外,為加速解決顧客問題、分擔客服人力,「數位客服」提供簡單的客戶問題文字回應。舉例來說,顧客想要找某一款商品,只要在對話框鍵入「我想要買XX餅乾」,智能客服也會建議購物連結,點擊即可跳到該商品區,開始購物。

繼續閱讀 時事觀點
相關文章
feature picture
經理人

AI 不只要懂數據,更要懂企業!Teradata 如何加速實現自主型企業?

2026-11-09 經理人 X 擎昊科技 X Teradata
分享
收藏
已完成
已取消

隨著生成式 AI 快速發展,AI 的角色正從回答問題、生成內容,進一步走向執行工作、參與決策,這也讓「自主型企業(Autonomous Enterprise)」成為企業數位轉型的新願景。在這樣的企業中,AI 不再只是被動等待人下指令的工具,而是可以在授權範圍內自主做出決策、執行任務,且會持續學習與優化的數位員工,而人則肩負起監督與審核的責任,確保 AI Agent 的決策與行動符合企業目標及治理要求。

然而,要實現自主型企業的願景,除了依靠強大的 AI 模型外,企業還需要掌握兩個關鍵:一是釐清自身希望透過 AI 解決哪些業務問題、達成什麼目標;二是讓 AI 真正理解企業的業務脈絡。這兩個關鍵,不僅決定 AI 能否從概念驗證(PoC)走向實際營運,更是企業朝自主型企業邁進的重要基礎。

邁向自主型企業,企業必須掌握的兩大關鍵

Teradata 首席營收長 Richard Petley 指出,企業在定義 AI 導入目標時,不能只著眼於技術是否可行,更應該從實際業務需求出發,設定明確且可衡量的成果與投資報酬。

舉例來說,金融業可能希望提高詐欺偵測率、降低風險;零售業則想要藉由個人化推薦提升轉換率與顧客體驗;製造業也許會將縮短生產週期、提升供應鏈效率列為目標。雖然不同產業對 AI 的期待各有不同,但共同點都是希望解決具體的業務問題,而不只是驗證 AI 能做到什麼。

第二個關鍵則是讓 AI 理解企業的業務脈絡。即使企業已經將所有資料集中在同一個平台,也不代表 AI 就能理解這些資料。例如,AI 可能知道某位客戶的交易金額下降,卻不知道背後究竟是受到合約條件改變、採購週期等哪一項因素影響。

換句話說,若 AI 不清楚數據背後的意義,以及企業實際的業務流程與決策依據,即便數據量再多、模型能力再強,仍難以做出適當判斷。因為真正影響企業決策的資訊,往往不只存在於數據本身,也可能藏在不同部門的作業流程、內部文件,甚至資深員工長年累積的經驗之中。

因此,企業不只要整合散落在不同系統、資料庫與文件中的數據,還必須建立資料之間的關聯,讓 AI 不只看得懂數據,更能理解數據背後的業務意義與決策邏輯。如此一來,AI 才不會像一名對公司業務一無所知的新進員工,而是能夠根據企業的實際情境做出適當判斷、執行任務。

Teradata 兩大解決方案,打造由知識與脈絡驅動的 AI

Teradata 首席產品長 Sumeet Arora 認為,邁向自主型企業是一段漸進式的轉型歷程,若能讓 AI 充分理解業務脈絡,就有機會加快轉型腳步。為此,Teradata 推出 Tera Context Engine 與 Tera Harness 兩項解決方案,協助企業打造由知識與脈絡驅動的 AI 應用,讓 AI 不只理解企業的業務邏輯,更能將這些理解運用在實際任務中。

舉例來說,歐洲某醫療研究機構運用 Teradata 解決方案及自家資料庫,開發出一套僅有 200 萬個參數的輕量化 AI 模型,可預測不同病患族群未來 10 年內的疾病發生情況,提供相關單位及早做好醫療需求與資源規劃。美國某大型醫院透過 Teradata 平台整合病患數據,進而開發出可直接在資料庫內執行的病患風險分層模型,可從病患特徵去辨識其風險程度與照護需求,讓醫師據此規劃更精準的照護計畫。

擎昊
Teradata 首席產品長 Sumeet Arora 表示,Teradata 推出 Tera Context Engine 與 Tera Harness 兩項解決方案,協助企業打造由知識與脈絡驅動的 AI 應用。
經理人

首先,Tera Context Engine 扮演的是企業知識整合與轉譯者。它能整合企業分散在四處的數據與內容,並納入內部專家長年累積的經驗,在符合數據治理規範的前提下,轉化為 AI 能夠理解與運用的企業智慧。換句話說,Context Engine 的價值不只是提供更多資料,而是讓 AI 理解資料背後的商業意涵,以及如何運用在實際情境中。

有了業務脈絡,下一步就是讓 AI 真正採取行動,這正是Tera Harness 所扮演的角色。它會結合 Context Engine 提供的知識與脈絡、企業設定的目標,如:提升客戶滿意度,讓 AI 去執行對應任務,並依據結果持續調整行動策略。而在涉及重要決策或較高風險的應用情境中,Harness 也能導入人機協作機制,由人介入決策、提供回饋,降低 AI 自主決策可能帶來的風險。

然而,當 AI 開始自主執行更多任務,企業也面臨另一項挑戰:如何在擴大 AI 應用的同時,兼顧主權 AI 與資安需求?對此,Sumeet Arora 指出,Tera Harness 支援地端、雲端及混合部署等不同 IT 架構,能夠配合資料所在位置去執行任務,企業可依據自身的治理與法遵要求彈性部署,將重要知識與商業機密留在內部可控的環境中。

此外,當 AI 開始承擔更複雜、執行時間更長的任務,如何避免因意外而導致任務中斷,也是企業相當關注的課題。為此,Teradata 在 Harness 中導入檢查點與記錄機制,倘若 AI 因意外而中斷正在執行的任務,Tera Harness 會從最近一次的檢查點接續執行,不必從頭再來,減少不必要的時間與成本浪費。同時,Harness 也具備高併發處理能力,可同時處理多個 AI 任務,提升 AI 參與日常營運的穩定性與可靠性。

從資料倉儲走向 AI 知識平台,Teradata 3.0 攜手擎昊加速企業轉型

Tera Context Engine 與 Tera Harness 的推出,不只協助企業加速 AI 應用落地,也反映 Teradata 對自身定位的轉變,正從傳統資料倉儲供應商,轉型為企業 AI 知識與 AI 執行能力的供應商,協助企業將分散的資料轉化為 AI 可理解的脈絡資訊,進而驅動智慧決策與自動化執行。

Richard Petley 進一步說明,Teradata 的發展可分為三個階段,在最初的 Teradata 1.0 時期,以軟硬體整合的資料倉儲設備為主,到 2.0 則轉向支援地端與雲端部署的現代化軟體,如今進入 3.0 階段,客戶不一定要採購整套資料倉儲解決方案,也能依需求導入 Context Engine 或 Harness。這樣的轉變,顯示 Teradata 正以更開放、彈性的合作模式,讓企業能夠在既有技術架構上導入所需的 AI 能力,而不必全面汰換原有系統。

擎昊
Teradata 攜手台灣代理商擎昊科技,結合原廠 AI 技術與在地系統整合經驗,協助企業加速 AI 應用落地,邁向自主型企業。圖中由左至右,依序為 Teradata 首席產品長 Sumeet Arora、擎昊科技總經理劉宗坤及Teradata 首席營收長 Richard Petley。
經理人

然而,再先進的技術架構,仍需要在地專業夥伴協助落地。而擎昊科技作為 Teradata 台灣代理商,不僅與原廠保持密切互動,更擁有深厚的技術實力,及豐富的企業級系統規劃、建置與整合經驗,協助企業打造穩定可靠的 IT 環境,讓 AI 應用能夠順利導入並持續運作。此次 Teradata 兩位高階管理者 Richard Petley 與 Sumeet Arora 來台,除了與企業客戶交流 AI 發展與應用需求,也攜手擎昊科技深化在地合作,共同拓展台灣市場。

面對缺工、高齡化與市場競爭加劇等挑戰,如何運用 AI 提升營運效率並強化決策能力,已是企業的當務之急,這也讓自主型企業成為未來必然的發展方向。在這條智慧轉型的路上,Teradata 將持續攜手擎昊科技,融合 AI 技術、企業知識與系統整合能力,協助企業加速 AI 應用落地,朝自主決策與智慧營運的新階段邁進。

擎昊
Teradata 首席營收長 Richard Petley 指出,Teradata 正以更開放、彈性的合作模式,讓企業能夠在既有技術架構上導入所需的 AI 能力,而不必全面汰換原有系統。
經理人
擎昊科技
Teradata

解鎖更多提問機會!

請先登入會員

會員專區

使用會員功能前,請先登入

  • 台灣首款對話式 AI 職場教練,一次提升領導力
  • 會員專享每日運勢、名人金句抽籤
  • 收藏文章、追蹤作者,享受個人化學習頁面
  • 定向學習!20 大關鍵字,開放自選、訂閱
  • 解鎖下載專區!10+ 會員專刊一次載
訂閱方案