【林宇輝專欄】台灣電子大廠與物聯網新創團隊間的合作之道

科技產業一向是台灣人的驕傲,讓台灣 90 年代在國際間引領風騷。然而,在接下來的「萬物聯網」時代,台灣業者似乎還沒回過神,深圳已經全副武裝,急起直追了。我深信台灣這幾十年累積的技術優勢仍在,我們必須擅用這些優勢,找到對的切入點,吸引國際最優秀、最創新的 startups 來台灣合作,除了接單製造外,更重要的是學習如何創新,如何利用日新月異的物聯網技術來打造 innovative / disruptive 的 service model。若能如此,物聯網將會是下一個讓台灣在國際舞台上發光發熱的絕佳機會。
評論
評論

 

Photo by Chad Rosenthal

最近數個月,「物聯網」這三個字越來越常出現在各種媒體上,就連不是圈內的朋友們也對這三個字耳熟能響,像是 Nest, Dropcam Fitbit, GoPro... 等等,更是三天兩頭就會被提出來當案例。

毫無疑問,「萬物聯網」的趨勢成型,已被市場接受。然而創業界的人也很清楚,一談到 IoT startups,第一個會想到的是深圳,然後下一個尖銳的問題就是 “台灣的電子代工大廠在幹嘛?為何 IoT 的趨勢已成型,這些大佬們卻白白把機會讓給深圳“?

在我剛進入 IoT 市場的時候,訪談了許多國內外的 startups、加速器、以及 VC… 等等,普遍的認知是 “電子大廠只懂看產量大小,價格又貴,無法和 startups 合作”,於是電子大廠只好默默的被冠上「不懂變通、沒有遠見、跟不上市場趨勢」的惡名。小弟身為創投界與酸民界的一份子,當然也要加油添醋、忿忿不平的加入批評電子大廠的行列。然而旁觀者迷,當局者清;  Mesh Ventures 成立後,我們陸續帶入了三個案子和廣達有進一步的合作,當真正 hands-on 去和公司內的副總、業務、RD、PM 協調後,我發現表象和事實略有差異。

當我們 Mesh Ventures 團隊第一次和 BU 副總坐下開會時,不料對方劈頭第一句話就是:「出貨量對我們來說並不是最重要的考量點,代工費也可以針對不同的案子有不同的彈性」。這句話和我們普遍認知上差距太多,令我們有點瞠目結舌。正當我們消化當中含義的時候,副總又道:「我們最怕的反而是 startups 突然要大量出貨」。完全無法理解,也無法相信自己的耳朵,一度以為副總在逗我們玩,經過深入的討論後,我才慢慢體會到電子大廠的難處。

其實,連瞎子都看得出來 NB 市場正在萎縮, IoT 市場正在崛起, 電子大廠們何等精明,哪有不明之理。大廠們也明白,若想和 IoT startups 合作,就要接受他們量小錢少事情多的事實,所以心態上、做法上已經做了許多讓步與調整,但至今為主,大廠與 startups 合作仍存在許多難關:

  1. 預估不準、財務不穩:量小有量小的做法,只要穩定成長就可獲利,但若 startups 一下子大賣,廠商大量備料,下個月出現另一個更好的同類產品, 業績立刻暴跌,startups 拍拍屁股關門走人,準備下一次創業。接一個單賺不了多少,倒一個 startups 的庫存卻會讓代工廠損失慘重。另外,在財務未穩的情況下,放 term 當然也是天方夜譚的事。
  2. 培養艱難、搶單不難:電子大廠已經接受和 startups 合作初期很難賺到錢的事實,與其說是做生意,倒不如說是培養幫助團隊比較恰當,但是含辛茹苦地把 startups 撫養長大後,別的代工廠立刻就來殺價搶單。在商言商,若代工廠品質差不多,能省錢當然沒理由拒絕。這沒有誰對誰錯,只是現實。簡單說,電子大廠和 startups 合作前期沒錢賺、後期沒單做,那在瞎忙些什麼呢?
  3. 天南地北、雞同鴨講:大部份國外的 IoT startups 都沒有真正量產的經驗 (這點台灣 startups 相對佔優勢),對於量產上需要的設計、測試、文件、流程、器材、零件選擇.. 等等,都不熟悉。對於習慣和 Dell, HP, Apple 這種大廠合作的業務來說,當然不知道對方什麼聽懂了,什麼沒懂,更沒耐心去一一解釋,再加上英文語言上本來就有些代溝,常常球掉了,雙方也不知道。
  4. 訂單不大、別人優先:電子大廠雖然開始有意願和 startups 合作,但畢竟開門做生意,還是以利益為主,大公司大訂單仍是優先處理,像是遇到搶人力、零件、產線等等資源上的衝突,startups 除了乖乖等待,似乎別無他法。

雖然和電子大廠合作的確有難度,但幾個案子跑下來後,還是整理出了一些和電子大廠的合作方向和邏輯:

  • 以前電子大廠都和國際級大客戶合作,只要埋頭做就好,不用考慮市場或風險,反正不管產品賣得好不好,客戶不會倒,錢一毛不會少 ; 但現在和 startups 合作則需要在成本、獲利、和風險中取得一個平衡。所以在合作前,我們會先幫廣達把案子的商業模式、財務狀況、市場狀況、以及風險屬性全盤弄清楚,讓代工廠清楚了解 startups 的潛力和風險,甚至會提到未來做代工以外更深入合作的可能性,例如投資股份或 Joint Venture 等等。而對於挑案子的策略,我們則傾向於軟體為主、硬體為輔的 startups,簡單說就是以 data / service 為主要營收的公司,因為若是以硬體為主要收入的 startups,庫存的壓力太高,收入的穩定性低,無論對創投或代工廠都是很大風險。
  • 創投在這裡扮演的角色就像媒人婆,在合作開始前就先讓雙方更瞭解彼此,降低誤會的產生。在互動的過程則要忽遠忽近,平時當然是讓 startups 和代工廠直接溝通,但是當發現球掉了,雙方有些認知上的差異,那就要跳出來幫忙協調。
  • 多了創投的色彩,電子大廠在合作上配合度也明顯較高。Mesh Ventures 等於是代工廠的眼,負責在全球找尋及挑選過濾出最優秀的 IoT startups,過程中幫忙溝通協調,出貨後除了幫忙 startups 開發市場,也幫代工廠監督市場和財務狀況,全程沒向代工廠收半毛錢,百利而無一害。對代工廠來說,我們的一個可以源源不絕的提供好案子的角色,相較之下,合作上自然會比單一 startup 更俱有 bargaining power。

科技產業一向是台灣人的驕傲,讓台灣 90 年代在國際間引領風騷。然而,在接下來的「萬物聯網」時代,台灣業者似乎還沒回過神,深圳已經全副武裝,急起直追了。我深信台灣這幾十年累積的技術優勢仍在,我們必須擅用這些優勢,找到對的切入點,吸引國際最優秀、最創新的 startups 來台灣合作,除了接單製造外,更重要的是學習如何創新,如何利用日新月異的物聯網技術來打造 innovative / disruptive 的 service model。若能如此,物聯網將會是下一個讓台灣在國際舞台上發光發熱的絕佳機會。

歡迎加入"Inside" Line 官方帳號,關注最新創業、科技、網路、工作訊息

好友人數

Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。