進駐百貨公司經營策略之眉眉角角

進駐百貨公司經營策略之眉眉角角

在這年頭,O2O 線上結合線下(虛實融合\虛實整合)的熱度持續延燒中,電商平台(91app、shopline、cyberbiz等)也早已紛紛延伸到線下的POS 系統,如何能夠完整地紀錄使用者的行為,也許就能夠更懂消費者,也許就更懂做商品,也許就更有機會成交吧?

前不久在 medium 上面看到 James Yang 的一篇文章「實體快閃櫃經驗談(上)-心法篇」,就回想起以前經營百貨公司專櫃的櫃哥魂,就把以前一些小小的經驗,隨性的分享給大家。

進駐簽約時間

百貨公司在簽約時間有一年、半年、三個月、一個月、兩週等,分別有稱為「正櫃」「臨時櫃」「快閃櫃」「特賣會」「花車特賣」,正櫃和半年臨時櫃這兩個部分,大多在每年2/28或3/31和8/31或9/30進行換櫃,看百貨體系,有時候才會大改裝。

大重點大提醒:

  • 位置:中島、壁櫃居多,中島就是座落在走道上面的櫃位,高度有一定的限制(大多是135cm),壁櫃就是有牆面可以使用,相較下,設計上面整個能夠發揮的空間就很高。
  • 人潮:要觀察平日、假日,早中晚的人流,消費者輪廓和提袋率,以及可能的平均客單價,是否與自己的品牌呼應。
  • 裝潢:公裝、自裝兩種,公裝主要是由百貨公司統一設計製作完成,廠商根據每坪數的費用進行計價收費,合約結束後,裝潢道具仍然是百貨公司的。自裝是由廠商自行設計製作,但設計圖稿必須給百貨公司審稿,通過才能執行製作。
  • 進櫃:大多是櫃換櫃(當天閉店進撤櫃),也就是幾乎不到12個小時內要完成櫃位進場、現場施工、拉水電、清潔、產品上架、擺設等等,而且一定有免不了突發狀況。(如設計圖的插座位置跟現場不一樣!!!)
  • 點交的時候一定要確認清楚整個櫃位狀況,務必要拍照,有問題就當場請樓管來確認。
  • 進櫃的當天,其他百貨的專櫃樓管們都會撥空來參觀新櫃,這時候會是一個很好曝光機會,記得多主動接觸對談。

太多項目了,講個重點部分,簽約記得是留意純抽成還是有包底抽成(又分每個月目標或年度目標),保證金,手續費,活動贊助費,罰款,設櫃管理費,營運管理費,倉儲費,公共意外險,冰水費,停車場費等等等。

大重點大提醒:保證金於合約結束後,廠商記得要主動跟樓管申請,切記。

最難的部分,一開始都在人力銀行po,根本沒什麼人應徵,後來直接去特賣場,跟大姐交關一下,得以進入Line群,才知道這是最準的群,而且廣遍佈北中南,超多群,櫃姐有分幾種型式,專門接臨時特賣或接正櫃,一個櫃點根據營業就要考量是否採用一人櫃、兩人櫃或者搭配 PT 等等,找完人,又有另一大學問了,如何排班,人員怎麼搭配,獎金制度等等,又是有很多要注意的眉眉角角。

今天先分享到這邊,這篇文章就當作一個開頭,如果有想到什麼以前的故事,我會持續的更新這篇內容,大家如果有想知道那些問題,也歡迎留言與我互動,我就持續跟大家分享下去。

待續~~~~~

Read more

Gemini Enterprise Agent Platform 解析:AI Agent 五分鐘做得出,為什麼半年上不了線?

Gemini Enterprise Agent Platform 解析:AI Agent 五分鐘做得出,為什麼半年上不了線?

今年你只要會打字,五分鐘就能 vibe coding(用自然語言邊聊邊寫程式)做出一個 AI Agent(AI 代理,會自己查資料、自己跑流程的小機器人)。 真的,五分鐘。 做一個會自動回信、自動查訂單、自動跑客服的小機器人,現在比泡一碗泡麵還快。 但接下來這句才是重點: 做得出 demo,跟「敢放上線天天幫你跑業務」,中間隔著一條深得嚇人的鴻溝。 這條鴻溝,多少團隊掉進去就再也沒爬出來。 Google Cloud 最近有一場對談,主題就叫《From Prototype to Production》(從原型到生產),主持人找來兩位 Google 老將 Dave Elliot 跟 Addie,專門講這條鴻溝怎麼跨。他們端出來的東西,叫做「Gemini Enterprise Agent Platform」(Gemini

By Lewis wang
AI Agent 時代新護城河:為什麼第一方資料比模型更關鍵?

AI Agent 時代新護城河:為什麼第一方資料比模型更關鍵?

過去一個多月,Salesforce 做了一件很瘋的事。 他們在差不多 30 天內,連開四場大會加一次財報電話會:行銷大會 Connections(CNX 2026)、Tableau 資料分析大會、華盛頓特區的 Agentforce World Tour,還有一場專講電商的 Commerce 場,最後用 FY27 第一季財報收尾。 五場活動,講的其實是同一件事:Agentic Enterprise,中文我把它翻成「智能代理企業」。 而且這次不是喊願景。財報數字是這樣的:Agentforce 的年經常性收入(ARR,Annual Recurring Revenue,每年穩定收得到的訂閱收入)已經破 10 億美金,光一季就燒掉 28.6 兆個 token,季增 152%。(來源:Salesforce

By Lewis wang
AI 落地為什麼總失敗?矽谷用「前線部署工程師 FDE」把 AI 從工具變員工

AI 落地為什麼總失敗?矽谷用「前線部署工程師 FDE」把 AI 從工具變員工

今年五月四號,OpenAI 和 Anthropic 這兩家全世界最會做 AI 模型、平常針鋒相對的公司,在同一天各自宣布要成立一個專門幫企業導入 AI 的合資公司。 Anthropic 那家,找來 Blackstone、Goldman Sachs 等一票華爾街資金,規模 15 億美元。OpenAI 那家更直接,取名叫「The Deployment Company」(部署公司),募了 40 億美元,估值一口氣衝到 100 億美元。 兩家死對頭難得有志一同,而且嘴上掛的是同一個詞,叫 FDE,Forward Deployed Engineer,中文翻成「前線部署工程師」。 你可能沒聽過這個詞。但如果去翻 Y Combinator(矽谷最有名的新創加速器)的徵才看板,現在有超過

By Lewis wang
你的 AI 不是不夠聰明,是你管太多:Code with Claude London Day 2 全 13 場,給電商老闆的三條 AI 治理

你的 AI 不是不夠聰明,是你管太多:Code with Claude London Day 2 全 13 場,給電商老闆的三條 AI 治理

你有沒有過這種經驗。 剛開始用某個 AI 工具的時候,它意外地好用。然後你想讓它更好,於是多寫了一條規則。又遇到一個漏洞,再補一條。再來一個例外狀況,又補一條。三個月後,你回頭看那段 prompt,已經長到自己都不想讀,而 AI 呢?反而越來越笨,越來越常給你莫名其妙的答案。 如果你問我,這幾乎是每個認真用 AI 的人都會踩的坑。 Anthropic 前陣子把開發者大會「Code with Claude」開到了倫敦。我之前把第一天的 24 場演講整理成一篇導覽,那是「現況盤點」,台上的人在講模型進化到哪、產業瓶頸移到哪,比較像產業 keynote。想補課的可以先看那篇 Day 1 全 24 場筆記。 這篇要講的是第二天,跟 Day 1 不同天。

By Lewis wang