趁著自己徹底斷電前，趕緊把今晚帶 EMBA 討論的個案記下來。早上人在台中，下課很驚險地趕上高鐵，然後再衝回學校上課，晚上接著帶一堂三個多小時、數字多到讓大家眼神渙散的討論課。現在如果不寫，明天醒來大概只會納悶自己昨晚到底為什麼要拉一張這麼複雜的試算表。
今晚討論的主角是 YoLa Fresh，一家在摩洛哥做蔬果配送的新創公司。我看到這個個案特別有感觸，不是我對北非農業有什麼特殊情懷，而是過去曾經看過相似的題目。
2017 年在創投看案子時，我接觸過台灣的果物配，後來也認識創辦人。那個時期不只果物配，台灣有一批創業家都在思考同一件事：從產地到餐桌經過層層盤商，能不能透過數位工具讓供應鏈更透明、更有效率？能不能讓農民多賺一點、消費者買到更好的品質，同時減少產銷過程中的耗損？
這些問題聽起來都很深刻。看著一位優秀的創辦人帶著技術與滿腔抱負，細數產業裡的各種沉疴，誰能不被打動呢？
以前做投資評估時，當創業團隊遞上一份財務模型，就得自己重拉一份，就是想弄清楚，簡報裡描繪的願景，背後究竟要滿足哪些嚴苛條件才能成立？今天晚上只是藉這個個案再重溫一次。
這篇哈佛商學院（HBS）個案沒有附教學指引（teaching note），既然沒有標準教案規定這堂課要有哪三個學習目標、第一題該討論什麼、第二題該算哪筆帳，我索性就以看投資案的視角：如果十年前的我遇到 YoLa Fresh，我會怎麼檢視這家公司？
於是，我就動手做了一張細節多到有點折磨人的課堂推算表。一開始拉了完整版，後來想想這樣大概會逼得 EMBA 學生集體退選，才又貼心改了一張簡算版，先把公式全部埋好，大家只需要在關鍵的黃色空格裡填入決策數值。
藉這張表，大家可以很快「算出」重要的數字。
首先算的是市場規模。摩洛哥都會區的蔬果市場看起來相當龐大，粗估有十幾億美元的胃納量，而 YoLa 在當地主要城市只拿下約 2% 的市占率。一般創業者和投資人看到 2% 往往熱血沸騰，覺得剩下 98% 都是待開發的藍海。
但只要往下多算一層，事情就不是那麼回事了。摩洛哥都會人口確實在增加，但換算成年增率還不到 2%，偏偏 YoLa 同期的銷量卻一口氣衝了三成多。這多出來的三成究竟從何而來？總不可能全城居民突然集體決定明年要多吃三成的番茄和洋蔥。
說穿了，這些業績都是從既有通路上搶來的。以前店家去果菜批發市場拉貨，現在改跟你下單；以前找傳統中盤商，現在轉向 YoLa。換句話說，公司的快速成長主要來自「通路替代」，而不是整個大餅自然變大。
如果整體市場每年自然擴張 30%，再笨拙的營運瑕疵都能被浪潮掩蓋；但如果市場成長極為有限，你想逆勢衝出 30% 的成長，每多賣一塊錢，都必須證明自己比原本的盤商更具吸引力。問題就在於：你的價格真的有便宜很多嗎？
評估生鮮電商時，這是我們始終放在心底的疑問。談到農業產銷，從經濟角度，不能只訴諸道德故事：農民辛勤耕作卻被層層盤剝，每一級中盤都在抽成，導致產地賤價、終端昂貴，只要科技平台切入「消滅中間商」，問題便能迎刃而解。
然而，中間環節之所以能存在，從來不只是坐在那裡平白抽成，他們更重要的功能是承擔風險。生鮮蔬果會腐爛，果實大小與熟度不均，只要碰上下雨，品質立刻打折；運送稍微碰傷，隔天就得報廢。下游店家嫌紅蘿蔔太細、番茄擦傷，轉身就退貨；偏偏你深夜才能統計出隔天的需求，而產地農場遠在數百公里之外。
傳統中盤商能屹立多年，或許不算頂尖有效率的制度，但至少說明了一件事：那些不確定性一直有人在默默吸收。科技如果只是拿掉中盤商，風險並不會憑空消失，只是轉移到平台自己頭上，而現在接下這顆燙手山芋的正是 YoLa。
所以今天在課堂上，我刻意不問「YoLa 到底該相信演算法還是相信業務」這個個案已有的表面問題。我拋出的第一個問題是：「倉庫裡堆了這麼多爛掉賣不掉的菜，到底是誰捅的婁子？」
果不其然，同學們很快列出戰犯名單：採購、業務、物流、倉管、品管、資料分析、行銷。
但當我們逐一追問，事情就變得複雜了。採購為什麼超量下單？因為生鮮必然有耗損淘汰，何況批發量大才有議價空間；業務為什麼預測不準？實際上業務常常憑第一線經驗修正模型，修完的數字反而比純演算法更貼近真實訂單；至於演算法本身，加權絕對百分比誤差（WAPE）已經從三成多降到兩成左右，面對變化莫測的每日生鮮需求，表現其實並不差。物流半夜接單、凌晨採購、清晨七點前就得送達；品管在有限時間內，更不可能逐顆檢查番茄。盤點到最後大家才發覺，檯面上每個人看似都有疏失，但每項決策背後又都有充分的苦衷。這時候，真正的管理課題才算浮上檯面。
接著我們拆解第二張表，計算單位經濟效益。2025 年第二季，YoLa 每賣出 100 公斤蔬果，淨營收大約 54 美元，光進貨成本就要四十幾美元，再加上近 12 美元的物流配送與產品報廢，算下來毛利大約是負 5 美元。忙得人仰馬翻，結果卻是賣越多虧越多。
更棘手的結構在於，蔬果每公斤的買賣毛利差大概只有 0.094 美元，但每公斤的物流成本卻要 0.118 美元。光是「最後一哩路」的運費，就把商品的買賣價差全部吞蝕殆盡。
演算法很強、App 介面很流暢、科技題材很動聽，但終究需要一輛貨車把二十公斤的蔬菜送進街角的小雜貨店。那台車不會因為導入人工智慧就免加汽油，司機也不會因為預測準確率提升三個百分點就義務勞動。
許多科技新創最常陷入的盲區，就是把「資訊效率的提升」誤以為等於「實體經濟效率的改善」。數位工具確實能幫你精確標記出問題在哪裡，但現實世界裡的物理成本，並不會因此自動蒸發。
不過 YoLa 本身其實非常務實，他們沒有為了凸顯科技色彩而盲目自建系統，而是直接採購印度新創現成的 SaaS 服務。身為一家以科技輔助營運的蔬果通路，完全沒必要只為了讓募資簡報看起來很前衛，就大費周章養一組工程團隊從頭寫一套內部系統。但耐人尋味的是，即便預測準確度顯著提升，公司帳面上依舊在失血。
我們接著做壓力測試：如果退貨率歸零會如何？2025 年第二季原本毛利是負 19 萬美元，若假設那筆高達 26 萬美元的退貨全數順利成交，毛利會瞬間轉正為 7 萬美元左右；但如果是把倉庫報廢完全歸零，毛利依然是負 9 萬美元。
這時大家才恍然大悟：平平都叫損耗（waste），本質上卻是兩碼子事。一種是採購超量、在庫變質或分級淘汰的「內部損耗」；另一種則是貨品已經送到客戶手上，卻被拒收退回的「外部退貨」。前者要對付的是進貨節奏、溫控冷鏈與分級篩選；後者要解決的則是規格標準、驗收共識以及客戶期望管理。把不同成因的損耗混在同一項總指標裡，根本無法對症下藥。管理報表上往往充斥著看似簡明的綜合指標，但如果沒釐清背後的形成機制，策略就很容易抓錯方向。
比對機器預測、業務預估、實際採購與實際訂單這四組數據時，爭論演算法與人類誰比較厲害便失去了意義。現場業務會參考機器學習的預測，再結合第一線商情微調，九個品項中業務修正後有五項更貼近真實訂單，機器勝出三項，一項打平，人機搭配的成效其實相當不錯。
真正耐人尋味的是採購部門的行為：最終進貨量比業務預估多出了將近 5%，更比機器預測高出快 17%。既然預測已經做得很細緻，採購為什麼還要硬塞這麼多量？採購的考量同樣合情合理：生鮮品質起伏大、分級必然會剃除部分次級品、量大能壓低進價，而且一旦缺貨，業務鐵定會找上門算帳。各部門都做了對自己最有利的判斷，湊在一起卻形成了對公司最不利的局面。
我們進一步套用報童模型粗估：少買一公斤，少賺 0.094 美元的毛利；但多買一公斤若淪為折價出清，損失卻高達 0.266 美元。也就是說，過量進貨的成本是缺貨損失的 2.8 倍。從數字來看，採購策略理應保守，YoLa 實際上卻買得極為積極。這意味著團隊心中恐怕藏著一筆巨大的隱形成本：一旦缺貨導致客戶跑回傳統批發市場，可能就再也不會回流。
如果這層考量屬實，採購的做法就完全說得通。但經營團隊必須把這個假設攤開來算清楚，而不是一邊抱怨庫存報廢太高，另一邊又用考核指標逼大家絕對不准缺貨。許多企業的困境並不是缺乏數據，而是各部門各自依循一套「隱含的經濟模型」行事：業務怕流失客戶、採購怕開天窗、財務怕積壓存貨、物流嫌小額訂單不划算。大家都沒錯，真正的考驗在於高層到底要統一採用哪一套成本邏輯來拍板。
算到這一步，我才讓大家打開 AI。這是我刻意安排的節奏，沒有讓學生一進教室就直接把個案文件餵給生成式工具產出四平八穩的摘要。大家得先親自爭論、抓出盲點、精算數據並確立假設，弄清楚自己的立場之後，再把這些論點交給工具，請它繪製出「降低退貨率」的因果關係圖。
這時工具的價值才能完全發揮。它不需要替我們做主觀決斷，而是幫忙梳理散落在市場、需求、採購、品質、物流與客戶滿意度之間的牽動網絡：客戶忠誠度不足會引發訂單劇烈波動，波動放大讓預測難度攀升；品質越不穩定，採購越傾向過量叫貨以求自保；超額進貨拉高了庫存與報廢風險，卻也確保了到貨率。彼此牽連的因果回路，才真正勾勒出「系統性問題」的全貌。
最後我要求各組只交兩頁簡報。第一頁只回答四個問題：核心問題是什麼、下一季要做什麼、必須承擔什麼代價，以及為什麼願意承擔這個代價；第二頁則清楚列出推論背後的所有假設。
過去學生做策略規劃，往往流於「提升品質、壓低成本、拉高滿意度、衝刺營收」這種全都要的願望清單。商業世界要是如此單純，每家公司早就賺大錢了。任何實質策略都建立在取捨之上：想要拉高配送密度，可能得割捨單次購買量過低的小店家；想要徹底落實品質分級，就得承受較高的進貨成本與較慢的驗收速度；寧可承受缺貨也不想過量報廢，營收成長就得踩煞車；若想轉型成有實質獲利能力的精緻通路，甚至必須坦白向投資人表態放緩擴張腳步。勇於承受代價，才談得上做選擇。
回顧今天我最主要的收獲，依舊是這份個案沒有現成的教學指引。正因為沒有標準答案可循，我才把過去在創投看團隊、研究商業模式的實務經驗搬回講堂；甚至也藉由這次備課，把過往直覺式的檢驗習慣重新梳理成一套清晰的結構：從市場規模切入，拆解單位經濟效益，抓出最脆弱的敏感變數，一路推演到組織內部的決策矛盾，最後才落腳到需要付出代價的策略選擇。
教這樣的課確實有風險。沒有指引可依循，我就可能算錯，也可能把台灣生鮮電商的經驗過度套用在北非市場；例如統計數據裡的女性農業勞動力定義、卡薩布蘭卡的在地消費習慣與農產損耗比例，許多環節目前都只能仰賴推估。但我始終認為，這正是個案討論最珍貴的價值所在。現實中的商業抉擇從來不會等到所有資訊齊全才展開，我們經常得在資訊殘缺、時間緊迫、各部門各有立場的情境下拍板定案。能在混亂中分清事實與假設，知道哪些關鍵數據非算不可、哪些推論可以暫時容許誤差，並且清楚自己願意為選擇背負什麼責任，這才是經理人最需要鍛鍊的基本功。
至於 YoLa Fresh 未來究竟該走哪條路，我給不了標準答案。
我在乎的是，未來當大家再次聽到「用科技翻轉傳統產業」這類動聽的故事時，可否多些追問：
- 科技究竟消除了哪一項成本？
- 原本的盤商吸收了哪些風險，如今這些風險又落到了誰頭上？
- 這筆成長是市場自然擴張，還是從別人手裡硬搶過來的通路替代？
- 微薄的買賣毛利，真的撐得起最後一哩路的運費嗎？
- 隨著營運規模放大，單位經濟效益是漸入佳境，還是把虧損等比例放得更大？
- 如果策略真能奏效，我們又準備放棄什麼？
如果這些問題能在腦海裡生根，今晚大家算到頭昏的試算表，可說是功德圓滿。
至於全日上課的我，可以安心斷電睡覺惹。