被忽略嘅金礦：SFCC 生態嘅 AI 工具機會
巨頭陰影下嘅黃金裂縫
每次有人講「SaaS 機會已經被食曬」，我就會諗起一個數字：Salesforce Commerce Cloud（SFCC）全球服務超過 3,000 間企業客戶，包括 Nike、梅西百貨、Adidas 呢類零售巨頭，每年嘅 license fee 動輒幾百萬美金。但搞笑嘅係，呢個生態圈嘅第三方工具市場幾乎係一片空白。你打開 SFCC 嘅 AppExchange，睇到嘅工具數量同 Shopify 或 Magento 嘅生態相比，寒酸得可憐。
點解會咁？好簡單：SFCC 係封閉平台，門檻高，開發者少，自然冇人爭。但正正因為咁，先有超額利潤嘅空間。我成日同人講，一個平台愈難做，入面嘅機會就愈大。Shopify 生態有幾萬個 app，每個 niche 都打到頭崩額裂；SFCC 生態得幾百個，但每個客戶嘅平均付費意願高 Shopify 商戶成個數量級。呢個唔係巧合，而係結構性嘅市場失靈。
市場失靈嘅源頭有幾個：第一，SFCC 嘅開發者工具極之原始，寫 promo、做測試、搞 migration，好多嘢仲停留在手動操作嘅石器時代。第二，SFCC 嘅合作夥伴公司（system integrator）習慣賣人天數，唔係賣產品，所以冇誘因去造工具。第三，平台本身對第三方工具嘅支援不足，令開發成本偏高。呢三樣嘢加埋，就做成一個奇怪嘅局面：客戶有錢、有需求，但市場上冇人供應解決方案。
如果你係獨立開發者，呢個係完美嘅獵場。
Promo XML 自動化：一個悶到發瘟嘅金礦
等我講一個具體例子：SFCC 嘅 promotional rule（推廣規則）。做過 SFCC 嘅人都知，promo 嘅設定係通過 XML 文件倒入嘅。一份典型嘅中型電商 promo XML，閒閒地幾千行，包含 coupon code、折扣規則、資格條件、時間限制、疊加邏輯。寫呢啲 XML 係一種極度重複、極易出錯、極之浪費時間嘅工作。
現實係點樣做？大部份 SI 公司嘅做法係：一個 BA（商業分析）用 Excel 整理 promo 需求，然後交俾一個開發者用手寫 XML，再用 SFCC 嘅 import 工具倒入 sandbox 做測試。發現錯咗？改 XML，再倒入，再測試。一個簡單嘅 Black Friday promo 週期，來來回回可以消耗成個星期嘅人力。而呢啲人力成本，最終係以每小時 HK$1,000-2,000 嘅 rate 計落張單度。
但你想深一層，呢個流程嘅本質係乜嘢？係將結構化嘅商業規則轉成平台特定嘅 XML 格式。呢個任務完美對應大型語言模型嘅能力——structured data transformation。我唔係話用 ChatGPT 貼貼 copy 就得，而係要造一個專門嘅工具，理解 SFCC promo XML 嘅 schema、驗證規則、最佳實踐，甚至識得自動生成測試案例。
一個做得好嘅 promo XML 自動化工具，可以做到以下嘢：從簡單嘅自然語言描述（例如「全單滿 HK$800 減 HK$100，唔包電子產品，可使用五次」）自動生成完整嘅 promo XML；檢測常見錯誤，例如疊加規則衝突、coupon code 重複、日期邏輯出錯；反向工程，從現有 XML 解析出 human-readable 嘅規則摘要，方便 audit；一鍵倒入 sandbox 同執行基本測試。
呢樣嘢值幾錢？我計過一條數：一間中型 SI 公司每年處理 50-80 個 promo 項目，每個項目慳到 3-5 個人日，以 blended rate HK$1,500/hr 計算，即係每個項目慳 HK$36,000-60,000。如果你個工具收每年 HK$50,000-100,000 嘅 SaaS 費用，對客戶嚟講係零猶豫嘅投資回報率。全港有十幾間做 SFCC 嘅 SI，全球有上百間。呢個係一個穩定做到八位數年收入嘅 niche。
TestPilot-SFCC：測試自動化嘅藍海
Promo XML 自動化只係冰山一角。SFCC 生態仲有個更大嘅痛點：測試。
SFCC 嘅測試流程，坦白講，係一場災難。平台本身嘅 unit testing framework 非常陽春，integration test 基本上要靠手動喺 Business Manager 撳嚟撳去。做一個 site refresh 或者 migration，QA team 要跑幾百個 test case，逐個畫面 capture、逐個功能驗證。呢個過程唔單止慢，而且唔可靠——人會累、會睇漏嘢、會唔記得之前測過咩。
我見過有間 SI 公司為咗一個 Black Friday 嘅 release，要請 10 個 temp QA 做兩個星期手動測試。呢條數係幾多？10 人 x 10 日 x 8 小時 x HK$300/hr = HK$240,000。而呢個仲未計 bug 流出到 production 嘅風險成本。一個 promo 設定錯咗，俾客碌多咗 discount，隨時蝕幾十萬。
呢度就係 TestPilot-SFCC 嘅機會。一個 AI-powered 嘅 SFCC 測試平台，可以做到以下核心功能：自動生成 test case——從 promo XML 同業務需求自動推斷出應該測試嘅場景，包括 happy path、edge case、負面測試；自動執行 browser-based test——用 Playwright/Cypress 操作 Business Manager 同 storefront，驗證 promo 嘅實際表現；regression test suite——每次改動自動跑一次完整嘅 regression，15 分鐘出報告，取代三日嘅手動測試；異常檢測——如果發現某個 test case 嘅結果同上次 run 有分別，自動 highlight 並建議 root cause。
呢個工具嘅技術核心係 LLM + computer vision + 自適應 scripting。LLM 負責理解業務邏輯同生成測試 scenario，computer vision 負責驗證 UI 嘅 visual regression，自適應 scripting 負責處理 SFCC 平台成日變動嘅 DOM structure。三樣加埋，就可以做到一個「就算 SFCC 平台升級都唔會爛」嘅測試自動化方案。
呢個市場有幾大？全球 SFCC 客戶超過 3,000 間，每間每年平均花 US$50,000-200,000 喺 QA 同測試上。即使只 capture 到 5% 嘅市場份額，都已經係每年 US$7.5-30M 嘅收入。而家市場上幾乎冇專為 SFCC 而設嘅 AI 測試工具，先發優勢極大。
點解係而家？
有人可能會問：呢啲機會唔係一直都喺度咩？點解係而家先做？
答案係三個趨勢嘅交匯點。第一，AI 模型嘅成本急劇下降。一年前用 GPT-4 做一次 promo XML 生成，成本可能係 US$0.50；今日同樣嘅任務用 Claude 或者本地模型，成本已經降到 US$0.02 以下。呢個唔單止關乎賺蝕，而係關乎產品體驗——成本夠低，你先可以做到即時生成而唔使整 loading spinner。
第二，SFCC 嘅客戶開始有壓力要減低營運成本。後疫情時代，零售業嘅利潤率受壓，各大品牌都在睇緊 IT 開支。以前 SI 公司可以任性地用人天數計價，而家客戶越來越精，開始問「有冇工具可以 automat 呢個流程？」呢個需求變化，係 SaaS 產品嘅最佳切入窗口。
第三，AI tools 嘅採用門檻從來未試過咁低。而家就算係最傳統嘅 SI 公司，佢哋嘅 technologist 都開始玩 ChatGPT、GitHub Copilot。推一個 AI-native 嘅工具，唔需要再解釋「乜嘢係 AI」，只需要解釋「呢個工具點樣幫你慳時間」。呢個認知轉變嘅價值，遠遠大過任何技術突破。
行動嘅時候
講咗咁多，我想畀三點具體建議俾考慮緊入呢個市場嘅人。
第一，由一個極窄嘅切入點開始。唔好諗住做一個「SFCC AI 全方位平台」，而係揀 promo XML 或者測試自動化其中一個做 MVP。越窄越好，窄到你嘅 target customer 一聽到你個 product 名就知你係做乜。我推薦 promo XML automation 做第一槍——問題定義清晰，value proposition 容易量化，技術上嘅可行性最高。
第二，定價要高，但 onboarding 要易。SFCC 生態嘅客戶習慣咗俾高價，你唔好 cheap 自己。Annual license 由 HK$80,000 起步，加埋 implementation fee 同 customisation。但你嘅 onboarding 流程一定要做到「15 分鐘 setup，一個鐘內見到 first result」。呢個匹配好重要：高價給付客戶對價格唔敏感，但對時間極之敏感。
第三，利用你嘅 network 做第一個 pilot。如果你本身做過 SFCC project，你識嘅前同事同 partner 就係你最好嘅 initial customer。Offer 佢哋大幅折扣換取 feedback 同 case study。一個成功嘅 SFCC 客戶 case study，比你落幾萬蚊 Google Ads 更有效。
SFCC 生態唔係一個 glamorous 嘅市場，冇人會喺 TechCrunch 上面報導你。但正正因為咁，先冇乜競爭，利潤先夠厚。喺人人都湧去做 consumer AI 嘅今日，呢啲「悶到發瘟」嘅 B2B niche 反而係最穩陣嘅 bet。你只要做好一個嘢，食十年都食唔完。