零售業的 AI 應用:選品、補貨與個人化推薦

零售業主聽到 AI,想像的常是店裡站一台會導購的機器人。但以我們自己同時經營電商與 AI 產品線的經驗,零售的 AI 價值九成在消費者看不到的地方:後台的預測、補貨與會員經營。店面體驗的 AI 化很吸睛,後台的 AI 化才改變損益表。這篇按照務實程度,講零售業(不管你是純電商、純門市還是兩者都有)值得投入的三個方向。

一、需求預測與自動補貨:把「缺貨」和「壓庫存」同時變少

零售的兩大慢性病:熱銷品缺貨(損失營收)、滯銷品壓庫存(損失現金)。病根都是同一個——補貨靠感覺。AI 在這裡做的事說穿了是統計:用歷史銷售、季節性、檔期、甚至天氣,預測每個品項未來幾週的需求,再對照現有庫存與供應商交期,產出建議補貨單。

務實的提醒有三個:第一,資料先於模型——如果你的進銷存數字本身不準(盤點差異大、通路庫存沒同步),預測只是垃圾進垃圾出,先把庫存數字治好。第二,從建議做起,不要直接自動下單——讓系統產建議、採購人員核可,跑一季驗證準確率,再談自動化。第三,新品與短生命週期商品(快時尚、季節品)歷史資料少,預測天生不準,這類品項保留人的判斷。

二、選品與商品情報:讓評論和數據說話

該進什麼貨、該砍什麼品,傳統靠採購的眼光。AI 不取代眼光,但能把眼光的原料變豐富:

評論挖掘:把自家與競品的商品評論丟給 LLM 做主題分析,找出「消費者一直抱怨但沒人做好」的缺口——這是選品最便宜的市調。
長尾品項體檢:用銷售速度、毛利、退貨率自動掃出該汰換的長尾商品。人工看兩千個 SKU 會麻木,機器不會。
商品文案量產:SKU 多的零售業,商品頁描述常年殘缺。AI 依規格表批量起草、人工抽驗把關,商品頁完整度直接影響轉換與 SEO。注意:成分、規格、認證等事實欄位必須人工核對,法規紅線詞(尤其食品、保健品)要有審查機制。

三、會員個人化:分眾推薦與再行銷

個人化推薦不是大平台的專利。中小零售做得起的版本是:用購買紀錄分眾,對不同群發不同的內容。買過咖啡豆的人推新到的單品豆、買過嬰兒用品的人照月齡推下一階段商品——這種規則加上 AI 產生的個人化文案,EDM 與 LINE 訊息的點擊率和全量群發是兩個世界。更進一步是預測「誰快要流失」,在沉睡前觸發喚回。這些都建立在會員資料乾淨、消費紀錄完整的前提上——會員系統還是一盤散沙的,先解決那個。

零售的 AI 不是讓店變酷,是讓三個數字變好:缺貨率、庫存週轉、回購率。其他都是裝飾。

導入順序的建議

先盤資料:進銷存準不準?會員消費紀錄有沒有斷鏈?線上線下資料通不通?資料不齊,任何 AI 都是空中樓閣。
挑一個痛點做小規模驗證:缺貨最痛就先做預測補貨,回購率低就先做會員分眾。兩週到一個月、單一品類或單一分眾,先見真章。
算 ROI 再擴大:省下的採購工時、少掉的缺貨損失、多出來的回購營收,換算成錢和導入成本比。算法可以參考AI 專案的 ROI 怎麼算。

誠實的邊界

門市的「AI 攝影機分析動線」「智慧貨架」這類方案,硬體投資大、隱私爭議多、對中小零售的投報普遍不划算,我們的建議是後台場景全部做完、確實有感之後再考慮。如果你想從自家的銷售與會員資料開始評估,歡迎看看我們的 AI 導入服務——我們自己的電商後台,就是這些做法的第一個實驗場。