零售業 AI 路線圖：從乾淨的資料到 AI 代理

您的網站顯示 M 號的深藍色毛衣有庫存。顧客開車到店裡，貨架上卻是空的。

大多數零售業 AI 計畫就是在這個落差上跌倒。這也是為什麼零售業 AI 路線圖必須先從資料著手，之後才談模型。

我把它規劃成四個階段。首先，建立商品、庫存與顧客的單一可信視圖。接著，加上一個受治理的層級，讓每份報表和每個 AI 工具使用同一套業務語言。

之後是負責預測、補貨、定價和服務顧客的代理。最後，AI 成為商品企劃、供應鏈與門市日常運作的一部分。

零售業產生的資料量幾乎比任何產業都多。但門市、電商、倉庫和財務對同一天的庫存和銷售，常常報出不同的數字。

不論您的 ERP、POS、訂單管理和電商平台是什麼，這份計畫都適用。我寫過兩個零售與快速消費品專案，請參閱我的中東零售業移轉案例和快速消費品報表救援案例。

每個階段都仰賴前一個階段處於還不錯的狀態。

三年，四個階段

1. 01

   現在：資料基礎

   來自門市與線上通路的商品、庫存、銷售與顧客資料，集中在一個受治理的平台。

2. 02

   第一年：受治理的智慧層

   為商品、據點、庫存與顧客建立一套業務語言，建立 AI 治理，拿下第一批速效成果。

3. 03

   第二年：擴展 AI 代理

   處理需求預測、補貨、定價、門市營運與客服的 AI 代理。

4. 04

   第三年：AI 全面融入

   AI 遍及商品企劃、供應鏈與門市，並連接供應商與合作夥伴。

在任何 AI 之前，您需要一個讓所有零售資料匯入並取得一致的地方。這代表要串接各自發展起來的系統：ERP、收銀機、電商、訂單管理、倉庫、會員系統和供應商入口網站。

以下是我在最初幾個月會建立的東西：

1. 一個現代化的資料平台，通常是 lakehouse，也就是同時存放原始與清理後資料的單一儲存庫。它接收來自每個通路的銷售、庫存、訂單、退貨與會員資料，在重要的地方接近即時。
2. 為商品、據點與顧客資料指定負責人並設定品質規則，再加上顯示每個數字來源的資料目錄。卡片資料不進入這個平台，留在您的 PCI DSS（信用卡產業的資安標準）控制範圍內。
3. 自助式報表，讓採購、規劃人員和店長看到與財務部門相同的銷售與庫存數字。

商品主檔通常是最難的部分。它記錄您販售的每一個品項，包含尺寸、顏色、包裝、供應商和屬性。

以一家擁有 40 間門市和一個網站的服飾零售商為例。網站把一件洋裝列為「Navy」，尺碼 8 到 16。門市系統則把它記為「NVY」，尺寸是 S、M、L，而且用的是來自另一份採購檔案的不同品號。

問任何 AI 工具這件洋裝賣得如何，它看到的是兩個商品，各自只有實際銷量的一半。解法是枯燥的工作。由專人對應品號，議定一份顏色清單和一套尺寸級距，並讓採購團隊從第一天起就為每個新品負責。

再想像一家超市，把水以單瓶、六入裝和 24 入整箱販售。收銀機以瓶計算，倉庫以箱計算，網站以組計算。在這些單位能乾淨換算之前，同一商品的庫存永遠對不上，建立在上面的任何補貨工具都會訂錯數量。

那麼，做好了是什麼樣子？當門市主管和電商主管調出同一間門市昨天的銷售，兩人拿到的是同一個數字。為了避免一整年爭論預測為什麼不準，我很樂意在這上面花三個月。

1. 01POS 收銀每間門市的每筆交易與退貨
2. 02電商與訂單訂單、點擊與配送
3. 03倉庫與庫存各據點與在途庫存
4. 04資料著陸區具備資料血緣的原始副本
5. 05單一商品主檔一個品號、一個顏色、一種包裝規格
6. 06報表與財務一致的銷售與庫存

橫跨所有通路的單一商品、庫存與顧客視圖

第一年的核心是語意層。這是一本共用的辭典。它告訴每份報表和每個 AI 工具，商品、門市、庫存、促銷和顧客是什麼意思，以及該如何計算。

一位營業總監想看「前 50 大門市的商品可得率」。可得率指的是在貨架上、在後場倉庫，還是在系統裡？

前 50 大是依今年還是去年的銷售排名？如果副駕駛用自己的猜測來回答，您會得到一個很有把握、卻沒人能在週一營業會議上辯護的數字。語意層把這件事一次定案，之後副駕駛使用的規則就和營業總監自己的報表一樣。

AI 治理在同一年開始。個人化與定價會用到顧客資料，因此同意機制與個資保護規定決定了界線。

我會維護一份 AI 使用情境登錄清單。每個情境都有負責人、風險等級、測試結果，以及一段說明由誰在哪裡檢查輸出的註記。

要清楚區分哪些決策是顧客看得到的。商品描述的風險很低。顧客實際支付的價格，或某位顧客拿到、另一位卻沒有的優惠，則需要謹慎得多。

接著交出速效成果。我喜歡這幾項，因為它們背後的資料通常狀況還不錯：

1. 商品內容：根據商品主檔草擬描述、屬性與翻譯，再由人檢查。
2. 門市副駕駛：門市團隊用日常用語詢問庫存、到貨、促銷和作業程序。
3. 客服摘要：把往來紀錄和訂單狀態整理成一則簡短的說明，交給客服人員。

以一家每月新增數百個品項的 3C 零售商為例。每個品項都需要描述、規格表，常常還需要第二種語言。副駕駛讀取供應商的規格表，草擬商品頁面，並標記缺漏，例如一台沒有列出電池續航力的筆電。

由商品企劃人員檢查每一項說法，並決定哪些內容上線。供應商的規格表始終是唯一的事實來源，這條規則比您選擇哪個模型更重要。

再想像一位店長在週四早上 7 點的情況。一檔穀片促銷從週一開始，貨架已經快空了。她問副駕駛下一批穀片什麼時候到貨，有幾箱。

副駕駛檢查到貨排程和未結訂單。它告訴她明天早上 6 點會到 12 箱，以本週的銷售速度撐不過週末。要打電話給區域團隊，還是從後場調貨，由她決定。

1. 01店長提問為什麼週四穀片又賣空了？
2. 02語意層門市、商品、促銷與可得率規則
3. 03受治理的資料銷售、庫存、到貨與促銷
4. 04副駕駛回答附上原因與每個數字的來源
5. 05店長行動調整訂單或回報這檔促銷

和營業總監會給出的一樣的答案

業務價值高中低

• 動態定價
• 個人化

• 需求預測

• 門市副駕駛

• 商品內容
• 客服摘要

低中高資料準備度

• 之後
• 規劃
• 立即開始

第二年從回答問題的副駕駛，走向在您設定的範圍內採取行動的代理。在零售業，以下幾種通常最先回本：

1. 需求預測與補貨。 代理按門市與日別預測需求，提出訂單建議，並在貨架空掉之前於門市之間調撥庫存。
2. 定價與降價。 它為滯銷品提出降價建議，並在商品部門設定的規則內提出價格調整。
3. 門市營運。 貨架攝影機或 RFID 標籤（不必逐件掃描就能盤點的無線射頻標籤）標記出缺貨，代理為門市團隊建立任務。
4. 客服。 它處理訂單查詢、退貨和簡單的客訴，並把複雜案件連同背景資訊轉給真人處理。

以下是一家超市的補貨代理在炎熱週末前的運作方式：

1. 週四早上，它讀取天氣預報、去年類似週末的銷售，以及每間門市目前的庫存。
2. 它看出有一批門市到週六中午就會賣光瓶裝水和冰塊。
3. 它建議從物流中心追加訂貨，並從兩間銷售較慢的門市調撥庫存。
4. 在議定上限內的訂單直接送出。超過上限的訂單，以及每一筆門市間調撥，都要等規劃人員核准。
5. 規劃人員駁回一筆調撥，因為那間門市當地有一場足球賽，其餘則予以核准。

定價也是同樣的運作方式。想像一家服飾連鎖在夏季尾聲，有數百款滯銷商品。

代理挑出需要降價才能在八月前出清的品項。它建議降價 20% 或 30%，並維持在商品部門設定的底價之上。

它不動核心商品，也絕不把價格訂在成本以下。商品企劃人員保留了在連假週末仍賣得動的泳裝，其餘予以簽核。

精品則需要更細膩的處理。詢問一只價值數千元的手提包如何維修的顧客，應該由真人回覆。在這種情況下，代理調出購買紀錄和維修歷史並草擬回覆，再由顧客顧問用自己的話寄出。

每個代理都需要一位業務端的負責人。商品總監負責定價代理，供應鏈主管負責補貨代理。IT 負責維運平台，決策則由業務單位負責。

1. 01預測按門市與日別預測需求，納入天氣與促銷
2. 02比較對照現有庫存與在途庫存
3. 03提案訂單與門市間調撥
4. 04核准規劃人員檢查超過上限的項目
5. 05下單訂單送往供應商與倉庫
6. 06學習實際銷售用來調整下一次預測

每個代理一位業務負責人

到了第三年，AI 存在於商品企劃、供應鏈、門市與顧客經營之中。採購、規劃人員和門市團隊每天與代理協作，整條鏈在同一套治理下運作。

和供應商分享資料，會改變整個經濟效益。

以一家 3C 零售商為例，它和耳機品牌分享每週銷售率和 12 週的耳機需求預測。供應商依照真實需求安排生產。零售商更有機會在黑色星期五前備足庫存，一月時的剩貨也更少。

零售媒體也是同樣的模式。一家超市讓飲料品牌在自家 App 中，對同意接收優惠的顧客推出活動，使用的是同一個受治理的顧客層級。品牌看到的是顧客群組的成效，個別顧客紀錄則留在超市手上。

在您的零售業 AI 路線圖中，今年是大規模推動個人化的時機嗎？是的，前提是商品主檔和同意紀錄在第一年和第二年都經得起考驗。

1. 營運長負責代理組合及其成果
   AI 治理登錄清單、測試與緊急停止開關
2. 商品總監與供應鏈總監負責所屬領域的代理

• 需求預測代理由規劃主管負責
• 定價代理由商品總監負責
• 門市營運代理由門市主管負責
• 客服代理由客服主管負責

1. 04AI 代理與副駕駛需求預測、補貨、定價、門市與客服代理，各有業務負責人
2. 03受治理的智慧層商品、據點、庫存與顧客的語意模型，加上 AI 登錄清單
3. 02資料基礎存放銷售、庫存、訂單與會員資料的 lakehouse，具備資料目錄與資料血緣
4. 01零售系統ERP、POS、電商、訂單管理、倉庫與會員系統

有些事從第一個月一路適用到最後一個月：

1. 顧客同意與隱私。 個人化只有在顧客信任時才行得通。使用顧客同意分享的資料，並讓卡片資料留在 PCI DSS 控制範圍內。
2. 開放的多平台架構。 零售科技變化很快。保留更換模型、平台與合作夥伴的自由。
3. 與風險相稱的治理。 內容與副駕駛採用輕量控制，定價和任何顧客看得到的東西則採用更嚴格的控制。
4. 讓您的人員受過訓練。 代理會不會被使用，由門市團隊和採購人員決定。及早訓練他們，並傾聽他們的意見。

訓練很容易被低估。一位店長在第一週從貨架攝影機收到十個錯誤任務，就會忽略第十一個。

最常見的錯誤，是在商品與庫存資料還撐不起來之前，就買進個人化或定價引擎。引擎推薦一台缺貨的電視，或拿去年的成本來計算降價。信任幾週就會流失，卻要花一年才能重建，所以我對任何從引擎開始的計畫都抱持戒心。

第二個錯誤是把 AI 當成總部的專案來推動。除非代理產生的任務是正確的，否則門市會把代理視為額外的工作。先在少數幾間門市與真正的店長一起試點，修正他們回報的問題，之後再全面推廣。

假設一個缺貨偵測試點標記出一個空的洋芋片貨架。其實洋芋片因為促銷而移到了端架。

沒有人更新棚格圖，也就是每樣商品擺放位置的規劃圖。代理依它的規則是對的，在門市裡卻是錯的。只有店長看得出這一點。

怎麼出錯有效做法

1. 01怎麼出錯: 先買定價或個人化引擎→有效做法: 先修正商品主檔與庫存資料
2. 02怎麼出錯: 沒人信任的商品與庫存資料→有效做法: 橫跨門市與線上通路的單一可信視圖
3. 03怎麼出錯: 門市從未要求過的總部專案→有效做法: 與真正的店長一起試點
4. 04怎麼出錯: 代理的決策沒有負責人→有效做法: 每個代理都有一位業務負責人

正在思考您的企業該從哪裡開始嗎？預約一次通話，帶上一個真實的問題，例如您的商品主檔是否已經準備好支援需求預測。我們一起把它釐清。

什麼是零售業 AI 路線圖？

這是一份在整個零售事業中運用 AI 的分階段計畫。它從商品、庫存與顧客的單一可信視圖開始。接著加入受治理的 AI 與代理，最後讓 AI 融入零售的日常工作。

零售商應該從哪裡開始導入 AI？

先把每個通路的商品、庫存與銷售資料匯入一個受治理的平台，並修正商品主檔。接著交出速效成果，例如商品內容、門市副駕駛和客服摘要。

哪些零售業 AI 使用情境最先回本？

商品內容和客服摘要能很快交付。資料準備好之後，需求預測與補貨通常帶來最大的價值，定價與降價緊隨其後。

零售商導入 AI 之前，需要先換新的 ERP 嗎？

不需要。AI 透過資料基礎架設在您現有的系統之上。重要的是商品、庫存與銷售資料在門市、線上通路和財務之間保持一致。

零售業 AI 路線圖需要多長時間？

資料基礎啟動之後，我會用三年來規劃。第一年建立受治理的層級，第二年擴展代理，第三年讓 AI 全面融入。速效成果應在第一年內展現價值。