目錄
課程簡介
AI 正在重塑零售業。這門課程將帶您了解 AI 在零售和服務業的應用，從庫存管理到顧客行為分析，從智慧 POS 到全通路整合，讓您掌握零售 AI 轉型的關鍵知識。
學習目標：
- 了解零售 AI 的應用趨勢
- 掌握庫存管理和顧客行為分析
- 學會門市營運優化
- 了解全通路整合和智慧 POS
- 了解零售 AI 案例
25.1 零售 AI 趨勢
為什麼學_this？
了解零售 AI 的整體趨勢。
核心教學
零售 AI 的應用趨勢：
智慧零售
- AI 分析的門市
- 個人化推薦
- 即時優化
全通路
- 線上線下整合
- 統一客戶體驗
- 數據互通
無縫體驗
- 自助結帳
- 智慧導購
- 個性化行銷
零售 AI 的價值：
- 銷售提升 10-20%
- 庫存成本降低 20%
- 客戶滿意度提升
商業範例
一家擁有 120 間門市的連鎖健身品牌，長期面臨會員流失率高、教練排班與熱門課程供需失衡的問題，行銷活動也難以精準觸及不同訓練階段的會員。
- 會員流失預測：提前 30 天識別高風險會員並觸發關懷，續約率提升 18%。
- 課程需求預測：依歷史報名與時段調整開課，熱門課程滿班率提高 22%。
- 個人化訓練推薦：依運動紀錄推送課程與教練，私教購買轉換率提升 14%。
- 教練排班優化：依人流預測動態配置人力，單店人力成本降低 11%。
小技巧
零售 AI 導入建議從高 ROI 場景切入，以下為可立即執行的實操技巧：
- 用 ChatGPT 分析 POS 銷售 CSV，下 prompt：「找出近 90 天銷量波動最大的前 10 個 SKU」。
- 把顧客評論貼進 Claude，請它歸納 5 大痛點並標註出現頻率。
- 用 Zapier 串接 Shopify 與 Google Sheets，每日自動匯出滯銷品清單。
- 在 Notion 建立 AI 選品資料庫，欄位設銷售額、毛利與回購率。
- 用 Canva 的 Magic Studio 批次生成個人化促銷素材，套用顧客分群。
練習題
本節摘要
- 趨勢：智慧零售、全通路、無縫體驗
- 價值：銷售+15%、庫存-20%
- 從預測和分析開始
商業實戰 Prompt：立即試
您是一位具有10年經驗的[領域]顧問，服務對象為香港中小企。
我的情況：[一句描述業務現狀]。
目標：[具體目標]。
請（1）指出我目前最大的一個錯位（2）提供我3個按成本效益排序的行動（3）每個行動註明預期效果與風險。
此結構適用於本課程所有場景 — 「錯位→行動→風險」三段式輸出可以直接作為決策會議議程。
| 階段 | 人手做法 | AI 協作做法 | 預期效果 |
|---|---|---|---|
| 資料收集 | 逐個網站/報告翻查（2-4 小時） | AI 搜尋+彙總+來源標註（15 分鐘） | 時間 -85% |
| 初稿製作 | 由零寫起（1-2 小時） | AI輸出3版初稿，人員選擇+修改（20分鐘） | 時間 -70% |
| 審核把關 | 自己核對全部（易漏） | AI 逐項自查+人抽查關鍵位 | 品質更穩定 |
| 迭代優化 | 成稿重寫 | 針對性局部修改（即時） | 迭代速度快 5 倍 |
落地檢查清單
- 我完成了「人手與AI協作」的時間對比實測（記錄實際分鐘數）
- 我建立了此場景的個人提示詞模板
- 我知道哪些輸出必須人手覆核才可以使用
- 我節省下的時間已安排去做更高價值的工作（不是閒置）
常見錯誤AI輸出了內容就直接使用，不核對
正確做法事實、數字、承諾類內容必須人手核實——AI輸出是草稿不是成品
常見錯誤一開始就追求完美 prompt
正確做法先跑先學：用住再改，三次迭代後自然接近理想
25.2 庫存管理
為什麼學_this？
庫存管理是零售的核心，AI 能優化。
核心教學
AI 庫存管理的應用：
需求預測
- AI 預測需求
- 考慮季節性
- 考慮促銷
自動補貨
- 達到安全庫存自動下單
- 優化訂購量
- 避免缺貨
庫存優化
- 減少過剩庫存
- 提升周轉率
- 降本增效
動態安全庫存
- 根據需求動態調整
- 平衡成本和服務
- 智能設定
商業範例
一家擁有 42 間門市的連鎖健身中心，過去靠店長經驗叫貨，常因毛巾、能量棒與運動護具供需失衡，熱門時段缺貨、冷門品項卻堆滿倉庫。
- 導入 AI 需求預測：依會員到店時段與課程排程推算用量，預測準確率達 91%。
- 設定自動補貨門檻：缺貨率由 14% 降至 4%，熱門時段不再斷貨。
- 優化安全庫存與調撥：跨店庫存成本降低 18%，滯銷品減少 27%。
- 每月自動產出滯銷報表：採購決策時間縮短 35%，人力回訪效率提升。
小技巧
- 用 Zapier 串接 POS 與 Google Sheets，銷售一筆自動扣減庫存，免人工對帳。
- 在 ChatGPT 輸入「依下列 90 天銷售與促銷資料，算出各 SKU 安全庫存量與補貨點」，附上表格即可。
- 請 Claude 分析滯銷品，prompt 寫「找出週轉天數大於 60 天的品項並排序」。
- 用 Notion 建立庫存看板，設低於安全庫存自動標紅並通知採購。
練習題
本節摘要
- AI 庫存：預測、補貨、優化、安全庫存
- 缺貨率從 15% 降到 3%
- 需整合數據
25.3 顧客行為分析
為什麼學_this？
了解顧客行為能提升銷售。
核心教學
AI 顧客行為分析的應用：
顧客分群
- 根據行為分群
- 精準行銷
- 個性化服務
購買預測
- 預測購買行為
- 個人化推薦
- 提升客單價
流失預測
- 識別流失風險
- 提前挽留
- 提升保留率
店內軌跡
- 分析顧客動線
- 優化陳列
- 提升體驗
商業範例
一家在台灣擁有 42 間門市的連鎖健身品牌，近年面臨會員續約率下滑、教練難以掌握學員流失前兆的痛點。過去只能依賴到期前電話提醒，成效有限，於是在 2023 年導入 AI 顧客行為分析系統。
- 做法：串接入場刷卡、課程出席與器材使用紀錄，建立 6 種會員行為分群：結果為高風險流失名單辨識準確率達 82%。
- 做法：針對 3 週未入場會員自動推送個人化回訓方案：結果為回購（續約）率提升 19%。
- 做法：依訓練頻率與教練互動調整推薦課程：結果為私人教練課程銷售成長 27%。
- 做法：預測 90 天內可能流失的會員並提前介入：結果為整體流失率降低 24%。
小技巧
把顧客行為分析落地，可這樣做：
- 用 Zapier 將 POS 與會員系統同步到 Google Sheets，每日自動更新。
- 在 ChatGPT 輸入「依消費頻率與客單價，把顧客分四群並給行銷建議」。
- 用 Claude 讀取評論，prompt 寫「歸納三類痛點，各附一句話證據」。
- 把分群結果丟進 Notion 建標籤，門市人員可即時查詢。
練習題
本節摘要
- AI 顧客分析：分群、預測、流失、軌跡
- 回購率提升 25%
- 結合忠誠度和 POS 數據
25.4 門市營運優化
為什麼學_this？
AI 能優化門市營運。
核心教學
AI 門市營運優化：
排班優化
- AI 預測客流
- 優化排班
- 提升效率
陳列優化
- AI 分析銷售數據
- 優化商品陳列
- 提升轉化
促銷優化
- AI 預測促銷效果
- 優化商品選擇
- 提升 ROI
店鋪選址
- AI 分析位置數據
- 預測客流
- 選擇最佳位置
商業範例
一家擁有 42 間門市的連鎖健身中心，長期面臨教練排班與器材使用率失衡的問題，熱門時段教練不足、離峰時段卻人力閒置，導致會員流失率偏高。
- 排班優化：依會員進場數據預測各時段需求，教練人力效率提升 22%。
- 器材配置優化：將使用率低的器材移至熱門分店，單店營收提升 13%。
- 課程推薦優化：依會員運動紀錄推送個人化課程，續約率提升 18%。
- 定價優化：針對離峰時段推出動態優惠方案，整體投報率提升 28%。
小技巧
把門市數據變成可行動指令，關鍵在問對問題：
- 用 ChatGPT 輸入「依下列每小時來客數，標出尖峰與離峰時段並給排班建議」。
- 在 Zapier 設觸發：POS 日銷售低於目標即自動發 Slack 通知店長。
- 用 Claude 整理客訴紀錄，prompt 寫「歸納前三類問題與對應改善動作」。
- 用 Notion 建每日營運看板，欄位固定為來客數、客單價、缺貨品項。
練習題
本節摘要
- AI 門市優化：排班、陳列、促銷、選址
- 效率提升 20%，銷售提升 15%
- 需即時數據
25.5 全通路整合
為什麼學_this？
全通路是零售的趨勢，AI 能整合。
核心教學
AI 全通路整合：
統一庫存
- 線上線下庫存統一
- 避免超賣
- 全通路補貨
統一客戶
- 統一客戶視圖
- 跨通路識別
- 個人化體驗
統一數據
- 整合各通路數據
- 全通路分析
- 統一決策
統一體驗
- 線上線下無縫切換
- 一致品牌體驗
- 提升忠誠度
商業範例
一家擁有 42 間門市的連鎖健身器材零售商，過去線上商城與實體門市庫存各自為政，常發生線上顯示有貨、門市卻無法交機的爭議，且教練與門市人員看不到會員的跨通路消費紀錄，難以推薦合適方案。
- 做法：導入 AI 全通路庫存整合系統，即時同步線上與 42 間門市庫存：缺貨爭議下降 68%。
- 做法：建置跨通路會員識別機制，整合線上瀏覽與門市試用紀錄：個人化推薦點擊率提升 35%。
- 做法：以 AI 分析各通路熱銷機型並自動調撥：整體銷售額成長 20%，滯銷庫存減少 24%。
- 做法：門市人員透過平板即時查看會員跨通路偏好：成交轉換率提升 18%。
小技巧
實操貼士
- 用 Zapier 把 Shopify 訂單同步到 Notion 客戶表，觸發自動標籤。
- 在 ChatGPT 貼上門市與線上銷售 CSV，下 prompt：「找出重複購買客，列出通路差異」。
- 用 Canva 統一各通路的優惠券版型，維持同一視覺。
- 請 Claude 比對線上與門市客單價，輸出可執行清單。
練習題
本節摘要
- AI 全通路：統一庫存、客戶、數據、體驗
- 銷售提升 20%
- 需強大數據基礎
25.6 服務業智慧化
為什麼學_this？
AI 也能提升服務業體驗。
核心教學
服務業 AI 應用：
智能預約
- AI 自動安排
- 減少等待
- 提升體驗
智能推薦
- 根據需求推薦
- 個人化服務
- 提升滿意度
智能排隊
- 預測等待時間
- 動態調整
- 優化流程
顧客回饋
- 自動收集回饋
- 分析情感
- 改善服務
商業範例
一家中型連鎖健身工作室，擁有 6 間分店與約 4,500 名會員，長期面臨教練排班不均、會員續約率偏低與課程空位浪費等問題。
- 導入 AI 排課與教練調度系統：熱門時段滿班率提升 18%，教練閒置工時減少 22%。
- 建置會員流失預測模型：提前 3 週辨識高風險會員，續約率由 61% 提升至 74%。
- 採用課程推薦引擎：依運動紀錄與偏好推送團課，會員月均到訪次數增加 1.3 次。
- 分析問卷與評論語意：即時掌握教練與環境回饋，整體滿意度分數提升 19%。
小技巧
實作小技巧
- 用 Zapier 串接 Google 表單與 LINE，顧客填完預約即自動發送確認訊息。
- 把顧客評論貼進 ChatGPT，prompt 寫「歸納三類負評主因並各給一句改進建議」。
- 用 Notion 建回饋資料庫，設標籤欄位分類痛點，每週篩選高頻項目優先處理。
- 用 Canva 製作預約提醒圖卡，套用品牌色版，五分鐘完成一組模板。
練習題
本節摘要
- 服務業 AI：預約、推薦、排隊、回饋
- 客單價提升 20%
- 從預約和回饋開始
25.7 動態定價
為什麼學_this？
動態定價能最大化利潤。
核心教學
AI 動態定價的應用：
需求定價
- 根據需求調整
- 旺季加價
- 淡季促銷
競爭定價
- 監控競爭對手
- 自動調整
- 保持競爭力
個人化定價
- 根據顧客價值調整
- 新客優惠
- 忠誠客折扣
清倉定價
- 臨期商品降價
- 庫存優化
- 減少損失
商業範例
一家擁有 12 間門市的連鎖健身中心，長期面臨離峰時段空置率偏高、教練人力閒置的痛點。過去促銷方案全靠店長憑經驗決定，難以即時反映需求變化。
- 做法：導入 AI 動態定價系統，依即時預約率與時段熱度調整團課與私人教練價格，結果：離峰時段使用率提升 28%。
- 做法：串接會員出席數據與天氣、節慶變數，自動生成每週價格建議，結果：教練人力閒置時數減少 35%。
- 做法：針對續約邊緣會員推送個人化折扣，結果：會員年續約率由 61% 提升至 74%。
- 做法：設定價格上下限與品牌形象護欄，避免低價損害定位，結果：整體營收成長 19%，客訴率未上升。
小技巧
- 用 ChatGPT 輸入「列出此 SKU 的進貨、物流、平台抽成，算出最低售價」，取得價格底線。
- 在 Notion 建價格底線表，欄位含成本、抽成、最低價，調價前先查。
- 用 Zapier 串接 Shopify 與 Slack，售價觸及底線自動通知負責人。
- 請 Claude 依競品價格與庫存週轉，產出三檔調價建議與對應底線。
- 把底線寫進定價 prompt：「任何建議不得低於成本加 15%」。
練習題
本節摘要
- 動態定價：需求、競爭、個人化、清倉
- 利潤率提升 15%
- 設定價格底線
25.8 智慧 POS
為什麼學_this？
智慧 POS 是零售的數據中心。
核心教學
智慧 POS 的功能：
銷售分析
- 即時銷售分析
- 產品表現
- 趨勢
顧客識別
- 會員識別
- 購買歷史
- 個人化
庫存同步
- 即時庫存更新
- 自動補貨建議
- 多門市同步
行銷整合
- 優惠券
- 會員積分
- 個人化推薦
智慧 POS 工具：
- Square
- Shopify POS
- 各家零售 POS 系統
商業範例
一家據點超過 60 間的連鎖健身中心，過去教練排課與會員續約全靠紙本與 Excel，櫃檯結帳常因方案複雜出錯，且無法即時掌握各分店銷售狀況。
- 智慧 POS 掃描會員卡即帶出合約與剩餘堂數，結帳時間由平均 3 分鐘縮短至 40 秒。
- 系統自動推薦續約方案與加購課程，試行三個月後續約率提升 18%。
- 各分店銷售與教練排課資料即時同步，總部每日結帳報表產出時間由 2 小時降至 10 分鐘。
- 整合行銷模組發送個人化優惠，沉睡會員回訪率達 12%。
小技巧
- 用 ChatGPT 產生 POS 資料欄位清單，prompt 寫「列出零售 POS 必收的 12 個交易欄位與用途」。
- 把每日銷售匯出 CSV，用 Zapier 自動丟進 Google Sheets 並觸發 Notion 日報。
- 請 Claude 分析一週 POS 報表，prompt 寫「找出連三日下滑的品項並推測原因」。
- 用 Canva 做收銀異常處理 SOP 圖卡，貼在機台旁供店員即查。
練習題
本節摘要
- 智慧 POS：分析、識別、庫存、行銷
- 零售數據的基礎
- 優先建設
25.9 零售數據分析
為什麼學_this？
數據分析是零售優化的基礎。
核心教學
零售數據分析的重點：
銷售分析
- 銷售趨勢
- 產品表現
- 門市比較
顧客分析
- 顧客價值
- 回購率
- 分群
品類分析
- 品類貢獻
- 組合優化
- 毛利分析
門市分析
- 門市業績
- 效率比較
- 優化建議
商業範例
一家在台灣經營 12 間門市的連鎖健身中心，長期面臨會員續約率低、教練課銷售停滯的困境，每年流失近三成會員，卻始終找不到具體原因與改善方向。
- 做法：以 AI 分析近 24 個月會員進場頻率、課程參與與消費紀錄，找出高流失風險族群，提前兩週發送個人化挽留方案，續約率提升 18%。
- 做法：依會員運動偏好與過往購買行為推薦教練課組合，並動態調整推銷時機，教練課成交率由 12% 提升至 21%。
- 做法：分析各分店熱門時段與冷門器材使用率，重新配置教練人力與課程排程，單店營運成本降低 9%。
- 做法：針對高價值會員設計分級回饋與專屬活動，帶動這群會員年均消費金額成長 23%。
小技巧
每月用 AI 生成零售分析報告，可依下列做法提高效率：
- 把 POS 匯出的 CSV 丟進 ChatGPT，請它依品類、門店、月份輸出衰退前三名。
- 用 Claude 讀完上月報告，請它比對本月差異並列出異常門店。
- 在 Notion 建月度模板，把 AI 產出的洞察貼進對應區塊。
- prompt 明寫「用表格輸出、數字保留小數一位、不要客套話」。
- 用 Zapier 每月自動把銷售報表寄到信箱再轉入 AI 分析。
練習題
本節摘要
- 零售分析：銷售、顧客、品類、門市
- 毛利提升 15%
- 每月生成報告
25.10 案例研究
為什麼學_this？
參考案例能幫助落地。
核心教學
案例 1：需求預測
- 一家寵物用品零售連鎖
- AI 預測需求
- 缺貨率從 15% 降到 3%
- 庫存成本降低 20%
案例 2：全通路整合
- 一家寵物電商 + 實體店
- 線上線下統一
- 銷售提升 20%
案例 3：個人化推薦
- 一家寵物用品店
- 根據購買推薦
- 客單價提升 15%
商業範例
一家擁有 12 間門市的連鎖文具零售品牌，長期面臨熱門開學季缺貨、冷門品項卻堆滿倉庫的困境，門市之間也無法即時調貨，導致每月平均流失約 8% 的來客訂單。
該品牌導入 AI 需求預測與跨店庫存調撥系統，針對各門市歷史銷售、季節與地區差異進行補貨建議。
- 做法：以 AI 預測各店開學季品項需求並自動補貨，缺貨率由 15% 降至 4%。
- 做法：建立跨店庫存即時可視化與調撥建議，滯銷庫存減少 28%。
- 做法：依門市客群調整陳列與進貨組合，單店月營收平均提升 11%。
- 做法：將補貨決策自動化，店長每週人工作業時間減少約 6 小時。
小技巧
把案例拆成可複製的小步驟，再換成自己的資料試跑。
- 用 ChatGPT 重寫案例流程：貼上原文，要它輸出「步驟、工具、輸入、輸出」四欄表格。
- 把自家數據丟進 Claude，請它對照案例找出三個落差並給修正順序。
- 用 Notion 建模板，把案例的觸發條件與回覆話術改成自己的版本。
- 在 Zapier 設一條自動化，將表單回覆寫入 Notion 並觸發 ChatGPT 產生草稿。
練習題
本節摘要
- 案例：預測、全通路、推薦
- 從小而具體開始
- 證明 ROI 後擴展
25.11 課程總結
課程總結
下一步學習
- C-26 AI 賦能 ERP：系統整合
- C-33 寵物電商 AI 營運：寵物業
- C-16 AI 行銷策略與數據分析：行銷
© 2026 Buddylala.ai — Build Your AI Future, Together.