目录
课程简介
AI 正在重塑零售业。这门课程将带您了解 AI 在零售和服务业的应用，从库存管理到顾客行为分析，从智慧 POS 到全通路整合，让您掌握零售 AI 转型的关键知识。
学习目标：
- 了解零售 AI 的应用趋势
- 掌握库存管理和顾客行为分析
- 学会门市营运优化
- 了解全通路整合和智慧 POS
- 了解零售 AI 案例
25.1 零售 AI 趋势
为什么学_this？
了解零售 AI 的整体趋势。
核心教学
零售 AI 的应用趋势：
智慧零售
- AI 分析的门市
- 个人化推荐
- 实时优化
全通路
- 线上线下整合
- 统一客户体验
- 数据互通
无缝体验
- 自助结账
- 智慧导购
- 个性化行销
零售 AI 的价值：
- 销售提升 10-20%
- 库存成本降低 20%
- 客户满意度提升
商业范例
一家拥有 120 间门市的连锁健身品牌，长期面临会员流失率高、教练排班与热门课程供需失衡的问题，行销活动也难以精准触及不同训练阶段的会员。
- 会员流失预测：提前 30 天识别高风险会员并触发关怀，续约率提升 18%。
- 课程需求预测：依历史报名与时段调整开课，热门课程满班率提高 22%。
- 个人化训练推荐：依运动纪录推送课程与教练，私教购买转换率提升 14%。
- 教练排班优化：依人流预测动态配置人力，单店人力成本降低 11%。
小技巧
零售 AI 导入建议从高 ROI 场景切入，以下为可立即执行的实操技巧：
- 用 ChatGPT 分析 POS 销售 CSV，下 prompt：“找出近 90 天销量波动最大的前 10 个 SKU”。
- 把顾客评论贴进 Claude，请它归纳 5 大痛点并标注出现频率。
- 用 Zapier 串接 Shopify 与 Google Sheets，每日自动汇出滞销品清单。
- 在 Notion 建立 AI 选品数据库，字段设销售额、毛利与回购率。
- 用 Canva 的 Magic Studio 批次生成个人化促销素材，套用顾客分群。
练习题
本节摘要
- 趋势：智慧零售、全通路、无缝体验
- 价值：销售+15%、库存-20%
- 从预测和分析开始
商业实战 Prompt：立即试
您是一位具有10年经验的[领域]顾问，服务对象为香港中小企业。
我的情况：[一句描述业务现状]。
目标：[具体目标]。
请（1）指出我目前最大的一个错位（2）提供我3个按成本效益排序的行动（3）每个行动注明预期效果与风险。
此结构适用于本课程所有场景 — “错位→行动→风险”三段式输出可以直接作为决策会议议程。
| 阶段 | 人手做法 | AI 协作做法 | 预期效果 |
|---|---|---|---|
| 资料收集 | 逐个网站/报告翻查（2-4 小时） | AI 搜索+汇总+来源标注（15 分钟） | 时间 -85% |
| 初稿制作 | 由零写起（1-2 小时） | AI输出3版初稿，人员选择+修改（20分钟） | 时间 -70% |
| 审核把关 | 自己核对全部（易漏） | AI 逐项自查+人抽查关键位 | 品质更稳定 |
| 迭代优化 | 成稿重写 | 针对性局部修改（实时） | 迭代速度快 5 倍 |
落地检查清单
- 我完成了“人手与AI协作”的时间对比实测（记录实际分钟数）
- 我建立了此场景的个人提示词模板
- 我知道哪些输出必须人手复核才可以使用
- 我节省下的时间已安排去做更高价值的工作（不是闲置）
常见错误AI输出了内容就直接使用，不核对
正确做法事实、数字、承诺类内容必须人手核实——AI输出是草稿不是成品
常见错误一开始就追求完美 prompt
正确做法先跑先学：用住再改，三次迭代后自然接近理想
25.2 库存管理
为什么学_this？
库存管理是零售的核心，AI 能优化。
核心教学
AI 库存管理的应用：
需求预测
- AI 预测需求
- 考虑季节性
- 考虑促销
自动补货
- 达到安全库存自动下单
- 优化订购量
- 避免缺货
库存优化
- 减少过剩库存
- 提升周转率
- 降本增效
动态安全库存
- 根据需求动态调整
- 平衡成本和服务
- 智能设定
商业范例
一家拥有 42 间门市的连锁健身中心，过去靠店长经验叫货，常因毛巾、能量棒与运动护具供需失衡，热门时段缺货、冷门品项却堆满仓库。
- 导入 AI 需求预测：依会员到店时段与课程排程推算用量，预测准确率达 91%。
- 设定自动补货门槛：缺货率由 14% 降至 4%，热门时段不再断货。
- 优化安全库存与调拨：跨店库存成本降低 18%，滞销品减少 27%。
- 每月自动产出滞销报表：采购决策时间缩短 35%，人力回访效率提升。
小技巧
- 用 Zapier 串接 POS 与 Google Sheets，销售一笔自动扣减库存，免人工对账。
- 在 ChatGPT 输入“依下列 90 天销售与促销资料，算出各 SKU 安全库存量与补货点”，附上表格即可。
- 请 Claude 分析滞销品，prompt 写“找出周转天数大于 60 天的品项并排序”。
- 用 Notion 建立库存看板，设低于安全库存自动标红并通知采购。
练习题
本节摘要
- AI 库存：预测、补货、优化、安全库存
- 缺货率从 15% 降到 3%
- 需整合数据
25.3 顾客行为分析
为什么学_this？
了解顾客行为能提升销售。
核心教学
AI 顾客行为分析的应用：
顾客分群
- 根据行为分群
- 精准行销
- 个性化服务
购买预测
- 预测购买行为
- 个人化推荐
- 提升客单价
流失预测
- 识别流失风险
- 提前挽留
- 提升保留率
店内轨迹
- 分析顾客动线
- 优化陈列
- 提升体验
商业范例
一家在台湾拥有 42 间门市的连锁健身品牌，近年面临会员续约率下滑、教练难以掌握学员流失前兆的痛点。过去只能依赖到期前电话提醒，成效有限，于是在 2023 年导入 AI 顾客行为分析系统。
- 做法：串接入场刷卡、课程出席与器材使用纪录，建立 6 种会员行为分群：结果为高风险流失名单辨识准确率达 82%。
- 做法：针对 3 周未入场会员自动推送个人化回训方案：结果为回购（续约）率提升 19%。
- 做法：依训练频率与教练互动调整推荐课程：结果为私人教练课程销售成长 27%。
- 做法：预测 90 天内可能流失的会员并提前介入：结果为整体流失率降低 24%。
小技巧
把顾客行为分析落地，可这样做：
- 用 Zapier 将 POS 与会员系统同步到 Google Sheets，每日自动更新。
- 在 ChatGPT 输入“依消费频率与客单价，把顾客分四群并给行销建议”。
- 用 Claude 读取评论，prompt 写“归纳三类痛点，各附一句话证据”。
- 把分群结果丢进 Notion 建标签，门市人员可实时查询。
练习题
本节摘要
- AI 顾客分析：分群、预测、流失、轨迹
- 回购率提升 25%
- 结合忠诚度和 POS 数据
25.4 门市营运优化
为什么学_this？
AI 能优化门市营运。
核心教学
AI 门市营运优化：
排班优化
- AI 预测客流
- 优化排班
- 提升效率
陈列优化
- AI 分析销售数据
- 优化商品陈列
- 提升转化
促销优化
- AI 预测促销效果
- 优化商品选择
- 提升 ROI
店铺选址
- AI 分析位置数据
- 预测客流
- 选择最佳位置
商业范例
一家拥有 42 间门市的连锁健身中心，长期面临教练排班与器材使用率失衡的问题，热门时段教练不足、离峰时段却人力闲置，导致会员流失率偏高。
- 排班优化：依会员进场数据预测各时段需求，教练人力效率提升 22%。
- 器材配置优化：将使用率低的器材移至热门分店，单店营收提升 13%。
- 课程推荐优化：依会员运动纪录推送个人化课程，续约率提升 18%。
- 定价优化：针对离峰时段推出动态优惠方案，整体投报率提升 28%。
小技巧
把门市数据变成可行动指令，关键在问对问题：
- 用 ChatGPT 输入“依下列每小时来客数，标出尖峰与离峰时段并给排班建议”。
- 在 Zapier 设触发：POS 日销售低于目标即自动发 Slack 通知店长。
- 用 Claude 整理客诉纪录，prompt 写“归纳前三类问题与对应改善动作”。
- 用 Notion 建每日营运看板，字段固定为来客数、客单价、缺货品项。
练习题
本节摘要
- AI 门市优化：排班、陈列、促销、选址
- 效率提升 20%，销售提升 15%
- 需实时数据
25.5 全通路整合
为什么学_this？
全通路是零售的趋势，AI 能整合。
核心教学
AI 全通路整合：
统一库存
- 线上线下库存统一
- 避免超卖
- 全通路补货
统一客户
- 统一客户视图
- 跨通路识别
- 个人化体验
统一数据
- 整合各通路数据
- 全通路分析
- 统一决策
统一体验
- 线上线下无缝切换
- 一致品牌体验
- 提升忠诚度
商业范例
一家拥有 42 间门市的连锁健身器材零售商，过去线上商城与实体门市库存各自为政，常发生线上显示有货、门市却无法交机的争议，且教练与门市人员看不到会员的跨通路消费纪录，难以推荐合适方案。
- 做法：导入 AI 全通路库存整合系统，实时同步线上与 42 间门市库存：缺货争议下降 68%。
- 做法：建置跨通路会员识别机制，整合线上浏览与门市试用纪录：个人化推荐点击率提升 35%。
- 做法：以 AI 分析各通路热销机型并自动调拨：整体销售额成长 20%，滞销库存减少 24%。
- 做法：门市人员透过平板实时查看会员跨通路偏好：成交转换率提升 18%。
小技巧
实操贴士
- 用 Zapier 把 Shopify 订单同步到 Notion 客户表，触发自动标签。
- 在 ChatGPT 贴上门市与线上销售 CSV，下 prompt：“找出重复购买客，列出通路差异”。
- 用 Canva 统一各通路的优惠券版型，维持同一视觉。
- 请 Claude 比对线上与门市客单价，输出可执行清单。
练习题
本节摘要
- AI 全通路：统一库存、客户、数据、体验
- 销售提升 20%
- 需强大数据基础
25.6 服务业智慧化
为什么学_this？
AI 也能提升服务业体验。
核心教学
服务业 AI 应用：
智能预约
- AI 自动安排
- 减少等待
- 提升体验
智能推荐
- 根据需求推荐
- 个人化服务
- 提升满意度
智能排队
- 预测等待时间
- 动态调整
- 优化流程
顾客回馈
- 自动收集回馈
- 分析情感
- 改善服务
商业范例
一家中型连锁健身工作室，拥有 6 间分店与约 4,500 名会员，长期面临教练排班不均、会员续约率偏低与课程空位浪费等问题。
- 导入 AI 排课与教练调度系统：热门时段满班率提升 18%，教练闲置工时减少 22%。
- 建置会员流失预测模型：提前 3 周辨识高风险会员，续约率由 61% 提升至 74%。
- 采用课程推荐引擎：依运动纪录与偏好推送团课，会员月均到访次数增加 1.3 次。
- 分析问卷与评论语意：实时掌握教练与环境回馈，整体满意度分数提升 19%。
小技巧
实作小技巧
- 用 Zapier 串接 Google 表单与 LINE，顾客填完预约即自动发送确认消息。
- 把顾客评论贴进 ChatGPT，prompt 写“归纳三类负评主因并各给一句改进建议”。
- 用 Notion 建回馈数据库，设标签字段分类痛点，每周筛选高频项目优先处理。
- 用 Canva 制作预约提醒图卡，套用品牌色版，五分钟完成一组模板。
练习题
本节摘要
- 服务业 AI：预约、推荐、排队、回馈
- 客单价提升 20%
- 从预约和回馈开始
25.7 动态定价
为什么学_this？
动态定价能最大化利润。
核心教学
AI 动态定价的应用：
需求定价
- 根据需求调整
- 旺季加价
- 淡季促销
竞争定价
- 监控竞争对手
- 自动调整
- 保持竞争力
个人化定价
- 根据顾客价值调整
- 新客优惠
- 忠诚客折扣
清仓定价
- 临期商品降价
- 库存优化
- 减少损失
商业范例
一家拥有 12 间门市的连锁健身中心，长期面临离峰时段空置率偏高、教练人力闲置的痛点。过去促销方案全靠店长凭经验决定，难以实时反映需求变化。
- 做法：导入 AI 动态定价系统，依实时预约率与时段热度调整团课与私人教练价格，结果：离峰时段使用率提升 28%。
- 做法：串接会员出席数据与天气、节庆变数，自动生成每周价格建议，结果：教练人力闲置时数减少 35%。
- 做法：针对续约边缘会员推送个人化折扣，结果：会员年续约率由 61% 提升至 74%。
- 做法：设定价格上下限与品牌形象护栏，避免低价损害定位，结果：整体营收成长 19%，客诉率未上升。
小技巧
- 用 ChatGPT 输入“列出此 SKU 的进货、物流、平台抽成，算出最低售价”，取得价格底线。
- 在 Notion 建价格底线表，字段含成本、抽成、最低价，调价前先查。
- 用 Zapier 串接 Shopify 与 Slack，售价触及底线自动通知负责人。
- 请 Claude 依竞品价格与库存周转，产出三档调价建议与对应底线。
- 把底线写进定价 prompt：“任何建议不得低于成本加 15%”。
练习题
本节摘要
- 动态定价：需求、竞争、个人化、清仓
- 利润率提升 15%
- 设定价格底线
25.8 智慧 POS
为什么学_this？
智慧 POS 是零售的数据中心。
核心教学
智慧 POS 的功能：
销售分析
- 实时销售分析
- 产品表现
- 趋势
顾客识别
- 会员识别
- 购买历史
- 个人化
库存同步
- 实时库存更新
- 自动补货建议
- 多门市同步
行销整合
- 优惠券
- 会员积分
- 个人化推荐
智慧 POS 工具：
- Square
- Shopify POS
- 各家零售 POS 系统
商业范例
一家据点超过 60 间的连锁健身中心，过去教练排课与会员续约全靠纸本与 Excel，柜台结账常因方案复杂出错，且无法实时掌握各分店销售状况。
- 智慧 POS 扫描会员卡即带出合约与剩余堂数，结账时间由平均 3 分钟缩短至 40 秒。
- 系统自动推荐续约方案与加购课程，试行三个月后续约率提升 18%。
- 各分店销售与教练排课资料实时同步，总部每日结账报表产出时间由 2 小时降至 10 分钟。
- 整合行销模组发送个人化优惠，沉睡会员回访率达 12%。
小技巧
- 用 ChatGPT 产生 POS 资料字段清单，prompt 写“列出零售 POS 必收的 12 个交易字段与用途”。
- 把每日销售汇出 CSV，用 Zapier 自动丢进 Google Sheets 并触发 Notion 日报。
- 请 Claude 分析一周 POS 报表，prompt 写“找出连三日下滑的品项并推测原因”。
- 用 Canva 做收银异常处理 SOP 图卡，贴在机台旁供店员即查。
练习题
本节摘要
- 智慧 POS：分析、识别、库存、行销
- 零售数据的基础
- 优先建设
25.9 零售数据分析
为什么学_this？
数据分析是零售优化的基础。
核心教学
零售数据分析的重点：
销售分析
- 销售趋势
- 产品表现
- 门市比较
顾客分析
- 顾客价值
- 回购率
- 分群
品类分析
- 品类贡献
- 组合优化
- 毛利分析
门市分析
- 门市业绩
- 效率比较
- 优化建议
商业范例
一家在台湾经营 12 间门市的连锁健身中心，长期面临会员续约率低、教练课销售停滞的困境，每年流失近三成会员，却始终找不到具体原因与改善方向。
- 做法：以 AI 分析近 24 个月会员进场频率、课程参与与消费纪录，找出高流失风险族群，提前两周发送个人化挽留方案，续约率提升 18%。
- 做法：依会员运动偏好与过往购买行为推荐教练课组合，并动态调整推销时机，教练课成交率由 12% 提升至 21%。
- 做法：分析各分店热门时段与冷门器材使用率，重新配置教练人力与课程排程，单店营运成本降低 9%。
- 做法：针对高价值会员设计分级回馈与专属活动，带动这群会员年均消费金额成长 23%。
小技巧
每月用 AI 生成零售分析报告，可依下列做法提高效率：
- 把 POS 汇出的 CSV 丢进 ChatGPT，请它依品类、门店、月份输出衰退前三名。
- 用 Claude 读完上月报告，请它比对本月差异并列出异常门店。
- 在 Notion 建月度模板，把 AI 产出的洞察贴进对应区块。
- prompt 明写“用表格输出、数字保留小数一位、不要客套话”。
- 用 Zapier 每月自动把销售报表寄到信箱再转入 AI 分析。
练习题
本节摘要
- 零售分析：销售、顾客、品类、门市
- 毛利提升 15%
- 每月生成报告
25.10 案例研究
为什么学_this？
参考案例能帮助落地。
核心教学
案例 1：需求预测
- 一家宠物用品零售连锁
- AI 预测需求
- 缺货率从 15% 降到 3%
- 库存成本降低 20%
案例 2：全通路整合
- 一家宠物电商 + 实体店
- 线上线下统一
- 销售提升 20%
案例 3：个人化推荐
- 一家宠物用品店
- 根据购买推荐
- 客单价提升 15%
商业范例
一家拥有 12 间门市的连锁文具零售品牌，长期面临热门开学季缺货、冷门品项却堆满仓库的困境，门市之间也无法实时调货，导致每月平均流失约 8% 的来客订单。
该品牌导入 AI 需求预测与跨店库存调拨系统，针对各门市历史销售、季节与地区差异进行补货建议。
- 做法：以 AI 预测各店开学季品项需求并自动补货，缺货率由 15% 降至 4%。
- 做法：建立跨店库存实时可视化与调拨建议，滞销库存减少 28%。
- 做法：依门市客群调整陈列与进货组合，单店月营收平均提升 11%。
- 做法：将补货决策自动化，店长每周人工作业时间减少约 6 小时。
小技巧
把案例拆成可复制的小步骤，再换成自己的资料试跑。
- 用 ChatGPT 重写案例流程：贴上原文，要它输出“步骤、工具、输入、输出”四栏表格。
- 把自家数据丢进 Claude，请它对照案例找出三个落差并给修正顺序。
- 用 Notion 建模板，把案例的触发条件与回复话术改成自己的版本。
- 在 Zapier 设一条自动化，将表单回复写入 Notion 并触发 ChatGPT 产生草稿。
练习题
本节摘要
- 案例：预测、全通路、推荐
- 从小而具体开始
- 证明 ROI 后扩展
25.11 课程总结
课程总结
下一步学习
- C-26 AI 赋能 ERP：系统整合
- C-33 宠物电商 AI 营运：宠物业
- C-16 AI 行销策略与数据分析：行销
© 2026 Buddylala.ai — Build Your AI Future, Together.