善用數位工具強化營運效能以新零售視角因應市場挑戰

新零售概念是將包括所有的軟硬體技術均視為手中工具，透過這些工具強化企業的營運效能，讓所有成本支出的效益最佳化

在各產業中，零售業與消費者的接觸最緊密，再加上競爭激烈，因此對市場變化最為敏銳，一旦反應速度偏慢，就極有可能在短時間內遭到淘汰，這也是該產業對新科技導入與應用較其他產業更為快速的原因。早期零售業以實體店面為主要通路，所有的E化、M化建置均已提升實體店面的營運管理為主，網際網路興起后，電商平臺在快速改變零售業生態，在短時間內取得高比例市占率。

就整體市場比例來看，實體通路仍占有多數市場，雖然今年初蔓延的COVID-19疫情，將電商推上新高峰，不過業者指出，未來電商仍不會占有絕對的優勢，或許應該說，未來的零售業不應再區隔實體通路與電商平臺，而是應該善用各類新科技發想出新創意，融合線上線下世界，以更高視角打造出具備競爭力的「新零售」模式。

新零售概念，是將包括所有的軟硬體技術均視為手中工具，透過這些工具強化企業的營運效能，讓所有成本支出的效益最佳化，而觀察零售產業近年來最火熱的技術莫過于人工智慧(AI)。

善用外部專業化解企業AI困境

AI是零售業數位轉型的必要技術，不過現在推動數位升級過程中，企業常會遇到困境，之前中華電信大數據處科長官俊安在演講中就指出，人才、分析環境、資料等三大資源的缺乏，是現今企業數位轉型最艱困的問題。他指出企業有不同的數據需求，自行培育數據科學家不太容易，市場上數據科學家也是供不應求，這是「缺人才」;企業要先愿意投入一筆錢去建設AI分析工具和使用環境，這是「缺分析環境」;如果企業沒有資料基礎建設，沒有搜集足夠的數據可以分析，就是「缺資料」。

對此，零售業者可善用外部力量來協助解決上述的問題。他以中華電信的企業服務「AI智慧分析云」為例，此平臺內建AI核心引擎，以云端服務提供企業個別按照需求租用，完全免除企業自行建置軟硬體的成本，降低企業采用AI分析的門檻，解決「缺環境」困境。

市面上主要的AI工具有開源機器學習(ML)軟體、與圖形化介面商用軟體。前者適合擁有資料科學家團隊的企業，后者則需要熟悉各類型資料分析及模型建立流程的高階數據人才。因此，AI智慧分析云內建各式應用場景，從銷售量、營業額預測，到客戶分群、商品推薦，等于內建了十年資歷數據人才的經驗，降低企業建立AI預測模型的高門檻。

而企業可以透過AI智慧分析云在10分鐘內快速建模，無須另外召募數據科學家，由現有的IT團隊或行銷企劃人即可勝任，解決「缺人才」困境。根據統計，此類平臺可幫企業節省三分之二的人力財力，讓沒有數據團隊、「缺人才」的一般企業，也能享有AI帶來的好處。

AI應用多元讓零售營運更智慧

在透過外部專業力量解決人才、分析環境與資料困境后，制造業者即可著手建立AI應用機制。就目前AI的發展來看，其應用走向可分為兩種，一是透過上層云端平臺，分析長期累積的大量數據，借此制定未來的營運策略。另一種則是讓終端設備具有邊緣運算功能，即時處理現場狀況，在零售業，這兩種機制都會使用。

在云端運算部分，現在最常見的是分析人流，再依分析結果者出最佳銷售地點。這種作法可分成大小兩種規模，大型規模是搜集各地區的包括人流數量、年齡、性別、動線、出現頻率等資料，再由系統找出最適合的開店店址。大型零售業者在開店前也會有此動作，不過多是派遣人力在街頭計算，不僅數據量不足誤差也大。現在則可透過電信業者的云端平臺解決此問題，電信業者可根據其下門號上網的使用軌跡，找出人流分布圖，作為零售業者的開店參考。

透過AI分析人流，調整商場最佳商品組合，是零售業智慧化的未來趨勢

至于較小規模的人流分析，就不必使用電信業者的服務，這種AI的分析作法，則是將店鋪內的影像監控攝影機與AI系統結合，依據店內人流，設計出最佳動線，并找出銷售熱點，調整貨架上的商品組合，創造出最佳坪效。

實體店面內的AI人流分析，也可與零售業的另一AI建置–邊緣運算整合，讓銷售量最大化。邊緣運算在零售業的最佳應用是智慧貨架，此類貨架早在10年前就已有相關構想，當時的概念是將RFID讀取器建置于貨架上，用來讀取產品上的電子標簽，并將結果傳輸至后端系統，提醒人員補貨，避免因物品銷罄貨架空置產生機會損失。

Hyperlocal四層次智慧貨架愿景成真

現在的智慧貨架則是比當初更進一步，除了原有的感測器之外，在結合近年來零售業的Hyperlocal概念，此一概念是讓行銷結合當地最常用的數位工具，像是中國的微信、臺灣的Line等，讓行銷可以落地深根，融合到當地消費者的生活型態中。