🛒 零售業 AI 賦能案例
> 零售 AI 在個人化推薦、庫存管理、智慧門市的深度應用，檢視統一超商、全聯、momo 等本土巨頭的實際導入成效。
一、統一超商（7-ELEVEN）：智慧門市與 AI 訂貨
統一超商全台 超過 7,000 家門市，是台灣零售 AI 應用的最前線。
重點應用與成效：
AI 自動訂貨系統：整合天氣、節慶、歷史銷售、鄰近商圈數據，以機器學習預測單店每日 3,000+ SKU 的需求量。導入後：
-
鮮食廢棄率 從 8.2% 降至
4.1%（2025 年報數據），每年減少約
6 億元 食材浪費
-
缺貨率 從 5.5% 降至
1.8%，夜間物流效率提升
30%
- 店長每日訂貨決策時間從 45 分鐘縮短至
10 分鐘X-Store 智慧門市：目前全台 10 家 X-Store 實驗店，導入 AI 影像辨識結帳（拿了就走技術）、智能貨架、動線分析。實驗店平均客單價較一般門市高出 15-20%，但建置成本約為一般門市的 3 倍，尚在 ROI 驗證階段。
AI 選址與商圈分析：以地理資訊 + 人流數據建模，新展店成功率從 75% 提升至 91%，2025 年展店 450 家 中有 410 家首年獲利。導入挑戰： 統一資訊團隊指出，鮮食保鮮期僅 24-48 小時，預測誤差容忍度極低；另全台門市硬體世代差異大，統一 AI 架構需同時支援老舊 POS 系統與新設備，整合難度高。
二、全聯福利中心：PX Pay + AI 個人化行銷
全聯擁有 約 1,100 家門市、PX Pay 會員數突破 1,000 萬，是全台最大零售會員數據庫。
重點應用與成效：
AI 個人化推薦（「全聯好食光」推薦引擎）：基於用户購物籃分析、瀏覽行為、價格敏感度，以協同過濾 + 深度學習模型產出個人化優惠券。導入後：
- 推薦優惠券兌換率從
4.2% 提升至
17.8%
- 平均客單價提升
11%，2025 年 Q4 相關營收貢獻
約 28 億元
- 會員月活躍度（MAU）從 38% 升至
52%AI 定價與促銷優化：以需求彈性模型動態調整促銷强度，降低不必要的折扣讓利。2025 年促銷 ROI 提升 23%，毛利損耗減少 5.4 億元。
AI 補貨預測：結合天氣、節慶、促銷排程預測生鮮與常溫商品需求。生鮮報廢率從 6.5% 降至 3.8%。導入挑戰： 全聯系統主管坦言，千萬會員數據的清洗與標籤化耗費 2 年 才初步完成；另婆婆媽媽族群對個人化推播的隱私敏感度高，需平衡精準行銷與用户信任。
三、momo 富邦媒：AI 推薦與智慧倉儲
momo 是台灣最大電商平台，年營收突破 1,100 億元（2025 年）。
重點應用與成效：
AI 個人化推薦系統：即時分析瀏覽序列、搜尋意圖、購買頻率，在首頁、商品頁、購物車共 12 個推薦版位 進行深度個人化。導入後：
- 推薦點擊率（CTR）提升
42%
- 推薦轉換率達
8.5%（業界平均約 3-5%）
- 推薦貢獻營收佔全站總營收
35%，2025 年約
385 億元AI 智慧倉儲（自動化物流中心）：momo 南區物流中心導入 AI 儲位分配 + 自動分揀系統，出貨效率從每日 15 萬件 提升至 30 萬件，訂單出貨時效從 24 小時縮至 12 小時。揀貨錯誤率降至 0.03%。
AI 客服機器人：處理 65% 的標準客服問題（退貨查詢、訂單追蹤），客服人力集中處理複雜客訴。2025 年客服成本節省約 1.2 億元。導入挑戰： momo 技術長指出，電商促銷檔期（雙 11、618）流量為平日 10-20 倍，AI 模型需兼具即時性與穩定性的自動伸縮架構；另推薦系統易陷入「資訊繭房」，需刻意加入探索性推薦維持品類健康度。
四、跨業啟示
| 面向 | 啟示 |
|------|------|
| 數據基礎 | 會員系統與 POS 數據整合是 AI 應用的前提，數據治理投入不可省略 |
| 場景選擇 | 庫存預測因直接影響損益，最容易計算 ROI，常為零售 AI 優先導入場景 |
| 隱私平衡 | 顧客對數據使用的信任是長期資產，個人化需有「選擇退出」機制 |
| 人機協作 | AI 訂貨、推薦仍需保留店長/行銷人員的覆核權限，建立人機協作 SOP |
> 參考來源： 統一超商 2025 年報（公開資訊觀測站）、全聯福利中心數位轉型發表會簡報、momo 富邦媒法說會資料、資策會 MIC 零售科技調查報告
最後更新：2026-06-14