💰 台灣安控業在智慧零售解決方案的核心商機

3S Market 整理

台灣零售業推動智慧零售解決方案似乎不是力道很足，問題在哪？過去 10 年很多先知灼見的業者都想攻這塊市場，但是多則一年，最快一季就放棄⋯⋯

其實不是「沒有在做」，而是「做不起來規模化」。問題不在技術，而在整個產業鏈「卡在中間」。直接拆成幾個關鍵斷點來探討。

一、零售業主的「動機錯位」：看成本，不看營運槓桿

台灣零售業最大問題不是不知道 AI，而是沒有把「智慧零售」當成營運工具。

多數業主思考方式還停在：

裝監視器＝防盜
POS＝結帳
ERP＝報表

但智慧零售真正的核心應該是：👉「用數據改變營運結果」

例如：

客流分析 → 調整動線 → 提升轉換率
貨架辨識 → 減少缺貨 → 提升營收
員工行為分析 → 提升服務效率

問題在於 —— 這些效益不是「立即可見的成本」，而是「間接營收提升」而台灣中小零售業主（佔大宗）通常不買這一套。

一句話講白：👉 他們買設備，但不買「營運優化」。

二、系統碎片化：沒有真正的「平台型解決方案」

一個關鍵：👉 台灣缺的是「Solution Orchestrator」，不是產品。

目前市場狀態：

POS 一套
VMS 一套
會員系統一套
電商平台一套
AI 分析再一套

結果是：👉 每一套都很厲害，但完全沒有整合

這會導致什麼？

AI 看得到人流，但不知道「買了什麼」
POS 有交易，但不知道「為什麼買」
監控看到行為，但沒有轉成 KPI

也就是：👉 資料沒有變成決策，只是變成更多資料

三、SI / 廠商還停在「賣設備」，不是「賣解決方案」

多數 SI 提案方式：

幾支攝影機
幾台 AI Box
幾套系統

但真正該提的是：👉 「幫你提升營收 X%、降低人力 Y%、減少損耗 Z%」

問題是：

SI 不懂零售營運
只懂設備規格
KPI 不會算

所以結果變成：👉 智慧零售被賣成「高級監視系統」

這直接讓業主無感。

四、場域沒有被「微場景化」，導致 ROI 說不清

「微場景」，這在零售特別關鍵。

台灣目前問題是：👉 解決方案講「整間店」，但問題其實發生在「局部場景」

例如：

冷藏櫃缺貨
熱銷商品動線錯誤
結帳排隊過長
店員補貨效率低

如果沒有拆到這個層級：👉 ROI 永遠算不出來

而沒有 ROI：👉 案子就永遠過不了決策

五、缺乏「可複製成功案例」，導致市場不敢跟

看國外（或中國）為什麼推得動？

因為有：

無人商店（標竿）
AI 補貨（標竿）
數據營運（標竿）

台灣的問題是：👉 沒有一個「大家都認同成功」的樣板

零售業是很保守的產業：

看別人成功才會跟
不會自己當白老鼠

六、資料價值沒有被「商業化」，AI 自然沒有吸引力

最後一個是最深層的問題。

在台灣：👉 數據 ≠ 資產👉 只是「記錄」

但在成熟市場：👉 數據 = 營收引擎

例如：

精準行銷
動態定價
庫存預測
供應鏈優化

如果沒有這一層：👉 AI 就只剩「看起來很厲害」

🔥 結論（這句最關鍵）

台灣智慧零售推不起來，不是因為技術不成熟，而是：

從「產品思維」走不到「營運思維」，從「系統導入」走不到「數據變現」。

坊間談智慧零售結果都在談電商，卻幾乎不談營運管理的設備技術

台灣智慧零售的問題，不是科技能力不足，而是議題被「電商化」了；實體零售場域的科技解決方案沒有被系統性定義。

一、先抓台灣智慧零售的核心問題

問題層	台灣常見現象	真正卡點
議題定義	智慧零售 ≈ 電商、OMO、會員、行銷	少談實體店現場的營運科技
科技供給	台灣有 RFID、POS、IPC、AI、IoT、工業電腦能力	沒被整合成零售場域解決方案
業主需求	關心人力、缺貨、盤點、排隊、損耗、冷鏈、服務品質	廠商提案卻常講平台、導流、電商
SI 能力	會裝設備、串系統	不一定懂零售流程與 KPI
成功案例	有零星 AI 結帳、影像辨識、RFID 應用	缺少可複製、可量化、可展示的標竿店型
政策語言	數位轉型、電商輔導、雲端工具	較少以「實體零售科技升級」作為主軸

一句話：台灣把智慧零售講成「通路數位化」，不是「賣場營運智慧化」。

二、各國智慧零售路徑比較矩陣

國家 / 地區	主要推動路徑	代表業者 / 案例	重點技術	解決的核心問題	盲點
美國	大型零售營運效率 + 全通路	Walmart、Amazon Go、Kroger	RFID、AI 影像、庫存系統、自動結帳、供應鏈數據	庫存準確、補貨、減少缺貨、提升履約效率	投資巨大，中小零售難複製
中國	平台資本 + 線上線下整合	Alibaba 盒馬、京東、便利蜂	App、支付、大數據、即時配送、自動化門市	導流、會員、配送、消費數據閉環	容易過度燒錢、模式重於獲利
日本	人力短缺 + 便利店效率	7-Eleven Japan、FamilyMart、Lawson、METI RFID 計畫	RFID、自助結帳、電子標籤、供應鏈追蹤	少子高齡、人力不足、盤點效率	RFID 在鮮食、無包裝品類落地困難；日本 2017 年曾推「1000 億件商品電子標籤」計畫。
韓國	智慧商店 + 消費體驗	Lotte、Shinsegae、CU、GS25	無人店、智慧貨架、支付、會員數據	提升便利性、年輕消費者體驗	偏消費體驗，後台營運改善未必完整
歐洲	永續、能源、供應鏈透明	Tesco、Carrefour、Ahold Delhaize	冷鏈監控、ESG 數據、電子標籤、能源管理	食品浪費、碳排、能源成本、追溯	推動較穩，但商業爆發性較低
台灣	電商 / OMO / 會員行銷導向	momo、PChome、全家、統一超、部分 AI 新創	POS、會員、App、AI 視覺、電子標籤、RFID	多偏向行銷、會員、結帳效率	實體場域科技解決方案論述不足

三、依零售型態看「該解決什麼問題」

零售型態	現場主要痛點	應導入的科技解決方案	KPI 應該怎麼看
大賣場 / 量販店	缺貨、盤點慢、排隊、人流動線差、竊損	RFID、AI 客流分析、智慧貨架、電子標籤、自助結帳、VMS + POS 串接	缺貨率、盤點工時、結帳等待時間、損耗率、坪效
超市 / 生鮮賣場	鮮度管理、報廢、冷鏈、補貨、效期	冷鏈 IoT、AI 鮮度辨識、電子價牌、效期管理、影像稽核	報廢率、效期損耗、冷鏈異常次數、補貨準確率
連鎖便利店	人力不足、夜班安全、鮮食管理、補貨壓力	自助結帳、AI 防損、智慧補貨、RFID / 條碼混合、門禁與影像聯動	人均營收、夜班風險事件、鮮食報廢率、補貨時間
百貨 / 商場	客流轉換率、櫃位績效、樓層動線、VIP 服務	客流熱區、會員定位、停車整合、智慧看板、商場 VMS / PSIM	進店率、轉換率、停留時間、樓層坪效
專賣店 / 服飾店	試穿率、庫存準確、調貨效率、防盜	RFID、智慧試衣間、AI 客流、電子防盜、全通路庫存	試穿轉換率、庫存準確率、調貨時間、失竊率
餐飲 / 連鎖餐飲	食安、排隊、出餐、廚房 SOP、浪費	AI 影像稽核、食材履歷、廚房影像管理、排隊偵測、POS 整合	出餐時間、客訴率、食材損耗、SOP 違規次數
藥妝 / 藥局	高價品防盜、效期、庫存、合規	智慧櫃、RFID、影像防損、效期提醒、身份驗證	效期報廢、高價品失竊率、盤點時間、合規事件

四、台灣真正該補的不是「電商」，而是以下問題矩陣

核心問題	台灣目前常見做法	應該升級成什麼
缺貨	店員巡貨架、POS 銷售後才知道	貨架影像 / RFID 即時偵測缺貨
盤點	人工盤點、定期盤點	RFID / AI 盤點，變成日常化、即時化
排隊	增開櫃台靠人工判斷	AI 排隊偵測，自動提醒人員調度
損耗 / 竊損	事後調監視器	VMS + POS + AI 行為分析做事前預警
生鮮報廢	經驗判斷、手動降價	效期 / 溫度 / 銷售預測聯動
人力不足	招人、排班	自助結帳、智慧補貨、異常自動通知
會員經營	App 推播、折價券	場域行為 + 交易資料 + 回購模型
ESG	節能口號、紙本報表	冷鏈、能源、報廢、碳排數據化

五、重新定義台灣智慧零售議題

不是：智慧零售 = 電商 + 會員 + OMO

而是：

智慧零售 = 以實體零售場域為核心，透過 RFID、AI 影像、IoT、POS、VMS、電子標籤、冷鏈監控與資料平台，解決缺貨、盤點、人力、排隊、損耗、食安、能源與營運效率問題。

這樣才會從「賣東西到線上」拉回到「店本身如何變智慧」。

📊 台灣智慧零售

「微場景 × KPI × 設備 × 成本」一頁式決策矩陣（實戰版）

👉 核心原則：不是裝設備，而是解決營運問題 → 轉成KPI → 再回推設備與成本

🧭 一、門市入口/客流（流量 → 轉換）

微場景	問題（Why）	解決方案（設備）	KPI	成本等級
門口進出	不知道有多少人進店 → 無法算轉換率	AI人流攝影機 + 邊緣AI（AI Box）	進店人數、進店率	低～中
動線熱區	客人走哪裡不知道 → 商品配置靠感覺	天花板魚眼 + 熱區分析（VMS整合）	停留時間、熱區分布	中
櫥窗吸引力	櫥窗有效嗎？無數據	客流比對（外/內流）	吸引轉換率	低

👉 價值本質：把「感覺」變成「轉換率管理」

🧭 二、貨架/商品（缺貨 → 營收）

微場景	問題（Why）	解決方案（設備）	KPI	成本等級
貨架缺貨	缺貨但沒人知道 → 直接損失營收	AI貨架辨識 / 智慧貨架 / RFID	缺貨率、補貨反應時間	中～高
商品擺放	擺錯位置、品牌曝光差	影像辨識 / Planogram比對	陳列正確率	中
價格更新	價格錯誤、人工作業慢	電子標籤（ESL）	價格錯誤率、人工作業時間	中

👉 價值本質：缺貨 = 看不見的營收損失

🧭 三、庫存/盤點（效率 → 人力）

微場景	問題（Why）	解決方案（設備）	KPI	成本等級
盤點作業	人工盤點耗時且不準	RFID盤點 / AI影像盤點	盤點時間、準確率	中～高
庫存不準	系統庫存 ≠ 實際庫存	RFID + POS整合	庫存準確率	高
調貨	找不到貨、補貨慢	全通路庫存系統	補貨時間	中

👉 價值本質：庫存不準 = 整個營運都失真

🧭 四、結帳/排隊（體驗 → 流失）

微場景	問題（Why）	解決方案（設備）	KPI	成本等級
排隊過長	客人放棄購買	排隊偵測AI + 即時通知	平均等待時間、放棄率	低～中
人力不足	櫃台人力不足	自助結帳機 / 行動POS	每人服務量	中～高
尖峰調度	無法預測人潮	AI預測 + POS數據	尖峰應對效率	中

👉 價值本質：排隊 = 最直接的營收流失點

🧭 五、防損/安全（損耗 → 利潤）

微場景	問題（Why）	解決方案（設備）	KPI	成本等級
竊盜	損耗高但抓不到	VMS + AI行為分析	損耗率	中
員工異常	內部風險不可見	POS × 影像比對	異常交易率	中
夜間安全	人少風險高	門禁 + 影像聯動	安全事件數	低～中

👉 價值本質：防損不是安全，是直接的利潤管理

🧭 六、生鮮/效期（報廢 → ESG）

微場景	問題（Why）	解決方案（設備）	KPI	成本等級
效期管理	過期報廢高	AI辨識 / RFID效期管理	報廢率	中
冷鏈異常	溫控失效但沒即時發現	IoT溫度感測	冷鏈異常次數	低
動態定價	賣不掉只能丟	價格系統 + AI預測	折價銷售率	中

👉 價值本質：報廢 = 被忽略的巨大成本

🧭 七、人員/營運（效率 → 管理）

微場景	問題（Why）	解決方案（設備）	KPI	成本等級
補貨效率	店員不知道先做什麼	任務系統 + AI通知	補貨時間	低
服務品質	無法監控服務	AI行為分析	客訴率	中
SOP落實	規定存在但沒執行	影像稽核	SOP達成率	中

👉 價值本質：人員不是成本，是營運變數

💰 成本分層（讓業主聽得懂）

層級	預算範圍（單店概念）	對應策略
低	幾萬～十幾萬	AI攝影機、IoT感測、排隊偵測
中	幾十萬	VMS整合、ESL、AI分析
高	百萬以上	RFID、全店整合、自助結帳

🔥 最關鍵一句

智慧零售不是導入多少設備，而是每一個微場景，都能對應一個「可量化的營運KPI」。

未來的智慧零售安控供應鏈生態

📊 供應鏈矩陣（核心內容）

角色	核心定位	提供價值	擅長市場	商業模式	優勢	限制
安控製造商	場域設備方案包	攝影機 / AI Box / VMS / 基礎場景套件	全市場（但偏產品導向）	出貨量（硬體）	技術、產品整合能力	不懂零售營運、難觸達終端
通路商	一站式供應中心	多品牌、多設備整合 / 庫存 / 快速交貨	中小型市場	毛利差價	供應效率高	無場景能力、無方案能力
SI	專案解決方案商	OMO / CDP / 系統整合 / 客製專案	大型連鎖 / 企業	專案收入（高單價）	整合能力強、懂架構	不做小案、不可複製
工程商（弱電）	最後一哩路執行者	安裝 / 維護 / 基本系統建置	中小零售（主力）	工程收入	在地密度高、接觸客戶	無升級能力、低毛利