電通商業顧問 洞察分析經理 / 張詠琦 Sibyl Chang
圖片來源：LinkedIn
＂AI 正從理解人性、增強人性到體現人性，透過六大互動場景創造嶄新零售體驗。＂
AI 重塑互動邏輯
過往人工智慧 AI 在零售行銷的應用，多聚焦在自動化與效率提升。然而，隨著大型語言模型 (Large Language Model，LLM)、生成式人工智慧 (Generative Artificial Intelligence，GAI)、電腦視覺 (Computer Vision) 等技術日趨成熟，開始直接參與消費者購物歷程。AI 不僅改變了行銷工具運作方式，也影響著零售互動邏輯與體驗本質。
舉例來說，當前 AI 的突破性進展在於理解能力的提升，大型語言模型能夠理解自然語言的細微差別、上下文脈絡，甚至是隱含的情感和意圖。這讓品牌能夠在應用 AI 技術時擺脫僵化的問答模式，轉向更深層、更人性化的對話交流，重新定義了品牌與消費者之間的互動模式。
從產業應用層面觀察，根據 Gartner 研究指出1，生成式 AI 在零售通路產業具備高商業價值與可行性的用例 (use case)，主要集中於顧客互動情境，包括個人化、社群情緒感知、對話式介面、增強搜尋與追加銷售等領域。
零售產業的生成式 AI 用例
資料／圖片來源：Gartner
消費者行為數據也進一步印證了用例的商業價值。例如沃爾瑪 (Walmart) 2025年調查發現2，47% 的美國消費者表示願意信任數位助理 (Digital Assistant) 或 AI 代理人 (AI Agent) 在預算範圍內代為選購家用品。消費者信任 AI 的推薦甚至勝於社群影響者的推薦，同時，48% 的消費者認為數位助理改善了零售體驗。三分之一的消費者願意使用購物助理處理整個購物過程，而這個比例在家長群體中更高達 62%。在台灣市場，也有高達 86% 的消費者對購物過程中的 AI 輔助技術持正面態度。3
隨著消費者習慣用 AI 來解讀問題、整理資訊並影響購物決策，下一階段的發展將是AI 代理人 (AI Agent)，這正在催生全新的零售互動型態。AI 不再只是工具，而是成為連接品牌與消費者之間的媒介。當品牌與消費者的互動體驗從單純「迎合人性」演進到「與 AI 協作」，品牌不僅需要理解人性，更需要理解 AI 如何詮釋與回應人性。
本文將從 AI 如何讓零售更貼近人性的角度出發，探討從顧客服務到員工賦能，從數位助理到智慧空間等不同互動場景， AI 技術如何創造新的互動體驗。
(2) Walmart’s Retail Rewired Report 2025: Agentic AI at the Heart of Retail Transformation
理解人性：AI 如何讀懂顧客情境意圖
場景一：決策點的及時介入
傳統零售環境中，顧客的購買決策猶如黑箱作業，品牌往往難以即時理解顧客的真實需求、情境背景，以及決策過程中的猶豫點。當這種資訊不對稱嚴重時，會導致品牌失去在關鍵時刻影響顧客決策的機會。
LLM 的出現有機會消彌這塊資訊落差，具體落地應用形式主要為對話式購物助手，例如能即時解答顧客疑問、提供建議。宜家家居 (IKEA) 於 2024 年初在 OpenAI GPT 商店獨家推出了 IKEA AI 助手4，美國市場用戶可以與 GPT對話說明家居設計需求以獲得建議，例如生成圖片來看廚房櫥櫃裝設的示意圖，或是了解某款商品是否在當地門市有庫存，AI 助手也可以進一步引導用戶至官網購物車完成結帳。
(4) IKEA launches new AI-powered assistant in OpenAI GPT Store
IKEA AI 助手對話範例
資料／圖片來源：IKEA
沃爾瑪 (Walmart) 近期也正式推出購物助手 Sparky5，奠基於沃爾瑪數十年經驗開發的零售專用 LLM 模型 Wallaby，除了常見的搜尋與比較商品，Sparky 還可以摘要買家評論提供參考，並根據場合情境建議購買項目，回應用戶詢問派對主題裝飾與食物如何準備，或是週末釣魚新手的必備用品。
荷蘭最大連鎖超市 Albert Heijn 也於 2024 年開始於應用程式中提供 My AH Assistant 功能，由於 Albert Heijn 本身擁有創辦四十多年的美食雜誌，坐擁 17,000 種以上食譜內容，因此 My AH Assistant 可以問答提供食譜與產品建議，同時也具備食譜掃描6與剩菜掃描功能7，前者可以利用圖像辨識與 LLM 理解食譜內容，並將食材對應 Albert Heijn 販售商品與用餐人數，自動加入購物車；後者則透過辨識食材照片，提供烹飪建議，有效將內容資產轉化為購物動機。
(5) Walmart: The Future of Shopping Is Agentic. Meet Sparky.
(6) Albert Heijn Recipe Scanner
(7) Albert Heijn Scan and Kook
Albert Heijn Scan to cook 流程
資料／圖片來源：Albert Heijn App 截圖
這些 AI 應用從根本上改變顧客旅程中的資訊探索與比較路徑。傳統購物流程是「搜尋→比較→決策」，而 AI 驅動的個人化體驗創造了「對話→理解→推薦→體驗」的新模式。當 AI 能夠理解顧客的生活場景、審美偏好、甚至是情感需求時，購買行為就不再是冷冰冰的交易，而是一種被理解、被服務的體驗。這種情感價值往往比商品本身更能驅動顧客的忠誠度和重複購買。
場景二：主動感知的實體空間
傳統實體零售空間本質上是被動的，相較於線上平台可以透過點擊、瀏覽時間等數位足跡掌握消費行為，實體門市依賴店員的主觀判斷來理解顧客需求。但若服務人力有限，顧客久候無人服務，通路便錯失了寶貴的銷售機會。
Lowe’s 在 50 家門市測試一款「Dwell Alert」技術8，運用 AI 與電腦視覺技術，分析人流模式和店內趨勢，利用即時熱區圖 (heat maps)，查看顧客在走道停留的時間與位置，並即時派遣店員過去詢問是否需要協助，幫助 Lowe’s 更精準地配置人力。
(8) Lowe’s 2024 Analyst and Investor Conference Transcript
Lowe’s Dwell 店員可用電腦視覺偵測顧客位置，並回應及支援
資料／圖片來源：NVIDIA9
(9) How Lowe’s Leverages AI to Become an Agile Digital Retailer
相較家居用品通路更加忙碌的超商，店員主動關懷顧客並說明推銷的機會也更加有限。日本超商 LAWSON 與電信公司 KDDI 在東京打造的 Real x Tech LAWSON 未來實驗店[1]，將電商網站常見的個人化推薦功能引入實體門市，安裝在開放式貨架上方的 AI 攝影機可以分析顧客在貨架前的行為，如果顧客停留很久，系統會判斷顧客遇到選擇困難，進而在上方的數位看板顯示商品排名和推薦；當顧客拿起商品，也會顯示相關的商品推薦和優惠資訊。當顧客觸碰電子價格標籤，與標價牌連動的數位看板也會顯示商品介紹，更有效促使顧客採取購買行為。
[1] KDDIとローソン、TAKANAWA GATEWAY CITYに「Real×Tech LAWSON」1号店をオープン
LAWSON 貨架會根據顧客行為推薦商品
資料／圖片來源：KDDI[1]
[1] AIやロボットが融合！未来コンビニ「Real×Tech LAWSON」で新しいお買い物体験
空間主動感知的作法，顧客不需要學習如何在商店中自助導航，而是被環境主動關懷，這種作法將零售通路從單純的交易場所增添更多體驗價值。當空間場域持續地分析和學習，進一步還有創造實體場域精準個人化服務的可能性。
增強人性：AI 如何延伸員工專業與服務溫度
零售通路的成功有很大一部分取決於第一線員工的服務，然而這個角色要面對的挑戰也相當多元，無論是商品種類多元、顧客需求多變、人力是否充足等。一旦這些因素導致員工無法展現專業，就會影響顧客體驗和銷售成效。因此許多企業在選擇探索生成式 AI 應用時，也不意外會從員工生產力提升的方向開始試驗。
場景三：產業知識的賦能活化
顧客端的 AI 助手就像個親切且隨侍在側的虛擬員工，員工的 AI 助手則要提供最專業的知識支援。對於美國 Lowe’s 這樣規模龐大的家居用品零售商來說，由於顧客每天都會諮詢五花八門的問題與數千種產品，店員的專業知識對於推動成交非常重要。2025 年 5月Lowe’s 對 1,700 多家門市店員推出 Mylow Companion[1] ，與顧客使用的AI助手 Mylow 同樣都是與 OpenAI 合作開發，無論是剛入職的員工或是資深店員，都可以透過自然語言對話獲得產品、專業建議、庫存等所需資訊。
[1] Lowe’s deploys First at-scale AI assistant for Retail Associates
Lowe’s Mylow Companion AI 助手協助店員回答顧客的疑難雜症
資料／圖片來源：OpenAI[1]
[1] Lowe’s puts project expertise into every hand with OpenAI
有過往知識的活化應用，也需要知識的持續更新。對精品業來說，成交更多發生在實體門市場域，擁有 Coach、Kate Spade 等品牌的精品集團 Tapestry 認為店員對顧客偏好、產品力、門市營運有著寶貴的洞察，可以說「店員」是真正的殺手級應用。
但總部定期走訪門市的傳統做法，只能獲得零星的資訊，難以將分散的洞察轉化為可操作的商業智慧。因此 Tapestry 於 2024 年推出 Tell Rexy 應用程式[1]，佈署於 Coach 門市的平板或 POS 系統上，Tell Rexy 鼓勵員工以不同主題提供回饋[2]，店員可以藉由自然對話的方式分享他們的想法；為了跨越語言限制，這些來自全球不同語言的回饋會自動翻譯為英文以便集中處理，光是消除語言障礙，就大大提升 Tapestry 在捕捉並利用其全球員工的寶貴見解的效益。
[1] Tapestry Collects Feedback from Thousands of Store Associates Using AWS
[2] How Tapestry Uses AI, Digital Tech And Stores To Serve Its Customers
場景四：工作效率的優化
除了知識點的活化更新，一線員工的許多工作也涉及體力勞動，透過 AI 減輕負擔也有助於優化工作效率，將精力留給更高價值的任務。
例如 Lowe’s，在2022年與 Nvidia 合作透過搭建數位孿生門市與擴增實境 (Augmented Reality，AR) 的探索性應用[1]，讓員工彷彿擁有透視超能力。穿戴AR 頭戴顯示器的店員，可以在擴增實境看到疊加在實體世界的圖像，幫助店員確認貨架上產品配置正確。而店員可能要攀爬梯子才能看到的頂層貨架資訊，也可藉由 AR 透視視覺的功能，從地面仰視貨架取得被視線遮擋的資訊，甚至留下 AR 便利貼於數位孿生世界中標註改善規劃。
[1] Lowe’s unveils Industry-First Digital Twin, giving associates ‘Superpowers’ to better serve customers
Lowe’s AR 應用幫助店員確認貨架上產品配置正確
資料／圖片來源：OpenAI[1]
Lowe’s AR 應用讓不容易看清楚的高層貨架一目了然
資料／圖片來源：NVIDIA[1]
[1] Reinventing Retail: Lowe’s Builds Digital Twins of Stores to Deliver Enhanced Shopping Experiences
同時 Lowe’s 將實體門市轉化如電商網站般，利用歷史訂單與產品位置等數據，透過 3D 熱區圖顯示經常一起購買的商品[1]，幫助店員將商品放在一起，減少顧客和店員取得商品所需步行的距離。
[1] Revolutionizing Merchandising With Digital Twin Tools: Enhancing Retail Strategy and Visualization at Lowe’s
沙烏地阿拉伯外送平台 Hunger Station 則考量沙漠酷暑與極端氣候影響，開發「陰影路線」(The Shaded Route)[1]，利用AI技術，追蹤太陽位置、雲層覆蓋，並分析城市景觀識別建築物、樹木、橋樑、隧道下的陰影路徑，並透過外送員手機的光學雷達 (Light Detection And Ranging，LiDAR) 感測器獲取日光與陰影數據，持續學習強化路線推薦，讓外送員可以在與最快配送路線相差僅 10% 範圍、又比傳統路線低 10 – 15°C 的溫度下進行配送。不僅讓午間高峰時段的配送量激增了 20%[1]，也有利於透過更可靠的配送增進顧客滿意度。
[1] HungerStation Beats Desert Heat with AI-Powered ‘Shaded Route’ for Delivery Riders
[1] HungerStation uses AI to shield riders from the desert heat
場景五：市場趨勢捕捉
快速變化的消費市場中，商品規劃的時效性和準確性直接決定了成敗，尤其是在風向快速變化的服飾產業。通常商品規劃依賴買手經驗判斷和歷史銷售數據，但這種方式面臨準確性有限與反應速度慢的挑戰。企業開始利用生成式 AI 即時掃描社群、搜尋趨勢與提出，先於競爭對手發現市場風向。
沃爾瑪近期發表了 Trend-to-Product 工具[1]，協助自有服飾品牌的設計師蒐集潮流資訊。從時尚伸展台影像、社群媒體貼文到搜尋趨勢，Trend-to-Product 可以生成靈感情緒板 (Mood boards) 、系列名稱、材質、色彩、款式，將原本花費數週的時尚研究時間縮短到數分鐘，設計師和廠商再根據經驗調整，創作完成系列作品。沃爾瑪宣稱整個研究構思過程只需要一個小時，最終將從設計到上架的時間從六個月縮短到六到八週，意味著沃爾瑪能比競爭對手更快回應趨勢，搶得市場先機。
[1] In an Ever-Changing Environment, Walmart Uses GenAI to Create Cool for Customers
Walmart Trend-to-Product 收集市面上的潮流資訊，提供給自家設計師及供應商做參考
資料／圖片來源：Walmart
類似這樣的 AI 驅動商品規劃，不限於設計師的個人經驗與認知偏差，能夠在海量數據點中發現人類難以察覺的趨勢訊號，可以更全面地提升商品規劃的成功率。而迅速捕捉趨勢不僅帶來商品成功機會，更意味品牌能引領潮流與年輕客群對話。
從以上的案例可以了解，AI 賦能員工，可以創造能力的乘數效應。一個新進員工可以透過 AI 的支援，盡快達到資深員工的服務水準；原本的工作方式也可以借力於 AI 技術得到效率的強化。長期而言不僅降低了人力培訓的成本，更重要的是維持服務品質的一致性，間接帶來更佳的顧客體驗。對於傳統零售業知識的組織和傳承上也相當有意義，資深員工的經驗往往隨著人員流動而流失，能把無形的知識資產轉化為全體員工的資源，將是企業長期競爭優勢的重要養分。
體現人性：當 AI 成為消費者的購買代理人
當零售產業藉由 AI 理解人性提供服務，進而增強人性增加服務溫度，下一步當 AI 成為消費者代理人，開始體現人性深層的選擇邏輯與潛在偏好，此時品牌所面對的，將是包含人與其 AI 代理人的複合決策體。
場景六：決策信任的轉移
零售業是最快速應用代理式 AI (agentic AI) 或是 AI 代理人 (AI Agent) 的產業之一。應用代表如亞馬遜 (Amazon) 近期發布的 Buy for me 功能[1]，當用戶搜尋亞馬遜電商卻沒有符合需求的商品時，系統會顯示其他品牌網站商品資訊的連結，並提供讓亞馬遜的 AI 代理人代表用戶從該品牌網站購買的選項。
同樣地，Perplexity 推出的 Shop like a Pro 功能[2]允許用戶直接提出購物需求或是透過「Snap to Shop」上傳商品照片進行搜尋。美國 Perplexity Pro 用戶更可以透過 Buy with Pro 功能，使用預先儲存的收件與信用卡資料，直接在 Perplexity 平台上無縫結帳。
在 B2B 端，阿里巴巴 (Alibaba) 的 Accio 搜尋引擎[3]使用通義千問大型語言模型，整合國際站平台上的數據和十億條產品清單，讓歐美中小企業能透過文字或圖片提示尋找批發產品。當用戶提出「我想在杜拜建一座滑雪場」這樣的複雜需求時，AI 即開始理解情境並拆分出具體要採購的商品。初步測試顯示相較於使用傳統搜尋方式，企業的採購意圖增加了 40%。
這些應用展現了 AI 代理人的核心價值：突破人類在處理資訊上的認知限制，甚至能關注到人類容易遺漏的重要關鍵要素。根據哈佛商業評論[4]分析指出，AI 代理會大量蒐集人們認為比較不受行銷操作影響而產生偏誤的數據，從中找出最相關的資訊，並根據多重關鍵指標持續優化選擇邏輯。
這種方式不僅影響需求表達的形式，例如從結構化的關鍵字搜尋到情境化的描述 (例如「我需要…」)、從文字描述擴展到視覺識別，更是讓消費者開始相信， AI 能比自己更客觀、更全面地做出購買決策，進而將決策權移轉到 AI 代理人，從「信任品牌」轉變為「信任 AI 代理人的判斷」。 當品牌的潛在顧客從單純的「消費者」擴展為「消費者 + AI 代理人」，競爭對象也不再只是其他品牌，更包括「如何被 AI 選中」的挑戰。傳統為人類認知習慣設計的行銷策略、視覺呈現或資訊架構，對 AI 代理人而言可能缺乏效果。品牌必須學會同時以消費者與 AI 代理人的語言來表達自身價值。
[1] Amazon’s new ‘Buy for Me’ feature helps customers find and buy products from other brands’ sites
[2] Shop like a Pro: Perplexity’s new AI-powered shopping assistant
啟動 AI 槓桿三步驟
從以上場景，可以觀察到 AI 不僅是效率提升的工具，更重新建構零售互動的模式。無論是沃爾瑪用購物助手理解顧客情境，Lowe’s運用數位孿生技術強化員工專業，或是 Perplexity 的 AI 代理人承接顧客的決策信任，這些創新應用都在指向同一個核心：讓零售變得更加貼近人性。
對品牌而言，關鍵在於找到能夠創造最大價值的槓桿點。如同逐浪需要挑對浪頭，才能站上浪尖、進而造浪。優先投入對營收或顧客體驗影響最大的關鍵場景，能為後續的 AI 投資建立信心和基礎，進而在這波零售轉型浪潮中掌握先機。
第一步：從人性體驗出發，盤點場景痛點
無論應用的對象是顧客或員工，都需要跳脫技術主導，從人性體驗的角度重新審視現有互動流程中，有哪些節點最需要「即時理解」顧客意圖、「主動觸發」個人服務與「降低摩擦」提升體驗？
以 Lowe’s 為例，其 AI 佈署鎖定三大策略核心：從顧客如何購物 (how we shop)、員工如何銷售 (how we sell)、到團隊如何工作 (how we work)，尋找最需改變的環節[1]。從前述案例也可以觀察到，最具 AI 應用潛力的場景往往具備明確的痛點和清晰的改善目標，這些正是實現 Quick Win 的關鍵所在。
[1] How Lowe’s is trying to spruce up shopping with AI, mixed-reality headsets, and other new technologies
第二步：打破數據孤島，建構全通路洞察
AI 成效的關鍵在於數據品質與完整性，對於同時涵蓋線上與實體場域的零售通路，將分散的數據資源整合為可採取行動的全通路洞察將是巨大挑戰。這不僅包括善用內部資料，如 Albert Heijn 結合食譜知識打造內容驅動的購物體驗，也涵蓋對外部趨勢的敏銳捕捉，例如沃爾瑪透過 Trend-to-Product 將社群熱潮轉化為產品創新。此外，像 LAWSON 利用 AI 貨架與攝影機分析顧客現場行為，更是結合實體場域數據的最佳示範。當數位與實體證據能全面融合，打破數據孤島，AI 才能發揮最大戰略價值，驅動更精準、更動態的商業決策。
第三步：建立實驗心態，持續迭代優化
當前零售產業在 AI 運用上，多數仍處於單一任務導向或是小規模的實驗階段，這也反映 AI 應用的本質其實需要持續的學習和優化過程，而非一次性的系統導入。對企業決策者而言，關鍵在於建立「持續實驗、快速驗證、循環優化」的能力，而非追求一蹴可幾的全面部署。 AI 時代的零售轉型已不是遙遠的科幻想像，而是正在全球市場加速發生的現實。而關鍵不在於追趕最新技術，而在於理解 AI 如何讓零售更貼近人性本質，並在這個基礎上找到自己的創新路徑。維持開放態度並積極嘗試，才能成為定義零售未來的領先者。
探索更多 AI 重塑零售互動
－歡迎點此看更多－
探索更多來自 凱絡媒體週報 ‧ 數位智庫 的內容
訂閱即可透過電子郵件收到最新文章。