零售業者如何與電商巨頭競爭 ── 電商並非零售業失敗的主要原因,關鍵在於客戶體驗
零售業者如何與電商巨頭競爭 ── 電商並非零售業失敗的主要原因,關鍵在於客戶體驗
2018.10.25 | 移動

全球零售業都很害怕在電商領域佈局很深的大品牌進入自己的市場,從而讓業績受到衝擊,因為大家普遍認為,亞馬遜(Amazon)或阿里巴巴(Alibaba)這類網路購物平台正在扼殺零售商店。但事實上,2017年零售商店開幕的數目遠比關閉來的多。

零售商店失敗背後的真正原因比較可能是領導無方、經濟條件不佳、誤判市場變化、或者策略執行的時機不恰當;其他原因還包括,零售業者「沒學會走路就想跑步」,或者沒弄清楚顧客價值點(customer proposition),即對顧客來說有意義的點。更重要的是,很多零售商對於自己最寶貴的資產—員工及店面,並未加以優化。

而下列關鍵九招,能幫助零售商反擊電商巨頭,讓客戶的生活更簡單、方便、美好與安全。

  • 第一招:巧妙利用正在崛起的「對話式商務平台」,提高客戶忠誠度。
  • 第二招:提供取貨彈性,這必須透過各種不同物流方式,例如「網上下單、店面取貨(click and collect)」。
  • 第三招:跨通路的退貨方式。如果退貨很便利,92%顧客會再回購。
  • 第四招:整合新興的客戶接觸點,例如智慧家庭聯網裝置。
  • 第五招:培養強大又能滿足購買行為的店內人員。
  • 第六招:確保零售流程以服務為導向,整合實體及數位通路,以便提升個人化體驗及採購便利性。
  • 第七招:運用人工智慧提供以客戶為中心的體驗,例如行動採購助理。
  • 第八招:建立協同生態系,邀集其他零售業者、供應商、科技提供者、甚至客戶一起成為生態系夥伴。
  • 第九招:確保有參與感的店內體驗。讓客戶在購買之前能夠觀看、觸摸或試用。

除了以上對抗電商巨頭的九大招式外,適地性服務LBS(Location-based service)技術也是能促進購買行為與改善客戶體驗的方法。

零售業者如何與電商巨頭競爭.jpg
圖/ Gartner

以美國戶外用品連鎖店REI為例,在行銷策略中運用LBS技術改善客戶體驗,成功將慢跑愛好族群轉化為死忠客戶。零售業者可利用地理圍欄(Geofencing)技術來促進客戶轉換率,改善客戶體驗。

儘管這個案例看似憑直覺就能解決,但行銷主管往往為了行動策略要採用何種LBS解決方案以最優化目標傷透腦筋,此時建議可從各種LBS解決方案對行銷目標的貢獻度來判斷並做出選擇,例如目標放在潛在客戶開發(lead generation)或提高荷包占有率(share of wallet),而不是只著重技術本身。行銷主管必須選定各種方法的正確組合,才能達到最佳結果。

運用地理圍欄(geofencing)促進客戶轉換、改善客戶體驗

地理圍欄是以數位方式在地圖上劃定一個區域,一旦客戶進入界限內,就啟動行銷活動。

很多行銷人員利用地理圍欄技術驅動購買行為,例如當客戶靠近零售店面時推播促銷方案。此外,地理圍欄技術也可用來提高客戶忠誠度,進而改善客戶體驗,例如進入洛杉磯國際機場時,Uber推播目前有幾輛空車可以載客,這就是運用了地理圍欄技術。

地理圍欄技術也可延伸到自家的地盤之外,不限於通路據點。例如像喜達屋(Starwood)酒店集團這類觀光品牌可以透過劃定機場及火車站的範圍,當訪客抵達這個城市,進入地理圍欄,就立刻致上歡迎之意,並提供交通、當地景點等資訊。但不要只鎖定進入地理圍欄的客戶,當偵測到他們離開時,也可邀請他們再回來,或詢問此次造訪的感想。

佈建Beacon定位技術 以提高忠誠度、了解消費行為

Beacon是指採用了低功耗藍牙或Wi-Fi等技術的裝置,只要在連線範圍,就可與行動裝置內一或多個事先選定的應用程式進行通訊。

行銷人員利用Beacon能達成的目標,大致與地理圍欄類似,不過Beacon鎖定的範圍更小,因此也更精準。像美國Nordstrom這類型的百貨業者,若希望提高客戶轉換率,就可打造更獨特的促銷方案,在百貨商場內劃分不同區域以進行精準行銷,如在化妝品及女鞋區推播特定訊息。此外,一個品牌若要追求更高的擁護度,也可將問卷推送給客戶,請求他們填寫意見。

但別把Beacon的目標族群侷限於消費者身上,這類技術還可協助分析,並確保員工能夠改善客戶體驗。例如布魯克林博物館的員工,就是利用Beacon技術,根據參觀者的所在位置提供看展的指引及建議。

運用可掃描的媒介增進品牌認知度 同時取得潛在客戶名單

像QR code及NFC近場通訊這類可掃描的媒介,是利用編碼或標籤的方式,讓使用者透過手機上的APP進行互動,藉此誘發消費行為。

這個方式很適合刺激入站流量,同時獲取有效客戶名單,這也是活動行銷人員經常使用的技巧。而零售業者若要避免「展示廳現象」(即把實體店面當作展示櫥窗,只看不買),可透過可掃描媒介,將更深度的產品資訊提供給客户。品牌也可利用這個方式,來改善品牌認知度、降低客戶的困惑。例如加拿大GSK藥廠就針對Flonase鼻噴劑產品推出相關的服務,消費者只需以Android手機感應貨架上的NFC標籤,即可取得更細部的產品資訊,像是處方藥彼此可能會產生什麼交互作用。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓