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
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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