全家上架Foodpanda！4大超商瘋外送，滿足哪些購物需求？|數位時代 BusinessNext

Foodpanda x 全家外送服務啟動，預計六月前合作門市將破千

Foodpanda與全家合作分三階段上線，首波將於雙北市內上線146間全家店舖，5月初擴展至全台500間全家店舖，遍及台中、高雄等19縣市，並預計6月前合作店舖將突破1,000家，屆時全台9成縣市都可於Foodpanda平台選購全家精選商品。

此外，自4月22日起，用戶也可以從全家會員App內連入Foodpanda的「全家商城」選購專區，並在四月底前提供單筆訂單不限金額皆免外送費的優惠。 全家外送的服務時間為凌晨五點半到凌晨兩點，可滿足深夜不想出門民眾的購物需求，並預測平均可帶動店舖大夜業績成長約一成。

自去年9月起就開始和Uber Eats合作，開始外送服務的全家表示，疫情加速催化消費者的商品外送需求，使得全家2月份店到宅服務的新來客增加15%。不過，全家與Uber Eats的合作也在三月底結束，目前僅與Foodpanda合作外送服務。

誰會用超商外送？3種購物行為觀察

有趣的是，全家也觀察到了一些到店消費民眾與外送民眾間不同的消費行為。全家指出，外送服務用戶客群集中於25到35歲，可約略分為 「嘗鮮衝動」、「健康補給」、「箱購防疫」 三種購物行為。

在嘗鮮衝動消費部份，外送顧客與一般顧客的「目的型選購」行為大異其趣。前者傾向於在選購零食、飲品時一次購買數款同類型、但不同品牌之商品，如選購茶類會一次選購多種品牌，但皆為無糖茶飲的同類型商品，推估外送免出門，且省時、省力，因此易引發嘗鮮衝動消費行為。

在健康補給方面，則發現外送顧客在購買茶葉蛋、香蕉等未加工食品時，會併買果汁、牛乳等營養型飲品，且此類購物行為平均分佈於各時段，推測超商外送24小時服務的便利性及商品多元性，可隨時滿足追求健康飲食的顧客的消費需求。

此外，在「箱購防疫」的購物行為方面，則發現2月開始出現多筆箱裝水的訂單，推估消費者防疫意識高漲，進而減少出門次數，並善用店到宅服務增加日常用品備量。

四大超商佈局外送，搶全通路商機

根據經濟部統計處資料顯示，2019年全台餐飲業全年營業額為8,116億元，而外送占比約5%，相當於406億元商機。2019年的每日外送訂單相較2018年成長逾25倍，外送市場的高度成長性也吸引不少業者加入，開始與外送平台合作。

在外送平台中，Foodpanda是全台目前最積極佈局超商的外送平台。除了新增的全家以外，Foodpanda也在去年11月及今年1月先後與OK超商與萊爾富展開合作。

萊爾富目前已擴及全台共600家指定門市，提供民眾最低消費滿50元即享免運費優惠，以及開放雙北地區24小時外送服務等優惠。萊爾富指出，外送服務上線以來，已為門市增加超過10%的業績成長。至於OK超商，則開放約500間門市，並同樣提供24小時外送服務。

超商龍頭7-11則是自2014年起開始提供門市外送服務，一開始主要由店員負責外送，2019年起開始全球快遞加入合作，目前全台約9成左右的門市皆有門市店員或全球快遞提供的外送服務。

其中，7-11與全球快遞的合作區域限定在六都與新竹市區，共有2,606家門市加入，其中仍以台北市需求較高，約占整體全球快遞外送量五成。

責任編輯：陳映璇

AI 智慧代理人時代來臨！三大導入階段， AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」。

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。