用數據調整口味、不脫口罩也能吃飯!薩莉亞如何成為日本人最愛的家庭餐廳?
用數據調整口味、不脫口罩也能吃飯!薩莉亞如何成為日本人最愛的家庭餐廳?

日本東京都等19地10月正式解除「緊急事態宣言」、餐廳防疫限制鬆綁,有個關鍵字馬上登上推特(Twitter)趨勢話題:薩莉亞千元扭蛋(サイゼリヤ 1000 円ガチャ)。

這是針對日本義式連鎖餐廳薩莉亞客人開發的線上小工具,在1000日圓的預算隨機搭配餐點組合,就像轉扭蛋一樣,把餐點選擇權交給運氣。雖然不是薩莉亞官方開發,但自從2018年上線後便大受歡迎。這次一舉登上推特趨勢,可見有許多人一放寬防疫限制,馬上就查起要在薩莉亞點什麼餐。

薩莉亞千元扭蛋(サイゼリヤ 1000 円ガチャ)
「薩莉亞千元扭蛋」不只會在 1000 日圓的預算內隨機搭配餐點,還會計算卡路里和鹽分。

不僅如此,日本排名網站goo Ranking今年發起的「最喜歡的家庭餐廳」小型民調中,薩莉亞也獲得第一名,台灣人熟知的樂雅樂(Royal Host)則排名第4––令人好奇日本人到底多愛薩莉亞這間餐廳?它有什麼魅力?

不可思議的低價

開業50多年的薩莉亞以高CP值的餐點最為人知,以漢堡排為例,同為家庭餐廳的Denny’s和Gusto店內最便宜的品項,分別賣699日圓和499日圓(未含稅),而薩莉亞最便宜的漢堡排,含稅後的價格卻只要400日圓。

不只漢堡排,薩莉亞的許多餐點都比其他家庭餐廳還平價。
圖/ Saizeriya for Fun 臉書

但低價並非品牌創立之初就定調的策略。

創辦人正垣泰彦就讀大學時,曾在一間名叫薩利亞的西餐廳打工,但這間餐廳因為發生嚴重的火災而燒毀。正垣大學畢業後,選在原店址重新開業,並定位為義式餐廳,卻無法吸引人潮。

他嘗試將餐點的價格打對折,人潮還是不來,索性直接降到原價的3折,結果來客量從每天20人,爆增到600-800人,這間只有17坪、最多容納得下38席的小店根本吃不消,促使正垣陸續開了4、5間分店。

因物超所值的策略獲得成功,薩莉亞得以迅速拓張版圖,2000年在東京證交所上市時,已經有300多間分店。

薩莉亞 Saizeriya
圖/ Shutterstock

用科學量化「美味」

但消費者不會因為價格壓低,就不放棄追求食物的口味。

正垣曾在他的著作《好吃才會賣》(暫譯)中提到,「(外食經營者)不能覺得自己賣的餐點很好吃」,要是抱持這種想法,一旦餐點賣不出去,就會覺得是客人的問題,或是怪罪景氣不好。

為了更客觀的判別餐點是否美味、有賣相,薩莉亞在千葉縣的工廠設立了研發中心,以數據協助產品優化,透過觀測試吃人員進食時腦波的變化,了解其因餐點而產生的興趣、好感和壓力,把味覺數據化,並依此來調整菜單。

薩莉亞自設的研發中心透過觀察人在進食時腦波的變化,獲得能解釋味覺的大數據。
圖/ Saizeriya for Fun 臉書

不怕失敗的實驗精神

日本自去年疫情爆發以來,東京已4度發布緊急事態宣言,消費者減少出門,對餐飲業者來說格外挑戰。為了提振業績,去年8月薩莉亞推出一個叫做「可聊天君」(暫譯,しゃべれるくん)的口罩,因為底部有開口、未貼合下巴,號稱可讓客人戴著口罩進食,同時防止飛沫傳染。薩莉亞還特別製作影片解說使用方法,去年9月時正式導入全店鋪,跟一般的餐巾紙放在一起,並且陸續有第二代、三代的版本。

saizeriya 薩莉亞
薩莉亞自製影片介紹「可聊天君」(しゃべれるくん)的使用方法。

但「可聊天君」在社群上的評價褒貶不一,有人覺得是突破性的發明,也有人吐槽「好丟臉」「夠了」。據《富比士》報導,連薩莉亞社長堀埜一成對於「可聊天君」口罩都沒有抱持百分之百的信心,但面對這些負評,他也不感到後悔,「比起推出一開始就成功的產品,改善不受歡迎的產品才能帶來進步。」當薩莉亞率先發表後,也能促使其他餐飲同業注意到什麼做法不可行,進而催生更好的做法。

不怕失敗的實驗精神,讓薩莉亞在疫情下不斷提出新對策,例如為了縮減人力支出、搭上零接觸的趨勢,在特定店鋪導入送餐機器人,或是推出坪數只有一般店舖約40%的小型店舖,主攻「一人獨食」客群。

saizeriya 薩莉亞
薩莉亞社長堀埜一成也親自參與「可聊天君」的介紹影片。

雖然9月份薩莉亞日本國內同店銷售額同比下滑23%。不過隨著緊急事態取消,10月份有望迎來復甦。《日本經濟新聞》報導,薩莉亞接下來將砸127億日圓投資設備,比今年多出66%,其中有一半的資金用於展店和整修既有店鋪,迎接回溫的餐飲市場。此外,也考量到消費者仍可能會盡量避免外出,將開發面向家庭客群的外帶商品。

這兩年對餐飲業者來說經營格外辛苦,攤開薩莉亞8月底發布的財報,營業利益連兩年赤字,銷售額則微幅下降,然而中國上海、廣州等較不受疫情影響的海外門市業績表現強勁,彌補了國內的虧損,保有淨利17億日圓(去年虧損34億日圓)。

資料來源/Yahoo! Japan, DIAMOND Chain Store, NIKKEI STYLE(1), NIKKEI STYLE(2), Forbes Japan, TUS Alumni News

本文經授權轉載自:經理人月刊

責任編輯:吳佩臻、錢玉紘

關鍵字: #餐飲業動態
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