【圖解】百貨積極佈局餐飲,量販店賣起3C!台灣零售業商品版圖一次看懂
【圖解】百貨積極佈局餐飲,量販店賣起3C!台灣零售業商品版圖一次看懂

「銷售商品結構」為零售通路最核心的DNA組成要素,主要銷售品項不僅形塑出零售通路的多元服務特徵及消費者購物通路偏好,更構成零售業各次產業間最關鍵的營運差異與產業界線判別基礎。

2020台灣主要零售業別商品結構基因圖譜。(點圖可放大)
圖/ 未來流通

台灣整體零售業銷售商品結構與各次產業別核心銷售品類在2015至2020年5年周期間出現劇變:例如百貨業為迎戰電子商務的高速成長,大幅拉高餐飲服務營收佔比;量販業積極擴大3C家電賣場面積並結合宅配服務,有效提升高單價商品銷售比例;超商業藉由納入彩妝清潔用品、超市業以提升家電與服飾用品銷售比例等方式,實行商品結構多元化策略;藥妝業則拉高食品類商品銷售比例,並跨足居家修繕與生活用品補給服務。

未來流通研究所固定彙整台灣「主要零售業別商品結構」年度數據,以基因圖譜方式精確呈現各零售次產業別之核心銷售商品組成,包括整體零售業、綜合零售業、百貨業、超市業、超商業、量販業、免稅店業、藥妝藥局業及電子商務業等。並藉由分析2015-2020年間商品結構比例變化、結合TOP 3商品集中度(CR 3)指標,以掌握零售各業別關鍵銷售變化。

汽機車銷售佔比持續擴大、電商服飾佔比顯著下滑

零售產業銷售商品類型象徵當地市場整體零售內需消費結構,各類商品銷售比例穩定且變化緩慢,一旦出現明顯變化,即代表長期消費趨勢迎來關鍵轉變。2015至2020年5年期間,台灣整體零售業商品銷售比例歷經重大轉變:首先是冠軍寶座易主,長期佔據整體零售業銷售金額最高的「食品類」商品,過去5年間銷售佔比自18.3%降至15.5%,退居第2;而奪下商品銷售金額佔比最高的新任冠軍則是「汽機車&零件」,過去5年間銷售佔比自14.8%增至20.8%。

特別值得一提的是電子商務產業。過去10年間,台灣電商產業規模自新台幣1,100億元翻漲至2,412億元,市場規模超越量販及超市,成為第3大綜合零售通路別。除了量體的擴張外,銷售商品結構亦於2015至2020年5年期間出現顯著變化。首先,「食品類」雖仍為電子商務業商品銷售佔比最高的類別,但銷售佔比自28.9%顯著下滑至25.5%;其次,「3C商品(電腦&周邊設備、通訊產品)」展現驚人成長力道,銷售佔比自7.7%大幅攀升至19.1%,成為電子商務業銷售佔比第2高的核心商品類別。

此外,「家用電器商品」在各式小型家電、美容家電銷售帶動下,銷售佔比亦自7.5%大幅增至12.4%,成為佔比第3高的商品類別。至於被取代的品項則為「服飾鞋襪」,銷售佔比自11.5%降至8.3%,為電子商務業中銷售佔比降幅最為顯著的品類,「彩妝保養用品」銷售佔比亦自13.7%降至11.9%。

點讀華山_新零售時代_第六市場a017.JPG
圖/ 點讀華山 提供

TOP 3商品類別差異顯著:超商銷售品類集中度最高、超市與量販銷售商品結構最為相近

進一步分析各零售次產業別銷售商品結構,可觀察到各類型通路多具有相對應的銷售品類特徵,構成該業別獨特的服務特色。例如百貨公司業為台灣唯一以「服飾鞋襪」及「餐飲服務」為核心銷售品類的零售通路,銷售佔比分別高達30.9%及17.2%;超級市場業則是「食品類」商品銷售佔比最高的零售通路別,銷售佔比高達47.1%;而便利商店業則是唯一以「菸草類」及「非酒精飲料」為核心銷售品類的零售通路,銷售佔比分別高達30.6%及27.5%。

台灣零售各次產業別中,便利商店業為銷售商品結構集中度最高的通路型態,CR 3高達87.8%,顯示特定商品銷售狀況對於企業營運表現具有極高的槓桿力,提高超商業者在上述商品領域中推出自有品牌商品(Private Brand, PB) 的意願。此外,超市業與量販業間擁有高度近似的核心銷售商品結構,均以食品、飲料、家電、家具&雜貨、彩妝保養等品項為主力,在供應鏈運作與銷售模式上具備較高的共通性,也因此形成了超市及量販跨業整併的有力基礎,有助於提升合併後整體營運綜效。

百貨業餐飲化、量販業3C家電化、藥妝業食品化

2015年台灣百貨業餐飲服務銷售佔比約為8.1%,至2020年已大幅增長至17.2%,「餐飲服務」成為百貨業第2大核心收益來源。其中微風百貨旗下各店平均餐飲佔比介於35%-45%間,為台灣餐飲營收佔比最高的百貨企業;鎖定軌道經濟發展模式的京站時尚廣場及環球購物中心,餐飲佔比也高達30%左右;而百貨業龍頭新光三越旗下各店餐飲營收佔比也穩定維持在20%上下。

量販業長期以平價大宗民生消費商品為銷售主力,食品、各式飲料、菸酒等品類佔據近半數銷售額。不過,在知名跨國量販企業在台深耕引領下,成功展開創新營運模式並開拓多元化主力銷售品項。例如家電類商品銷售佔比由6.9%翻漲至15.6%,成為量販業第2大核心銷售品類。

在2021年不動產市場增溫、居家上班比例提升、小型家電熱銷等趨勢推進下,好市多、家樂福等大型量販企業持續擴增3C家電賣場規模。量販業3C家電化趨勢不僅為量販業抓住新成長契機,也有效提升產業平均銷售單價。

點讀華山_新零售時代_第六市場_MG_0226.JPG
圖/ 點讀華山 提供

2020年台灣藥妝業「食品類」商品銷售比例達11.7%,成為僅次於彩妝保養、藥品醫材的第3大核心銷售商品。在松本清、Tomod’s、札幌藥妝、唐吉軻德(綜合零售商)等日本連鎖藥妝企業的積極佈局下,引進大量日本零食、調理食品、保健食品、泡麵、飲料等多元商品類型,其中松本清、唐吉軻德更以豐富的自有品牌商品做為獨特的販售主張。

Tomod‘s則在日本住友商事與三商集團合作下,2021年與美廉社展開藥妝與超市複合店型的轉型戰略;台灣屈臣氏與康是美兩大藥妝龍頭,近年亦積極擴充食品飲料、家庭用品、清潔消毒用具等商品類型。在企業的共同推進下,台灣藥妝藥局業正依循日本產業發展脈絡,不僅銷售商品結構多元化程度快速拉高,產業定位也逐步由專賣零售業朝向綜合零售業發展。

本文授權轉載自:未來流通研究所

責任編輯:傅珮晴、錢玉紘

關鍵字: #零售業
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