蒲公英創意商業研究所
  • 數位下載
  • 線上課程
  • 活動
  • AI新聞
管理後台
登入
客服信箱:kkstudio1984@gmail.com

© 2025 蒲公英智能創意科技股份有限公司. All Rights Reserved. 支付處理服務由 鑫超科技股份有限公司 提供,並遵守相關法規。
使用者條款.隱私權政策
♥ 本站使用 Teachify 架設
Developer and agent API documentationSite content index for AI agents (llms.txt)API documentation (OpenAPI)API authentication guide
  1. 首頁
  2. 文章列表
  3. 系統說有貨,架上卻是空的:店裡真正的庫存,記在紙條和群組裡

系統說有貨,架上卻是空的:店裡真正的庫存,記在紙條和群組裡

蒲公英

蒲公英

2026年11月11日 上午 2:22

AI新聞

系統顯示還有三箱,店員跑去倉庫翻了十分鐘,一箱都沒有。做過門市的人,對這個畫面都不陌生。久了大家也學會自保:便利貼貼在收銀機旁,群組裡喊一聲「這款沒了」,手機拍一張貨架照片存著。店照常開,可是這些真實狀況,總部的報表看不到,想導入的 AI 也讀不到。

賣條碼掃描與視覺辨識工具的 Scandit,11 月 10 日發布一份門市店員調查,替這個現象取了名字:「shadow store」,影子店。調查對象是美國、德國、英國、法國、義大利、加拿大、波蘭大型零售業的 2,200 名店員,不是台灣數據,也不是小店數據;Scandit 自己就賣盤點相關工具,結論有它的立場。但它點出的問題,任何一家想用 AI 叫貨、預測的店都躲不掉:

AI 再聰明,讀到的也只是系統裡那一份紀錄。

系統和貨架,不到一半的時候對得上

依 Scandit 公布的結果,店員說庫存紀錄和貨架上實際看到的相符,只有 46% 的時候;完全信任店內庫存資料的只有 8%,認為資料七成以上時間準確的,只有四分之一。這份調查由 Sapio Research 在 2026 年 9 月線上進行,受訪者都在員工超過 1,000 人的零售商門市工作,涵蓋超市、量販、百貨、居家修繕、便利商店、藥妝等業態。店員平均每週要被叫去親自確認「到底有沒有貨」5.85 次,五分之一以上的人一週超過十次。

每跑一趟貨架,都是系統欠下的一筆時間。

真正的庫存,活在影子店裡

系統錯了,店員不會讓店停下來。調查裡,49% 自己動手改紀錄,44% 提出庫存調整;在有採取行動的店員中,42% 直接繞過正式系統。另有 68% 至少用一種非正式方法:紙條、團隊聊天群組、個人手機照片、App,或乾脆記在腦子裡。Scandit 執行長暨共同創辦人 Samuel Mueller 說:「Retailers do not have an AI adoption problem as much as a store truth problem…」。零售業缺的未必是 AI,而是一份大家都信得過的店內實況。

最準的資訊在店員手上,卻在報表之外。

準確度過七成之前,信任幾乎不動

報告裡另一個發現很實際:信任不是慢慢累積的。認為資料準確度在五成以下的店員裡,大約四分之一高度信任;這個比例一直到準確度超過七成,才明顯往上跳。ThinkUncommon 共同創辦人 Andrew Smith(職稱據 Scandit 新聞稿)在新聞稿中說,準確度從 46% 拉到 60%,在董事會報告上看起來是進步,現場可能什麼都沒變;在那之前,店員還是會自己去貨架看。換句話說,從四成多拉到六成,店員的做法可能完全一樣;要先跨過七成那道門檻,系統才開始被當真。

數字只好一點點,現場的人不會改變習慣。

時間被吃掉,客人也在等

店員估計,如果有信得過的資料,每人每週可以拿回 4.4 小時,一年將近六個工作週;他們每週平均還有 4.1 小時,花在回答店內科技本該回答的客人問題。新聞稿另用自報時薪 18 美元推算大型零售商的人力成本,那是推估,不是實際帳目,這裡不拿來嚇人。有店員在調查裡留言:「Get the stock counts actually right so I'm not chasing ghost inventory.」先把庫存數字弄對,別讓人一直追著不存在的貨跑。另一位說:「A lot of times the back stock isn't in the system so I go and have to physically check more often than I'd like.」後場的庫存常常不在系統裡,只好一趟又一趟親自去看。

資料不準的代價,最後落在店員的腳步和客人的等待上。

小店導入 AI 前,先把影子店收回來

下面是我們整理的建議做法,不是 Scandit 報告的內容。舉個情境(假設):台灣一家有兩間門市的生活雜貨店,想用 AI 幫忙預測補貨。第一,先盤一次影子店:把店員常用的紙條、群組訊息、手機照片列出來,看看哪些資訊系統裡沒有。第二,挑一兩個最常被問「還有沒有」的品項,訂好誰、什麼時候、用什麼方式更新,一週對一次帳。第三,讓第一線先試:調查裡參加過試行的店員,回報多數店內工具的使用率是 74%;上線前被徵詢過、以及從沒被問過的店員,是 61%;參加試行的人有一半高度信任庫存資料,從沒被問過意見的只有 25%。

讓 AI 讀到真實的店,比讓它更聰明更該先做。

先有真實,再談聰明

很多老闆對 AI 的期待,是它能告訴你下週該進多少貨。但它能回答的,永遠只是你餵給它的那一份紀錄。這份調查來自國外大型零售,台灣小店規模不同,可是「系統說一套、架上是另一套」的畫面,應該一點都不陌生。你的店裡,有沒有一本只有店員看得懂的小筆記?那可能就是最該先數位化的資料。留言跟我們分享。

歡迎加入【蒲公英 AI 知識社群】。我們不追逐表面的資訊熱度,而是拆解每一次科技與商業決策背後的真實邏輯。在變動加速的時代,我們一起看的不是熱鬧,而是規則。

👉 點此加入蒲公英 AI 知識社群(連到 LINE 社群:https://line.me/ti/g2/U22Ve69yCykRi4WhI1Q8PEb0bVBN1AwlwepJwQ)
🔑 入群通關密碼:94115