龍雲數位 TransTEP 如何協助全家便利商店優化商品組合：IoT 數據驅動的 SKU 管理實踐

便利商店的每一格貨架空間都代表著機會成本。全家便利商店在台灣擁有超過 4,300 家門市，每家門市平均陳列 2,000-3,000 個 SKU（庫存單位），如何讓每一個貨架位置都發揮最大價值，是商品管理團隊長年面對的核心課題。

龍雲數位 TransTEP 透過 IoT 感測技術與數據分析平台，協助全家便利商店從「經驗驅動」的商品管理模式，轉型為「數據驅動」的精準 SKU 優化體系。這篇文章詳細拆解整個合作的技術架構、分析方法與實際成果。

傳統商品管理的痛點：為什麼「感覺對」不夠用？

在導入 IoT 數據系統之前，便利商店的商品管理高度依賴「人的判斷」——區域督導的巡店經驗、買手對市場趨勢的直覺、總部基於歷史銷售數字的決策。

這種模式有幾個根本性的盲點：

1. 資訊延遲嚴重 傳統 POS 系統的數據通常在每日或每週彙整後才能分析，等決策指令下達到門市再執行調整，往往已過了最佳反應時機。季節性商品的黃金銷售期可能只有 2-3 週，若在第一週才發現銷售不如預期，能夠調整的時間所剩無幾。

2. 缺乏脈絡數據 POS 知道「賣了多少」，但不知道「有多少人看了卻沒買」。這兩個數字的差距，就是貨架陳列與商品組合的優化空間。傳統系統沒有辦法捕捉到這個關鍵的「流失率」。

3. 門市差異被平均值淹沒 全台 4,300 家門市，每家所在商圈的消費者輪廓都不同：車站旁的門市以上班族為主，學校附近以學生族群為主，醫院旁則以銀髮族與家屬為主。用同一份商品清單服務所有門市，必然犧牲個別門市的銷售效益。

TransTEP IoT 感測系統的數據蒐集架構

龍雲數位為全家便利商店建置的 IoT 基礎設施，核心由三層感測網路組成：

第一層：貨架重量感測器

在重點商品貨架下方嵌入微型重量感應器，以每 15 分鐘為單位記錄貨架重量變化。這個設計能達到：

• 即時庫存監控：不需要人工盤點，系統自動計算庫存水位，當庫存低於安全門檻，立即觸發補貨通知
• 銷售速度分析：每個時段的重量變化曲線，精確反映商品在不同時段的銷售速率，找出日內峰谷模式
• 缺貨時間記錄：準確記錄每個商品的缺貨時段與時長，換算成「潛在流失營業額」

第二層：影像分析攝影機

在貨架上方安裝低解析度（保護隱私）的廣角鏡頭，搭配電腦視覺算法，分析：

• 商品接觸率：消費者拿起商品後又放回的比例（「摸了沒買」行為）
• 停留時間分布：消費者在哪個貨架區停留最久，反映興趣點分布
• 動線熱點圖：門市內人流密度分布，識別黃金陳列位置

第三層：環境感測整合

門市溫度、濕度與外部天氣數據的整合，讓系統能建立「天氣—商品需求」的關聯模型：

• 氣溫每上升 1°C，冰飲銷量平均增加 4.2%
• 下雨天的熱飲銷量比晴天高出 23%
• 高溫高濕天氣，冷凍食品銷量明顯下滑（消費者偏好低熱量清爽選項）

這些細顆粒度的環境關聯數據，讓補貨預測與促銷決策有了更精準的科學依據。

AI 分析流程：從數據到商品決策

步驟一：個別門市輪廓建立

系統首先針對每家門市建立獨立的「消費者輪廓模型」，整合：

• 時段人流分布（早餐/午餐/晚餐/消夜四個主要時段）
• 週間 vs. 週末消費差異
• 季節性需求週期
• 周邊業態構成（辦公、學校、住宅、觀光）

這個輪廓模型是所有後續分析的基礎。

步驟二：SKU 表現矩陣分析

針對每個 SKU，系統計算四個核心指標，並繪製二維矩陣：

指標	說明
銷售速度指數	每日平均銷售量 ÷ 貨架陳列量
毛利貢獻率	單品毛利 × 銷售量
接觸—購買轉換率	購買次數 ÷ 消費者接觸次數
補貨效率分數	缺貨時間比例的反向指標

透過這個矩陣，商品可以被分類為四個象限：

• 明星商品：高銷售、高毛利 → 確保陳列、提升能見度
• 潛力商品：高接觸率但低購買轉換 → 可能是定價或陳列問題，值得優化
• 長尾商品：低銷售但特定族群忠誠購買 → 評估是否保留或在特定門市保留
• 待淘汰商品：低銷售、低毛利、低接觸率 → 應調整或汰換

步驟三：替換建議生成

當系統識別出待淘汰的 SKU，會自動從候選商品資料庫（含新品、地區限定品、合作廠商新品）中，依據該門市的消費者輪廓，推薦最適合的替換品項，並預測導入後的預期銷售增長。

SKU 調整的實際案例：三種情境

情境一：醫院旁門市的商品重構

位於台北某大型醫院旁的全家門市，原有商品組合以年輕族群為主，包含大量能量飲料、零食與外食便當。IoT 數據顯示：

• 下午一點至四點的主要消費族群為銀髮族（步行速度、停留時間、觸摸商品高度等特徵判斷）
• 低鹽、低糖、健康機能性飲品的接觸率高，但庫存長期偏低
• 醫療護理用品（口罩、創可貼、藥局小包裝商品）被頻繁詢問但未陳列

調整方案：

1. 縮減能量飲料貨架一排，置入健康機能飲品（舒跑、運動電解質水、草本飲料）
2. 增設小型健康輔助品陳列區（血壓計耗材、口罩等）
3. 便當品類增加「低卡/低鈉」選項比例從 15% 提升至 35%

調整後三個月數據：同期銷售額成長 14.3%，健康飲品品類成長 62%。

情境二：科技園區門市的時段優化

新竹某科技園區門市的IoT數據揭示了一個反直覺的現象：下午兩點到四點的離峰時段，「高價精品咖啡」的轉換率反而高於早餐尖峰時段。

分析後發現，科技業工程師在下午的「第二波咖啡因補充」時，因不趕時間，願意選擇較高單價的精品咖啡（如義式濃縮、冷萃），而不是早上趕時間時的快速購買。

調整方案：

• 下午時段在門市顯眼位置增設「下午專屬精品咖啡推薦」展示區
• 搭配咖啡+點心的組合優惠，提升客單價

結果：下午時段咖啡品類營收成長 28%，整體下午時段客單價提升 11%。

情境三：夜市旁門市的夜間品類強化

台南某夜市周邊門市，夜間 9 點至 12 點的銷售數據顯示，消費者以外籍旅客為主（透過消費語言偏好、支付方式判斷），但門市並未針對這個族群特別調整商品組合。

調整方案：

• 增設「台灣限定伴手禮」陳列區，含茶包、糖果、小包裝零食
• 增加英文/日文商品標示
• 強化冷藏啤酒與氣泡飲料品類

結果：夜間時段銷售額成長 31%，外幣付款筆數增加 47%。

數據整合的技術基礎設施

TransTEP 系統的技術架構以邊緣運算（Edge Computing）為核心：

• 門市端：IoT 感測器數據透過本地邊緣伺服器預處理，降低傳輸頻寬需求與雲端運算成本
• 數據安全：消費者影像分析完全在本地端進行，只上傳匿名化的行為統計數據，符合個資保護法規
• API 整合：與全家既有 ERP 和 POS 系統透過標準 API 串接，不需要更換既有系統
• 即時 Dashboard：商品管理團隊可透過 Web 介面即時查看全台任意門市的商品表現，支援多維度篩選與比較

可量化的整體成效

在試點計畫完成後，導入 TransTEP 商品優化系統的門市，相較於對照組（未導入）門市，呈現以下系統性改善：

指標	改善幅度
商品週轉率	+18%
缺貨事件頻率	-42%
過期報廢商品損失	-35%
平均客單價	+9%
長尾商品汰換效率	決策週期縮短 60%

商品週轉率的提升直接反映在資金效益上：庫存佔用的資金減少，意味著可以用更少的資本支撐相同甚至更高的銷售量。

下一步：AI 預測性補貨

目前 TransTEP 正在與全家的合作中，進一步開發「預測性補貨」功能——不只是告訴你現在庫存不足，而是提前 24-48 小時預測哪些商品在哪個門市會出現缺貨，讓供應鏈可以提前準備，從「被動補貨」升級為「主動預備」。

結合天氣預報、節慶日曆、周邊活動資訊，預測模型的準確度正在持續優化中。

更多關於 IoT 技術在無人零售場域的應用，可參考 智慧零售 ESG 永續發展趨勢。

結語

全家便利商店的商品組合優化案例，是 IoT 數據如何轉化為具體商業價值的最佳示範。當每家門市的每個貨架都有數據支撐決策，「賣什麼」不再只是買手的直覺，而是消費者用行為投票的結果。

這正是龍雲數位 TransTEP 持續推進的核心方向：讓數據成為零售業最可靠的商業顧問。