零售IT雙周報第43期：不用再翻翻找找！Amazon打造物流士用AI車廂內揀貨助手，到送貨點就會標註出對應物件

重點新聞(0922~1005)

#訂單履行 #物件辨識 #司機送貨
不用再翻翻找找！Amazon打造物流士用AI車廂內揀貨助手，投影出圈圈叉叉標出當下送貨點所需商品

將商品放進貨車車廂時，貨運司機往往需要同時考量空間最大化利用和送貨順序等複雜的因素，到每個送貨點，還需要翻找車廂內商品，閱讀商品描述、條碼、標籤、收貨資訊，才能蒐集齊該站點所需商品。這個翻找和揀貨過程每個站點都會花上幾分鐘，一天下來消耗可觀時間成本。

因應此痛點，Amazon打造了一套AI車廂內揀貨助手Vision-Assisted Package Retrieval （VAPR）。到達一個送貨點時，AI會辨認出該站點所需商品，用貨架上投影機打上綠色的圈，並於其他商品投影紅色的叉。這樣一來，司機便能快速集齊要拿下車的商品。Amazon計畫在2025年初啟用超過1,000臺搭載VAPR的貨車。

VAPR技術基礎是Amazon物流中心內的商品視覺辨識技術Amazon Robotics Identification （AR-ID），可以即時定位和解讀多個條碼，用來取代手動掃描包裝條碼。搭載AR-ID的VAPR能利用專門為貨車車廂光照條件設計的鏡頭，來辨認不同包裝特徵及標籤，接著，再利用車內投影機標示出商品是否屬於該送貨點。

初期測試顯示，VAPR把一個送貨點的揀貨時間從2至5分鐘縮短到1分鐘左右，一趟能省下司機約30分鐘。

#生成式AI #AI客服  #LLM #個人化購物 #AR購物 #沉浸式電商 #AdaptiveRetail
Walmart揭露一系列Adaptive Retail戰略新做法，利用生成式AI打造更多不同購物接觸點的個人化體驗

零售龍頭Walmart近日揭露自家零售戰略Adaptive Retail的更多具體做法，利用許多自家開發的AI與生成式AI技術，來大規模生成素材，支援不同購物通路的個人化體驗。

第一個關鍵做法是Wallaby，一系列利用Walmart數十年數據訓練而成的零售領域LLM。這些LLM是他們在自家不同通路生成個人化體驗素材的技術基礎，也會與其他LLM並用。

第二項做法是打造一個生成式AI客服機器人，能根據顧客身分來存取顧客訂單、退換貨請求等資訊，以進一步理解顧客需求，來應答或採取行動。

第三是打造一個「內容決策平臺」（Content Decision Platform）。在顧客造訪電商等線上通路時，先用預測型AI等技術來分析顧客行為，再用生成式AI產出對應內容──而非只是利用AI重新排列組合不同版面元素。目前Walmart電商網站已經有部分內容採用此做法。他們預計明年年底於美國市場全面應用此技術，在每一個顧客造訪電商時，生成專屬首頁。

第四個做法是打造AR平臺Retina，利用RPA、AI與生成式AI技術，來生成成千上萬個3D素材，用於AR購物體驗。目前Retina支援Walmart大大小小共10個AR購物體驗，以及沉浸式電商API（Immersive Commerce API）。後者是一個供外部開發者用來打造沉浸式電商的服務，目前開發者已經能透過Unity來存取此API。Walmart未來還計畫利用此平臺來打造頭戴式裝置的AR購物體驗，以及將現行AR購物體驗拓展到其他國家市場。

#LBS行銷 #遊戲化行銷 #門市內行銷 #智慧購物車
利用顧客數據及門市內地理位置數據，Instacart為智慧購物車打造門市內遊戲化行銷體驗

零售行銷科技廠商Instacart結合顧客數據與門市內走道等級的地理位置和商品數據，為旗下智慧購物車Caper Cart新增了3種LBS行銷功能：LBS購物遊戲、LBS折價券與LBS廣告。

購物遊戲是顧客在門市內購物過程中參與的互動任務，透過Caper Cart螢幕呈現。顧客可以透過完成特定挑戰來獲得獎勵，例如「尋寶遊戲」，於顧客所在位置呈現出商品限時折價優惠。或者，完成多次來店或重複購買等，包裝成遊戲任務的忠誠度計畫，來獲得折扣。

LBS折價券功能是傳送顧客所在走道附近商品的折扣通知。這項技術利用Caper Cart的室內定位能力，搭配顧客購買紀錄或購物車內容，提供個人化優惠。與此類似的LBS廣告功能，則是呈現特定商品或品牌的行銷素材，讓顧客快速加入購物車。

#視覺化搜尋 #以圖搜圖
Amazon推出5種商品視覺搜尋功能

Amazon推出了5種新的商品視覺化搜尋功能，包含視覺化建議，影像加文字的搜尋，相似商品視覺化推薦，搜尋結果播放影片以及圈選搜尋。

視覺建議功能會根據顧客輸入的搜尋詞呈現相關商品圖片，顧客可以點選最接近心目中商品的照片進行搜尋。影像加文字搜尋是，顧客上傳商品圖片來以圖尋找商品時，可以搭配描述文字來進一步描述搜尋結果。相似商品推薦功能，則是呈現顯示視覺上與一件商品相似的產品。搜尋結果中的影片，顧名思義是直接在搜尋結果頁面呈現商品影片。圈選搜尋則可圈出圖片中的特定單品，來快速以圖搜尋商品。

#視覺化搜尋 #以圖搜圖

Google推出3種商品視覺搜尋功能

Google近期也推出3種商品視覺搜尋功能：Google Lens搜尋、即時搜尋螢幕畫面上物品，以及影像加文字的搜尋。Google Lens搜尋商品類似於以圖搜圖功能，使用者即時拍照或上傳照片到Google Lens，便會呈現出商品搜尋結果頁面，頁面包括價格、優惠和評論資訊。

即時搜尋螢幕畫面上物品功能，是用Android圈選搜尋功能來以圖搜圖；影像加文字搜尋功能則是可以搭配描述文字來獲得更精確的搜尋結果。

這些視覺化搜尋結果來自Google自家收錄了450億項商品的Shopping Graph資料集。使用者上傳圖片後，系統便是利用電腦視覺技術，與Shopping Graph數據比對出相似商品。

#生成式AI #顧客教育
Amazon推出又一生成式AI購物助手，根據搜尋商品類型呈現相關知識以協助購物決策

推出生成式AI對話式購物助手Rufus後，Amazon推出又一生成式AI購物輔助功能，在購客搜尋商品時，呈現購物時相關知識，包括建議考慮條件、熱門品牌、更多商品專屬分類等，以協助購物決策。例如，搜尋電視商品時，會生成解析度、面板分類、更新率等知識，或是室外電視、可攜帶電視等專屬於電視的分類等。

此功能支援超過100類商品，相關知識是由LLM蒐集商品目錄中的特徵、使用情境、功能、品牌和術語，再根據顧客搜尋內容生成。

#RMN #日本全家 #OMO行銷
日本全家怎麼做RMN

近日一場活動中，日本全家便利商店行銷長足立光介紹自家RMN布局。日本全家RMN FamilyMart Media的主要行銷通路包括門市螢幕FamilyMartVision和支付工具 FamiPay。

主要行銷形式是，利用第一方數據，來投放影音數位廣告。他們也會製作行銷內容，投放到社群媒體等外部通路，例如推特、Line、臉書等。日本全家數據來源包含自家線上App及線下會員消費數據，以及電信商Docomo、連鎖賣場唐吉訶德等合作廠商數據，手握超過3,500萬筆廣告ID。追蹤RMN行銷成效做法是，交叉分析消費行為、App使用情況、AI 攝影機數據、問卷調查等數據。

相較臺灣全家，日本全家做法更像是傳統程式化數位廣告加上門市內展示廣告，利用數據來大規模推送格式較標準化的廣告。臺灣全家則更類似整合行銷，為不同行銷案件設計不同通路和行銷手法，廣告格式也更多元，除了靜態和動態影像，還有App上多種互動式行銷模組、個人化商場、票券等。

#LLMOps #推薦系統 #Line購物
Line購物如何打造導購推薦系統

收錄千萬商品的導購型電商Line購物如何利用機器學習，甚至生成式AI，來找出0.001%高度吸引顧客的商品？他們打造了一套以機器學習驅動的核心推薦系統Brickmaster，用檢索、排名、再排名3階段，逐步挑選出商品給顧客。

Brickmaster背後利用哪些數據、如何設計ML機制、如何打造可信任框架讓非技術主管也能對推薦成效一目了然？本刊封面故事Line購物推薦系統大剖析會進一步說明。

更多零售IT動態：

1. Walmart會員制零售品牌Sam’s Club將推出3,000坪的無人結帳店

2. 駭客鎖定Adobe Commerce、Magento購物網站今年6月公布的重大漏洞CosmicSting下手

3. Amazon啟用55個足球場大的物流中心，自動化機械數量是過往物流中心10倍多

資料來源：iThome整理，2024年10月

責任編輯：郭又華

圖片來源：Amazon、Instacart、Google、郭又華攝影