回到海外實體零售 AI 策展
OFFLINE RETAIL AI · EP03 · 門店體驗

智能購物車不只省結帳人力:真正的大生意可能是客單價、廣告與數據

Caper 從 2024 年起開啟車載廣告業務。當一塊螢幕能一路跟著顧客穿過門店,它同時是推薦介面、促銷媒體、交易工具與行為資料入口。

螢幕在顧客手邊,比門口海報更接近交易

傳統賣場廣告多半賣『被看見』,但購物車螢幕能在顧客做決策的那一刻提供推薦:車內已有義大利麵,經過醬料區時就出現搭配優惠;會員常買低糖商品,飲料推薦便可調整。這不是更漂亮的 DM,而是有情境、有位置、有購物籃內容的即時零售媒體。

報告指出,Instacart 自 2024 年起在 Caper 智能購物車上開展廣告業務。對品牌商來說,它能把曝光拉近到貨架與交易;對零售商來說,廣告是商品毛利之外的新收入;對平台而言,則能串起線上廣告能力與線下消費場景。

四層價值,不該只用節省工時估算

第一層是流程效率:稱重、掃碼與結帳整合。第二層是收入增長:推薦提高連帶購買與客單價。第三層是媒體變現:品牌促銷與廣告。第四層則是資料價值:顧客經過哪裡、在哪裡停留、拿起後是否放回、什麼推薦帶來交易。

但資料價值不等於可以任意使用。零售商必須清楚處理告知、同意、保存期限、會員識別與匿名化;推薦系統也要避免把高毛利商品偽裝成客觀建議。信任一旦破產,再聰明的購物車也只是一台很貴的推車。

REBUILT CHART · FIG.03

智能購物車的四層價值飛輪

XMY editorial reconstruction
01簡化流程

稱重、掃碼與結帳在車上完成

02情境推薦

依位置與購物籃增加連帶購買

03零售媒體

在交易最近處提供品牌廣告

04資料回饋

用行為與轉換改善下一次推薦

資料來源:中泰證券《海外線下零售的 AI 進展》(2026-08-12),第 1、5、6、7 頁。圖表由 XMY 依報告文字與數據重製,非原報告截圖;百分點與成長率依原始口徑呈現。

真正的 ROI,要用增量毛利減去全生命週期成本

評估智能購物車時,不能只比較硬體採購價和收銀人力。分子應包含增量毛利、廣告收入、會員回購與可能降低的損耗;分母則要納入硬體、充電設備、網路、維修、清潔、支付費用、系統整合與門店教育。

最關鍵的驗證方法,是保留相似門店作為對照組,觀察導入前後至少一個完整促銷週期。若只挑最忙、最新或店長最積極的門店試點,漂亮數字很可能來自選店偏差,而不是購物車本身。

  • 收入 KPI:每車客單價、推薦轉換率、廣告填充率與每千次曝光收入。
  • 成本 KPI:每車每日維護成本、故障時間、充電周轉與人工協助率。
  • 採用 KPI:可用車占比、顧客選用率、會員綁定率與再次使用率。

零售媒體真正值錢的地方,是能證明曝光與購買之間的增量

購物車螢幕比一般數位看板更接近交易,但『接近』不代表一定造成交易。零售商必須區分原本就會購買的人、看到推薦後增加數量的人,以及被替代到另一品牌的人。若廣告只是把同一筆需求從自有品牌轉到付費品牌,平台雖有廣告收入,整體毛利未必增加。最嚴謹的做法,是對相似顧客或門店保留未曝光組,計算真正的增量銷售與增量毛利。

廣告排序也會成為新的門店治理問題。螢幕空間有限,究竟優先顯示最符合顧客需求的商品、庫存過高需要清理的商品,還是出價最高的品牌?三者的答案不同。若付費內容與個人化建議混在一起,顧客可能誤以為系統客觀推薦。清楚標示贊助內容、限制重複曝光並保留不參與個人化的選項,會直接影響這項生意能否長久。

更進一步看,智能購物車讓線上廣告常見的衡量方法進入實體店:曝光、互動、加入購物籃、放回、購買與回購都能形成漏斗。但線下資料的敏感度更高,因為它可能包含動線、影像與會員交易。企業應從目的限制出發,只保存完成營運與衡量所需的資料,並將影像辨識、會員身分與廣告報表分層管理。

一張完整損益表,才能避免把昂貴硬體包裝成廣告故事

收入端可分為三塊:購物流程改善帶來的轉換、推薦造成的增量毛利,以及品牌支付的媒體費。成本端則包括車體折舊、螢幕與感測器維修、電池與充電設施、支付費、網路、模型推理、廣告銷售團隊和門店協助。若只把品牌預算算進收入,卻把維運人力留在原本門店費用裡,專案回報會被高估。

零售商還要避免用 GMV 取代利潤。推薦可能讓顧客多買促銷品,表面客單上升,毛利卻下降;廣告也可能集中在大品牌,使自有品牌曝光被壓縮。建議同時追蹤每次購物的貢獻毛利、廣告收入、折扣成本與退貨,並以每台車每日可用小時作分母,才能比較不同門店的真實產能。

如果試點證明購物車能增加毛利,下一步也不一定是全面採購。企業可以先擴到客流高、購物籃大、品牌投放需求強的店,再保留普通推車與其他結帳方式。讓顧客選擇,能降低轉換阻力;讓財務按門店條件部署,則能避免用少數旗艦店的漂亮成果,替所有店型做過度承諾。

這是「海外實體零售 AI 進展」第 3 篇。下一步不是再問 AI 能不能做,而是驗證它能否在真實門店裡持續創造可計算的收入、效率與信任。