書店文具店 AI Agent 應用教學：選書推薦、活動行銷、會員與庫存

走進一間獨立書店或文具店，你會看到老闆一個人顧店、補貨、結帳、還要記得熟客上次買了什麼。品項上萬、利潤薄、靠回購活著——這正是 AI Agent 最能幫上忙的場景。

這篇要解決的問題：書店與文具店這種「人手少、品項多、靠熟客」的小店，怎麼用 AI Agent 把選書推薦、活動行銷、會員經營、庫存管理這四件事跑得更聰明？ 適合誰讀：獨立書店店主、文具店老闆、複合式選物店經營者，以及想用 AI 幫實體零售加值的工作者。 讀完你會得到：四大場景的可複製 Prompt、一張從推薦到回購的 Workflow 流程圖，以及一個台灣書店導入前後的真實成果對照。

為什麼書店、文具店特別適合 AI Agent？

很多人以為 AI 是科技業、電商的專利，跟「賣紙本書」八竿子打不著。其實正好相反——書店與文具店的經營痛點，幾乎每一個都對應到 AI Agent 的強項。

第一，品項極多、長尾極長。一間中型書店輕鬆破萬種 SKU，文具店光是筆就分幾十款。人腦記不住誰愛看推理小說、誰固定買某品牌鋼筆芯，但 AI 記得住、而且能即時調出來。

第二，靠回購、靠熟客。實體小店的營收命脈是「常客」，而常客經營的本質是「記得他、懂他、適時提醒他」。這正是 AI Agent 擅長的：把分散的購買紀錄變成一句「林先生，您追的那套書出新一集了」。

第三，人手少、雜事多。寫活動貼文、想搭售組合、盤點補貨、回覆私訊，這些重複又吃時間的事，是 AI Agent 能自動化的第一順位。把人從雜事釋放出來，老闆才有時間做真正只有人能做的事——和客人聊書、佈置選書桌。

第四，季節性強、容易踩雷。開學、過年、情人節、畢業季，文具與書籍的需求像潮汐。憑感覺進貨常常不是缺貨就是囤貨，AI Agent 能用歷史資料把「感覺」變成「依據」。

核心概念：把書店日常拆成四個 Agent 場景

導入 AI 不是買一套萬能系統，而是把日常工作拆成幾個明確場景，各自交給一個 Agent 負責。書店與文具店可以這樣分：

場景	Agent 在做什麼	你會得到什麼
選書推薦	依顧客喜好、暢銷榜、庫存，產出個人化推薦與搭售	提袋率提升、滯銷書動起來
活動行銷	依主題與檔期，生成貼文、海報文案、選書清單	行銷產出快 5 倍，檔期不漏接
會員經營	分眾、生成回購提醒與專屬優惠話術	熟客回流、會員價值變高
庫存管理	依銷售節奏預測需求，提醒補貨與清倉	少缺貨、少囤貨、現金不卡在貨架上

一句話：AI Agent 不是要取代店主的品味與溫度，而是把『記性、計算、寫稿』這些雜活接走，讓你專心做選書與待客。 想讓 Agent 連上你的試算表或 POS 資料，可以參考 MCP 是什麼。

把它想成你多請了一位「永遠記得每位客人、隨時能算庫存、半夜也能寫文案」的店員——只是這位店員住在你的電腦裡。

實際教學：四大場景一步步導入

Step 1：盤點現況，挑最痛的一塊先做

不要一次全上。先問自己：現在最讓你頭痛的是什麼？是熟客流失、活動沒人來、還是常常進錯貨？挑一個痛點開始，做出成效再擴大。多數獨立書店建議從「選書推薦」或「會員經營」起步，因為見效快、又直接連到營收。

Step 2：整理你的「資料底」

AI Agent 再聰明，沒有資料也是巧婦難為無米之炊。把這幾份資料整理成簡單表格（Google 試算表就夠）：

銷售紀錄：日期、品名、類別、數量、金額。
會員名單：用編號代替姓名（保護個資），標注購買偏好、上次來店日。
庫存清單：品名、現有數量、進貨成本、上架日。
活動成效：辦過哪些活動、來客數、轉換。

沒有 POS 也沒關係，手邊的 Excel 或手寫帳整理一下就能用。資料不必完美，先求有、再求好。

Step 3：設計「選書推薦 Agent」

這是最能立刻有感的場景。用 Prompt 讓 AI 依顧客的閱讀偏好、目前暢銷榜與你的庫存，產出個人化推薦與搭售建議。重點是把你的「選書理念」寫進去，AI 才推得出有你風格的書單，而不是制式的暢銷排行。

Step 4：串成行銷與會員流程

把推薦結果往後接：選書清單可以變成一篇活動貼文、一組搭售組合包，或一封寄給特定會員的回購提醒。這就從「單點推薦」升級成「從推薦到下單」的自動流程。流程設計可參考工作流知識庫。

Step 5：先驗證、再逐步放手

剛開始，所有 AI 產出的文案要人工審過再貼、補貨建議要對照實際盤點再下單。跑一兩個月、確認準確度與調性後，再讓 Agent 自主程度更高，例如自動排程貼文、自動生成每週補貨清單給你核可。

範例：Prompt 與 Workflow

可複製 Prompt：個人化選書推薦

你是我獨立書店的選書顧問。我的選書理念是：偏好人文社科、台灣本土議題與深度非虛構，避免心靈雞湯與速食成功學。

請依以下資料，為這位顧客產出推薦：

【顧客近 3 次購買】
1. 《○○○》（台灣歷史）
2. 《○○○》（社會學）
3. 《○○○》（飲食文化散文）

【目前店內庫存可推薦書單】
（貼上 10～15 本書名與類別）

請輸出：
1. 主推 3 本（每本一句話說明為何適合這位顧客，扣住他的閱讀脈絡）
2. 搭售建議 2 組（書＋書、或書＋文具，並寫一句搭售話術）
3. 一句可直接傳給顧客的 LINE 訊息（語氣親切、不像廣告）

限制：只推店內有庫存的書；若推薦理由牽強就老實說「庫存中暫無更合適選項」。

可複製 Prompt：節慶檔期文具組合

你是我文具店的行銷企劃。即將到來的檔期是「開學季」。

【歷史銷售（去年開學季前兩名類別）】
- 筆袋與收納
- 行事曆與手帳

【目前主推庫存】
（貼上品項與成本）

請產出：
1. 三組「開學組合包」（各含 2～3 樣品項、訂價、毛利估算與一句賣點）
2. 一篇 IG 貼文文案（繁體中文、台灣口吻、含 3 個 hashtag）
3. 提醒我哪些品項庫存偏低、開學前應補貨

Workflow 流程圖（文字版）

顧客上門／會員資料
        ↓
[選書推薦 Agent] 依偏好＋庫存＋暢銷榜產出書單與搭售
        ↓
   人工確認品味與庫存
        ↓
   ┌──────────────┬──────────────┐
   ↓              ↓              ↓
[活動行銷]     [會員經營]      [庫存管理]
生成貼文/海報   分眾＋回購提醒   補貨/清倉建議
   ↓              ↓              ↓
   └──────────────┴──────────────┘
        ↓
   成效回填到資料底（銷售、活動轉換）
        ↓
   下一輪推薦更準（持續優化）

這個迴圈的精髓在最後一步：把每次的銷售與活動成效回填，AI 的推薦會一輪比一輪準。

常見錯誤

一、資料還沒整理就想自動化。 很多店主一頭熱想讓 AI 全自動，卻連銷售紀錄都是一團亂。Agent 的品質取決於資料底，先花一週整理表格，後面省一個月。

二、把 AI 推薦當聖旨，丟掉自己的品味。 獨立書店的靈魂是選書品味。AI 是放大器不是決策者，最終上架、主打哪本，仍要由你定奪。讓 AI 提十本、你挑三本，比讓 AI 全權決定好得多。

三、會員個資直接整包上傳。 把含姓名、電話的名單原封不動丟給對外 AI，是個資紅線。務必先去識別化（用編號）、或選用不拿資料訓練的方案。

四、文案不潤稿就照貼。 AI 生成的文案常有「AI 腔」——太工整、太多形容詞、不像真人。一定要用你的口吻改過，獨立小店的賣點正是「有溫度的人味」。

五、只做一次就放棄。 AI 推薦第一週可能不夠準，因為它還不夠懂你的店。把成效回填、持續調整 Prompt，才會越用越順。

最佳實務

從小場景起步，做出一個成功案例再擴大。 與其四個場景一起上、樣樣半吊子，不如先把「選書推薦」做到熟客有感，再複製到其他場景。
把店主的理念寫進 Prompt 並版本化。 你的選書原則、想推的主題、避開的類型，整理成一段固定 Prompt 開頭，每次沿用。Prompt 寫法可參考 ChatGPT 指令教學。
保留「人工確認」這道關卡。 自動化不等於放手不管。文案貼出前、補貨下單前，留一個人核可的步驟，風險最低、調性最穩。
善用現成範本起步。 不必從零寫 Prompt，可以從任務食譜書找接近的範本改寫，省下摸索時間。
每月回顧一次成效。 看提袋率、會員回流、滯銷書動沒動，用數據決定下一步調哪裡。

實際案例：台中一間獨立書店的轉變

台中一間以「人文社科選書」聞名的獨立書店，店主加一名兼職共兩人，會員約 800 位，過去全靠店主一人記得熟客喜好。痛點很典型：店主一忙，熟客就被冷落；每月辦講座的選書清單與貼文要花整個下午寫；架上總有一批「店主很愛但賣不動」的滯銷書壓著現金。

導入前：會員回流靠緣分，熟客流失無從察覺；活動貼文一篇要寫 3 小時；滯銷書佔庫存資金約三成，半年才出清一次。

導入做法：店主先把一年的銷售與會員紀錄整理成試算表（會員用編號去識別化），用 ChatGPT 搭配選書推薦 Prompt，每週為前 30 名活躍會員產出個人化書單，並把滯銷書納入搭售建議。活動貼文改用節慶檔期 Prompt 生成草稿、店主潤稿後發布。

導入後 4 個月的成果：

會員月回流率從約 18% 提升到約 29%，主要來自「個人化 LINE 推薦」帶回的熟客。
活動貼文產出時間從 3 小時縮到約 40 分鐘，每月多辦了 1 場講座。
滯銷書透過搭售組合，庫存佔用資金從三成降到約一成八，現金鬆動，店主得以引進更多新書。
店主自評最大的改變：「不是 AI 幫我選書，是它幫我記得每一位客人，讓我有空真的跟他們聊書。」

數據因店而異，這個案例的關鍵不在工具多強，而在店主願意先整理資料、並守住「AI 提案、人做主」的原則。

結論

書店與文具店看似最「傳統」，卻是 AI Agent 最能加值的場景之一——因為它的痛點（品項多、靠熟客、人手少、季節強）恰好都是 AI 的強項。你不需要買昂貴系統，從一份整理過的試算表、一段寫進你品味的 Prompt 開始，就能讓選書推薦更貼心、活動行銷更省力、會員經營更綿密、庫存進貨更有依據。

記住核心心法：讓 AI 接走記性、計算與寫稿這些雜活，把選書品味與待客溫度留給人。 先挑一個最痛的場景做出成效，再一塊塊擴大，小店也能用一個人的人力，跑出多個人的產值。準備好就從任務食譜書找一個範本，今天就動手。

❓ 常見問題 FAQ

獨立書店規模這麼小，導入 AI Agent 划算嗎？

正因為小、人手少，才更需要。書店品項動輒上萬、利潤薄、靠熟客回購，AI Agent 能把『記得每位客人愛看什麼』『哪些書該補貨』這些原本壓在老闆腦袋裡的事系統化。不需要買昂貴系統，先用 ChatGPT 或 Claude 搭配試算表就能起步。

AI 推薦的書會不會很制式、失去獨立書店的選書品味？

關鍵在你怎麼餵資料與下指令。把店主的選書理念、想推的主題、避開的類型寫進 Prompt，AI 就成了放大你品味的助手，而不是取代它。最終上架仍由人決定，AI 負責的是把選擇範圍快速縮小、補上你沒注意到的搭售可能。

文具店品項雜、單價低，AI Agent 能幫什麼？

文具店最大的痛是品項多、季節性強（開學、過年、母親節）、容易囤錯貨。AI Agent 可依歷史銷售預測檔期需求、提醒補貨與清倉、自動生成節慶組合包文案，把『憑感覺進貨』變成『有依據進貨』。

我沒有 POS 系統，只有手寫或 Excel 紀錄，也能用嗎？

可以。AI Agent 不挑資料來源，只要你願意把銷售與庫存整理成簡單表格（哪天賣了什麼、剩幾本），就能餵給 AI 分析。沒有完美資料是常態，先用現有資料起步，邊做邊補。

會員的購買資料拿去給 AI 分析，會有個資疑慮嗎？

會，務必謹慎。對外的 AI 服務不要直接上傳含姓名、電話、地址的完整名單；可先去識別化（用編號代替姓名），或選用標榜不拿資料訓練的方案。蒐集與運用會員資料也應符合《個人資料保護法》，並在會員加入時告知用途。本文為一般經營建議，個資合規細節請依實際情況諮詢專業意見。

🔗 延伸閱讀

這篇對你有幫助嗎？

AgentAI 智庫團隊 ✓ 台灣實作團隊

我們是一群專注於 AI Agent、Prompt 與自動化工作流的台灣實作者。每篇教學都附可複製配方、誠實標示實測程度與限制，只分享真正能落地、可直接套用的方法——與其介紹工具，不如教你把事情做完。

關於我們 →看更多教學 →訂閱情報週報 →

每週把這類實戰教學寄給你

訂閱 AgentAI 智庫情報週報，新的 Prompt、AI Skills、工作流與教學第一時間收到。

免費 · 隨時取消