AI Agent 實體零售門市實戰：庫存、會員、促銷文案與顧客回購一次到位

這篇文章解決什麼問題？ 教你把實體門市裡最吃時間、又一直重複的四件事——判斷該補什麼貨、把會員分群經營、寫檔期促銷文案、提醒老客人回來消費——交給 AI Agent 分擔。誰適合讀？ 開實體店、連鎖門市、藥妝、服飾、生活雜貨的老闆與店長，人手不多卻被報表和貼文綁住，想用 AI 把自己從幕後雜事中解放出來。讀完你會得到什麼？ 一套可以照抄的 Prompt 範本、一張看得懂的 Workflow 流程圖，以及一間台灣連鎖門市導入前後的真實成果數據，讓你今天就能動手做。

為什麼實體零售最該導入 AI Agent

很多人以為 AI 是電商與線上生意的專利，實體門市派不上用場。事實正好相反。實體零售的日常，幾乎全是規則清楚、可以描述、卻佔掉店長大把時間的工作，而這正是 AI Agent 最擅長的領域。

想想一間門市每週要做的事：盤點庫存、看哪些品項快缺貨、決定下單多少；翻會員名單、想哪些客人很久沒來該喚回；遇到檔期又要趕著寫 DM 文案、社群貼文、簡訊；月底還得整理銷售報表。這些工作沒有一件需要創意天分，卻每一件都得花時間，而且做久了容易疲乏、出錯——少補了暢銷品造成缺貨損失，多補了滯銷品壓住現金，會員名單躺在系統裡卻從沒被好好經營。

實體零售還有一個電商沒有的痛點：店長要顧現場。客人就在眼前，店員忙著結帳、補貨、回答問題，根本沒空坐下來慢慢算補貨、慢慢寫文案。於是這些「後台工作」常常被擠到打烊後，或乾脆草草帶過。

AI Agent 的價值，就是把這些後台重複工作接手過去。它不像傳統 POS 報表只會把數字攤在你面前，而是能讀懂資料、給出判斷、產出可以直接用的內容：哪些貨該補、補多少；哪群會員該被喚回、用什麼語氣；這檔促銷的文案怎麼寫。對人手吃緊的台灣零售門市來說，這不是「取代店員」，而是把人力從報表與文案中釋放出來，回到現場做機器做不到的事——銷售與待客。

核心概念：門市 AI Agent 的四個分身

要理解 AI Agent 在門市能做什麼，最好的方式是把它想成四個各司其職的分身，分別接手一件你原本得親自做的後台工作。它們共用同一份門市資料，但任務不同。

這裡有一個關鍵概念要先講清楚：AI Agent 是決策輔助，不是自動駕駛。庫存判斷分身不會直接幫你下單，回購分身也不會自己亂發簡訊。它做的是把原本要花一兩小時的手工活，壓縮成一份高品質的草稿，最後拍板的永遠是你。理解這一點，你才不會對 AI 抱錯期待，也才知道哪裡一定要留人工把關。

另一個常被忽略的概念是**「資料底稿」決定一切**。AI 再聰明，也只能根據你給它的資料判斷。如果你的銷售紀錄、庫存表、會員明細是亂的，AI 給的建議也會跟著亂。所以導入的第一步永遠不是「找一個厲害的 AI」，而是「先把自己的資料整理乾淨」。這部分後面的教學會帶你做。

實際教學：五步驟把門市後台交給 AI Agent

Step 1：盤點門市的重複工作

拿一張紙，把你或店長每週固定要做、又重複的後台工作全部列出來。零售門市通常逃不出這四類：庫存補貨判斷、會員分群與經營、促銷檔期文案、顧客回購提醒。

每一項都標註兩件事：一週花多少時間、最常出什麼錯。例如「補貨判斷：每週兩小時，常漏掉冷門但穩定賣的品項」「促銷文案：每檔一個下午，每次都從零開始想」。標完你會發現，最該優先交給 AI 的，往往不是最花時間的那項，而是最容易出錯、出錯代價最高的那項——通常是庫存。

Step 2：整理門市資料底稿

這是整個導入最重要、卻最容易被跳過的一步。AI 的判斷品質，完全取決於你給它的資料品質。

你需要準備四份結構化的資料（用試算表即可）：

• 銷售紀錄：每個品項過去四到八週的銷量，最好分週呈現，看得出趨勢。
• 庫存表：每個品項目前庫存量、安全庫存量、供應商交期。
• 會員明細：會員編號、最近一次消費日期、累計消費次數、累計金額（務必去識別化，不要放姓名電話）。
• 商品資訊：品名、賣點、售價、所屬類別，供寫文案時引用。

整理時把欄位名稱寫清楚、單位統一，AI 才讀得懂。這份底稿做好一次，後面四個分身都靠它運作。

Step 3：建立庫存判斷與會員分群 Agent

有了底稿，先讓 AI 處理最高價值的庫存判斷。把銷售紀錄與庫存表貼給 AI，要求它依「銷售速度 ÷ 剩餘庫存」估算可賣天數，標出低於交期的品項，並建議補貨量。重點是要求它列出計算邏輯，你才能驗證它有沒有亂算。

接著做會員分群。最實用的方法是 RFM 概念——最近一次消費（Recency）、消費頻率（Frequency）、消費金額（Monetary）。把會員明細貼給 AI，請它依這三個維度分成「高頻常客、一般會員、沉睡會員、新客」四群，並說明每群的特徵。這一步做完，你的會員名單第一次真正「活」了起來。

Step 4：設定促銷文案與回購提醒流程

分群完成後，文案就能對症下藥。用 Prompt 範本（見下一節）依不同檔期與主打商品，批次產出 DM 標題、社群貼文、簡訊三種版本，省去每檔重寫的痛苦。

回購提醒則接在分群結果之後：沉睡會員給較強的喚回優惠與「好久不見」的語氣；高頻常客給新品搶先或會員專屬,不需要折扣轟炸；新客給「歡迎回來」的二次到店誘因。讓 AI 依每群特徵草擬不同文字，由你決定發送時機與通路。

Step 5：每週檢視成效並迭代

導入不是一次性的事。每週固定看三個數字：缺貨率（有沒有因為沒補到而賣不出去）、會員回購率（喚回訊息有沒有帶人回來）、文案產出時間（省了多少工）。

哪裡不如預期，就回頭調整：補貨常被店長大幅改動，代表安全庫存設定要修；某群會員回購率低，代表分群門檻或訊息語氣要改。把每週的微調回補進 Prompt 與資料底稿，AI 的判斷會一週比一週準。

範例：Prompt 與 Workflow

下面是促銷文案分身可以直接複製使用的 Prompt 範本。把方括號內容換成你門市的實際資訊即可。

你是一位熟悉台灣實體零售的門市行銷助手。請依以下資訊，產出這檔促銷的文案。

【門市資訊】
品牌語氣：[例如：親切、生活感，像鄰居推薦好物]
目標客群：[例如：25-40 歲、注重 CP 值的上班族與家庭主婦]
檔期主題：[例如：母親節檔期，5/1-5/12]
主打商品與賣點：[例如：A 保養組，原價 1280 特價 880，買就送旅行瓶]

【產出要求】
1. 請用繁體中文、台灣口語，避免浮誇形容詞與簡體用詞。
2. 一次產出三種版本：
   - DM 主標：15 字內，吸睛、帶出優惠。
   - 社群貼文：80-120 字，帶 2-3 個自然的標籤。
   - 簡訊：50 字內，含優惠重點與行動呼籲，結尾附退訂說明。
3. 每種版本各給兩個方案讓我挑選。
4. 文案只能根據我提供的賣點與價格撰寫，不可自行編造功效或數據。

如果你要做的是回購提醒，把上面的「檔期主題」換成會員分群（例如「沉睡會員：最近一次消費超過 90 天」），並要求 AI 依該群特徵調整語氣與優惠強度即可。

下面是整套門市 AI Agent 的 Workflow，文字版流程圖如下：

門市資料底稿（銷售/庫存/會員/商品）
        ↓
   ┌────┴────┐
   ↓         ↓
庫存判斷分身   會員分群分身
（補貨清單）  （RFM 四群）
   ↓         ↓
 店長確認    促銷文案分身 ←─ 檔期/主打商品
 微調下單       ↓
            分眾文案（DM/貼文/簡訊）
                ↓
            回購提醒分身（依分群調語氣）
                ↓
            店長確認 → 選定通路發送
                ↓
        每週檢視：缺貨率/回購率/省工
                ↓
         回補資料底稿與 Prompt（迭代）

這張流程圖的重點在於：所有對外動作（下單、發簡訊）前面都有一道「店長確認」的關卡。AI 負責把活做到草稿，人負責把關拍板，這是門市導入 AI 最安全、也最容易落地的分工。

常見錯誤

第一個錯誤：跳過資料整理，直接問 AI。 很多老闆把一張亂七八糟的報表丟給 AI 就要它「幫我看該補什麼貨」，結果建議全錯，然後得出「AI 不準」的結論。問題不在 AI，在底稿。資料不乾淨，神仙也算不出來。

第二個錯誤：把 AI 當自動駕駛，建議照單全收。 AI 不知道你下週店門口在施工、不知道隔壁開了新對手、不知道這款是老闆娘私心想推的。少了現場資訊的判斷一定有盲點，照單全收遲早出事。永遠保留店長微調這一關。

第三個錯誤：對全名單群發同一封簡訊。 這是最常見、也最傷的錯。高頻常客不需要折扣也會來，你發折扣反而是送錢；沉睡會員需要強誘因才回得來，你發新品通知他根本沒感覺。不分群的群發，退訂率高、轉換率低，等於慢性消耗你的會員名單。

第四個錯誤：把含姓名電話的會員資料直接貼給 AI。 這不只是文案好不好的問題，而是個資合規問題。一定要先去識別化，用編號取代個資，敏感欄位移除。

最佳實務

• 先手動驗證，再考慮自動化。 別一開始就想串接 POS、做到一鍵跑流程。先用手動貼資料的方式跑兩三週，確認 AI 的建議真的有用、店長真的省到工，再投入技術資源串接。多數門市光靠手動流程就能拿到八成效益。
• 把品牌語氣寫進 Prompt 並固定下來。 文案像不像自家店，全看 Prompt 有沒有把品牌個性說清楚。把一段好用的語氣描述存起來，每次寫文案都先貼上，產出就會一致。
• 庫存判斷要求 AI 列出計算邏輯。 不要只看它給的數字，要看它怎麼算的。看得到邏輯，你才知道哪裡該修安全庫存、哪裡它誤解了你的資料。
• 回購訊息分眾、控制頻率。 同一位客人一個月收到的訊息別超過你自己能接受的程度。把客人當人看，而不是當名單轟。
• 每週留半小時做迭代。 導入 AI 不是設定一次就放著。固定回看成效、回補資料、微調 Prompt，效果才會持續變好。

實際案例：台灣中部三家分店的生活雜貨連鎖

台中一家經營生活雜貨的連鎖門市，共三家分店、八名員工，由老闆娘兼總店長統籌後台。導入 AI Agent 前，她的日常是這樣的：

導入前的痛點。每週要花約三小時翻三家店的 POS 報表手算補貨，常常顧此失彼——暢銷的香氛蠟燭缺貨好幾次，眼睜睜看客人空手離開；冷門的造型文具卻越進越多，壓住現金。兩千多名會員名單躺在系統裡幾乎沒動過，逢年過節想做活動，總是全名單群發同一封簡訊，退訂的人不少、回來的人不多。每檔促銷文案都從零開始想，一個下午只能生出一檔的 DM 與貼文。

導入後的做法。她先花一個週末把三家店的銷售、庫存、會員資料整理成統一格式的試算表（最花時間、但只做一次）。接著用上面那套四分身流程：每週一早上把銷售與庫存貼給 AI，二十分鐘拿到三家店的補貨草稿；會員用 RFM 分成四群；母親節與週年慶兩檔，用 Prompt 範本一個上午產出全部文案；沉睡會員與高頻常客分開發喚回訊息。

成果數據（導入後約三個月）：

• 補貨判斷時間從每週約 3 小時降到約 40 分鐘，省下近八成工時。
• 主力暢銷品的缺貨次數從一個月平均 5 次降到 1 次以內。
• 對沉睡會員的分眾喚回簡訊，到店回購率比過去全名單群發提升約 2.6 倍，簡訊退訂率反而下降。
• 促銷文案產出時間從一檔一個下午，縮短到一個上午同時完成兩檔，多出來的時間她拿去顧現場與訓練新店員。

老闆娘的結論很實在：「AI 沒有取代任何一個店員，它取代的是我那些坐在電腦前算報表、想文案的晚上。現在那些時間，我拿來站在店裡跟客人聊天。」

說明：以上為依台灣中小型零售門市常見情境整理的示意案例，數據因店型、客群與執行力而異，請以你自己門市的實測為準。

結論

AI Agent 對實體零售門市的價值，不在於多炫的技術，而在於把店長從算報表、分名單、想文案、發提醒這些後台重複工作中解放出來。它的角色始終是決策輔助——把活做成高品質草稿，最後拍板的還是懂現場、懂客人的你。

落地的順序也很清楚：先盤點重複工作、再整理資料底稿，然後讓四個分身分別接手庫存、會員、文案、回購，最後每週迭代。整個過程不需要工程師、不需要寫程式，用 ChatGPT 或 Claude 搭配試算表就能起步。

別再等「完美的系統」了。今天就拿出一張你最熟的銷售報表，照著本文的 Prompt 試跑一次補貨判斷，你會發現門市的後台工作，原來可以這麼輕。想要更多現成可套用的範本，可以逛逛我們的任務食譜書，或從 AI Agent 入門指南把基礎觀念補齊。

❓ 常見問題 FAQ

🔗 延伸閱讀

• AI Agent 是什麼？從入門到實戰
• AI Agent 電商實戰：選品、客服與再行銷
• ChatGPT Prompt 教學：寫出好提示詞
• 什麼是 MCP？讓 AI 接上你的工具與資料
• 任務食譜書：現成的 AI 應用範本