關於 消費者決策過程 舉例 ，我們在網路上蒐集到這些相關的討論、資訊與評價

比提升銷售量更重要！日本服飾產業藉由 AI 輔助，解決庫存問題

2021/05/16
by
陳泓儒

對零售業來說，「庫存」是一門相當不簡單的學問，透過庫存可以吸收季節性需求波動，維持生產過程平穩，然而，當商品滯銷堆在倉庫時，便會有倉儲成本，業者大多會以祭出換季大拍賣因應。

既然庫存那麼重要，適時導入 AI 協助管理便能夠更有效率。日本軟體公司「Full Kaiten」即開發出一套庫存管理軟體系統，將「減少庫存獲得最大的利潤」奉為宗旨，幫助許多企業大忙，甚至度過疫情危機。

藉由數據分析，有效減少庫存

過去零售業最怕商品不夠賣，總是先進貨再說，但若滯銷往往得不償失。日本電商集團 Felissimo 旗下子公司的代表理事葛西龍也相當有感，他說：「無止盡的進貨對企業是毫無幫助的。」該企業從 2020 年 9 月引入 Full Kaiten 的 SaaS 系統後，引入的產品數量減少，但銷售量卻比前年同期增長了 14％，營業額也增長了 3％。

Full Kaiten 的 SaaS 系統使用人工智慧（AI）分析過去的銷售數據，並預測商品的所有庫存何時售罄，以此去反推進貨量。不只如此，它還能判斷商品熱銷是因其本身受歡迎，還是純粹因為折扣，方便企業端調整自已的銷售組合。

雖然過去葛西會藉由數據分析調整企業內部策略，不過光是分析數據，就得花上 1 天的時間，現在有了 Full Kaiten 的幫忙，就能將決策時間縮短為半小時到 2 小時，並可能有驚人發現。

舉例來說，Full Kaiten 分析指出，平常客單價 5,000 日圓以下的顧客，若幫他們推出 5,000～7,000 日圓的商品組合，其實他們也會買單。知道這項消費趨勢後，企業就將銷量高的商品綑綁其他商品，銷售給適合的消費者，客人不但不會有拿到庫存貨之感，反而還會覺得「撿到寶」。

不該盲目決定特價商品

Full Kaiten 社長瀨川直寬在大學畢業時，先進入外資的新創公司擔任軟體銷售業務。2012 年，因理念不符加上妻子懷孕，瀨川決定轉換跑道，創業去賣母嬰用品，隨著業績蒸蒸日上，預付款項增多，2014 年瀨川發現自己的存摺，只剩 3 個月的營運資金，請財務檢視自家公司的營運狀況後，發現「增加庫存可以獲利」，於是他決定放手一搏。

瀨川在學生時期，就很善於使用軟體去做銷售數據分析，因此他也想將其複製進自家企業，但很快就踢到了鐵板，因為商品實在太多。最終瀨川只能盲目地選擇要打折商品並增加其庫存，雖然確實帶動了銷量，但仍舊無法解決過季、滯銷的問題。

半年後，他又再碰上一次經營危機。這次，他決定研發一款銷售模型，去觀察商品的銷售曲線，並試著在它過季前，找出能提高銷售額的販售組合或小量折扣，靠著庫存銷售分析，解決了公司第一次的經營危機。

2016 年，瀨川碰上了第二次麻煩。為了拓展新客，瀨川將自家母嬰用品的免運費用，從 8,000 日圓下修到 2,000 日圓。他原先預估：「此舉雖降低了客單價，但若增加了 40％ 的新客，營收還是會增加。」想不到，新客成長不如預期，僅多了 20%，此舉不但讓公司出現虧損，也吃掉了營運資金。

硬撐了 4 個月後，瀨川還是妥協把免運門檻調回 8,000 日圓。他仔細反省了這項決策，發現客單價 8,000 日圓的客群，其實和平時只買 2,000 日圓的客群並不重疊，加上「免運」這項誘因沒有那麼大，當你調降這項服務費用時，消費者很難會多買一點，這筆減收的錢大部分不會回流到企業營收內，因此這項操作可說毫無收益。反倒若提升客單，讓鐵粉更願意購買，效益才會顯現。

歷經這次風波，讓瀨川在庫存銷售分析之餘，也開始了客單價分析。透過將客單價的價格帶圖表化，找出適合提高客單價的商品並加強銷售力道，幫助度過了這次危機。

別急著增加銷售，重點應放在增加利潤

隨著自家品牌藉由自己開發的系統，讓營運漸漸步上軌道，瀨川常被許多供應商問道「如何管理庫存？」為了讓這套系統造福更多服飾業者，加上妻子亦從旁建議：「何不乾脆專研系統賣出去？」瀨川在 2018 年 9 月將自己的嬰兒服飾產業出售，專研於 SaaS 系統。

根據日本經濟產業省的數據，日本服裝市場規模較 30 年前幾乎多了一倍，然而價格卻下降了 60％ 左右，加上新冠肺炎疫情影響，整體工資減少，讓服裝支出也跟著下跌，服裝庫存問題變得愈來愈嚴重。瀨川指出，當前的銷售重點已轉為「減少銷售和增加利潤」。

因應疫情短期內看不到曙光，過度追求銷售規模反而會發生過度的價格競爭，大型企業在這個策略下便具有壓倒性的優勢，從 2020 年夏末開始，GAP、GU、UNIQLO 等公司已開始陸續降價去爭取客戶，讓中小企業易受打擊。

瀨川建議，這時候千萬不要盲目降低成本， 雖然短期售價降低會刺激銷量，但有時大訂單也會超過店家本身的銷售能力，且可能做不出與大企業的差異化。最終，毛利會因折扣銷售而減少，且極有可能還是滯銷。

瀨川也補充，即使沒有疫情，因為日本人口不斷減少，庫存太多的問題也會浮上檯面，透過使用 AI 分析，讓庫存減少且資源更有效率地運用，是 Full Kaiten 努力的方向。

附圖：Full Kaiten 的系統可透過 AI 協助企業管理庫存。
以往庫存過剩時，企業會推出特賣活動來清倉。
透過設定適合的客單價，協助企業創造最大收益。

資料來源：https://fc.bnext.com.tw/articles/view/1371?utm_source=article&utm_medium=read-around

AI加值智慧製造 鋼鐵傳產乘浪而起

芮嘉瑋／專欄 2021-01-28 02:45

2020年面對COVID-19(新冠肺炎)的襲擊，疫情籠罩之下各行各業幾乎空轉一年，投資購買設備及原料的腳步也都放緩，預期新的一年，隨著疫情穩定與經濟復甦，許多企業勢必加速添購設備和增加庫存料，鋼材需求可望隨著市場回升而轉強，且至少旺到第2季。

舉例來說，在汽車的構造上，有相當高的比例是使用鋼板，包括車門、引擎蓋、後車箱、底盤、車頂等，所以汽車業的好壞，間接影響了鋼材的需求。這2年汽車上游原材料反應了因電動車興起所展開的換車潮，從而鋼市好轉、鋼價高漲，幾乎各國都是如此。

隨著消費型態轉變，產品生命週期縮短，各行各業面臨客製化的挑戰，並在智慧工廠生產流程的訴求下，往往需要智慧機械、智慧製造設備以從事更複雜的生產工作，鋼鐵傳產業也不例外。然而，現有機器人或製造機台受限於原本功能單一又無法擴充的窘境，必須藉由人工智慧、物聯網、大數據等各種新興技術多元化功能的整合，以利製造業數位轉型升級，因應瞬息萬變的市場挑戰，凸顯「智慧製造」的概念是企業轉型升級的唯一出路。

何謂智慧製造？

經歷4次工業革命的演進，第4次工業革命被視為「工業4.0」，且因智慧製造是工業4.0的核心部件，在製造產業兩者幾乎可劃上等號，從而「工業4.0」常被稱為「智慧製造」。

在工業4.0的時代驅動下，現今製造業不斷與數種新興技術結合，從而工業4.0被定義為「製造技術中整合了網路安全(cybersecurity)、擴增實境(AR)、大數據、自主機器人(autonomous robots)、積層製造(additive manufacturing)、模擬(simulation)、系統整合(system integration)、雲端運算(cloud computing)和物聯網等技術使之具有自動化、聯網、數據交換以及智能工廠所需功能的系統平台」 。

因此，智慧製造實際上需要整合以上所述之各種關鍵領域技術的同步發展以建構出相應的產業生態體系，並在生產過程的每一個環節都能達到高度自動化、客製化與智慧化的先進製造模式，使生產環境具備自我感知、自我學習、自我決策、自我執行以及自我適應的能力，以適應快速變化的外部市場需求。

如何利用AI加持智慧製造

由於智慧製造包括連網(connection)、轉化(conversion)、虛擬(cyber)、認知(cognition)和自我配置(configure)等能力 ，其中利用機器學習、深度學習等AI技術使機器具備自我診斷並即時做出判斷的認知能力，就是AI之所以成為智慧製造核心技術之所在，它可以從大量原始數據中自動提取關鍵特徵及製造業中規律性的模式，進而學習過往曾經發生過的錯誤，以提前作預測及預警，藉此不僅可降低停機時間、提升製程效率，也可適時的根據產線作調整。

至於該如何利用AI加持智慧製造，讓我們看看國內鋼鐵龍頭中國鋼鐵股份有限公司(簡稱中鋼公司)，在其智慧生產技術中導入AI實現智慧製造的專利布局，提供製造業者掌握AI加值智慧製造，讓工廠轉型升級邁向智慧工廠。

中鋼發明一種透過人工智慧演算模組在生產製程中進行估測及控制的系統(TWI704019)，具體而言，係透過人工智慧演算模組所產生的估測鋼帶翹曲模型對鋼帶翹曲量進行估測，而該人工智慧演算模組係利用機器學習模組、深度學習模組或者使用一雲端伺服器模組評估該製程參數及該翹曲量。

該專利提供一種包含熱浸鍍鋅設備100、矯正機構130、感測模組150、人工智慧演算模組160以及最佳化演算模組165的熱浸鍍鋅鋼帶翹曲量估測系統。其中，該人工智慧演算模組160連接該感測模組150及該熱浸鍍鋅設備110，用以收集且評估該熱浸鍍鋅設備110中諸如產線速度、張力、鋼帶鋼種、鋼帶寬度、鋼帶厚度、鋼帶剛性等製程參數及翹曲量，進而可產生估測鋼帶翹曲模型，且該估測鋼帶翹曲模型包含一矯正干涉量，用以供矯正機構130矯正鋼帶。

經過大量數據的累積，該估測鋼帶翹曲模型還可以包含來自該最佳化演算模組165的製程參數最佳值，當類似或相同的製程參數(例如類似或相同鋼種)的鋼帶需要進行熱浸鍍鋅時，該估測鋼帶翹曲模型就會顯示諸如最佳張力、最佳產線速度、最佳矯正干涉量等製程參數最佳值，供操作者參考，從而獲得翹曲量最少且鍍鋅厚度一致的鍍鋅鋼帶。

再者，由於一般的鋼捲產品需要經過諸如煉鋼、熱軋和冷軋等許多生產階段，為了讓產品的機械性質符合預定的規範，過去往往依賴人為經驗調整生產階段的製程參數，然而，人為經驗難以即時反應生產線狀況，中鋼就此發明一種適用於一軋延系統之製程參數的調控方法(TWI708128)，當執行完一部分的生產階段以後，可以即時地計算下一個生產階段的製程參數，其中之製程參數的調控方法包括根據歷史資料建立一機器學習模型，後續並將測試資料輸入至機器學習模型以預測目前產品的機械性質等步驟。

在該專利之軋延系統的運作流程示意圖中，在步驟220，可根據這些歷史資料來建立一個機器學習模型221，此機器學習模型221是要根據生產參數來預測產品諸如拉伸強度、降伏強度和伸長率等的機械性質，換言之在訓練階段中生產參數是作為機器學習模型221的輸入，機械性質則作為機器學習模型221的輸出。機器學習模型221可以是卷積神經網路、支持向量機、決策樹或任意合適的模型。

在步驟230，對目前在線上的產品執行部分的生產階段。在步驟240中，將測試資料輸入至機器學習模型221以預測目前產品的機械性質，並判斷所預測的機械性質是否符合一規範。在步驟250中，依照預設生產參數進行下一個生產階段。

如果步驟240的結果為否，則執行一搜尋演算法以取得最佳的生產參數，並據此實施下一個生產階段(步驟260)。其中，執行搜尋演算法以取得調控後參數的步驟包括：設定一利益函數；將尚未完成生產階段的可調控參數與線上資料合併後輸入至機器學習模型以取得預測機械性質，並根據利益函數計算出預測機械性質的誤差值；以及取得最小誤差值所對應的可調控參數以作為調控後參數。

此外，中鋼亦發明一種設備監診方法(I398629)，係在設備故障監診分析流程的邏輯下導入類神經網路(neural network)之人工智慧，以便在決策分析時有效解決故障類型分類方面問題。

給台灣製造業的建議與展望導入AI技術、配合感測器收集各類數據以及大數據分析進行諸如產線異常診斷或品質監控，以維持機器正常運作無虞是智慧工廠有效運作的基礎。然而，智慧製造除了藉由智慧機械建構智慧生產線、透過雲端和物聯網分析資料、AI自主監測診斷調整產線產能之外，虛實整合系統(或稱網路實體系統，Cyber-physical systems)也是構成工業4.0創建智慧製造所需的功能之一，整合物理模型、感測器資料和歷史數據，在虛擬空間即時模擬呈現生產狀態，透過遠程監視或跟踪與工廠現有的資訊管理系統緊密整合，建立完整資訊生態系統才能透過AI即時彙整資訊進行決策。

未來製造業仍將是全球產業不可或缺的一環，隨著工業4.0的蓬勃發展，台灣製造業在邁向智慧製造過程中，所有智慧化的步驟都需要運用AI來執行分析、診斷、預測或決策等工作，欣見國內鋼鐵龍頭已率先落實AI加值智慧製造，然而若能整合虛擬(Cyber)，強化與工業物聯網之整合，更可提升透過AI提高組織運作效率及效能的目的。

過去製造業藉由大量生產與低價競爭已非決勝關鍵，如何協助國內產業在後疫情時代轉型升級，是當前的重要議題。持續強化在地製造業與資訊業領域的技術整合優勢，透過機器學習、類神經網路或深度學習等AI技術的導入，並與使用者/消費者連結形成完整的製造服務體系，將可望從傳統製造體系中依賴人為經驗、人力需求及規格一致的常態，轉換為自動化、客製化、智慧化和靈活彈性化的智慧製造。本文以鋼鐵龍頭之典範轉移為例，以期台灣所有製造產業均應具備智慧製造的軟硬實力，才能持續在全球製造體系中發光發熱。

附圖：鋼帶翹曲量估測及控制系統結構示意圖。芮嘉瑋
台灣專利號I708128之軋延系統的運作流程示意圖。芮嘉瑋

資料來源：https://www.digitimes.com.tw/tech/dt/n/shwnws.asp?cnlid=1&cat=140&id=0000602586_r1c6gnef7wl2247ink60m

🔥商業案例與營銷文章分享 2020-11-13
　　
11月有更高的KPI要衝，
這周每天都在動腦會議中渡過，
沒想到我還能發5篇文章...給自己拍拍手！
　
本次分享以下五則文章：
📺《買完菜送根蔥，為什麼大家都說好？ 》
📺《運營小白如何完成一場高質量的活動？ 》
📺《如何通過“簽到”提升你的日活？ 》
📺《新品上市賣不動？這11個方法讓產品銷量翻倍》
📺《數據決策真的靠譜嗎？ 》
　　　　
====　
📺《買完菜送根蔥，為什麼大家都說好？ 》
https://bit.ly/38AgppI
　
我喜歡這篇文章的原因是因為裡面提到了一個理論叫「鋒終定律」，意思是研究學者發現人類對體驗的記憶由兩個因素決定：高峰（無論是正向的還是負向的）時與結束時的感覺，比較常被舉出來的案例就是IKEA吧，逛IKEA的過程中，會讓你有許多高峰，例如便宜的價格、簡約的設計或是漂亮展示間，而結完帳到了出口，則有令人期待的美食區和冰淇淋。
　
透過鋒終定律，IKEA讓顧客對於在IKEA消費抱持正面印象，而願意不斷回頭光顧。
　
因此下次再改善消費者體驗時，要記得在過程中給予消費者「高峰」，且務必確認最後一個步驟，給消費者的感受是良好的。
　
📺《運營小白如何完成一場高質量的活動？ 》
https://bit.ly/3naIp7A
　
這篇文章分享了一個很紮實的活動營運結構，從活動企劃、活動執行，到最後的活動結案，都有點出各個節點該把握的重點與注意事項，值得一看，如果想知道遊戲業的活動企劃如何操作，我之後也會找個時間分享我自己的心得。
　
📺《如何通過“簽到”提升你的日活？ 》
https://bit.ly/3pmQsjn
　
簽到機制不管在遊戲或是其他類型的APP上，都是提高DAU和留存率非常重要的機制，這篇文章分享了簽到活動的五種機制、四種獎勵設置，以及簽到玩法的其他思路，算是把簽到這檔事拆解的十分詳細，蠻值得參考，並且想想自己產品的簽到機制是否還有優化空間。
　
📺《新品上市賣不動？這11個方法讓產品銷量翻倍》
https://bit.ly/3nmiWrZ
　
我喜歡這篇文章的原因是因為裡面舉例豐富，閱讀起來滿滿的商業案例，很棒。
而且有時候產品不見得不好，只是沒有抓到賣點，或是沒有突顯出來，而文章內提到的11種方法值得我們在推出新品或是改版時，去思考怎麼把賣點提煉出來。
　
「好還不夠，得說出來才行。」
　
1、突出產品可感知事實
2、展示信任見證
3、打造產品高階附加價值
4、製造出折衷選項
5、轉換產品類別，重塑價值
6、承諾改變現狀
7、利用經驗習得效應
8、替用戶做好對比
9、讓用戶關注重心從價格轉移
10、免費更要強調價值
11、製造稀缺感
　
📺《數據決策真的靠譜嗎？ 》
https://bit.ly/3kqLI8E
　
數據決策有其侷限性，甚至你還能找到許多透過數據決策下做出的錯誤判斷的商業案例，但是這不代表要放棄數據決策，改用直覺思考。而是明白數據決策有其侷限性下，將其作為輔助，透過思考訓練，將其納入決策時的參考依據之一。
　
內文提到：「數據決策未必靠譜，但基於做大概率事情的原則，在沒有更好方式的前提下，能量化的就進行量化；但需要警惕由於信息不完備，決策過程也會有各種坑。在這個過程中，建立自己的決策模型，不斷的優化迭代，然後提高自己決策的準確率。實在不知道怎麼選的時候，就選擇自己相信的東西，然後堅持它。」
　
文末一句話我很喜歡，作為今天的結尾，週末愉快。
　
「每一步的最優解，未必是全局的最優解。」
　
#文章同步部落格