一間店開在哪裡，對它的生意好壞有著舉足輕重的影響，如今 AI 可以協助這個決策過程。 透過 AI 分析人口統計、客流量模式和競爭對手的鄰近度，為零售商的新門市選址提供最優解，從而提高客流量和銷售額。麻省理工學院的一項研究發現，使用人工智慧幫忙選址的零售商的銷售額增加了 10%。
台灣中華電信運用大數據＋AI，助理零售門市選址
過去零售店家要展店，多半透過經驗法則、參考電子發票資料、或者是聘人按碼表計算人流等方式決定在哪個地方開設新店，這種做法不但曠日廢時，更存在巨大投資風險：耗費百萬甚至是千萬開設新店卻陷入生意慘淡、投資報酬率遠低於預期等窘境。
為解決這個問題，中華電信以台灣市佔第一的電信業者姿態，運用電信大數據，協助零售業者「Know your customers」，結合資料科學家AI技術團隊，全方位提供零售業商店營運歷程所需之解決方案，超越傳統經驗法則，以數據驅動優化企業經營。
中華電信數據發展處科長官俊安表示，中華電信的流通業大數據解決方案，當中就包括 AI 展店選址、商店圈分析。「我們會利用各店的營收、發票數，加上人潮人流、人口特色等要素，綜合評估分析，而且各種店型和業態都有不同的評估模型。」藉此協助業者評估在哪開店比較好，還可以預測未來在此開店的營業額和來客數。
（延伸閱讀｜智慧零售超進化！這些解方帶領零售業者迎接 OMO 新零售）
Huston Analytics 的 AI 解決方案 Store Network Optimizer，同樣可以分析各家門市服務區域的人口統計、市場重疊率、銷售品類等數據，協助工作者決策門市的銷售策略。
該公司零售和消費品分析主管海曼（Petteri Heiman）舉例，一個零售商在某城鎮有四家分店，透過 AI 分析人口結構、市場狀況和營運狀況，找到每個分店的優勢品類，藉此優化每個分店的營運策略，即便是做出關閉某門市決策時，也能夠預測某門市關閉之後，顧客是會流動到其他門市，還是被競爭對手吸收，這些分析都有助於業者判斷門市該如何佈局。
因地制宜！不同站點就有不同門市佈局
當品牌思考要在哪個捷運或火車站開設門市時，除了運用科技、數據之外，理解站點周邊的屬性也是關鍵。
不同類型的站點代表著截然不同的人流結構與消費心理，主要可分為轉乘站、生活站與觀光站。「轉乘熱點」如台北車站或台中高鐵站，這類交通樞紐雖然人流龐大，但多數人只是短暫停留、來匆匆去匆匆，在這樣的場域，最能發揮效果的往往是滿足即時需求的品牌，例如 7-ELEVEN、飲料連鎖店、速食餐飲等。
相較之下，「生活站」的運作邏輯則截然不同。這類站點多位於住宅區或學區周邊，例如台北市古亭捷運站、台中市文心崇德站，使用者以在地居民與上班通勤族為主，這些地點適合部署的是穩定、長期經營的品牌，像是全聯、康是美。這些業態不太依賴觀光流量，而是講求固定顧客、重複消費與社區經營。這也是為什麼超市或藥妝品牌選址時會特別看重住宅人口密度與家庭結構，並願意為了爭取一個好的生活站點，投入更高的租金成本。
至於「觀光站」則是另一種生態。像是新北市的捷運淡水站或台東的池上車站，雖然每日人流不像轉乘站來得密集穩定，但具有高度波動性的旅遊人潮。這種場域下，最吃香的往往是能快速抓住目光、營造體驗感的品牌，例如主打地方限定口味的點心店飲，或販售伴手禮、手工藝品的小型商店。在這些站點開店，品牌不一定追求高頻回流顧客，而是重視「第一眼吸引」與「一次消費價值」。像是全台不少文創品牌會選擇進駐平溪、九份或瑞芳車站附近，正是看重這種觀光站獨有的流量性質。
選址策略絕非單靠人流數字決定，而是要理解「人流結構」與「消費場景」的差異。唯有如此，品牌才能選對站點，放對產品，讓門市在對的地方發揮最大效益。
