零售競爭正在從販售商品轉向解決生活問題

買了整車商品回家，真正讓人懊悔的往往不是少買了一件東西，而是冰箱打開後發現晚餐依然做不出來、孩子明天的用品仍然缺一樣，或者一場聚會的準備始終少了關鍵環節。消費者原本要完成的是生活任務，結帳單卻只記錄了商品。當AI開始替人理解情境、辨認限制與安排步驟，零售商所面對的競爭就不再只是誰能最快推薦更多商品，而是誰有能力把未被說清楚的問題真正解決。

購物車知道買了什麼卻不知道問題解決沒有

傳統零售的資訊系統有一個驚人的盲點：它可以準確記錄一筆交易包含多少SKU、客單價增加多少、哪種折扣帶來轉換，卻往往不知道顧客原本打算完成什麼事。系統把購物視為終點，生活卻把它當作中間的一步。買了義大利麵、番茄與起司的人，可能因為家裡沒有濾網、平底鍋或足夠的時間，仍然做不出晚餐。少買的不是某個「關聯品」，而是一個使任務失敗的條件。

這種落差過去只能靠有經驗的店員、朋友或顧客自己彌補。電商把商品索引做得愈來愈精密，消費者仍必須先知道自己缺什麼，才能在搜尋框裡輸入正確名稱。推薦演算法則通常根據相似消費者的購買紀錄或商品共購關係推算「你可能還想買」。這對提高連帶銷售有效，卻無法保證家裡的實際問題得到解答。顧客回家以後才發現缺件，正是零售業把商品交易誤認為需求滿足的證據。

從關鍵字到任務的差別在於誰負責思考

真正的顧問不會一開始就拿商品目錄回答。準備一家六口的週末晚餐，先要知道人數、飲食禁忌、可用廚具、預算、希望花多久準備，以及現有食材；才有辦法判斷是需要採購、換菜單，還是根本不用再買。準備帶幼兒出門旅行也是如此，答案可能同時涉及交通時間、天氣、替換衣物、藥品與照護安排。任何一項被遺漏，單項商品的銷售成功都不代表任務完成。

2026年的零售實驗正在把這種思路變成可見的介面。Groceryshop大會披露，Kroger的AI購物助理能依預算與飲食需求規劃餐點；Instacart的Clementine則把餐點構想、食譜與家庭購物習慣轉成可購買的購物籃，並在零售商自有網站提供相似能力。這些功能仍依賴商品資訊與即時庫存，卻已經改變提問順序：不再先問「你要買什麼」，而是先問「你打算做什麼」。

DoorDash在大會上表示，使用Ask DoorDash的消費者購物籃比未使用者大50%，結帳速度快五倍，而且購入的不同品項多60%。這是企業對特定使用族群提出的營運數字，不等於AI已經獨立證實改善所有人的生活；但它至少說明，當系統代替顧客組織需求，交易的形狀也可能改變。真正值得追問的數字不是每張訂單多了幾件，而是顧客是否少了一次補買、退貨或重新搜尋。

顧問的最高價值有時候是勸顧客不要買

如果AI只會把問題翻譯成更多商品，舊式推薦系統不過換了一張比較會說話的臉。顧問與推銷員的根本差別，是前者的任務包括說明哪些商品不必要、哪些條件尚未具備，甚至在證據不足時坦白無法判定。冰箱已有食材時應先提出料理方案；過敏資訊不明時不應直接搭配保健商品；超出預算時應先調整任務規模，而不是擅自用分期付款讓購物籃通過結帳。

這種設計與零售商傳統KPI存在衝突。品類經理希望提高單品毛利與銷量，廣告部門希望提高曝光和贊助商品的轉換，平台希望擴張GMV；但顧問若忠於顧客，有時就必須建議用現有物品替代、購買較便宜的商品，甚至延後購買。若演算法同時接受品牌出價與顧客委託，兩者的利益排序必須讓使用者看得懂，否則所謂「解決問題」很容易變成更有效率的加購話術。

會員資料決定AI能理解多少生活脈絡

要把需求轉成完整方案，光有語言模型不夠。它還得知道地方門市有沒有貨、不同品牌包裝規格是否相容、會員家中是否重複買了同一項耗材、商品是否適合特定年齡或飲食限制，以及缺貨時有哪些可行替代。Instacart把過去的採購紀錄、常用品牌、飲食偏好與在地庫存列為其代理式購物能力的基礎，正說明這類服務的護城河不只在模型，而在零售商多年累積卻尚未真正串起來的交易與生活脈絡。

然而，資料越貼近生活，個資與判斷權的問題就越尖銳。消費者願意讓系統知道孩子幾歲、家中誰有飲食限制，不代表同意這些資訊被無限制用於廣告競價。好的會員體系應讓使用者清楚授權與撤回，知道建議依據哪些資料、哪些偏好已過時，並保留修改購物籃的最後決定權。沒有這些界線，AI顧問將同時成為最瞭解家庭的銷售員，信任反而可能成為它最大的風險。

從商品部門重新組合成生活任務的服務系統

當顧客的目標橫跨品類，零售企業就不能再讓每個部門只對自己的貨架負責。要完成一次露營，服飾、食品、照明、交通用品和工具可能分屬不同採購單位；要照顧一名新生兒，服裝、清潔、餵養、睡眠與照護資訊更不能靠五個互不相通的推薦引擎拼湊。企業若能讓商品資料、會員關係、客服知識、庫存與配送承諾圍繞同一個任務協作，就可能從「銷售一組SKU」轉向「交付一個解決方案」。

績效衡量也需要跟著轉向。除了GMV、ROAS、客單價，企業可以追蹤顧客任務的補買頻率、缺件申訴、替代品接受率、首次解決比例、退貨原因與下一次是否願意把問題再交給同一個顧問。這些指標不會完全取代銷售數字，卻能防止系統把短期加購誤判成真正的服務成功。AI在零售最值得期待的，不是替人更快地把商品放入購物車，而是讓顧客回家後終於不再發現還有一個問題沒被解決。