每週選題｜賣場的角色養成遊戲

DNO

2024/10/13閱讀時間約 7 分鐘

LLM 讓自動駕駛變暖男、到貨不準時客人不回購、零售科技用遊戲獎勵養理想來客

有趣為始、重要其次，選些每週看到有趣的新聞新知，

雲一些自己的幻想，刺激海馬迴來記下他們。

Photo Credit: The Nix Company on Unsplash

選題ㄧ｜想要我的錢錢就請準時到貨

新聞來源：More than half of shoppers unlikely to return to a retailer that misses promised delivery date - Retail Brew

調查指出，歐美地區的消費者表示如果網購產品時不能準時到貨，
將很可能選擇不再像那間品牌或廠商回購。
- 美國有此傾向的消費者暫約 6 成，英國更超過 3/4
- 若是 Fedex、UPS 等第三方遲件，就算不是你的鍋也不例外
但好消息是將近一半左右的消費者願意支付額外費用，只要能得到準時到貨的保證。
今年底的購物季除了擔心商品價格較高外，消費者也當擔心免運門檻被提高、甚至是慘遭取消。

雲一點個人想法：
雖然調查是以歐美為主、產品以 Q4 萬聖節 / 感恩節 / 黑色星期五 / 聖誕與新年等歡慶及送禮零售為主，
但可當作自己在台灣的產品做參考。
顯然的「責任全在你」是當今消費者直覺，
畢竟他們的立場無法選擇廠商怎麼安排出貨流程。
採用與剔除哪種交貨方式都是在建構產品定位、品牌價值與回購舊客基數。
當然，若是中小品牌都自己來大概頗有負擔的。
台灣很多可信賴的自建車隊、倉儲的廠商，可稍作比較。
p.s 疫情 Momo 物流大勝 Pchome，市占提高，回頭看就與這篇調查相符。
另外經好多年的補貼戰，沒有免運或是免運門檻太高似乎都成硬傷，
在能掌握的情況下，如自己的系統，設計舊客、大客、小新客的免運方法，
既能攤提成本，又能鞏固強化與重點客人的關係，再次回購。

Photo Credit: Image created with Leonardo.AI

選題二｜想買便宜就到賣場玩ＲＰＧ

新聞來源：Instacart Launches New Gamified Capabilities Maximizing In-Store Rewards and Savings on Caper Carts — PR Newswirew

北美的雜貨科技公司 Instacart 在其智慧購物車 Caper Cart天上新功能：
包括「遊戲化任務」、「走到哪給什麼的優惠券」和「不同走道廣告」
遊戲化任務使購物變得像冒險 RPG 一樣新鮮有趣，
推著 Caper Cart 探索賣場角落完成迷你遊戲，獲得獎勵和優惠。尋寶式的任務包括限時優惠、重複訪問的獎勵和優惠券。
購物過程中，Caper Carts 會根據所在位置提供相關的優惠券提醒，未來也將根據顧客的購買歷史和購物車內商品進行個性化推薦。
走進特定走道，Caper Carts 也會自動展示相關產品，提高 awareness。

雲一點個人想法：
身為自己煮一族、半遊戲份子，這種設計太酷了，
也不是只有自己覺得，國內外都有人提到是賣場中的Pokemon Go、RPG。
有趣的是我們在遊戲中養成角色，賣場則在養成那個愛買愛逛的消費者，
常態的賣場 Persona 多是想省錢，但有講究、試用後對固有品牌有忠誠度，
但身為營利事業，提高客單消費、新品迭代、重複購買也很重要，
Caper Carts 利用小確幸的心理，
有系統地引導消費者拉長閑晃滯留的時間、冒險探尋未知角落與新品，
激勵之餘，用數據追蹤分析行為、優化下次的促購方法。
p.s 沒找到資料，但好奇，多是稍有年紀的消費者不玩遊戲，但不知道有玩過 Pokemon Go 是否相對有較高的參與度呢？

Photo Credit: averie woodard on Unsplash

選題三｜暈車，請去找你的車負責

新聞來源：Autonomous vehicles could understand their passengers better with ChatGPT, research shows - Purdue.edu

研究發現使用大型語言模型 LLM (如ChatGPT）能讓自動駕駛車輛清楚理解乘客需求，且比單純按鈕或簡單的指令更靈活。
例如 ChatGPT 能夠理解像「我有點暈車」這類模糊的指令。
但 LLM 仍會產生「幻覺與腦補」，仍需花時間解決，若要實際應用仍要過監管那關。

雲一點個人想法：
前幾天 Tesla 才發表 Cybercab 自駕計程車與 Robovan 全自動巴士，
讓自動駕駛的討論再疊上層夢想，這時剛好看到這應景的有趣題目。先
說我自己不是車業、AI 人工智慧的背景，僅是以消費者的角度觀看。
一直以來自動駕駛的發展是圍繞、或說建立在「安全駕駛」上，
- 規則上，有自動駕駛等級分類，從 Level 0 到 Level 5。
- 硬軟體上，則有感測器提升，雷達、攝相頭、GPS、電腦視覺與導航等。
- 法律上，也是在釐清出事後的責任歸屬。
但這報導的研究結果將導向駕駛與乘客的「陪伴性的乘車體驗提升」。
（有點不確定如何形容才正確，若有專業人士可以幫忙提供用字，謝謝）
拿研究報告的 “I feel a bit motion sick right now. 我有點暈車” 為例，
以往若暈車則需要與語音助手溝通停車、改道，明確輸入需求指令。
但未來在穩定可信的 LLM 介入後的場景可能是
😱：欸我暈車了
🚘：(( 理解：何謂暈車、了解暈車可能成因 ))
🚘：(( 分析：調出過去二十分鐘的駕駛紀錄，可能山路居多、內部空氣不佳、過多次變化車道 ))
🚘：(( 解決：執行應對方案，並記錄 ))
🚘：好的，為舒緩您的暈車症狀，將啟動平穩模式、降速、更改路徑、空調強度 up、開窗通風，並建議您調整坐姿看向遠方 … blablalbla
從一個需要談談、講道理的對象，變成見微知著的暖心 Soul Mate，不香嗎？