每週選題｜賣場的角色養成遊戲

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。

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。

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？

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？

這是第一次整理新聞資訊，唯一挑選邏輯自己有沒有感覺（偏任性。

如果有任何問題請別客氣留言或email我，任何建議與交流都是樂意至極。