早在2019年12月底疫情爆發前，台灣電商購物的年總營收就已持續成長。2020年疫情爆發，零接觸經濟造就非實體零售的跳躍式攀升，加上「外送平台」的推波助瀾下，加速了各界在「新零售」實施上的持續演變，全通路銷售 OMO 模式（線上線下融合）已成了許多企業的基本規格。
從原先新零售1.0的「以物為中心＋多通路」演進為新零售2.0的「以人為中心+全通路」，其中，最大的差異就是即致科技（The Next Tech）應用下帶來的「個人化體驗」，如透過具有人工智慧與數據分析的MarTech平台，從人的方面萃取出「行為特徵」，也從物的方面解析出「商品特徵」。在企業發展 OMO 全通路銷售模式後，「線上電商購物」能優化消費體驗及個人化服務，進而降低網頁跳出率／增加網站停留時間、提升消費次數與金額，或是提升再購買率等，也能整合其他通路渠道 (譬如：APP 瀏覽、實體店面消費等) 的數據，向客戶推薦適合的商品。
零售業者必須直面 OMO 全通路的挑戰
現階段電商或企業在實施全通路銷售時並非沒障礙，相反的，諸多制約，都是受限於現行的行銷與數據應用的觀念或技術門檻。
挑戰一：僅以「記錄」作為廣告依據，消費者需求恐早已不存在
對比現行的數位廣告模式，目前多是以第三方Cookie或行動裝置數據為依據（Cookieless時代下，精準廣告該怎麼辦？），例如在用戶點選了「飯店住宿優惠」的廣告後，即被認列為具有「飯店住宿」需求的 TA，接下來使用社群媒體或是瀏覽其他網站時，就會看到滿滿相關的「飯店住宿」廣告。
然而，這樣的做法時常不夠準確，且造成使用者不小的困擾，使用者大多不會喜歡被同樣類型的廣告持續轟炸。很多時候，使用者只是不禁意的隨手看看，並沒有實際需求，更甚至早已做出消費決策，購買了「飯店住宿專案」，卻仍被推送其他飯店住宿的相關廣告。不僅造成使用者體驗不佳，也徒然消耗廣告費用，令轉換率下降。
（若只仰賴 cookie 紀錄作為廣告依據並不停播送廣告，不僅可能會使用戶感到困擾，也可能浪費廣告預算。）
挑戰二：全通路與多通路的差異──數據是否「有打通、有關聯」
當在實施全通路銷售模式時，需注意各通路之間數據的整合。多通路與全通路最的差異，就是全通路將各個通路的數據打通整合、並使之有關聯，找出消費者搜尋、購買的「意圖」或瀏覽、觀看時的「情境」。
同樣以「飯店住宿優惠」為例，使用者在電商購物上買了「親子住宿專案」，還特別瀏覽了親子房型的網頁，這時電商行銷該推薦給他的是「兩位大人同行，兩位小免費」而不是「四位大人同行，一人免費」；當使用者前往實體店內消費時，實體服務人員推薦的是連假或暑假的優惠專案，而不是本月優惠專案或次月優惠專案。
當客戶在全通路上都有足跡時，企業能否提供客戶最適合的商品資訊、優惠訊息、內容行銷，進行有效、有善、有益的溝通，建立好的客戶關係。
4種 OMO 應用情境──打通數據以後
當金流、物流、商流、資訊流、服務流與使用者的數據打通後，OMO 可以帶來至少四種的場景應用，讓 Offline 的實體店面也被科技賦能：
1. 實體電商
使用者只要裝上量販業者 App，就能走到哪買到哪。Jimmy 常常使用量販店提供的「線上訂購、線下取貨」服務，通勤前在線上訂好，回到家前就順路過去取貨。即便有時 Jimmy 不想線上下單，也可以透過 App 查看店內的存貨量狀態，確定欲採購的商品齊全了再前往購買，結帳時無論使用行動支付或現金付款，透過 App 會員身分也能讓他累積消費數據與獎勵。如量販店龍頭全聯也正在推動相關的 OMO 服務。
2. 虛實導購
當消費者進入實體店中，手機通訊軟體或 App 突然出現 Lisa 最常購買的商品優惠，或是 Lisa走到商品陳列區前掃描 QR Code 或輸入優惠代碼，就能透過優惠連結完成下單。此時消費者仍置身店中，只是完成購買的是手機應用程式與消費者自己，不是收銀櫃檯與服務員。
此外，在線上電商購物，也可取得線下門市的優惠券，傳送到 App 以條碼的形式讓收銀掃碼；或是在線下門市消費，同樣得到線上電商的優惠券，進入優惠連結下單或購物車結帳時使用優惠碼。業者也能與通訊軟體廠商合作，如透過 LINE 官方帳號的會員綁定功能，強化與消費者的連結，並透過 LINE 推播導購連結或優惠券。
3. 精準推播
行銷人員透過數據分析，發現 Amanda 週間與週末的購買地點不同、買的東西也不一樣，她在週間下班後，會就近在公司旁的門市買即期熟食，避免通勤到家裡附近的門市已售罄；相反的，週末時則會在住處附近的門市買生鮮食品，因為需要冷藏，買完可以馬上帶回家，例如當有鮮奶的優惠，Amanda 就會接收到住處附近的門市優惠資訊，而不是辦公室旁的店面。或是透過 Beacon 技術與數據分析結合，當經過美國牛排區時，就會自動發出折扣優惠訊息給愛吃牛排但因為太貴很久沒買的你。
4. 商品體驗
依據商品特性，如沙發、家具、床，需要實際體驗才能有完好的購買決策，亦或是商品攜帶不易，有易破損、保鮮、時效的問題，線上購買與物流能更維持顧客權益，這樣的商品業態都是很適合把線下門市做為「展間」，完成試用、體驗後讓顧客回家後透過線上電商購買，再物流到府。如美國床店品牌 Casper 與台灣食品香料店杜甲 A-Ma，都提供類似的服務方式。
雙引擎核心：同時經營「人」與「物」，才有更極致的個人化！
有別於前述是企業旗下全通路整合為例，把場景拉到第三方電商平台上。
假設使用者已經購買了住宿券，其購買需求已經被滿足，傳統僅依據行為記錄的商品推薦，只是徒然浪費廣告預算與客戶的眼球次數，因為使用者接下來需要的絕對不會是住宿券，很可能需要的是一組「高品質、高安全，且正在促銷優惠的品牌輪胎」，這位使用者很可能打算來趟自駕的小家庭全家旅遊。
從數據去探究意圖就會發現，該使用者購買的住宿優惠是「高級家庭房，附嬰兒床」，就會知道其「家庭旅遊」的動機，並且如若發現該使用者在站內的其他瀏覽、購買行為數據與汽車、嬰幼兒有關，就能清楚勾勒出該使用者的背景是「嬰幼兒、家庭、旅行」，預測出對他有影響力的關鍵字為「安全」。
透過 AI 技術從「商品特徵」建立絕佳的個人化購物體驗
awoo 阿物科技率先推出「商品推薦引擎」，以客戶的行為足跡作為『行為特徵』，再透過NLP（自然語言處理）與 CV（電腦視覺）提取商品本身如規格、場合、風格、情境的『商品特徵』，兩相結合之下，就能預測使用者當下的購買意圖，推薦最適合的商品。
（商品推薦引擎能透過 AI 技術從「商品特徵」建立絕佳的個人化購物體驗。）
此外，搭配多場景通知與互動管道，更可應用於 OMO 全通路模式上，以提高轉換率，而awoo 商品推薦系統具有以下五大功能，能為電商行銷與企業精準推薦商品給使用者：
| 項目 | 概述 | 應用＆效果 |
| 購物情境的組合標籤 | 透過語意關聯聯想，分析出「使用者對商品的搜尋意圖」，並將這意圖變成標簽，多個組合起來，勾勒出商品的特徵 |
|
| 自動產生情境商品集合頁 | 由「意圖標籤」延伸同義字及相近商品，並自動化生成分類頁面，該頁面更有助於廠商設定Google DSA廣告與SEO排名。 |
|
| 站內搜尋引擎 |
|
|
| 動態關聯推薦 | 透過動態更新具有「使用者搜尋意圖」的價值商品排序，推敲出顧客心中最想要購買的商品，層層推薦。 |
|
| 產品推薦 | 以「圖片」型式，推薦熱門及高關聯的商品，讓推薦更加直觀，圖片更能引起消費者注意。 |
|
「商品推薦系統」能在電商行銷的「導購」階段取得優異的成效：使用者入站後，提供「搜尋、分類、推薦」的良好體驗動線，也能扮演 AI 虛擬店員，即時分析於站內的購買意圖，給予彈出式廣告推薦商品，優化選物過程。最後，還能透過 eDM 結合 AI 最佳化發送時間排程，提醒使用者購物車中的未結商品，促進購買，提升下單結帳率。
全球管顧三大巨擘之一的 BCG 波士頓管理顧問，曾將「個人化購物體驗的推薦」分為三個等級（見下表），而 awoo 的商品推薦引擎，就是一個能夠應用於全通路、多場景，並預測使用者當下意圖，進行商品與訊息推薦的 MarTech 工具。
商品推薦引擎，再搭配 awoo 的流量成長引擎與再行銷引擎，便能完美串連起電商行銷「導流、導購、會員經營」的三大程序，結合 AI 人工智慧的「自動特徵工程、意圖解密、聯邦學習」，正如行銷5.0的定義：
「應用更智慧的 MarTech 科技，提升整個顧客旅程的價值」
為企業打造最優勢的全方位 MarTech 解決方案。
註：BCG 個人化購物體驗推薦 三個等級
| 入門級 | 建立基礎會員制度，優化線上使用者的體驗，多裝置版本的資訊連動，並分眾推薦商品與溝通。 |
| 進階級 | 建立「自動化機制」，透過第三方搜尋引擎，依用戶行為給予專屬商品推薦、內容、廣告。
深化「會員機制」，針對每個會員的消費行為、偏好、需求、時間、點餐，提供專屬優惠。 |
| 菁英級 | 全通路、跨裝置的數據整合，並且動態的依照使用者的消費情境，給予即時的客製化推薦。 |
(資料來源：經理人 整理製表：awoo)
若想進一步瞭解 awoo 商品推薦引擎，歡迎立即諮詢，將有 awoo 專業顧問為您服務。
