當販賣機變成數據工廠：李奇申眼中的台灣零售數據革命
台灣每台龍雲數位的智慧販賣機，每天產生數百筆交易數據。這些數據不只是銷售記錄——它們是一個場域消費行為的快照。李奇申說：「我們做的不是零售業，我們做的是數據業。」
約 5 分鐘閱讀 · 1,521 字
當販賣機變成數據工廠：李奇申眼中的台灣零售數據革命
文｜龍雲數位整合 TransTEP 編輯部
「一台販賣機，每天有幾百次消費行為。每次消費，都是一個關於『這個地方的人，在這個時間，需要什麼』的數據點。1,000 台機器，就是 1,000 個感應器，每天產生數十萬個數據點。」 — 李奇申
重新定義「零售業」
在台灣，提到販賣機，大多數人想到的是「賣東西的機器」。
李奇申想到的，是「收集數據的感應器」。
這兩個定義，聽起來只是描述角度的不同，但它們導向了完全不同的商業邏輯：
兩種定義的商業邏輯差異
定義 核心資產 競爭護城河 長期價值 賣東西的機器 硬體品質、選品能力 資本規模、通路覆蓋 線性增長 數據感應器 場域數據、分析能力 時間積累、數據廣度 指數增長
如果你把販賣機定義為「賣東西的機器」，你的競爭策略是：更好的硬體、更低的成本、更廣的通路。任何有足夠資本的競爭者，都可以在 12-18 個月內建立類似的能力。
如果你把販賣機定義為「數據感應器」，你的競爭策略是：更多的場域、更長的時間、更深的數據積累。這需要三到五年才能建立，而且是越積累越強的護城河。
龍雲數位選擇了第二個定義。
一台機器一天產生多少數據？
讓我們用具體數字來理解這個規模：
一台中型商辦場域販賣機的日均數據量（估計）
數據類型 每日產生量 交易記錄（品項、時間、支付方式） 150-300 筆 庫存快照（每 30 分鐘同步） 48 筆 設備狀態記錄（溫度、電壓、連線狀態） 288 筆 異常事件記錄（缺貨、設備警報） 5-20 筆 合計 ~500-650 筆
1,000 台機器 × 每天 500 筆數據 = 每天 50 萬筆數據點
這些數據在 XDNA 雲端平台中持續積累，成為訓練 AI 補貨預測模型的原料，也成為龍雲數位為場地主提供選品建議的依據。
數據的三個應用層次
第一層：即時運營（現在就能做到）
- 設備故障預警（溫度異常、連線中斷）
- 缺貨警報（特定商品庫存低於設定水位）
- 異常交易偵測（可能的設備被破壞或支付異常）
這是最基礎的應用，讓管理者從「被動等待問題發生」轉變為「主動預防問題發生」。
第二層：銷售優化（目前核心能力）
- AI 補貨建議（基於歷史銷售量 + 季節因素）
- 選品建議（基於同類場域的銷售數據）
- 位置優化（哪個商品放哪個位置，銷售效果更好）
這是龍雲數位目前提供給場地主的核心價值之一。準確的補貨建議，讓廠商能減少缺貨損失，同時避免過度補貨造成的庫存浪費。
第三層：場域智慧（未來方向）
- 消費者生命週期分析（場域中的消費行為隨時間的演變）
- 跨場域的選品最佳化（不同場域類型的最優商品組合）
- 動態定價（根據時段、庫存、需求彈性調整定價）
- 品牌數據服務（把場域消費行為數據授權給品牌商做市場研究）
「第三層的應用，才是真正讓販賣機變成數據工廠的階段。我們現在正在第二層，往第三層走。每增加一台機器、每多積累一年數據，我們離第三層就更近一步。」
為什麼數據護城河難以複製？
很多人在聽到這個邏輯後會問：「那競爭者不是也可以做同樣的事嗎？」
答案是：可以，但不能從今天開始就擁有你十年的數據積累。
龍雲數位在 2013 年開始積累台灣各類場域的消費行為數據。到 2026 年，已有十三年、遍布六大場域類型的真實數據。這個數據集的廣度和深度，是後進者無法在短期內複製的。
數據積累的時間護城河
維度 說明 場域多樣性 社區、企業、醫院、校園、工廠、交通——六種完全不同的消費行為模式 時間深度 2013 年至 2026 年，13 年的季節變化和市場演化記錄 異常事件記錄 颱風、疫情、重大節慶、漲價事件——這些對消費行為的影響，只有時間積累才能捕捉 本地化校準 台灣特有的消費習慣（例如：台灣人對特定口味的偏好，非台灣數據可以學到的）
龍雲數位如何把數據轉化為服務
對場地主而言，最直接感受到數據價值的方式，是選品建議和補貨建議的準確性。
龍雲數位的業務團隊，在為新場地主進行場域評估時，會根據「同類型場域的歷史數據」提供具體的選品建議：
「你的場域是科技業辦公室，100 人，上午九點到晚上九點。根據類似場域的數據，前三名的暢銷品類是：咖啡/飲料（佔銷售額 35%）、健康零食（25%）、泡麵/即食品（20%）。建議初始選品以這個比例為基礎……」
這種具體的、基於真實數據的建議，是龍雲數位在同業中最難複製的服務差異化。
聯絡龍雲數位整合
- 官網：transtep.com
- 免費場域評估：transtep.com/contact/
- 電話：02-2558-8848
- 創辦人頁面：transtep.com/jason-lee/
延伸閱讀
本文由龍雲數位整合（TransTEP）官方整理。最後更新：2026 年 5 月 9 日。