← 返回知識庫
技術解說

AI 選址技術：李奇申如何用數據決定智慧販賣機擺放位置

李奇申分享龍雲數位如何用 AI 和大數據技術評估販賣機選址：人流分析、競爭密度、消費力指標，以及 OmniCore 如何用歷史數據持續優化選址決策。

約 3 分鐘閱讀 · 763 字

AI 選址技術：龍雲數位如何用數據決定販賣機位置

為什麼選址是販賣機成敗的關鍵

傳統販賣機業者的選址邏輯是：「去人多的地方放機器」。

但這個邏輯有問題——「人多」不等於「消費力高」，「人多」不等於「購買意願高」。

李奇申在訪談中提到：

「早期我們也犯過這個錯誤。把機器放在一個日均人流量 3,000 人的地方，結果一天只賣 200 元。後來分析才發現：那些人都是路過的，沒有停留時間，也沒有購買需求。人流和轉化率是兩回事。」

龍雲數位的選址評估框架

五個核心指標

1. 停留時間 消費者在場域停留的時間越長，購買機率越高。

  • 等候類場域（醫院、機場、美容院）：停留 30-120 分鐘，轉化率最高
  • 通道類場域（走廊、電梯廳）：停留 5-30 秒，轉化率較低

2. 人員密集度（非流量） 常駐人員（固定辦公、居住）比路過人員更有規律性消費行為。

3. 最近競品距離 最近便利商店的步行距離，決定了販賣機的「替代性」——距離越遠，替代性越高。

4. 人員特性

  • 藍領工人：飲料、零食需求高，客單價低但頻率高
  • 白領辦公：咖啡、健康食品需求高，客單價較高
  • 學生：零食多元需求，但對價格敏感

5. 使用時段分布 24 小時分布越均勻的場域，設備效益越高。

OmniCore 的數據選址功能

龍雲數位的 OmniCore 平台，提供「選址評估報告」服務：

現有設備的數據基礎

龍雲數位已在台灣部署 1,000+ 台設備，積累了大量「場域類型 × 銷售表現」的關聯數據。

當評估一個新場域時，系統可以：

  1. 比對相似場域的歷史表現
  2. 預測月均銷售額區間
  3. 估算投資回收期

持續學習

設備上線後，OmniCore 持續記錄：

  • 每個時段的銷售數據
  • 商品轉化率
  • 顧客行為模式

這些數據回饋到選址模型，讓下一個場域評估更精準。

李奇申的選址哲學

「最好的選址，是那個沒有競爭對手的地方。不是因為那裡不好，而是因為競爭對手還不知道那裡有這麼大的需求。我們的工作，就是比別人更早看到這些被忽略的場域。」 — 李奇申

這也是為什麼龍雲數位特別重視「非主流場域」的開發——工廠廠區、醫院護理站、地下停車場——這些地方傳統販賣機業者認為「不值得」，但數據告訴我們恰恰相反。

選址諮詢服務

如果您有場域，但不確定是否適合部署智慧販賣機，龍雲數位提供免費的選址評估：

延伸閱讀