2018年，當 Boggi Milano 的領導團隊面臨旗艦店週日客流量下滑的問題時，他們發現了一個令人意外的事實：問題的根本原因並非行銷或商品陳列。真正的原因在於員工對店內佈局不熟悉，進而影響了顧客的轉換率。這項透過先進的店內分析技術所揭示的洞見，標誌著一場以數據為導向的轉型拉開序幕，並在隨後的五年內使顧客收益提升了 40%。
延伸閱讀：2030年的零售業：店內科技的無限可能
在缺乏可視性的情況下進行擴展所面臨的挑戰
在 61 個國家營運 235 家門市，帶來了獨特的營運挑戰。對於以當代男裝聞名的義大利時尚品牌 Boggi Milano 而言，該品牌將永續材質與前衛設計相結合，缺乏統一的績效可視性已逐漸成為其成長的瓶頸。
該公司面臨三項關鍵盲點，這正是許多擁有多家分店的零售商再熟悉不過的問題。首先，他們無法在門市網路中有效配置人力。有些門市在客流稀少時人手過剩，而其他門市在尖峰時段卻人手不足。其次，要辨別哪些門市客流量高但轉換率低，必須透過人工分析，這不僅耗時，且往往不準確。最後，由於無法掌握每工時對應的顧客數量，優化員工生產力始終只能靠猜測，而非基於策略。
Boggi Milano 的資訊長馬可·貝納塞多（Marco Benasedo）意識到，要應對這些挑戰，僅靠傳統的零售指標是遠遠不夠的。該公司需要全面且即時的洞察，才能將複雜的消費者行為轉化為可付諸實行的營運決策。
超越基礎客流量統計：整合式分析的強大威力
RetailNext 的平台以 Aurora 感測器技術為核心，其功能與基本的人流計數系統截然不同。Aurora 將多種資料擷取功能整合於單一物聯網裝置中，包括高畫質影片、Wi-Fi 及藍牙偵測。但光靠硬體並不能解決商業問題；真正能將原始資料轉化為策略性洞見的，正是智慧層。
該平台的深度學習人工智慧會處理行為模式，以提供對顧客購物旅程的細膩洞察。系統不僅僅是統計進出人數，更會分析停留時間、行進路徑及互動區域。這種細緻的洞察力讓零售商不僅能了解有多少人走進店內，更能掌握這些造訪在多大程度上有效轉化為銷售。
對 Boggi Milano 而言，這意味著從被動營運轉向預測性營運。該平台的演算法預測功能運用歷史模式，以 15 分鐘為單位預測客流量，從而實現主動的人員排班。條件格式化與直觀的儀表板設計，確保店經理能夠迅速掌握商機，而不致因數據的複雜性而感到困惑。
了解：為何選擇單一技術安裝合作夥伴至關重要
解開勞動力配置之謎
Boggi Milano 面臨的最迫切挑戰之一，在於為旗下每間門市確定適當的全職當量（FTE）人力配置。他們必須在短短一週內完成這項任務。若採用傳統方法，將需要進行大量的人工觀察與估算，很可能導致顯著的誤差。
團隊運用 RetailNext 的 Traffic 3.0 分析工具，採取了以數據為導向的方法。他們分析了顧客停留時間的模式，發現顧客通常在店內停留 17 至 18 分鐘。結合他們得出的結論——每位銷售人員每工時可有效服務 3.5 位顧客——團隊據此制定了精確的人員配置需求。
但 Boggi Milano 並未止步於簡單的平均值。他們意識到每家門市都有其獨特之處，因此針對不同地點量身打造了分析方案。位於米蘭時尚區的旗艦店，其營運模式與郊區購物中心的分店截然不同。這種針對人力資源優化所採取的細緻化策略，帶來了顯著成效：自2018年以來，員工人數減少了 15%，同時顧客服務品質也獲得提升。
該公司還根據數據洞察制定了明確的績效期望。銷售人員現在明白，他們應將約一半的時間投入直接銷售活動，其餘時間則用於視覺陳列和庫存管理等必要的非銷售任務。數據顯示，表現優異的銷售人員平均每兩小時可完成一筆交易。此基準有助於管理者指導績效表現並表彰傑出表現。
透過策略性關鍵績效指標（KPI）的選定，簡化成功之路
許多零售商陷入追蹤過多指標的陷阱，這非但未能帶來清晰度，反而造成混亂。Boggi Milano 起初也面臨這項挑戰，因設定了過多關鍵績效指標（KPI），導致門市團隊不堪重負，且這些指標往往傳遞出關於優先順序的相互矛盾訊號。
透過對其 RetailNext 數據的仔細分析，該公司做出了一項戰略決策，決定將重點主要放在「顧客收益率」上。這項綜合指標是將轉換率乘以平均交易金額得出的。這項單一關鍵績效指標（KPI）巧妙地平衡了零售成功的兩大關鍵要素。
「績效象限」視覺化圖表已成為店經理與區域主管的強大工具。這份簡明報告將各門市的績效繪製在兩個軸線上：轉換率與平均交易金額。位於不同象限的門市將獲得針對性的輔導。轉換率高、單筆交易金額低的門市則著重於提升購物籃規模。而高單價、低轉換率的門市則致力於吸引更多瀏覽顧客。
這種聚焦的方法，能避免常見的陷阱——即為了優化某一項指標而犧牲另一項指標。當團隊過度追求轉換率時，可能會催促顧客下單，進而降低交易金額。反之，若僅專注於大額銷售，則可能錯失與多位顧客合作的機會。「Shopper Yield」能讓這兩項因素保持平衡。
該公司還將績效分析從每日分析轉為每小時分析，從而揭示出彙總數據中無法察覺的模式。某間門市雖然每日的轉換率可能處於可接受範圍，但透過每小時分析，便能發現午餐尖峰時段或週末高峰期錯失的商機。
可量化的影響：從 Insights 到成果
Boggi Milano 與 RetailNext 之間的五年合作關係，已帶來可量化的業務改善成果，這也證實了對先進分析技術的投資是值得的：
每位訪客銷售額提升 40%：針對性的關鍵績效指標（KPI）策略，推動了轉換率與交易金額的持續提升
轉換率提升 5 個百分點：根據客流模式優化人力配置與培訓，從而提升了客戶參與度
平均消費額增長 15%：透過了解顧客行為，得以制定更有效的商品陳列與銷售策略
人力成本降低 15%：透過優化排班，在維持服務品質的同時，降低了薪資支出
這些結果表明，零售分析並非旨在以演算法取代人類的判斷，而是透過提供準確的資訊，賦予團隊制定更佳決策的能力。當店經理能精確掌握顧客何時到店、如何在店內移動，以及哪些因素能促進轉換率時，便能打造出既能提升顧客體驗，又能增加利潤的購物體驗。
零售智慧的未來
Boggi Milano 的成功，彰顯了零售營運模式的根本性轉變。正如 Benasedo 所指出的，將複雜的分析轉化為可付諸行動的洞見，不僅能簡化決策流程，更能讓企業迅速因應不斷變化的情勢。過去需要耗費數週進行的手動分析，如今已能即時完成。
對 RetailNext 的 Aurora 感測器平台這類可靠分析技術的投資，不僅僅是為了提升營運效率。其核心在於透過了解顧客來建立競爭優勢。在線上零售商能精確掌握每個點擊與捲動動作的時代，實體零售商也需要對其店內空間擁有同等程度的洞察力。
對於正考慮進行類似投資的零售商而言，Boggi Milano 的歷程提供了寶貴的經驗教訓。應從明確的業務挑戰著手，而非為了技術而技術。應聚焦於能推動均衡績效的指標，而非用海量數據壓垮團隊。最重要的是，要認識到目標不僅僅是進行數據衡量，而是要為顧客和員工創造更佳的體驗。
隨著零售業持續演進，以數據為導向的營運與憑直覺運作之間的差距只會愈發擴大。Boggi Milano 的轉型案例證明，只要擁有合適的技術合作夥伴並確立戰略重點，零售商便能發掘營運數據中隱藏的商機，在提升購物體驗的同時，推動永續成長。
👉 閱讀完整案例研究：線上閱讀或下載
