新零售概念是将包括所有的软硬体技术均视为手中工具，透过这些工具强化企业的营运效能，让所有成本支出的效益最佳化
在各产业中，零售业与消费者的接触最紧密，再加上竞争激烈，因此对市场变化最为敏锐，一旦反应速度偏慢，就极有可能在短时间内遭到淘汰，这也是该产业对新科技导入与应用较其他产业更为快速的原因。早期零售业以实体店面为主要通路，所有的E化、M化建置均已提升实体店面的营运管理为主，网际网路兴起后，电商平台在快速改变零售业生态，在短时间内取得高比例市占率。
就整体市场比例来看，实体通路仍占有多数市场，虽然今年初蔓延的COVID-19疫情，将电商推上新高峰，不过业者指出，未来电商仍不会占有绝对的优势，或许应该说，未来的零售业不应再区隔实体通路与电商平台，而是应该善用各类新科技发想出新创意，融合线上线下世界，以更高视角打造出具备竞争力的「新零售」模式。
新零售概念，是将包括所有的软硬体技术均视为手中工具，透过这些工具强化企业的营运效能，让所有成本支出的效益最佳化，而观察零售产业近年来最火热的技术莫过于人工智慧(AI)。
善用外部专业化解企业AI困境
AI是零售业数位转型的必要技术，不过现在推动数位升级过程中，企业常会遇到困境，之前中华电信大数据处科长官俊安在演讲中就指出，人才、分析环境、资料等三大资源的缺乏，是现今企业数位转型最艰困的问题。他指出企业有不同的数据需求，自行培育数据科学家不太容易，市场上数据科学家也是供不应求，这是「缺人才」;企业要先愿意投入一笔钱去建设AI分析工具和使用环境，这是「缺分析环境」;如果企业没有资料基础建设，没有搜集足够的数据可以分析，就是「缺资料」。
对此，零售业者可善用外部力量来协助解决上述的问题。他以中华电信的企业服务「AI智慧分析云」为例，此平台内建AI核心引擎，以云端服务提供企业个别按照需求租用，完全免除企业自行建置软硬体的成本，降低企业采用AI分析的门槛，解决「缺环境」困境。
市面上主要的AI工具有开源机器学习(ML)软体、与图形化介面商用软体。前者适合拥有资料科学家团队的企业，后者则需要熟悉各类型资料分析及模型建立流程的高阶数据人才。因此，AI智慧分析云内建各式应用场景，从销售量、营业额预测，到客户分群、商品推荐，等于内建了十年资历数据人才的经验，降低企业建立AI预测模型的高门槛。
而企业可以透过AI智慧分析云在10分钟内快速建模，无须另外召募数据科学家，由现有的IT团队或行销企划人即可胜任，解决「缺人才」困境。根据统计，此类平台可帮企业节省三分之二的人力财力，让没有数据团队、「缺人才」的一般企业，也能享有AI带来的好处。
AI应用多元让零售营运更智慧
在透过外部专业力量解决人才、分析环境与资料困境后，制造业者即可着手建立AI应用机制。就目前AI的发展来看，其应用走向可分为两种，一是透过上层云端平台，分析长期累积的大量数据，借此制定未来的营运策略。另一种则是让终端设备具有边缘运算功能，即时处理现场状况，在零售业，这两种机制都会使用。
在云端运算部分，现在最常见的是分析人流，再依分析结果者出最佳销售地点。这种作法可分成大小两种规模，大型规模是搜集各地区的包括人流数量、年龄、性别、动线、出现频率等资料，再由系统找出最适合的开店店址。大型零售业者在开店前也会有此动作，不过多是派遣人力在街头计算，不仅数据量不足误差也大。现在则可透过电信业者的云端平台解决此问题，电信业者可根据其下门号上网的使用轨迹，找出人流分布图，作为零售业者的开店参考。
透过AI分析人流，调整商场最佳商品组合，是零售业智慧化的未来趋势
至于较小规模的人流分析，就不必使用电信业者的服务，这种AI的分析作法，则是将店铺内的影像监控摄影机与AI系统结合，依据店内人流，设计出最佳动线，并找出销售热点，调整货架上的商品组合，创造出最佳坪效。
实体店面内的AI人流分析，也可与零售业的另一AI建置–边缘运算整合，让销售量最大化。边缘运算在零售业的最佳应用是智慧货架，此类货架早在10年前就已有相关构想，当时的概念是将RFID读取器建置于货架上，用来读取产品上的电子标签，并将结果传输至后端系统，提醒人员补货，避免因物品销罄货架空置产生机会损失。
Hyperlocal四层次智慧货架愿景成真
现在的智慧货架则是比当初更进一步，除了原有的感测器之外，在结合近年来零售业的Hyperlocal概念，此一概念是让行销结合当地最常用的数位工具，像是中国的微信、台湾的Line等，让行销可以落地深根，融合到当地消费者的生活型态中。
