傳統販賣機最大的問題不是機器故障，而是缺貨——補貨員不知道什麼時候該去、哪個商品快賣完，只能定期巡查，結果要不是缺貨損失銷售，就是補太多造成廢棄。
龍雲數位的 AI 補貨系統，解決了這個傳統販賣機的核心問題。
傳統補貨 vs AI 補貨：差異在哪？
| 比較項目 | 傳統補貨 | 龍雲數位 AI 補貨 |
|---|---|---|
| 庫存掌握方式 | 人工定期巡查 | IoT 實時感測，每次出貨即時更新 |
| 補貨時機判斷 | 固定週期或補貨員目視 | AI 預測，依銷售趨勢動態排程 |
| 商品備貨量 | 依經驗估算 | 歷史數據 + 天氣/節日等外部因素 |
| 缺貨率 | 通常 8–15% | 明顯降低，即時監控加動態排程可大幅改善缺貨情況 |
| 補貨行程效率 | 固定路線 | AI 最佳化，優先處理低庫存機台 |
技術架構：IoT + AI 的三層系統
第一層：IoT 實時監控
龍雲數位的每台販賣機都搭載嵌入式 IoT 模組：
- 每次出貨即時記錄：任何商品賣出，庫存資料立即上傳至雲端
- 庫存感測器：部分機型搭載重量/光學感測器，直接偵測格位庫存
- 異常告警：庫存低於設定門檻，自動通知補貨中心
第二層：AI 銷售預測
AI 模型分析多維度數據：
| 數據來源 | 分析內容 |
|---|---|
| 歷史銷售記錄 | 各品項、各時段、各日期的銷售規律 |
| 天氣數據 | 氣溫與飲料/冷熱商品銷量的相關性 |
| 節假日行事曆 | 假日人流增加的預測補正 |
| 促銷活動 | 促銷期間銷量提升的預測 |
預測輸出： 每台機台、每個 SKU 的未來 2–7 天預測銷量，以及最佳補貨時機建議。
第三層：動態補貨排程
AI 補貨排程系統將預測結果轉化為行動：
- 優先級排序：依缺貨緊迫性排序補貨任務
- 路線優化：計算補貨員當日最佳巡查路線
- 商品備貨清單：依各機台需求自動生成補貨物料清單
AI 補貨帶來的改善方向
導入 AI 補貨系統後，場域方通常可以觀察到以下方向的改善：
| 指標 | 傳統補貨 | AI 補貨 |
|---|---|---|
| 平均缺貨率 | 偏高，仰賴人工巡查頻率 | 明顯降低，即時庫存監控加上預測排程 |
| 補貨員每日服務機台數 | 受限於固定路線 | 路線優化後可服務更多機台 |
| 廢棄食品率（過期未賣出） | 憑經驗備貨易產生過剩 | 依預測備貨更貼近實際銷量，減少廢棄 |
| 補貨異常（補錯商品） | 人工分揀偶有疏漏 | 清單自動生成，降低出錯機會 |
實際改善幅度依場域人流、商品結構與既有管理方式而異，建議以個別場域試點數據作為評估依據。
天氣連動補貨：假設情境說明
假設情境： 某社區大樓型機台所在地區，三月底氣溫突然升高至 30°C。
傳統補貨： 補貨員按固定週期（每週三）巡查，週四氣溫升高後販賣機飲料快速售完，週五到週三（下次補貨前）缺貨 4 天。
AI 補貨：
- 氣象 API 接收到週四高溫預報
- AI 預測該機台飲料銷量將明顯增加
- 提前在週三補貨時加大飲料備量
- 週四高溫，銷量正常，不缺貨
AI 補貨的效益對場地方的意義
銷售最大化
缺貨就是損失的銷售額。缺貨率降低，代表場地方的分潤收益也可望隨之成長。
廢棄最小化
食品廢棄代表成本損失，也有食安疑慮。AI 精準補貨，讓每次補貨的商品量更接近實際銷量，減少過期廢棄。
透明化管理
龍雲數位提供場地方月度銷售報表，包含：
- 各商品銷售量與銷售額
- 庫存變動記錄
- 缺貨事件記錄（如有）