零售戰略

FamilyMart 和 Lawson 都用 AI 開發商品，一個看資料、一個先不看

FamilyMart 用 POS 與趨勢資料提高商品命中率，Lawson 卻在發想階段刻意先不看市場資料。兩種 AI 商品開發方式，也讓商品開發者的選擇與品味變得更重要。

YeN

17 9月 2026 • 閱讀時間 5 分鐘

Lawson 的生成式 AI 商品開發：レモンタルト（ピクルス風味），也就是「檸檬塔（酸黃瓜風味）」。

AI 到底是會放大你的才華？還是放大你的北七？

最近日本 FamilyMart（全家）和 Lawson 兩家便利商店都把生成式 AI 放進商品開發流程。雖然都是用 AI，兩家給它的任務卻很不一樣。

全家想從 POS 與趨勢資料裡找出比較有機會賣的商品；Lawson 則在發想階段刻意不讓 AI 看過去的銷售實績與市場資料，希望它想出平常不太會有人做的東西。

這差異真有趣！

全家用 AI 提高商品開發命中率

全家把 POS 銷售資料與近期趨勢交給 AI，分析熱門與銷售不佳商品的特徵。9 月 22 日將推出的おいものカヌレ～キャラメルソースがけ～（地瓜可麗露～淋上焦糖醬～），就是其中一個案例。AI 分析過去甜點銷售資料後發現，可以單手吃的商品，以及外層與內部具有不同口感的甜點比較受歡迎，因此曾提出外層酥脆、內部保留濕潤地瓜口感的商品設計。

AI 也分析了新商品的 Trial Rate（消費者嘗試新商品的比例），發現價格超過 300 日圓後，Trial Rate 有下降趨勢。全家參考這項分析，把這款可麗露定價在 285 日圓。全家其實是在降低商品開發的不確定性。從實際銷售資料，確認商品開發者的人的感覺有沒有出現在消費者的購買行為裡。

當然，原料採購、製造技術與最後能不能商品化，還是由人決定。但如果大家都從相似的銷售資料與趨勢裡尋找成功公式，最後做出來的商品，會不會也愈來愈接近，而趨於平庸？

Lawson 先讓 AI 離開歷史資料

Lawson 則選了另一條路！他們在 AI 發想階段刻意不使用過去銷售實績與市場資料，就是希望 AI 不受既有想法與市場動向限制。所以給 AI 的題目是：創造前所未有的組合與味道、看到商品或商品名稱會讓人想問「這是什麼？」而且實際吃過之後還是要好吃。

結果其中一個答案就是檸檬塔＋酸黃瓜，真是有夠莫名其妙。後來商品開發人員把酸黃瓜切碎，搭配檸檬的清爽酸味與起司的醇厚感，再反覆調整酸味與外觀，最後做成レモンタルト（ピクルス風味），也就是「檸檬塔（酸黃瓜風味）」。

Lawson 這次沒有先問市場喜歡什麼，而是先讓 AI 離開市場原本熟悉的答案，再由開發人員判斷哪些奇怪點子真的值得做一次看看。

全家希望提高命中率；Lawson 想增加意外性。

我想，資料很適合告訴我們，過去什麼東西賣得動；但有些商品，本來就不存在於過去。像檸檬塔加酸黃瓜這種不在既有商品紀錄裡的組合，POS 當然也不會直接告訴你有沒有市場。

商品開發者更像一位編輯

這反而讓兩個案例的對比更有意思！當 AI 進入商品開發之後，企業要決定的已經不只有要不要用 AI，還包括什麼時候讓 AI 看資料、讓它看哪些資料；需要它幫忙縮小答案，還是暫時離開過去，找一些從歷史資料裡看不到的可能性。

前陣子我才寫到，到了 2030 年，商品開發者可能會愈來愈像一位編輯。當 AI 可以快速整理大量銷售資料，也可以提出各種意外組合，商品開發者的工作會慢慢往選擇與判斷移動：這一次要相信資料到什麼程度？哪些歷史經驗應該保留？什麼時候又值得暫時離開過去，試試一個看起來不太合理的答案？

當 AI 愈會找答案，商品開發者真正要負責的，反而愈像是決定哪些答案值得留下；最後商品會往哪個方向走，還是取決於人的選擇與品味。