Amazon Go 背後的技術及其對零售商的意義

當 Amazon 推出無人收銀的 Amazon Go 便利商店時，它登上了全球頭條新聞，並在實體零售業引發了一陣猜測浪潮。憑藉著天花板安裝的電腦視覺相機、深度學習演算法、貨架重量感應器和感測器融合的獨家組合，Amazon Go 承諾了一種名為 "Just Walk Out"（直接帶走）技術的免結帳購物環境。顧客只需在入口處掃描 QR code，從貨架上拿取商品後直接走出去，幾分鐘後系統便會自動從其付款卡扣款。

對於門店營運總監、零售資訊長（CIO）和場域經理而言，最初的驚嘆很快就轉化為務實的問題。是甚麼樣的特定硬體和網路架構支援這種自主體驗？部署數百個頭頂相機和壓力感應器需要多少資本支出（CapEx）和營運開銷？而最重要的是：傳統實體零售商如何在不為每平方英尺投入 150 至 250 美元購置專業相機硬體的情況下，獲取同等空間的人流洞察、顧客停留時間和客單價提升？

本技術分析檢視了驅動 Amazon Go 的多重感測器架構，評估了其營運與隱私之間的權衡，並詳細說明了現代企業級 WiFi 數據分析與位置情報 如何為實體零售商提供高投資報酬率、不限硬體的替代方案。

Amazon Go 運作原理：電腦視覺、感測器融合與邊緣 AI

Amazon Go 的工程基礎仰賴三大核心運算領域：多攝影機電腦視覺、多模態感測器融合以及邊緣機器學習推理。這些系統協同工作，建立一個持續、即時的零售環境空間數位雙生（digital twin）。

1. 高密度天花板攝影機陣列與 3D 姿勢估測

與捕獲廣角 2D 畫面以供事後審查的標準監控攝影機不同，Amazon Go 商店在天花板網格上安裝了數百個專用的 RGB 和深度感測攝影機 - 通常零售賣場空間中每 25 至 35 平方英尺就配備一台攝影機。這些攝影機進行持續的空間追蹤和 3D 人體姿態估測：

• 持續人員重新識別：當顧客在通道間移動並交錯時，多攝影機追蹤會為每位顧客保留持久的數位權杖，而無需依賴臉部辨識。
• 互動與手勢分析：視覺演算法可偵測顧客何時將手臂伸向貨架，追蹤手部軌跡和與商品的互動，精準度達毫秒級。
• 遮擋處理：當多位顧客聚集在促銷展示區周圍時，重疊的攝影機角度可以解決視覺遮擋問題，以確定是誰接觸了每件產品。

2. 貨架重量負載感測器與飛時測距（Time-of-Flight）感測器

單憑電腦視覺很難解決視覺模糊的問題 - 例如，區分兩罐外觀相同但口味不同的汽水罐，或者偵測顧客何時拿取了疊在一起的兩條巧克力。為了解決這個問題，Amazon 將精密重量負載感測器直接嵌入商店貨架中：

• 毫克級重量變化：貨架能偵測到商品被拿起的精確微秒，並確認取下的精確重量。
• 放回偵測：如果消費者改變主意並將商品放回錯誤的貨架，重量感測器會識別此差異並防止錯誤計費。

3. 感測器融合與邊緣 GPU 推論

核心計算技術的突破在於感測器融合 - 即視覺追蹤數據、貨架重量變化和條碼庫存圖譜的即時數學結合。位於門店後勤室的高吞吐量邊緣伺服器會同時處理這些感測流。當相機追蹤確認顧客 A 伸手拿向貨架 B 的精確時間點，與貨架 B 記錄到減少 350 克的時間完全一致時，數位購物車便會立即更新。

自主零售的營運與財務現實

雖然 Just Walk Out 技術在技術上的成就不可否認，但在整個商業零售體系中擴充完整的自主電腦視覺，遇到了極大的經濟與營運摩擦。

1. 高昂的資本支出與改裝阻力

安裝數百個專用攝影機、結構化 Category-6A 佈線、承重天花板吊架以及邊緣運算機架，每平方英尺的成本高達 150 至 250 美元。對於一間標準的 20,000 平方英尺超市，改裝成本很容易超過每間分店 3,000,000 美元。這使得在淨利潤率僅為 2% 至 4% 的雜貨和一般零售業中，投資回收期變得令人望而卻步。

2. 持續的維護、校準與手動驗證

在塵土飛揚的商店環境中，攝影機鏡頭需要定期清潔；當商品陳列圖變更時，貨架感測器需要頻繁重新校準；而複雜的邊緣模型則需要持續調整。獨立零售稽核顯示，高摩擦交易通常需要人工審查團隊手動驗證邊緣案例的視訊錄影。

3. 資料收集限制：空間追蹤與 CRM 個人檔案的對比

電腦視覺可以追蹤店內的實體活動，但除非強制客戶登入專門的原生應用程式，否則它本身無法收集符合法規的第一方客戶行銷數據。相比之下，全通路零售的成功需要建立經驗證的 CRM 個人檔案、推動訪問後的留存，並衡量實體與線上通路之間的重複訪問率。

零售商如何透過企業級 WiFi 數據分析實現空間情報

對於絕大多數實體零售商而言，首要的業務目標並非取代收銀員，而是理解消費者行為、優化店面佈局、衡量停留時間並收集經驗證的客戶數據。企業級 WiFi 存在分析（presence analytics）利用現有的無線基礎設施，以極低的成本提供了超過 90% 的此類空間智慧功能。

1. 全面的路過訪客、捕獲率和轉換追蹤

超過 88% 的購物者隨身攜帶已啟用無線掃描功能且處於作用狀態的智慧型手機。當訪客走過您的店面時，企業級存取點會偵測到探測請求訊號。這讓零售營運商能夠衡量：

• 街道行人流量：步行經過店面外部的總人流量。
• 店面捕獲率：走過店外的行人中，實際進入店內的人流精確百分比。
• 跨分店忠誠度：消費者在 30、60 和 90 天間隔內訪問多個區域店面位置的頻率。

2. 區域停留時間與賣場熱點閱覽熱圖

藉由分析多個存取點與 BLE 信標接收到的訊號強度指示（RSSI），空間定位引擎能以 1 到 3 公尺的精準度計算出訪客座標。零售商品規劃人員可以精準定位：

• 高停留區域：哪些產品陳列和促銷通道最能吸引客戶的注意力。
• 賣場死角：因陳列不佳或動線瓶頸而導致人流量低的通道。
• 排隊等候時間：即時監控結帳擁擠情況，以觸發加開收銀台。

3. 第一方 CRM 資料收集與自動化行銷

當購物者透過品牌 Captive Portal 連線到顧客 WiFi 時，他們會以經過驗證的聯絡資料（姓名、電子郵件、手機號碼）換取高速網際網路存取。Purple 平均提供 28% 的 Captive Portal 連線率，並取得符合 GDPR 和 CCPA 規範的已驗證行銷同意。零售商可以立即觸發：

• 自動化客戶挽回活動： 向 21 天內未再次光顧的顧客發送定向優惠券（回訪率提升 +18%）。
• 場域內數位意見回饋： 在停留時間的高峰期即時觸發微型調查，以衡量客戶滿意度。
• 全通路 CRM 同步： 將店內訪問歷史直接同步至 Salesforce, HubSpot 等平台。

無需昂貴的相機硬體，即可解鎖零售空間分析

將您現有的 Cisco Meraki, Aruba, Ruckus 或 Fortinet 無線網路轉化為強大的場域分析與行銷引擎。透過 Purple 獲取經驗證的顧客輪廓、分析人流熱圖並優化門店營收。

預約 15 分鐘零售示範 探索 WiFi 分析指南

常見問題

Amazon Go 在 Just Walk Out 購物中使用了哪些技術？

Amazon Go 結合使用了安裝在天花板上的 RGB 和深度電腦視覺攝影機、安裝在貨架上的重量感應器 (感測器融合)，以及在邊緣 GPU 伺服器上運行的深度學習物件辨識模型，來追蹤商品的互動。

Amazon Go 自主商店技術的成本是多少？

部署完整的電腦視覺和重量感測器基礎架構，每平方英尺的成本在 150 美元至 250 美元之間（每家分店需 500,000 美元至 1,500,000 美元以上），且伴隨著龐大的雲端推理和攝影機校準等經常性費用。

WiFi 空間分析與 Amazon Go 攝影機追蹤相比如何？

雖然電腦視覺能提供亞公分級的商品追蹤，但企業級 WiFi 空間分析僅需不到 3% 的硬體資本支出（CapEx），即可擷取 100% 的店面路過客流量、區域停留時間、回訪顧客忠誠度以及經驗證的主動加入 CRM 設定檔。

訪客 WiFi 如何收集零售業的第一方客戶資料？

當購物者透過品牌 Captive Portal 連線時，他們會提供經過驗證的聯絡資料（電子郵件、電話、人口統計偏好），並給予明確的 GDPR 和 CCPA 同意，進而實現自動化行銷活動與個人化促銷訊息傳遞。