從搜尋開始，重新整理零售體驗：Toolstation 的 AI 應用案例

當 AI 逐漸走進零售與電商場景，它的角色不一定只是新增一項功能。

以英國零售品牌 Toolstation 為例，這次導入的重點不是打造一個全新的服務入口，而是從日常卻關鍵的「搜尋」開始，重新整理網站、App、客服與門市之間的服務流程。對正在思考電商架設、電商網站開發，或既有平台優化的品牌來說，這類 AI 應用也提供了另一種更貼近實務的系統整合方向。

搜尋看起來日常，卻往往比想像中更影響體驗

對零售與電商來說，搜尋一直都是很基本的功能。
使用者輸入關鍵字、系統顯示結果，整個流程看似簡單，但真正放到營運現場裡，它其實牽動著不少事情。

當商品變多、品項越來越細，消費者輸入的詞彙也會變得更分散。有些人用正式品名搜尋，有些人習慣輸入品牌名稱，也有人會直接用口語或行業慣用語來找商品。這種時候，搜尋就不只是網站中的一個欄位，而是直接影響使用者能不能順利找到商品、完成購買的重要環節。

對許多正在規劃電商架設，或持續優化既有平台的品牌來說，這件事其實很值得被重新看待。

Toolstation 遇到的問題，其實也是很多零售品牌的日常

Toolstation 是英國工具、配件與建材零售商，除了線上通路，也在全英國設有超過 550 家門市。Google Cloud 官方案例提到，Toolstation 的網站與行動 App 約占整體交易量的一半，這代表線上搜尋體驗早已不是附屬功能，而是整體零售流程中的核心一段。

而他們遇到的狀況，其實並不陌生。
當顧客在站內搜尋商品時，常會輸入同義詞、俗稱、品牌字或偏口語的字眼，但原本使用的第三方搜尋工具不一定能準確理解，導致部分顧客需要先回到搜尋引擎重新查找，有些人甚至就此中斷購買流程。 

表面上看，這像是搜尋結果不夠準確；但如果從更完整的角度來看，它反映的其實是商品資料、搜尋邏輯與前台使用體驗之間，還有一段待整合的距離。

當網站可以運作，不代表流程就已經夠完整

在導入 AI 搜尋之前，Toolstation 其實已經花了不少力氣處理這件事。
他們透過人工方式建立大量搜尋規則，讓不同詞彙之間可以對應，例如把俗稱轉成系統能理解的商品字詞。

這種做法當然有幫助，但也意味著維護成本會越來越高。
當商品量擴大、使用情境增加，團隊就必須持續新增規則，才能勉強維持搜尋品質。這樣的情況，其實和很多電商網站開發專案後期會遇到的問題很像：網站本身能正常上線，也能完成基本交易，但當資料變多、流量變大、使用者行為更複雜之後，原本靠人工維護的邏輯就會慢慢變得吃重。 

也因為如此，企業真正需要思考的，往往不只是前台功能夠不夠，而是背後的系統串接與資料應用，能不能一起跟上。

Toolstation 做的，不只是換掉搜尋工具

後來，Toolstation 導入 Google Cloud 的 Vertex AI Search for commerce，並將整個商品目錄匯入系統進行測試。
官方案例顯示，導入之後的改善相當明確：原本約 2% 的搜尋會出現零結果，後來降到 0.1%；點擊率每天提高超過 10%；由搜尋帶來的營收提升 5.5%；顧客回報看到不相關搜尋結果的情況減少 30%，回訪顧客則增加 2%。 

這些數字之所以值得注意，不只是因為成效漂亮，而是它們發生在顧客最常接觸的流程裡。
從輸入關鍵字、看到商品，到點擊、比較、購買，搜尋其實是一段很直接影響轉換的體驗。當這一段被重新優化後，後續的行為自然也會跟著改變。

AI 搜尋真正有意思的地方，在於它能被放進既有架構裡

如果從系統應用的角度來看，這次調整其實不只是搜尋功能升級。
Vertex AI Search for commerce 本身是一套面向零售與電商情境的 AI 搜尋與推薦解決方案，也可應用在網站與行動裝置上的個人化搜尋場景。

放到實際專案裡，它比較像是一種能被放進既有平台中的能力。
前端依然是使用者熟悉的搜尋介面，但背後的理解方式已經改變了。AI 可以更有效地處理商品資料、搜尋詞彙與使用者意圖之間的關係，讓搜尋不只是比對關鍵字，而是更接近理解使用者真正想找什麼。

這也是為什麼，這類應用很適合被放進系統整合的脈絡裡來看。
它不是一個硬生生加上的新功能，而是能自然嵌進既有電商架構中的一段服務能力。

更重要的是，這套能力後來不只留在線上

Toolstation 這個案例更值得參考的地方，在於它並沒有把 AI 搜尋只留在網站或 App 裡。
當線上成效穩定之後，他們進一步把同樣的搜尋能力整合到客服聯絡中心，協助電話下單時更快找到商品；之後也再延伸到門市收銀系統，讓店員在現場能更有效率地協助顧客查詢商品。 

當同一套搜尋能力能同時被使用在網站、App、客服與門市時，它代表的就不再只是單點優化，而是一種更完整的系統串接思維。
同樣的資料邏輯、同樣的搜尋理解能力，被放進不同服務接點裡，對顧客而言是更一致的體驗，對企業而言則是更可延伸的整合架構。

對零售與電商來說，這其實很接近一種系統整合題目

很多人談 AI，會先想到聊天機器人、內容生成，或一些比較新的互動形式。
但對零售與電商來說，AI 的價值有時候反而來自更基礎、也更貼近日常的流程。

像搜尋這樣的功能，看起來不特別新穎，卻同時連動著商品資料、網站架構、使用者行為、客服作業與門市服務。當企業從這個角度去看，就會發現它其實不只是功能升級，而是一種系統整合與服務流程重整。

對正在思考電商架設、既有平台優化，或電商網站開發延伸方向的品牌來說，這樣的案例很有參考價值。因為它提醒我們，真正值得投資的，不一定是把網站做得更複雜，而是讓顧客最常使用的那段流程，變得更順。

從開發角度來看，AI 的價值也不只在模型本身

如果從資訊服務或系統開發的角度來看，Toolstation 的案例也很值得留意。
真正需要處理的，並不只是導入一套 AI 功能，而是商品目錄怎麼整理、事件資料怎麼回傳、網站與 App 怎麼接、客服與門市能不能共用同一套能力。

Google Cloud 案例也提到，Toolstation 會將搜尋、點擊與購買等事件回傳到 Google Cloud，協助模型持續學習；後續還規劃把 browse、recommendations、personalization 等 discovery 工具逐步遷移到同一套架構裡。

這也代表，AI 在零售與電商裡，很多時候不是一套獨立工具，而是一種可以被放進既有平台、並透過系統串接慢慢延伸出去的能力。

結語：從搜尋開始，也許正是很好的起點

Toolstation 的案例讓人看到，AI 不一定要從最複雜、最吸睛的場景開始。
有時候，從搜尋這種每天都會被使用的入口切入，反而更容易看見它在零售與電商裡的實際價值。

當顧客能更快找到商品，客服能更順利完成查詢，門市人員也能在相同的邏輯下服務顧客，整體體驗就會慢慢被重新整理。對企業來說，這樣的改變也許比多做一項新功能更重要。因為它不只是效率提升，而是讓網站、App、客服與門市之間，開始真正被串在一起。