重點摘要
- Macy’s 在 2025 年創下 218 億美元淨銷售額，但針對 2026 年給出保守預期，預估營收將持平或微幅下滑，並計畫關閉 65 家同名實體店面。
- 為應對增長放緩，Macy’s 將全面導入超過 35 個 AI 應用場景，涵蓋供應鏈管理、商品銷售、行銷投放與客服中心，藉此提升全通路營運效率。
- 高消費力客群成為撐盤主力，旗下高階品牌 Bloomingdale’s 與美妝通路 Bluemercury 表現亮眼。未來將透過擴展 “Reimagine” 門店概念與大型實體活動，強化品牌與消費者的深度連結。
當市場整體的流量紅利枯竭，大型零售商的下一步該往哪裡走? 檢視 Macy’s 最新發布的財報與 2026 年展望，我們看到了一個極為經典的轉型訊號。在宏觀經濟充滿不確定性、營收預期呈現微幅下滑的壓力下，Macy’s 並沒有選擇盲目擴張廣告預算以換取新客，而是將資源重壓在人工智慧的底層架構上。身為專注於搜尋技術與轉換率的數據行銷從業人員，我認為這絕非單純的 “技術追趕”，而是一場從 “粗放式流量獲取” 轉向 “極致化轉換率榨取” 的生存戰。當前端的進站流量無法呈現指數型增長時，唯有依靠嚴密的邏輯與數據模型，從每一次使用者的搜尋意圖與庫存調撥中擠出利潤，才是企業在經濟逆風中保持毛利率的唯一解法。
流量見頂與實體重組，從擴張轉向精細化營運的必然
從數據層面剖析，Macy’s 2025 年可比銷售額僅微幅增長 1.5%，而 2026 年更是給出了 -0.5% 到 0.5% 的停滯性預測。配合關閉 65 家實體店面的決策，這意味著傳統百貨 “以坪效與展店換取營收” 的商業模型已經觸達天花板。在這種情境下，營收增長的驅動力必須由外部轉向內部。財務長 Tom Edwards 點出的 AI 應用領域，包含了供應鏈與行銷，這正是轉換率漏斗 (CVR Funnel) 的首與尾。如果前端的行銷 AI 能夠精準預測使用者的購買意圖並推送個人化廣告，而後端的供應鏈 AI 能夠確保該商品在最近的倉庫或門店有現貨，這將能大幅度降低因為 “缺貨” 或 “物流延遲” 導致的購物車放棄率。每一次的流程優化，都是在為最終的淨利潤打底。
拆解 35 個 AI 應用場景，尋找隱藏的轉換率槓桿
執行長 Tony Spring 提到內部正在推進超過 35 個 AI 應用場景，這些場景的核心目標在於 “支援顧客購物與員工服務”。若從搜尋引擎與電商網站架構的角度來看，這暗示著 Macy’s 正在重塑其站內搜尋 (Site Search) 與推薦引擎。傳統的站內搜尋往往基於簡單的關鍵字比對，導致長尾查詢 (Long-tail Queries) 的跳出率極高。透過導入機器學習與自然語言處理，電商平台能夠理解如 “適合冬季乾肌的頂級抗老精華” 這類複雜的語意搜尋，並準確推播 Bluemercury 旗下的 Skinceuticals 或 Sisley 產品。這種基於意圖 (Intent-based) 的搜尋優化，能夠將原本可能流失的模糊需求，直接轉化為高轉換率的精準流量。
迎戰生成式搜尋時代，高階客群的意圖捕捉與 GEO 佈局
Macy’s 的數據顯示，主力消費動能正在向中高收入客群傾斜，Bloomingdale’s 甚至交出了高達 7.4% 的強勢成長。這點與我在台灣市場觀察到的零售趨勢不謀而合。高資產客群的消費旅程通常更加深思熟慮，他們在進行高單價商品決策前，會進行大量的資訊檢索。這正是 GEO (Generative Engine Optimization，生成式引擎優化) 能夠發揮巨大商業價值的戰場。傳統的 SEO 專注於搶佔 Google 搜尋結果的藍色連結，但在 AI 時代，高階消費者更傾向於詢問 ChatGPT 或 Perplexity 這類生成式 AI “哪款小眾香水最適合商務晚宴?”。品牌必須徹底結構化自身的商品數據與內容資產，確保自家的產品特點、庫存狀態與評價能被 LLM (大型語言模型) 順利爬取並生成於回答中。對於正在面臨消費降級與 M 型化社會的台灣零售百貨而言，誰能率先將高單價商品的資訊針對 AI 引擎進行優化，誰就能在消費者進店前，提前鎖定這批高轉換率的金字塔頂端客群。
虛實整合的數據閉環，從 Reimagine 門店看全通路歸因
儘管數位技術是優化的核心，Macy’s 並沒有放棄實體體驗，反而加碼投資 “Reimagine” 升級門店至 200 家，並將 100 週年感恩節大遊行視為行銷主力。從數據分析師的視角來看，實體活動與升級門店不應只被視為品牌曝光的工具，它們更是珍貴的第一方數據 (First-party Data) 採集節點。在實務操作上，企業必須建立嚴密的 O2O (Online to Offline) 全通路歸因模型。例如，當消費者在社群媒體上看到感恩節遊行的病毒式短影音，進而觸發手機端搜尋，最後卻選擇走入 Reimagine 門店完成購買。這段跨裝置、跨虛實的旅程，必須仰賴底層資料湖 (Data Lake) 的打通。我強烈建議品牌端在佈局 AI 時，首要任務是消滅跨部門的數據孤島，讓門店的 POS 數據能即時回傳給線上的廣告競價系統。只有當 AI 演算法能夠完整看透消費者的全通路行為輪廓時，精準的自動化預算分配與 ROI 極大化才可能真正實現。
延伸閱讀:Macy’s, Inc. is looking to leverage AI ahead of a cautious outlook for 2026