ACES 5.0 與 PIES 8.0 上路:零件資料品質如何決定你的貨架位置
2026 年 3 月 26 日 Auto Care Association 發布 ACES 5.0、PIES 8.0 與 VCdb 2.0。資料格式不再只是 IT 問題,而是能不能上架、會不會被退件的商業問題。本文說明新版差異、五類退件原因、供應商檢查清單與三種資料策略比較。
ACES 與 PIES 是北美售後市場專用的兩套資料交換標準:ACES 管「這顆零件裝得上哪些車」,PIES 管「這顆零件本身是什麼」。2026 年 3 月 26 日,Auto Care Association 正式發布 ACES 5.0 與 PIES 8.0,同步更新 VCdb 2.0 等參考資料庫。對貿易商而言,這不是 IT 議題,而是能不能上架的商業議題。
在售後零件這一行,多數人認為決定生意的是價格與交期。但如果你曾因為資料格式不符被通路退件,或產品明明有庫存卻在電商平台搜不到,你就知道還有第三個變數:產品資料的品質。
一、ACES 與 PIES 各自負責什麼
一句話:ACES 是適用性資料,PIES 是產品資料,兩者都要有,通路才能把你的商品正確地掛到車輛底下並完整呈現。缺任何一邊,商品等於不存在。
ACES 全名 Aftermarket Catalog Exchange Standard,描述這顆零件可以裝在哪些年份、廠牌、車型、次車型與引擎規格的車上,回答的是「裝得上哪台車」。
PIES 全名 Product Information Exchange Standard,描述料號、品牌、包裝尺寸、重量、材質、圖片、屬性與各種描述欄位,回答的是「這是什麼零件」。
兩者搭配才構成通路可直接匯入的完整產品檔案。只有 PIES 沒有 ACES,平台不知道要把商品掛在哪台車底下;只有 ACES 沒有 PIES,平台無法呈現商品內容。
二、2026 這次改版為什麼特別關鍵
關鍵在於兩件事同時發生:檔案格式升版,而且底層的車輛參考資料庫也一起改版。前者讓舊檔案逐步被退件,後者讓你既有的車型對應可能失效。兩者疊加,代表「不維護就會壞掉」。
依 Auto Care Association 公布的時程,ACES 5.0 與 PIES 8.0 自 2025 年 4 月起進入業界審閱,並於 2026 年 3 月 26 日正式發布;同日一併更新的還有 VCdb 2.0、Qdb 2.0、PCdb 2.0、PAdb 2.0 與 Brand Table 2.0。
第一個影響是舊版格式會逐步不被接受。多數大型通路與電商平台會給過渡期,但過渡期結束後,以舊版提交的檔案會被直接退件,結果是新品上不了架、既有品項資料無法更新。
第二個影響來自參考資料庫。VCdb 是所有車型代碼的來源,它改版意味著你過去建立的車型對應可能需要重新映射。若你的資料是三年前建立且未維護,現在很可能已有一批對應失效。
三、資料錯誤的四種代價
資料錯誤的損失不會出現在任何一張帳單上,但它會以四種方式侵蝕你的營收:上架失敗、搜尋不到、退貨、以及通路信任流失。其中前兩者直接等於零銷售。
上架失敗最直接。通路要求合規檔案,你交不出來或格式錯誤,新品就進不了系統,這不是延遲而是完全沒有銷售機會。
搜尋不到最隱形。電商平台的依車型查詢功能完全依賴 ACES 資料,適用性資料缺漏時,消費者用車型篩選你的商品不會出現,即使你有庫存且價格有競爭力。
退貨最傷利潤。適用性錯誤導致買錯,買錯就會退貨。一顆外把手的退貨處理成本,包含客服、逆物流、重新出貨與平台評分下降,常常是商品毛利的數倍,而評分下滑後的流量損失會持續更久。
通路信任流失最難挽回。當你的資料反覆出問題,採購會把你從可以放心上架的供應商名單中移除。
四、檔案最常見的退件原因
依實務經驗,退件原因高度集中在五類,而且幾乎都可以在出檔前用檢查表攔截。以下依發生頻率排列。
第一類是使用過期版本號,通常因為公司內部匯出範本多年未更新。第二類是車型代碼對應錯誤或使用已停用代碼,VCdb 改版後部分代碼會被標記停用,繼續使用會導致驗證失敗。
第三類是必填欄位缺漏,PIES 的品牌代碼、包裝資訊如 GTIN 與三圍重量、以及部分屬性欄位是匯入的必要條件,缺一項就可能整檔退回。
第四類是左右件與前後位置標示不清,這在門把、玻璃升降機、鉸鏈這類有明確左右之分的品項特別致命,因為它直接導致裝錯與退貨。
第五類是圖片規格不符,多數平台對解析度、背景與檔案格式有明確要求,不符規格會被拒絕,而沒有圖片的商品轉換率極低。
五、供應商資料檢查清單
向亞洲供應商索取資料時,把以下五項直接寫進採購文件,可以避免後續八成以上的資料問題。這份清單的重點是要求「可驗證的具體欄位」,而不是模糊的規格說明。
第一項是完整適用性清單,格式至少包含年份區間、廠牌、車型、次車型,並明確標示左右與前後位置。不要接受「適用某車系」這類模糊描述。
第二項是 OEM 正廠料號對照。這是修車廠與消費者最常用的搜尋方式,也是驗證適用性正確與否的交叉檢查依據。
第三項是實體規格,包含淨重、毛重、包裝三圍、材質與表面處理。這些是 PIES 必填內容,也是你計算運費與貨架空間的基礎。
第四項是符合平台規格的產品圖片,並明確約定授權範圍,避免日後在電商平台使用時產生爭議。
第五項是變更通知義務,要求供應商在料號變更、規格變更或停產時主動通知。資料維護是持續流程,不是一次性工作。
六、資料維護責任該怎麼分
最務實的分工是:供應商負責來源資料的正確性,貿易商或其資料服務商負責格式的合規性。把這個分工寫進合約,可以省下日後大量爭執。
供應商負責的是這顆零件真實的規格、材質、重量與原廠料號對照,因為只有製造端知道實際數據。貿易商負責的是把來源資料轉換成當期版本的合規檔案,因為只有你最清楚自己所在通路的具體要求。
這樣分工的理由很實際:供應商面對全球不同市場,不可能為每個市場維護一套當地格式。重點是雙方要在合約中約定資料更新頻率與通知義務,而不是等出問題才互相追究。
七、三種資料策略的比較
貿易商處理資料通常有三種做法,成本與效果差異很大。以下用四個面向比較,協助你判斷自己該走哪一條。
第一種是完全外包給資料服務商。前期成本最高,通常按料號數量計費;但合規度最高、上線最快,適合品項數多且已有穩定營收的買家。
第二種是內部自建。前期需要投入人力學習標準與工具,維護成本中等,長期單位成本最低;適合品項穩定、打算長期經營同一批通路的公司。
第三種是完全依賴供應商提供。前期成本最低,但合規度最不可控,因為供應商未必熟悉你所在市場的當期版本;適合剛起步、品項數少的買家,但不建議作為長期方案。
判斷原則很簡單:當你的品項數超過數百、或你同時經營兩個以上平台時,前兩種的投資報酬率通常會明顯高於第三種。
八、把資料品質變成競爭優勢
多數貿易商把資料合規當成成本,但它其實可以是護城河,因為乾淨的資料需要時間累積,競爭對手無法在短期內複製。
當你的產品資料完整、適用性精準、圖片齊全時,平台搜尋演算法更容易把商品配對給正確買家,退貨率下降,評分上升,進而帶來更多自然流量,形成正向循環。
更實際的一點是:當你手上有一套維護良好的資料,新增銷售通路的成本會大幅下降。同一套資料稍作調整就能供應給不同平台,這讓你的擴張速度比競爭對手快得多。
九、行動建議
如果你還沒開始處理,建議依四個步驟推進,並把前二十個高營收料號列為第一優先,因為它們通常佔你進口金額的七成以上。
先盤點現況,確認目前使用的 ACES/PIES 版本,以及上次更新資料庫對應的時間。接著把營收前二十的料號更新到當期版本並通過驗證。然後與主要供應商溝通,把上面的檢查清單納入採購文件。最後建立季度維護機制,把資料更新納入例行工作,而不是等被退件才處理。
在這個品項數以萬計、車型組合極度複雜的行業,資料就是產品的一部分。零件本身的品質決定客戶會不會再買,而資料的品質決定客戶找不找得到你。
十、三種買家的真實痛點
不同規模的貿易商,資料問題的表現方式不一樣,對症下藥才有效。以下是我們最常遇到的三種情境。
第一種是剛從線下轉線上的區域批發商。他們手上有多年累積的紙本或 Excel 型錄,資料散落在不同檔案,同一顆零件在不同表格裡有不同寫法。這類買家最該做的不是急著上架,而是先建立單一資料來源,把料號、適用性、規格統一到一張主表上,否則之後每新增一個平台就要重做一次。
第二種是已經在多個平台銷售的成長型貿易商。他們的痛點是各平台要求不同,人工維護造成版本混亂,常出現 A 平台已更新、B 平台還是舊資料的情況。這類買家該投資的是資料的集中管理與自動分發,而不是增加人力。
第三種是供應多家連鎖通路的一級貿易商。他們面對的是嚴格的合規稽核與定期資料更新要求,一次退件可能影響整季的上架排程。這類買家需要的是把資料維護制度化,包含明確的負責人、更新週期與驗證流程。
十一、如何驗證供應商給的適用性資料
拿到供應商的適用性清單後,不要直接匯入,先做三個交叉檢查,可以攔截大部分錯誤。
第一個檢查是用 OEM 正廠料號反查。同一個正廠料號通常對應一組特定車型,如果供應商給的適用車型與正廠料號的涵蓋範圍明顯不符,就要回頭確認。
第二個檢查是左右件邏輯。門把、鉸鏈這類零件必然成對,如果清單中某個車型只有左件沒有右件,通常代表資料缺漏而不是產品真的只有單邊。
第三個檢查是年份區間的合理性。車型改款通常有明確年份,如果適用年份橫跨了已知的大改款節點,就需要確認是否真的通用,或是供應商把兩代車型混在一起。
這三個檢查各花不到一小時,但可以避免上架後才發現錯誤所付出的退貨與商譽成本。
十二、結語
資料標準的改版聽起來是技術事件,實際上是一次通路准入門檻的調整。2026 年 3 月的這次改版,把資料維護從「做得好加分」變成「做不好就出局」。
對從亞洲採購的貿易商而言,好消息是這個門檻對所有人都一樣。當多數同業還在用三年前的資料時,願意投入把資料整理乾淨的人,拿到的不只是合規,而是更好的搜尋曝光、更低的退貨率、以及更快的新通路擴張速度。這些優勢不會出現在報價單上,但它們決定了你在通路眼中是不是一個值得長期合作的供應商。
十三、資料品質也決定 AI 搜尋能不能引用你
過去談資料只談平台搜尋,現在多了一個通路:買家用 ChatGPT、Perplexity 這類工具問「某車型的門把哪裡買」。這些系統引用的是結構化、語意清楚的資料,而不是圖片裡的文字。
這對售後零件的實務意義很直接。如果你的商品頁只有一張圖片和一個料號,對語言模型而言這個商品幾乎沒有內容可讀;但如果你的頁面明確寫出適用車型、年份、位置、正廠料號對照與材質規格,它就有機會在買家詢問時被引用。
這也是為什麼我們建議把 ACES/PIES 的整理成果同步反映在自己的網站上,而不只是丟給平台。同一份乾淨資料,一邊供應通路系統,一邊支撐自有網站的搜尋與 AI 曝光,投資報酬率會高很多。
十四、小型貿易商的最低可行做法
如果你的團隊只有兩三個人、沒有預算導入資料系統,不代表只能放棄。以下是我們認為最低可行、但仍有效的做法。
先用一份試算表建立主檔,欄位固定為:內部料號、OEM 對照、廠牌、車型、次車型、年份起、年份迄、左右、前後、淨重、毛重、包裝三圍、材質、表面處理、圖片檔名。欄位固定比工具高級更重要,因為它決定你日後能不能自動轉檔。
接著只維護前五十個高流通料號,不要一開始就想做全品項。這五十個通常佔你營收的大部分,把它們做對,效益最明顯。
最後養成一個習慣:每次向供應商下單或詢價時,順便要求更新這份主檔的對應欄位。把資料維護嵌進既有流程,比另外排時間做更容易持續。
十五、常見的三個迷思
最後澄清三個我們最常被問到的迷思,它們常導致貿易商延誤處理。
第一個迷思是「我的品項少,不需要標準化」。實際上品項少反而更容易做,而且一旦你想擴充通路,乾淨的資料就是門票。等到品項多了再整理,成本會是現在的好幾倍。
第二個迷思是「供應商說他們有 ACES 檔案就沒問題」。要確認的是版本與驗證結果,而不是有沒有檔案。舊版檔案在過渡期後等同沒有,而未經驗證的檔案常常在匯入時才發現錯誤。
第三個迷思是「資料是一次性專案」。車型每年新增、料號會變更、標準會改版,資料維護必然是持續流程。把它排進季度例行工作,才不會在被退件時才手忙腳亂。
FAQ
- ACES 和 PIES 有什麼不同?兩個都要嗎?
- ACES 是適用性資料(裝在哪些年份、廠牌、車型、次車型),PIES 是產品本身資料(料號、品牌、包裝、重量、材質、圖片、屬性)。兩個都需要:缺 ACES 平台無法把商品掛到車輛底下,缺 PIES 平台無法呈現商品內容。
- 我用的是舊版格式,一定要現在換嗎?
- 建議盡快。多數通路會給過渡期,但期滿後舊版檔案會被直接退件,新品上不了架、既有資料也無法更新。實務做法是先把營收前二十的料號轉到當期版本並通過驗證,再逐步擴充其餘品項。
- 我只是貿易商,資料不是應該由供應商提供嗎?
- 務實分工是:供應商負責來源資料正確性(真實規格、材質、重量、OEM 對照),你或你的資料服務商負責格式合規(轉成當期 ACES/PIES)。供應商面對多個市場無法逐一維護當地格式,而你最清楚自己通路的要求。把分工與更新通知義務寫進合約。
- 資料錯誤實際上會造成什麼損失?
- 四種:上架失敗(等於零銷售)、在依車型查詢中搜不到、適用性錯誤造成的退貨(處理成本常是商品毛利的數倍,並拉低評分與後續流量),以及通路信任流失。這些都不會出現在帳單上,但長期影響最大。
- 怎麼驗證供應商給的適用性資料是對的?
- 做三個交叉檢查:一是用 OEM 正廠料號反查,看適用車型是否與該料號涵蓋範圍相符;二是檢查左右件邏輯,門把、鉸鏈必然成對,只有單邊通常代表資料缺漏;三是檢查年份區間是否橫跨已知大改款節點。三項各花不到一小時,可攔截多數錯誤。
參考來源
- Auto Care Association — ACES and PIES data standards explained
- PCFitment — ACES & PIES Version 8.0: what is new and key changes
- DPI — ACES and PIES 2025-2026 guide to catalog management
- PDM Automotive — ACES and PIES: complete guide to aftermarket data standards
- AutoDataMapping — Guide to the ACES & PIES data standards
- Anzael — Managing AAIA and TecDoc parts data mapping
- Hedges & Company — Product data questions: ACES and PIES data