用 AI 做顧客留存與回購：流失預警、回購提醒、VIP 經營，把舊客變鐵粉

你的行銷預算，是不是大部分都拿去拉新客了？你知道哪些舊客「這個月該回來卻沒回來」嗎？你發出去的促銷，是真的在挽回，還是在催人封鎖你？

如果這三個問題你都答不太上來，這篇就是寫給你的。

TL;DR（一分鐘看懂） 顧客留存不是發更多優惠券，而是「在對的時間、對對的人、給對的理由」。完整流程是：① 把訂單資料整理成一張乾淨的顧客表；② 用 RFM 分出新客、忠誠客、沉睡客與流失邊緣；③ 讓 AI 依購買週期算出流失風險分數，排出優先挽回名單；④ 依不同分群寫不同語氣與誘因的訊息；⑤ 接上自動化流程觸發發送，再用回購率與回流率檢討優化。下面附可直接複製的 Prompt，以及一家台灣電商導入前後的真實數據。

為什麼留存值得你用 AI 認真做

很多老闆每天盯著「今天又多少新客」，卻沒發現後門其實開著——辛苦拉來的客，買完一次就再也沒回來。拉新很貴、很累，而且越來越貴；相對地，留住一個已經信任你的舊客，成本低很多、轉換也高很多。把破桶補起來，比一直加水更划算。

但留存難在「記不住」。一家店幾百上千個客人，誰上個月該回購卻消失了、誰是默默貢獻一半營收的 VIP、誰已經三個月沒動靜快流失——靠人腦根本盯不過來，靠記憶更是漏東漏西。這正是 AI 最能幫上忙的地方：

• 它不會忘記。 你把資料給它，它一次幫你算完所有人的購買週期與流失風險，誰該優先處理一目了然。
• 它幫你分群與判斷。 RFM、流失分數這些邏輯，過去要會寫公式或請工程師，現在用自然語言請 AI 就能產出。
• 它幫你大量寫對的訊息。 同一檔活動，VIP、沉睡客、流失邊緣要用不同語氣，AI 一次幫你寫出三、四個版本。
• 它讓你看得懂數據。 每一輪挽回的成效，丟給 AI 就能整理成你看得懂的結論與下一步建議。

換句話說，AI 把「該做但沒人有空做」的留存工作，變成你下午花一小時就能跑完的固定流程。想把整套自動跑起來，可以參考 AI 自動化應用 與現成的 工作流範本。

核心概念：留存的三個關鍵字

在動手前，先把三個觀念講清楚，後面每一步都圍著它們轉。

第一，RFM 分群。 用最近一次消費（Recency）、購買頻率（Frequency）、累計金額（Monetary）三個維度，把顧客分成幾群。它的價值不是分得多漂亮，而是讓你「對不同人做不同事」。

第二，流失預警分數。 核心訊號其實很樸素：一位顧客已經「超過他自己平常的購買週期」多久還沒回來。超得越多，流失風險越高。你不需要機器學習，一條規則就能起步。

第三，分眾溝通。 同一句話對所有人說，等於沒對任何人說。VIP 要被尊榮對待、沉睡客要被溫柔喚醒、流失邊緣要被給一個非回來不可的理由。

下面這張對照表，把不同分群該怎麼對待整理清楚：

把分群想清楚，就會發現留存不是「發券」這麼單一，而是針對每群人設計不同的關係經營。更完整的分群方法可參考 用 AI 做顧客分群。

實際做法：五步把留存跑起來

Step 1　盤點並整理顧客資料

AI 再聰明，也只能根據你給的資料判斷。第一步是把散在各處的訂單，整理成一張乾淨的顧客表。最低限度需要這幾欄：

• 顧客編號（用代號，不放真實姓名電話）
• 最後一次購買日期
• 累計購買次數
• 累計消費金額
• 常買的品類

如果你有電商後台，匯出訂單即可；如果你是小店只有一本訂單和 LINE，把它打成一張 Google 試算表就是起點。這一步請務必把敏感個資（姓名、電話、Email）留在自己手上，丟給 AI 分析的只要數字與品類，最後再用顧客編號對回名單。資料怎麼快速清乾淨，可以用 資料整理產生器 幫忙。

Step 2　用 RFM 把顧客分群

把整理好的表（或前 20～30 列當樣本）貼給 AI，請它依 RFM 邏輯分群。重點是讓 AI 先說明它的分群門檻（例如「R 在多少天內算近」），你確認合理再讓它套用到全部資料。分群結果建議直接標在表上多開一欄「分群」，方便後續篩選。

Step 3　設計流失預警分數

這是整套流程的心臟。請 AI 幫每位顧客算出兩個數字：他的「平均購買間隔」，以及「目前距離上次購買已過了幾倍的平均間隔」。例如一位平均 30 天回購的顧客，現在已 75 天沒來，就是 2.5 倍——明顯該挽回。把所有人依這個倍數排序，名單就出來了。你也可以加上「近期互動下滑」（不開信、不點連結）當輔助訊號，讓判斷更準。

Step 4　依分群寫對的訊息

拿著分群與流失名單，請 AI 為每一群各寫一個版本：忠誠客寫尊榮感與專屬權益、沉睡客寫一個回來的理由（補貨、新品、點數快到期）、流失邊緣寫有誠意且限時的挽回。語氣與誘因都要不同。多寫兩個版本做 A/B 測試更好，做法見 用 AI 做 A/B 測試。

Step 5　自動化發送並看數據

把訊息接上你的行銷工具（Email、LINE、簡訊），依流失分數分批、分時觸發，而不是一次全部炸出去。發送後務必記錄：發了誰、用哪個版本、幾天內回來幾個。下一輪再把這份成效丟給 AI，請它告訴你哪種訊息最有效。要把這條鏈路完全自動化，參考 Email 行銷自動化 與 行銷自動化流程。

可複製的 Prompt

把下面這段貼進你慣用的 AI 工具，連同你整理好的顧客表（去識別化版本）一起送出即可。需要更多現成模板可逛 Prompt 與工具庫。

你是一位電商顧客留存顧問。我會給你一張去識別化的顧客資料表，
欄位包含：顧客編號、最後購買日期、累計購買次數、累計金額、常買品類。
今天日期是 {YYYY-MM-DD}。

請依序完成以下任務，並用表格與條列輸出：

1. RFM 分群
   - 先說明你採用的 R / F / M 分群門檻與理由（用台灣電商常見情境）。
   - 將每位顧客標上分群：新客 / 忠誠客VIP / 沉睡客 / 流失邊緣 / 已流失。

2. 流失預警
   - 計算每位顧客的「平均購買間隔（天）」。
   - 計算「目前距上次購買 ÷ 平均購買間隔」的倍數，作為流失風險分數。
   - 依風險分數由高到低，列出「本週應優先挽回」的前 20 名顧客名單。

3. 分眾訊息
   - 為「忠誠客VIP」「沉睡客」「流失邊緣」各寫 1 則挽回/經營訊息。
   - 每則都要：① 一個明確且相關的回來理由 ② 適合的語氣 ③ 一行行動呼籲。
   - 風格：繁體中文、台灣用語、口語有溫度，避免過度促銷感。

4. 給我 3 條這次資料中最值得注意的留存洞察與下一步建議。

進階用法：把上一輪的發送成效（誰回來了、用哪個版本）一起貼回去，請 AI 比較版本成效並建議下一輪訊息怎麼調，留存就會越跑越準。

台灣中小企業案例：一家保健食品電商的留存翻身

台中一家自有品牌保健食品電商「日初保養」（化名），月營收約 180 萬，長期靠 FB 廣告拉新客，但老闆發現一件可怕的事：廣告費越花越多，營收卻原地踏步。一查資料才知道，七成新客只買過一次就再也沒回來。

他們用上面這套流程做了三個月調整：

1. 把兩年訂單匯出、去識別化，請 AI 做 RFM 分群，發現「該回購卻沒回來」的流失邊緣客高達 600 多人，過去完全沒人理。
2. 保健品是典型補貨型商品，AI 依每位顧客的服用週期，算出「快吃完」的時間點，自動推回購提醒。
3. 把訊息分群：VIP 給專屬會員價與新品優先試用、沉睡客給「你常買的那罐補貨了」、流失邊緣給限時的回娘家禮。

導入前後對照：

老闆的結論很實在：「廣告費沒多花，但因為舊客回來得更勤，這季營收多了快三成。最有感的是那 600 個本來會流失的人，每個月真的有上百個被叫回來。」這套經營邏輯，零售與電商都通用，延伸做法可看 用 AI 規劃顧客旅程。

常見錯誤：留存最容易踩的雷

• 把留存當成「無差別發券」。 對所有人發一樣的折扣，既傷毛利，又讓 VIP 覺得自己跟路人沒兩樣。先分群再溝通。
• 挽回訊息發太密。 短時間連環轟炸，換來的是退訂與封鎖。依購買週期、控制頻率，給人喘息空間。
• 只催單、不給理由。 「快回來買」沒有說服力，「你常買的補貨了／點數月底到期」才有。每則訊息都要有一個相關的理由。
• 資料不乾淨就硬跑。 日期格式亂、重複訂單沒合併，AI 算出的週期就會錯，名單跟著錯。盤點那步別偷懶。
• 做一次就不看數據。 留存是循環，不是專案。沒記錄成效、沒回頭優化，第二輪就只是重複第一輪的猜測。
• 把真實個資直接丟給外部 AI。 分析用去識別化資料就夠，寄送交給合規的行銷工具，個資留在自己手上。

結論：把留存變成每週固定跑的一小時

顧客留存的本質，是把「一次性的交易」經營成「會回來的關係」。過去這件事難在沒人有空盯、盯不過來；現在有了 AI，盤點、分群、算流失分數、寫分眾訊息，整套可以濃縮成你每週固定花一小時就能跑完的流程。

別再讓辛苦拉來的客只買一次就消失。從今天就把訂單整理成一張表、跑一次上面的 Prompt，先把那批「該回來卻還沒回來」的名單抓出來——通常光是這一步，就能讓你看見過去被白白漏掉的營收。接著把它接上自動化、每輪用數據優化，舊客就會一個個變成幫你帶客的鐵粉。

延伸學習：用 AI 做顧客分群、用 AI 做新顧客導入、用 AI 寫會被打開的行銷信，以及更多 自動化工作流範本。

常見問題 FAQ

延伸閱讀

• 用 AI 做顧客分群（RFM 與分眾經營）
• 用 AI 規劃顧客旅程地圖
• 用 AI 做 Email 行銷自動化
• 用 AI 寫一封會被打開的 Email 行銷信
• 用 AI 做新顧客導入（Onboarding）