肉舖回購提醒與沉睡客喚回

🎯 這條流程解決什麼

肉舖的營收結構裡，固定回頭客是真正的金流命脈。一個每週固定來買三五百元的家庭客，一年就是兩三萬的穩定貢獻，而且幾乎沒有獲客成本。問題是，這群人一旦悄悄流失，店家往往是最後一個知道的。

顧客不會跟你說再見。他可能只是某次經過別家順手買了、覺得也不錯，就慢慢轉移；也可能只是忙、忘了補貨，斷了原本每週的習慣。不管哪種，店主常常要等好幾週、甚至一兩個月才隱約覺得「最近怎麼少了個熟面孔」，這時客人的購買習慣早就斷了，要再拉回來，成本是維繫舊客的好幾倍。

要靠人工去盯「誰多久沒來」幾乎不可能。一家肉舖動輒幾百個熟客，沒有人能記住每個人上次來是什麼時候、多久該回購一次。結果就是回購經營只能放著不管，眼睜睜看著客人一個個無聲流失。這是一條一直在漏、卻看不見的金流破口。

導入後的改變

導入前： 客人無聲流失，店主幾週後才察覺；無法掌握誰該回購、誰已沉睡；回購經營全憑運氣，流失客幾乎不再主動接觸。

導入後： 系統自動分析每位會員的消費週期，AI 推估誰快到補貨日、誰已變沉睡客，在對的時間自動推播對的訊息。可預期沉睡客的喚回率明顯提升、活躍會員的回購週期更穩定，原本會默默流失的客人有相當比例被在源頭接回；而這一切幾乎不耗店主時間，每天系統自動掃描、整理名單，店主只要審核按送出。最實際的價值是：把「等客人想起我」變成「在他該回購時主動出現」，用極低成本守住回頭客這條最賺的金流。

流程怎麼運作

1. 分析週期（🗓️） — 排程定期讀取會員消費表，計算每位顧客歷次消費的間隔，推估其大致回購週期（例如某客平均每 7 天買一次牛肉）。
2. 預測回購（🤖） — AI 週期分析節點判斷三種狀態：快到補貨日的「活躍客」、剛超過週期的「警戒客」、久未回店的「沉睡客」，據此分流後續動作。
3. 回購提醒（💌） — 對快到補貨日的客人，在預估補貨日前透過 LINE 推播他常買部位的到貨訊息與小優惠，剛好踩在他想補貨的時間點。
4. 喚回名單（😴） — 把超過週期數倍、判定為沉睡的客人整理成喚回名單，搭配較有感的專屬好康（如老客回娘家折扣），給一個回來的理由。
5. 人工確認（✋） — 店主審核訊息內容與發送名單，控制頻率與優惠尺度，避免過度打擾老主顧。

需要的工具與串接重點

• 平台（n8n / Make）： 用排程每日或每週掃描、判斷、推播，全程自動；n8n 自架較能保護消費資料。
• 會員消費表 / Google Sheets： 流程的資料根基，需有每位會員的歷次消費日期與品項，建議與「會員消費紀錄與點數」流程共用同一份資料庫。
• AI 週期分析： 推估回購間隔與沉睡判定，prompt 要設定合理門檻（如超過平均週期 2 倍視為警戒、3 倍視為沉睡），並排除節慶等特殊消費的干擾。
• LINE 官方帳號： 回購提醒與喚回的觸達管道，台灣肉舖客群接受度最高。

串接重點：回購週期因人而異，別用一刀切的天數；資料量太少的新客先別套用預測，累積幾筆消費後再納入；所有推播先進「待審」清單。

常見錯誤與注意事項

• 個資與行銷合規是前提。 回購預測與推播須以顧客同意蒐集的消費紀錄為基礎，並遵循《個人資料保護法》與通訊行銷相關規範，AI 不取代店家對個資合規的把關。
• 發送頻率務必克制。 為了喚回而疲勞轟炸，只會換來封鎖與反感。發送頻率與名單務必由店主人工確認，避免造成騷擾，AI 不取代對顧客關係的判斷。 同一客人短期內勿重複催。
• 優惠不能傷毛利也不能寵壞客人。 喚回好康要拿捏，太常給沉睡優惠，反而訓練客人故意不來等折扣。
• 週期判斷要排除雜訊。 節慶大單、一次性大量採購不該被算進日常回購週期，否則預測失準。

台灣中小企業情境案例

高雄一家社區肉品店，老闆原本完全沒在做回購經營，覺得「客人想來自然會來」。導入這條流程後（共用會員系統的消費資料），系統每週自動掃描，某次抓出四十多位「平常每週都來、但這兩週突然消失」的警戒客，老闆對他們推播了常買部位的到貨訊息，一週內回流近七成。另外整理出二十位超過一個月沒來的沉睡客，發了「老客回娘家、來店送一包香腸」的喚回好康，回來了八位，其中三位又恢復每週採購的習慣。老闆算了一下，光是把這些差點流失的熟客接回來，多回的營收遠超過送出去的香腸成本，直呼早該做。

延伸應用

這條流程和會員系統是天作之合，可以再延伸：把回購預測接到進貨規劃，依「本週預估回購人數 × 常買部位」反推該進多少貨，減少缺貨與損耗；對長期高頻客自動標記為 VIP，給專屬服務；把喚回成效（發了多少、回來多少）回寫成報表，持續優化訊息與時機。想搭配會員點數或預訂自取一起經營，可參考 /workflows 其他肉舖流程、到 /recipes 找顧客回流食譜，或從 /automation 了解如何把消費資料、週期分析與 LINE 推播整合成一條無人值守的自動化流程。

流程圖

用到的工具

更多「餐飲美食」工作流

瀏覽全部工作流藍圖 → 自動化工作流中心 → AI Skills 食譜庫 →