會員回購喚醒經營流

🎯 這條流程解決什麼

老客戶是烘焙坊真正的命脈。開發一個新客的成本，往往是喚回一個老客的好幾倍，但偏偏老客的流失最不容易被察覺——他不是生氣離開，而是「上次買豆是兩個月前、家裡早就喝完，卻沒想到要回來」。這種無聲的流失每天都在發生，而靠人腦根本記不住每一位會員的消費節奏。

問題在於：多數小店的會員資料只是一份「有買過」的名單，沒有人有時間去分析誰快喝完了、誰已經很久沒來、誰還在活躍。於是行銷不是亂槍打鳥（全體會員發同一張優惠券，活躍客被打擾、沉睡客無感），就是乾脆不做。前者傷品牌、稀釋利潤，後者眼睜睜看著回購率往下掉。

若要人工做好分群經營，店家得定期匯出消費紀錄、用試算表算出每個人的回購週期、判斷誰該喚醒、再一個個寫貼近他口味的訊息——這在只有幾百名會員時就已經吃力，上千名根本做不來，光是整理名單一輪就要耗掉大半天。這條流程讓系統自動算出每位會員的回購週期、揪出快斷糧與沉睡客，再由 AI 寫出貼近他口味的喚醒訊息，把行銷力氣精準地花在對的人身上。

導入後的改變

導入前，會員經營要嘛沒做、要嘛全體群發。沒人知道誰快斷糧、誰已沉睡，優惠亂發既騷擾活躍客又喚不醒沉睡客，回購率緩慢下滑卻找不出原因，店家對「老客為什麼不見了」毫無頭緒。

導入後，每週系統自動掃描會員消費紀錄、分群標記回購時機，AI 依分群與每人愛喝的豆款生成個人化喚醒訊息與對應優惠，門市只要確認名單與額度就能推播。合理估算下，整理與撰寫的人工時間從每輪大半天壓到不到一小時；因為訊息打在「剛好快喝完」的時機、又貼近顧客口味，沉睡客喚醒率與整體回購率有機會提升一到兩成；優惠也不再亂撒，活躍客不被打擾、沉睡客拿到真正有感的誘因，行銷預算花得更有效率。

流程怎麼運作

整條流程對應 frontmatter 的五個節點：

1. 觸發：每週掃描：排程定期讀取會員資料庫，取出每位會員的消費頻率與最近一次購買日。用「每週」是因為咖啡豆的消耗以週為單位較合理，掃描太頻繁反而容易過度打擾。

2. AI 分群判斷：依消費頻率與最近購買日，把會員區分為活躍、快斷糧（依過往回購週期推算差不多該喝完了）、沉睡客（長期未回購），並標記各自的回購時機，作為後續文案與優惠的依據。

3. 生成喚醒文案：AI 文案節點依分群與該會員過往愛喝的豆款，生成個人化的回購訊息——例如對快斷糧客提醒「您常喝的那支差不多該補貨了」，對沉睡客則用較有誘因的問候，並附上優惠建議。

4. 綁定限定優惠：依分群配發對應的優惠券（活躍客小回饋、沉睡客較高誘因），但額度與發送名單一律待門市人工確認，避免優惠失控或發錯對象。

5. 排程發送：經門市確認後，透過 LINE 官方帳號或 Email 推播給會員，並記錄發送與回應結果供下輪優化。

需要的工具與串接重點

平台用 n8n 或 Make 跑每週排程與分群邏輯。會員資料庫 Google Sheet 是核心，存放每位會員的消費紀錄、回購週期與偏好豆款；AI 文案節點負責分群後的個人化撰寫；優惠券系統對應分群配券；LINE 官方帳號 / Gmail 作為推播管道。

串接重點：第一，回購週期最好依「品項」推算，不同豆款、不同包裝克數消耗速度差很多，一律套同一個週期會失準。第二，分群與文案生成後一定要進「待確認」狀態，由門市核對名單與優惠額度再發，不設全自動推播。第三，要設「冷卻期」——剛收過喚醒訊息的會員短期內不再重複打擾，避免變成騷擾。優惠內容可結合 配方教學 提升黏著（例如附上新豆的沖煮建議），整體串接設計觀念見 自動化專區。

常見錯誤與注意事項

• 個資合規、僅供內部使用：會員消費紀錄與聯絡方式屬個人資料，分群與名單僅供內部行銷使用，務必合規保存、不外流、不轉售。
• 優惠與名單人工確認：優惠額度與發送名單請由門市人工確認後再推播，AI 不取代人為的經營判斷，避免折扣失控或發給不該發的對象。
• 別過度打擾：設冷卻期與發送頻率上限，沉睡客喚不醒就降頻，而非反覆轟炸，否則容易被封鎖或退訂。
• 訊息要真誠不浮誇：AI 文案要貼近顧客口味、語氣自然，避免明顯的罐頭推銷感，否則反而提醒顧客「我被當成行銷名單」。
• 分群依據要對齊：消費頻率、回購週期的計算邏輯要先和實際品項對齊，分群才準。

台灣中小企業情境案例

桃園一間會員制咖啡店，累積了上千名會員，老闆心裡清楚「很多老客好久沒回來」，卻一直沒時間一個個分析。過去促銷都是全體群發同一張折價券，活躍客嫌煩、沉睡客無感，效果平平。導入這條流程後，系統每週自動分群，把快斷糧與沉睡客挑出來，AI 依各自愛喝的豆款寫好喚醒訊息與對應優惠，老闆只要在 LINE 上核對名單、確認折扣額度就能發送。兩個月後，原本沉睡的會員陸續回流補貨，回購率明顯回升，老闆也發現「把折扣集中給對的人」比全體亂發更省成本、效果更好，過去最難量化的老客流失第一次被有系統地接住。

延伸應用

這條流程可以再深化：把分群結果接上自動化的「訂閱制」推薦，對穩定回購的快斷糧客直接提案訂閱方案，鎖住長期回購；也能依季節與新豆上架，對偏好相符的分群做精準新品推播。前端的新客諮詢可串接 豆款諮詢自動配對流，把首單顧客的偏好資料一路帶進會員經營，形成「諮詢成交→偏好建檔→回購喚醒」的完整循環。想看更多餐飲與電商的自動化點子，可瀏覽 更多工作流 與 食譜配方庫。

會員消費紀錄與聯絡方式屬個人資料，分群與名單僅供內部行銷使用、務必合規保存，優惠額度與發送名單請由門市人工確認後再推播，不取代人為經營判斷。

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 →