老客回購喚醒自動流

🎯 這條流程解決什麼

開發一個新客的成本，往往是維繫一個舊客的五到七倍。你花大錢買廣告、做活動，好不容易把人引進來成交了一次，然後呢？絕大多數中小電商的答案是「然後就沒有然後了」。顧客買完那一次，就被丟回茫茫人海，下次他想到要回購時，可能早就忘了你的店名，轉頭被別家的廣告攔截走。手上明明躺著一份成交過、信任過、知道你商品好不好用的顧客名單，這是全店最值錢的資產，卻被完全放生。

問題出在「沒人有空管」。要做好回購經營，理論上你得追蹤每一位顧客上次買是什麼時候、那類商品大概多久會用完、誰已經超過回購週期該喚醒了、誰還很活躍不該打擾。一間店累積幾千個顧客，靠人工在訂單後台一個個比對最後購買日、再手動分群寄信，根本是不可能的任務。於是大多數店家要嘛全店一起發同一封促銷信（活躍客被疲勞轟炸、沉睡客根本沒被針對），要嘛乾脆什麼都不做，眼睜睜看著一次性買家流失。

這條流程把回購經營自動化。系統每天掃描訂單資料，依每位顧客的最後購買日和回購週期，把人分成活躍、瀕沉睡、沉睡三群；AI 依過往訂單推薦合適的回購品項，沉睡客附上限時喚醒折扣，不同客群寄不同訊息——活躍客收到的是新品或加購提醒，沉睡客收到的才是折扣喚醒，避免對還願意原價買的活躍客亂打折侵蝕毛利。分眾文案可參考站上的 電子報 配方，更多 CRM 自動化的搭配可看 自動化專區。

導入後的改變

導入前，顧客名單是一池死水：成交一次後就再無互動，回購全憑顧客自己想起來，回購率低且不可控。偶爾老闆想到要做活動，就全店無差別群發，結果活躍客覺得被疲勞轟炸、退訂率升高，真正該被喚醒的沉睡客反而淹沒在裡面沒被有效觸及。

導入後，每一位顧客都被放進對的節奏裡，在「快忘記你」的那個時間點適時喚醒。效益估算上，導入分眾回購喚醒後，沉睡客的回流率常見可達一到兩成——這群人原本幾乎全數流失，現在每喚回一個，都是零廣告成本的純賺。以一間累積三千名顧客、其中約三成進入沉睡的店為例，每月針對到期沉睡客發送喚醒，若回流一成，就是每月多出數十筆訂單，且全部來自既有名單、不花一毛廣告費。同時因為活躍客不再被亂折扣轟炸，整體退訂率下降、毛利更健康。人力方面，原本不可能人工執行的逐客分群與發送完全自動化，CRM 行銷從「有空才做、做了也亂槍打鳥」變成「每天精準運轉」。

流程怎麼運作

第一步・每日掃描。 排程每天定時觸發，讀取訂單資料庫，比對每位顧客的最後購買日與該商品類別的回購週期（例如保健品約一個月、保養品約兩個月、寵物糧約三週）。

第二步・分眾標記。 依消費頻次與距上次購買的天數，把顧客分成三群：仍在回購週期內、近期有互動的「活躍客」；剛過回購週期、開始有流失徵兆的「瀕沉睡客」；已遠超週期、長期沒回來的「沉睡客」。分群決定了接下來要對誰說什麼話。

第三步・AI 推薦商品。 AI 分眾節點讀取顧客的過往訂單，推薦最合適的回購品項——買過貓砂的推同款或升級款、買過精華液的推搭配的乳液，讓喚醒訊息精準命中需求，而不是亂推一通。

第四步・專屬優惠。 針對沉睡客附上限時喚醒折扣，製造回流誘因與急迫感；瀕沉睡客可給較小誘因或純提醒；活躍客則不給折扣，只做新品或加購推薦，把折扣留給真正需要被拉回來的人。

第五步・分眾發送。 透過 Email 或 Line，不同客群寄不同訊息與誘因，每封都附明確退訂選項，活躍客不被打擾、沉睡客被有效喚醒。發送後可標記成效，回流的顧客重新進入活躍群，形成持續循環。

需要的工具與串接重點

平台用 n8n 或 Make 都可以。訂單資料庫是整套流程的基礎，無論是電商平台後台、Google Sheet 還是專門的資料庫，必須能讀到每位顧客的訂單明細與日期。排程模組負責每日掃描。AI 分眾節點接 AI 模型，負責商品推薦與文案個人化，提示詞裡要放入品牌語氣與商品資訊。Email 或 Line 官方帳號則是觸及通道。

串接重點：一是回購週期要依商品類別分別設定，把保健品和家電用同一個週期，喚醒時機就會全錯；二是分群邏輯要清楚，活躍與沉睡的天數門檻先想好，避免把還活躍的客人誤判成沉睡而亂發折扣；三是發送前要回查該顧客近期是否剛下單，剛買完的人不該收到喚醒信。

常見錯誤與注意事項

這條流程涉及顧客的消費紀錄與個資，分眾與發送務必遵守訊息發送頻率與退訂規範，每封信都要附明確退訂選項，Line 推播也要符合官方帳號的訊息政策，否則可能違反個資與行銷相關規定。顧客的訂單資料僅供本店 CRM 用途，不可外流或轉售。折扣的發放金額與數量建議先設上限，並由人工確認喚醒名單與折扣策略後再送出——這類涉及金流與折扣成本的環節需人工把關，不可全交給自動化裸跑，否則設定錯誤可能造成大量超額折扣的損失。另一個常見錯誤是「對活躍客也猛塞折扣」，這會訓練顧客故意拖延等優惠、侵蝕毛利，折扣應該精準留給真正需要被喚回的沉睡客。

台灣中小企業情境案例

新竹一間賣手沖咖啡豆的網路店，老顧客回購週期大約一個月——豆子喝完就該補。導入前，老闆完全沒在追蹤誰該補豆了，全靠顧客自己想起來，很多老客喝完一包後就被別家的折扣廣告勾走，再也沒回來。他手上明明有上千筆訂單名單，卻不知道怎麼用。導入這條回購喚醒流程後，系統每天掃描，誰超過一個月沒回購就自動標記為沉睡客，AI 依他上次買的豆子推薦同款或新到的莊園豆，附上一張限時九折券；還在回購週期內的活躍客則只收到新品上架通知、不打折。跑了一個月，原本沉睡的客群回流了約一成五，等於白白賺回幾十筆原價邊緣的訂單，而活躍客因為沒被亂折扣，反而更願意原價嘗鮮新豆。老闆說，他終於把「賣過一次」變成「一直在喝我的豆子」。

延伸應用

這條流程的架構可以延伸出更細緻的顧客經營。把分群再細化，導入 RFM（最近一次消費、頻率、金額）模型，對高價值老客給專屬 VIP 待遇而非一視同仁的折扣；把「回購喚醒」往前接上「首購後培養」，新客成交後自動排程教學與使用建議，提高第一次回購率；也能接上前面的棄單挽回與出貨通知，讓顧客從第一次瀏覽到長期回購都在自動化的關照之中。想把獲客、轉換、回購、會員串成一整套顧客生命週期經營，可以逛逛 任務食譜 與 工作流總覽，依品牌階段挑出合適的模組組裝起來。

流程圖

用到的工具

更多「零售商店」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 →