廣告費花了,新客卻只來一次就消失!問題出在哪裡?|經管備忘錄

分享
廣告費花了,新客卻只來一次就消失!問題出在哪裡?|經管備忘錄

廣告 ROAS 漂亮,但新客只買一次就消失!問題通常不在投放,而在首購商品策略。當第一次接觸品牌是透過大幅折扣,客人的價格認知就已經錨定在折扣價,後續要讓他回購正價商品,難度會高很多。

(本文刊登於關鍵評論網)


你的廣告,真的在釣對的魚嗎?

以一個創立約四年的台灣花草茶果乾品牌為例。這個品牌有自己的官網電商,同時在 momo 與蝦皮上架,員工七、八人,每月營收約 250 萬。官網和平台零售約佔七成,其餘來自節慶企業禮盒訂單,農曆年、母親節、中秋的伴手禮採購,是品牌每年最穩定的獲利來源之一,單張企業訂單金額往往在五千到兩萬元之間。

老闆對品牌有清晰的定位,主打無添加、職人選材、有溫度的生活感,核心商品是一系列有故事的手工調配茶品,零售客單價約在 600 到 1,200 元之間。品牌已累積一定的會員資料,官網後台可以看到每一筆訂單對應的客戶資訊與消費記錄。

為了持續拉新,品牌每月投入約 8 萬元在 IG 廣告,主打一款定價 199 元的「五入試喝體驗組」,強調「第一次嘗試零負擔」。廣告期間 ROAS 表現漂亮,首購轉換率讓老闆很滿意。

但老闆開始注意到一件事:整體會員數持續增加,官網的整體回購率卻遲遲沒有跟著提升。

如果進一步探究,這個品牌面臨了三個層面的盲點。

你有沒有想過:廣告新客和自然流量新客,回購率一樣嗎?

老闆從來沒有區分「透過廣告試喝組進來的新客」與「從 SEO 或口碑自然流量進來的新客」,這兩群人後來的消費行為究竟有何不同。

若能透過廣告專屬折扣碼,在官網後台標記首購來源,再追蹤這兩批人在 3 到 6 個月內的回購差異,很可能會發現:自然流量進來的客人,回購率遠高於廣告帶進來的試喝族——因為前者是帶著需求主動找來的,後者是被便宜吸引進來的。

每個月 8 萬元的廣告費,有多少比例是在為不會回來的人買單?老闆完全不知道。

帶路商品把品牌定價錨定太低

199 元的試喝體驗組,把這個品牌的「入場價格」錨定得太低。衝著這個價格下單的客人,對品牌的印象從一開始就是「這是個划算的試喝選項」,而不是「這是一個值得長期支持的職人品牌」。

當他們下次回到官網,看到正常售價的手工調配茶品,第一個反應不是「我想試試看」,而是「怎麼比之前貴這麼多」。品牌花了心力塑造的質感與價值,在 199 元的第一印象面前,幾乎使不上力。

廣告在釣的客人,根本不是你真正要養的那群人

仔細觀察這個品牌的獲利結構,支撐業績的高價值客群有兩種:一是節慶採購的企業客戶,一是認同品牌理念、會固定回購正品的長期熟客。這兩種人,從來都不是被 199 元廣告吸引進來的。

他們是透過口碑推薦、搜尋品牌故事、或在市集親身體驗後才決定信任這個品牌的。

廣告每個月花 8 萬元,持續把預算投入一個與品牌真正客群完全不同的受眾池,不只買不到對的客人,還可能稀釋了品牌在市場上的精品形象。每個月 8 萬元的廣告費,買到的是漂亮的 ROAS 數字,但不是這個品牌真正需要的客人。


那要怎麼破解?三件可以立刻開始做的事

在說做法之前,有一個前提要先釐清:你得先能認出這個客人是誰。如果 POS 還沒有綁會員,或是根本沒有客戶身份識別機制,下面三件事都只是空談。建立「你認得出客人」的基礎,才是真正的第一步。

一、精準追蹤管道品質


在訂單系統中利用 UTM 或專屬促銷碼標記新客的首購管道,並繪製新客在首購後 7、14、30、60、90 天的留存曲線。藉由比較不同來源新客的後續貢獻,將行銷預算果斷轉移到能帶來「高品質、高回購」客戶的渠道上,不是看誰帶進最多首購訂單,而是看誰帶進最多會回來的客人。

二、重新設計帶路商品的任務

帶路商品可以存在,但它的任務是讓客人進門,不是讓客人只買這個就離開。在引流設計上,搭配品牌核心商品,例如試喝組加購正品享折扣、廣告主訴求從低價改為品牌故事與產品理念,讓客人從第一次消費就碰觸到品牌真正值得記住的那一面。

三、建立新客護送時間軸

找出你的行業裡,新客從首購轉化到二購的平均時間間隔,並在這個關鍵窗口主動出擊。首購後第 14 天或 30 天,透過 LINE 訊息或 EDM 進行觸及,主題不是發折扣券催購,而是讓他想起「這個品牌有什麼是我還沒試過的」。第一次回購的機率在首購後 30 天內最高,錯過這個窗口,留存難度會大幅上升。


如果這個花草茶品牌把廣告主視覺從「199 元試喝」改成品牌選材的故事,ROAS 短期或許會下滑,但三個月後,回購率應該會開始動。

廣告 ROAS 只能告訴你有多少人第一次掏錢,卻沒辦法告訴你,你買到的究竟是哪種人。

這是我觀察中小零售業廣告策略時,最常想問的一個問題:你知道廣告帶進來的,和你真正想要的客人,是同一群人嗎?

如果你想把自己的廣告名單拆開來看,帶著這個問題來:

60分鐘諮詢,幫你解一個問題

本文獲刊媒體: 廣告投報率數字漂亮,新客消費後卻不回購,問題出在哪裡?|關鍵評論網,2026年5月



延伸閱讀

FAQ

Q:帶路商品一定不能用嗎?折扣活動是否會傷害品牌?
A:帶路商品可以用,關鍵是「它只負責讓客人進門」,不能是客人對品牌的唯一印象。設計上要搭配品牌核心商品的曝光,讓客人第一次接觸就碰到你真正有競爭力的東西。

Q:怎麼知道廣告帶來的新客,回購率比自然流量差多少?
A:最簡單的方式是用廣告專屬折扣碼或 UTM 標記來源,再在後台比較「這批客人」與「其他來源客人」在 30、60、90 天內的回購行為。不需要複雜工具,有訂單後台就能做。

Q:新客護送期應該設多長,什麼時機再聯繫最有效?
A:一般建議在首購後第 7、14、30 天各有一次觸及,內容不是催促折扣,而是讓他們想起品牌的其他面向,新品介紹、使用情境、季節推薦。第一次回購的機率在首購後 30 天內最高,錯過這個窗口留存難度會大幅上升。


本文作者有 18 年企業現場營運管理經驗,專注中小零售業的指標診斷與獲利結構優化。

Read more

櫃姐一離職,熟客就跟著走?客戶名單怎麼留在公司

櫃姐一離職,熟客就跟著走?客戶名單怎麼留在公司

以前曾遇過公司的百貨專櫃要撤點,有位績效非常好的美容師不願調整服務地點,離職後其他美容師轉述,她在外面開了工作室,而她服務過的客人都沒再回來。當時附近還有其他櫃位,客人的會籍也直接幫忙轉了過去,地點沒差多少,還是有部分熟客就是沒有出現。 撤櫃掉客,在有百貨櫃的品牌並不少見。多數人的第一個反應,是趕快把會籍轉到最近的櫃點,地點的問題解決了,客人應該就會回來,但這個做法只處理了其中一種流失。轉會籍接得回跟著地點的客人,跟著人走的熟客,換了地點也不一定回來,要靠名單從源頭就歸公司才留得住。 轉了會籍,為什麼還是有客人沒回來? 撤櫃後沒回來的客人,大致可以分成兩種。 一種是跟著地點的。來這個櫃,是因為離家近、下班順路,或是逛百貨時順便。這類客人在意的是方便,櫃撤了,只要附近還有差不多方便的地方,轉會籍、再給一點轉櫃的禮遇,多半願意過去。 另一種是跟著人的。來這裡,是因為熟悉的那位櫃姐或美容師,自己的膚況、用過什麼、上次說過哪裡不滿意,對方都記得,換一個新的人,等於要從頭講一次。這類客人在意的不是地點,所以新櫃點再近也不一定會去;如果原本那位櫃姐換了品牌,或像前面那位美容師自己出

你的數字該找誰覆核?三個條件決定找內部還是外部

你的數字該找誰覆核?三個條件決定找內部還是外部

你把訂單資料倒進 AI,回購率、客單價都算出來了,報告完整,讀起來也合理。接下來你要拿這個數字調整明年的會員預算。 數字檢查與覆核這件事本身沒什麼好討論的,該做就是要做。比較難的是找誰。 以我的經驗,公司裡如果有符合下面三個條件的人,讓他先看過一遍,通常比找外面的人有用。三個條件有缺,才是外部的人能派上用場的時候。 以下這三個條件是我這些年經驗整理,提供參考。 數字沒有被看過一遍,會發生什麼? 同一份乾淨的訂單資料,光是「分母要不要把新客算進去」這一個選擇,回購率就可以差 6 個百分點(回購率怎麼算那篇有完整的計算)。29% 和 35%,這個差距大不大,要看你拿它來做什麼。 麻煩的其實不是這 6 個百分點,是報告上不會寫它用的是哪一種算法。當你拿它跟去年比、跟同業比,或是交給下一個接手的人,比較的基準可能根本不一樣。 而且這種錯誤不會自己浮出來。它不像系統當機那樣當場報錯,會安靜地待在報告裡,等到預算花完、活動辦完、數字還是沒動的時候,才會有人回頭問「當初那個數字是怎麼算的」。 《哈佛商業評論》

當 AI 越來越聰明,你覺得越累還是越輕鬆?

當 AI 越來越聰明,你覺得越累還是越輕鬆?

前陣子我用 AI 討論一篇文章的方向,來回改了四五輪。它每一版都寫得完整、讀起來也站得住,但我每一版都得停下來想:這個論點的根據是什麼?跟我在現場看過的對得上嗎? 結果是:這次花的時間雖然比我自己從頭寫來的少,但耗費的精神比較多。操作輕鬆了,判斷點卻變更多。 如果你也有這種感覺,用得越順、產出越快,但一天下來腦袋更沉,那不是你的錯覺,也不是你不夠會用。 為什麼用 AI 反而更累? 波士頓顧問公司(BCG)的研究團隊在 2026 年 3 月的《哈佛商業評論》發表了一項調查,把這個現象命名為 AI brain fry,中文可以譯作「AI 腦過載」,定義是:因為過度使用或監督 AI 工具,超出個人認知容量所產生的心理疲勞。[註1] 研究調查了 1,488 名美國全職工作者。在有使用

回購率怎麼算?同一份資料,卻算出兩個數字

回購率怎麼算?同一份資料,卻算出兩個數字

前陣子有人問我,他們總經理自己會用 AI,把訂單資料倒進去就算出了客單價和回購率,報告很完整。現在公司要照這個數字調會員經營的預算,但他心裡不踏實,因為他沒看到過程。 他問我要怎麼質疑這個數字。而這件事的難處在於:定義沒有寫下來,就無法對答案。 要說一個回購率不對,得先講得出對的算法長什麼樣,否則對話會停在「你覺得怪」跟「我覺得沒問題」,誰也說服不了誰。而回購率這個指標的麻煩就在這裡:它沒有唯一的算法。同一份乾淨的訂單資料,兩個人用兩種定義去算,可以差好幾個百分點,而且兩個都對。 如果你自己就是那個把資料倒進 AI 的人:你可能不會知道自己沒問什麼。 所以這篇先把回購率的定義拆開講,再講拿到一個回購率數字的時候,可以從哪裡檢查。 1. 回購率怎麼算? 1.1 回購率的公式是什麼? 回購率衡量的是「客人買過之後,有沒有再回來」。最常見的寫法是: 回購率 = 重複購買的客戶數 ÷ 客戶總數 × 100% 公式本身沒有爭議,爭議在分子跟分母各自該放誰。 1.2 分母要不要算進新客?