客戶分級怎麼設計?三件事想清楚再動手|經管備忘錄

分享
客戶分級怎麼設計?三件事想清楚再動手|經管備忘錄

會問到客戶分級的老闆,通常是已經用了一段時間的電商平台或 CRM 系統,手上有資料,但不知道從哪裡深入,覺得有做跟沒做好像一樣。如果你也是這樣,這篇文章就是寫給你的。

後台裡已經有一個「會員等級」的設定,有些系統是預設好的,一開站就有;有些系統讓你自己定義升等門檻。無論哪一種,大多數老闆的實際狀況是:等級在那裡,但從來沒認真想過它代表什麼,也從來沒根據等級做不一樣的事。

客戶分級的設計沒有一體適用的公式,得先弄清楚自己的回購週期、客單價帶和客戶規模,才能設計出真正用得起來的架構。

這篇文章想聊的,就是這件事。


客戶分級管理的核心是什麼?不是打標籤,是資源分配

很多人聽到「客戶分級」,第一個聯想是點數制度或會員禮,買越多、等級越高、回饋越好。這是分級的一種應用,但不是它的核心。

分級真正要解決的問題是:你有限的時間、預算和注意力,要怎麼用在刀口上?

最常見的情況是這樣的:一封促銷通知,發給全名單。忠誠常客和三年前買過一次的人,收到一模一樣的訊息。

你最忠誠的客人,平常不需要折扣也會購買,給他們折扣只是白送,對業績沒有任何加分。更麻煩的是另一件事:這群人在意的不是省了多少錢,是有沒有被你記得、被不一樣對待。結果他收到和所有人一樣的群發訊息,你等於告訴他:你跟其他人沒什麼差別。這段關係的損耗,不是帳面上看得出來的。


系統預設的等級,真的夠用嗎?

大多數套裝系統的升等邏輯以消費累積金額為主。雖然多數平台都可以加入觀察期或有效期的設定,把時間維度帶進升等條件,但多數老闆沒有去調整,或者調了,卻沒有根據自己的回購週期設定合適的門檻。

結果就是:一個去年狂買、今年半年沒有消費的客人,如果你的等級設的是永久有效,他在系統裡還是最高等,但他可能早就在流失;如果你設了有效期,但期間和你的實際回購週期對不上,一樣會誤判。問題不是系統做不到,是設定有沒有配合你的生意邏輯。

而一個三個月前才開始買、頻率很高、但累積金額還沒到升等門檻的人,在系統裡可能還是最低等,但他才是你現在最值得投入的人。

把系統的設定弄清楚,比照單全收預設值更重要。你要知道它幫你看到了什麼、哪些地方還需要你自己補上判斷。


分級的三個維度:近、頻、值

零售業最常用的分級框架叫做 RFM,三個字母分別代表:

  • R(Recency):這個客人上次購買是多久前的事?越近代表關係越活躍。
  • F(Frequency):在固定的觀察期間內,他買了幾次?
  • M(Monetary):他在觀察期間的消費金額。大多數系統都以此直接計算,直觀且夠用。要保持一個意識:如果你的客群裡有大量促銷折扣或退換貨,金額數字會高估這些人的實際貢獻,這不一定要在系統裡解決,但心裡要有數。

三個維度組合起來,看到的不只是「這個人買了多少」,而是「這個人和你的關係現在處於什麼狀態」。


五種常見客戶分級,各需要什麼對應方式?

用 RFM 框架拆解,不同組合的客人需要完全不同的對待方式:

一、忠誠核心客(R 高、F 高、M 高)
最近買過、頻率高、貢獻大。這群人不缺折扣,缺的是被記得。提前告訴他們新品要來了、有個管道能直接找到你、偶爾一句記得他上次買什麼的問候,比任何優惠券都管用。用群發促銷對待這群人,是在浪費讓他們感受到與眾不同的機會。

二、潛力成長客(R 高、F 低、M 中)
最近才買過,但還沒養成回購習慣。這是目前最值得投入的一群。在他們還記得你的時候加強接觸,引導他們完成第二次、第三次購買,習慣一旦養成,後續的維護成本會大幅降低。

三、高頻低貢獻客(F 高、M 低)
常來,但每次只買小東西。這群人對你有黏著度,問題是還沒找到讓他們買更多的理由。商品組合推薦、套組設計、或是引導他們試用不同品類,都是可以嘗試的方向。

四、流失預警客(R 低,但 F 和 M 原本不錯)
以前是忠誠客,但已經有一段時間沒有消費了。這群人值得主動出手,但「出手」的方式很重要。

有針對性的喚回,和群發通知是不一樣的事。群發是:「我們有活動,全館優惠,快來逛!」有針對性是:根據這個人上次買什麼、消失了多久、他的回購週期,給他一條有脈絡的訊息,「你上次帶走的那款最近補了新色」、「距離上次保養快三個月了,需要補充嗎?」重點不在有沒有折扣,而在於對方能感覺到「這條訊息是為我發的」。

在台灣,常見的客戶溝通渠道包含 LINE、簡訊、電子報等。部分 CRM 或電商系統已能直接串接其中一種或多種,讓你把分好的名單轉成個人化訊息;如果你的系統還沒有這個功能,這會是你下一步要確認的工具缺口。

💡
關於客人流失的原因與早期訊號,可以參考:廣告費花了,新客卻只來一次就消失——問題出在哪裡?

五、沉睡名單(三個維度都低)
不是每一個都值得追。在決定要不要投入之前,先回答三個問題:

1.他已經消失多久了? 有沒有超過你這個品類平均回購週期的兩倍以上?

2.他的歷史貢獻是多少? 一輩子只買過一次兩百元的人,和曾經是高頻客但突然消失的人,值得投入的成本完全不同。

3.喚回他需要花多少?簡訊、LINE 推播都有成本,如果喚回率只有 2–3%,算出來每個喚回客戶的實際成本,你才知道這件事值不值得做。


客戶分級前要先思考的三件事

不過分級這件事,真的沒有標準答案。同樣是零售業,食品、保養品、家飾,邏輯差很多。在動手之前,有幾個問題值得先想一下,不然設出來的分級只是看起來有在做。

你的客人多久買一次?
食品耗材可能一個月回購,保養品可能三個月,家飾雜貨可能半年一次。「三個月沒消費」對這三個品類代表的意義完全不同。你的 R 門檻,要根據你自己的回購週期設定,不能套用別人的標準。

你的客單價落在哪裡?
客單兩百和客單兩千,分級的門檻設定、升等條件、值得投入的喚回成本,都是完全不同的數字。

你現在有多少活躍客戶?
這一點常常被忽略:分級不是越細越好。 分太細,每一群人數量太少,根本無法對那個群體做任何有意義的行動。分級的目的是讓你能「對這群人做一件事」,如果一群只有二十個人,這件事幾乎不可能有效執行。


你的電商平台系統能幫你做多深?先看懂分級邏輯

如果你的CRM後台系統具備客戶分級功能,下一步不是馬上去調整等級設定,而是先問:這個系統的分群邏輯,跟我的生意實際運作是對齊的嗎?

部分平台已經有接近 RFM 邏輯的分群功能,也能串接 LINE、簡訊或電子報,針對不同客群設計自動化觸發,但這需要額外的設定和規劃,多數中小企業還沒有做到這個層次。更常見的狀況是:系統用預設值跑著,每個等級收到的行動差不多,分級只是一個標籤。

CRM系統能幫你跑出數字,但哪些人值得投入、哪些先放著、每個等級要做什麼不一樣的事,這些判斷系統沒辦法替你想。

你現在可以做的第一步:打開你的系統,把目前的等級設定看一遍,升等條件是什麼、門檻怎麼訂的、有沒有考慮到你的回購週期。把現有設定看清楚,才知道要補什麼、要調什麼。

如果設定看完了,還是不確定門檻該怎麼訂才對得上自己的生意,帶著這個問題來:

60分鐘諮詢,幫你解一個問題


延伸閱讀


FAQ

Q:客戶分級要分幾類?
A:沒有固定答案,但原則是「每一級都要夠多人、能做一件具體的事」。分太細,每群人數太少,反而什麼都做不了。對多數中小零售業主來說,4–5個等級是比較實際的起點,包括忠誠核心、潛力成長、流失預警、沉睡停滯等。

Q:RFM 分析是什麼?我的電商平台系統有支援嗎?
A:RFM 是以「最近購買時間、購買頻率、購買金額」三個維度評估客戶狀態的方法。部分系統有內建類似報表,部分需要自行匯出資料計算。重點是先理解三個維度代表什麼,才知道系統能幫你到哪一步、哪裡需要補。

Q:電商平台系統的預設會員等級和 RFM 分析有什麼不同?
A:系統升等邏輯以消費累積金額為主,雖然可以設定觀察期和有效期,但多數老闆沒有針對自己的回購週期去調整。RFM 則是從「最近購買時間、頻率、金額」三個維度同時評估客戶狀態。兩者並不衝突,關鍵是你有沒有把系統設定調整到和你的生意邏輯對齊。


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?