為什麼追高客單反而讓業績崩?從客戶分級看懂結構警訊|經管備忘錄

分享
為什麼追高客單反而讓業績崩?從客戶分級看懂結構警訊|經管備忘錄

※本文為真實經歷改寫,公司與人物均已匿名化

數據說業績好,為什麼感覺越來越難做?

我當時在星環購物擔任幕僚主管,工作之一是在每年第四季做「指標健檢」。2021 年 10 月,當我翻開年度回顧報告時,一組看似矛盾的數據引起了我的注意:我們的客戶數成長了 12%,新客成交率也從 3.6% 攀升至 5.1%,但整體的淨額業績卻下滑了 4%。

更奇怪的是客戶等級的分佈圖。原本應該穩固的「金字塔型」結構,正迅速向「沙漏型」靠攏。這不像自然的市場波動,比較像結構被什麼東西壓著在變形。

追高客單不一定讓你賺更多——一旦中間客群開始流失,業績結構就會悄悄從金字塔變成沙漏,而你的報表,通常是最後一個告訴你這件事的。

從穩定獲利到業績滑落,轉折點究竟在哪裡?

2019 年的星環購物,狀態還很穩。當時我們採取自由銷售策略,主力商品集中在 1,000 至 5,000 元的「高端美容保養品」,這類產品擁有極強的群眾基礎,高達 76% 的消費人數(約 14.5 萬人)以此為入門。那時,舊客成交率穩定在 22.1% 的高水位,業務員與客戶之間維持著一種「細水長流」的信任感。

轉折點發生在 2020 年初。總公司為了擴大版圖,併購了一家專攻「高端美容」的新事業體。為了協助新事業體快速打開市場,總部下達了強硬指標:業務單位必須全力協助新商品的滲透。

為了達標,業務員做了什麼讓客群生態開始崩解?

面對沉重的達標壓力,業務主管們想出一個看起來聰明、實際上危險的方案:「黃金組合搭銷」。

他們將原本單價幾千元的保養品與新事業體的高價保健品捆綁,組合成萬元起跳的「星環全能套組」。帳面上的效果立刻出現:件單價從 2019 年 9 月的 3,467 元,一年內升到 5,903 元。

「只要賣一套組合,抵過我打十通電話賣單品。」一位資深業務員在訪談中坦言。在達標壓力的驅動下,業務員開始選擇性放棄那些只買得起 5,000 元單品的客戶,轉而狂攻能負擔萬元的客群。

硬拉客單的後果很快顯現。舊客成交率從 22.1% 跌到 17.4%,因為對老客戶而言,原本親民的品牌突然變得「高攀不起」。C 級客戶(消費額 5,000 至 29,999 元)的人數從 2019 年的 33,935 人銳減至 29,859 人。雖然 AB 級客戶看似增加,但數據顯示,這些新晉 A 客的「效期」正在縮短,維持時間從 10 個月滑落至 9 個月。他們往往買了一次萬元組合後,就再也沒有回頭。

我們是否丟失了客戶經營的靈魂?

當我走進業務部辦公室,發現氣氛異常凝重。年輕的專員抱怨:「中價位的訂單沒人要接,因為對業績貢獻太慢;但萬元單又超難成交,開發一個新客要磨半個月。」

我意識到,星環購物正陷入一個 「萬元客單陷阱」:我們靠低單價生活用品拉進大量新客,卻無法將他們轉化為中堅份子(C 級),而是試圖強迫他們直接跳級變成 AB 級。結果,中間的梯隊斷裂了,業績只能靠極少數的高端大單苦撐,這正是業績停滯的核心原因。

業績崩解後如何重建?讓客群生態回到正軌的三個方向

首先是解綁黃金套組怪物,讓搭銷品成為單純的「鉤子」。5,000 至 10,000 元的商品應回歸純粹的保健或護理功能,降低客戶的「購買心理門檻」,並將另一個要搭銷的組合變成單品的體驗,不僅降低消費門檻,也建立一個業務員下次開口的理由。

其次是改變業務員對「低單是服務,中單是命脈」的認知。必須扭轉「只有大單才是業績」的錯誤觀念。對於年資輕的專員,應鼓勵其經營中價位購買保健品的客戶,因為這類客戶的成交機會更高,且後續持續回購的機會遠高於第一次買生活用品的客人。

第三是優化分級誘因。針對 C 級客群設計專屬的回購方案,將其視為品牌最核心的「蓄水池」。


星環的故事,對中小企業的啟示

星環有幾十萬客戶,沙漏化發生了,還能靠開發新客撐一陣子。

中小企業沒有這個緩衝。核心客戶通常就是那兩三百個人,B 級、C 級穩定回購的,往往貢獻了八成的利潤。他們一旦開始悄悄離開,帳面上可能還看不出來,幾筆大單進來,月報表還算好看。等到真正感覺到的時候,通常已經有點晚了。

會員分級,不僅是大企業的標配

很多老闆覺得「會員分級」是有規模才做的事。但星環這個案例說明了,結構一旦變形,要救回來的成本是預防的好幾倍。當時我們花了將近兩季才把 C 級人數拉回來,這還是在我們有先做會員分級的情況下。

對中小企業來說,初期不需要複雜系統。一張 Excel 表,記錄每個客戶最近一次消費、消費幾次、累計花了多少,就是最基礎的 RFM 分級。當你只有一百個客戶的時候,這張表能讓你一眼看出誰是「只買打折品的獵人」,誰是「忠實每季都回來的支持者」

行銷資源少,更不能散彈打鳥

中小企業的另一個現實是:簡訊費、贈品、業務電話的時間,每一塊都有成本。

分級的作用不只是「分析數據」,更實際的是幫你決定:這個錢花在誰身上最值得。D 級新客,自動化訊息引導就夠;C 級成長客,才值得你送一張手寫卡片或親自打電話;AB 級 VIP,那是要專人維護的。

不分級,就是把同樣的資源平均撒給所有人。分了級,你才知道哪個動作該用在誰身上。

💡
廣告花下去,新客進來了,但他們有沒有變成穩定回購的 C 級客?延伸閱讀:廣告費花了,新客卻只來一次就消失

你的客戶,你看得見嗎

星環購物這個案例,最後讓我想到的不是策略,是一件更基本的事:你知道誰在支持你嗎?

分級的本質不是貼標籤,是隨時掌握客人的動向,不要讓他們在追業績的過程中悄悄消失。早一點建立這套眼光,才不會某天翻開報表,才發現最忠實的那些客人,已經不見了。

如果你想把自己的客群結構拉出來看一次,看看中堅客層是在長還是在掉:

三週營運診斷

常見問題

Q:客戶分級要怎麼開始?中小企業沒有複雜系統也能做嗎?
A:可以。最基礎的做法是用 Excel 記錄 RFM 三個維度(最近消費時間、消費頻率、累計金額),即使只有 1000 個客戶,也能找出哪些是穩定回購的 C 級中堅客、哪些已停滯超過平均週期。系統可以之後再升級,分級的思維要從第一天就建立。

💡
不確定 RFM 怎麼建? 延伸閱讀:做了六年生意,卻說不出客人的樣子

Q:我的業績還在成長,需要擔心客群結構嗎?
A:這正是「虛假繁榮」最危險的地方,業績還在長的時候,沙漏化往往已經開始了。建議每季檢視一次 C 級客戶的人數變化,如果穩定回購的中堅客在減少,即使總營收還在成長,也是需要立刻處理的警訊。

Q:提高客單價一定是錯的嗎?
A:不是。錯的是「跳過中間梯隊,強迫客戶直接升級」。正確路徑是讓客戶循序漸進升階,先穩固 D→C 的轉換率,再引導 C→B,而非繞過中間直接衝 AB 級大單。


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?