用 Agent Skill 統一會員分群命名：主力客、沉睡客不再各說各話

行銷團隊最隱性的混亂，是每個人心裡的「沉睡客」都長得不一樣。這篇示範怎麼用一支 Agent Skill 把分群定義與命名寫成共識，讓 AI 照同一套標準產出貼標建議。

同一個「沉睡客」，三個人三套判斷標準

開檔期會議時，常會出現這種對話：企劃說要打「沉睡客」，一個人理解成三個月沒買，另一個人算的是半年沒回來，下游做名單的同事又用了第三套標準。三個人講的是同一個詞，撈出來的卻是三批不一樣的人。

這種混亂不在工具，在定義。每個人對「沉睡」「主力」「高價值」的理解都差一點，累積起來就是檔期溝通對不齊、成效也難比較。把分群的定義與命名寫成一支 Agent Skill（Anthropic 推出的 Agent Skills 本質就是一份可重複使用的工作說明），讓 AI 在產出貼標建議或檢查標籤時照同一套標準，是把這種隱性混亂收斂掉最實際的一步。這篇不談完整分群策略，只處理一件事：怎麼把「群名、定義、使用備註」寫成全隊共用規則。

我看過最貴的誤會，都是從一個詞開始的

帶團隊這些年，我發現最花成本的誤會，常常不是策略錯，而是大家以為在講同一件事。

「主力客」這個詞，行銷、營運、廣告投手心裡各有一把尺。會議上講得很熱烈，散會後各做各的名單，最後成效對不起來，又花一輪時間去釐清到底誰算的對。把這把尺寫下來、變成一支共用的 Skill，省下的不只是貼標時間，是這些反覆對齊的內耗。

一支好的分群命名 Skill，要寫清楚三件事

把分群命名做成 Skill，核心是把腦中那把尺寫到不會誤解。要寫清楚三件事。

這三件事寫清楚，AI 在整理名單或貼標建議時，就會照同一套邏輯，而不是每次重新猜你的意思。經理人提過，Skill 的價值就在於把一套做事方法保存成可重複呼叫的檔案，分群命名正是最適合這樣固定下來的工作之一。

怎麼做：把分群規則寫成一支 Skill

實際操作可以分成幾步，過程不需要寫程式。

第一步：先跟團隊把定義喬定。 這步是人的工作，不是 AI 的。把「沉睡客是幾天沒買」「主力客的門檻是什麼」這些定義，在團隊內先達成共識。Skill 只能忠實執行你給的定義，定義本身要由人拍板。

第二步：把定義與命名寫進 SKILL.md。 用白話把每一群的條件、群名、適用情境寫下來，例如「沉睡客：距上次購買超過 N 天、過去曾購買者；溝通時機為喚醒檔期」。SKILL.md 的格式很簡單，就是一份純文字檔；如果不確定怎麼起手，數位時代有六步驟教學可以照著做。寫得越具體，AI 照做的穩定度越高。

第三步：用真實情境試跑。 丟一批去識別化的會員資料，請 AI 照 Skill 把人歸到對應的群、或檢查現有貼標符不符合定義。看它分得對不對，不對就回頭把定義寫得更明確。

第四步：人複核後再寫回系統。 AI 可以協助產出分群建議、命名建議、或檢查現有標籤一致性。實務上，Skill 應先輸出待審名單或標籤異動建議；真正寫回 CDMP、CRM、會員系統或廣告受眾前，需由具權限的人員確認欄位、名單範圍、排除條件與審核紀錄。

一句話總結這支 Skill 的分寸：它不負責決定分群，也不直接替系統寫回標籤，而是把已拍板的分群定義、命名規則與使用備註寫成可重複執行的工作說明，協助 AI 產出貼標建議、檢查標籤一致性，最後由具權限的人員審核後再寫回系統。

走完這幾步，「沉睡客」就從一個各說各話的詞，變成在資料欄位、查詢期間與排除條件一致的前提下，全隊產出都對得起來的一群人。

為什麼分群命名是數據治理的第一塊地基

分群命名看起來是小事，其實是整個會員經營的地基。

你後面所有的溝通、成效比較、受眾同步，都建立在「大家對同一群人有共識」這個前提上。A 檔期打的「主力客」和 B 檔期不是同一批，成效就沒辦法比；廣告投手拿到的「高價值客」和 CRM 定義的不同，名單品質就打折。把定義用 Skill 固定下來，等於替後面所有分析上了一道一致性的保險，這也是為什麼 當每個品牌都用得到 AI，能把基礎定義整理清楚的團隊後面才跑得快。

還有一個常被忽略的細節：每次調整門檻時，要同步留下版本與生效日期，避免新舊檔期用到不同規則卻沒有紀錄。

一個實際案例：把「沉睡客」寫成全隊同一把尺

以我們團隊服務過的一個案例為例（依保密原則不具名）：一個同時經營官網與門市的服飾品牌，過去行銷、門市、廣告三邊對「沉睡客」各有一套天數，每次檔期撈出來的人都不一樣，成效也難以放在一起比較。我們協助他們把分群定義與命名規則固定成一份共用規範，也就是這篇講的命名 Skill 雛形，讓不同團隊撈名單時照同一把尺。改變最明顯的地方不在某個單一數字，而是檔期溝通不再各說各話，跨月成效終於能用同一個基準比較。

接上品牌既有的分群框架，Skill 才不是憑空造詞

分群命名 Skill 真正有價值，是當它接上品牌既有的會員分群框架，而不是自己發明一套。

如果品牌已經在用 CDMP 或會員經營系統，裡面通常已經有一套成熟的分群邏輯，例如以購買生命週期劃分的主力客、流失客、註冊未購群，或以近期購買意圖高低排序的客群。把這些既有的群名與定義寫進 Skill，AI 整理出來的名單和標籤，才會和你系統裡的口徑一致。這也呼應人機協作的分工：分群的定義與門檻由行銷、營運與數據團隊依商業策略拍板，系統只是承載與執行這套規則，AI 負責照定義穩定地歸類與檢查，最後要不要對某一群出手、用多大力道，還是行銷人判斷。想看分群之後怎麼設計差異化溝通，可以參考十個零售場景裡的腳本設計。

建分群命名 Skill 前，先過這張檢查表

動手前用這幾項對照，避開最常見的坑。

關鍵心法是：Skill 統一的是執行，不是判斷。 群該怎麼定義是人的決策，Skill 確保的是這個決策被一致地執行下去。想更有系統地學怎麼把這類規則寫成 Skill，可以參考 Anthropic 與 DeepLearning.AI 的 Agent Skills 課程。

把那把尺寫下來，全隊才量得出同一個答案

回到開頭那個「三個人三種沉睡客」的會議。

問題從來不是誰算錯，而是那把尺只存在各自腦中、從沒寫下來。把它寫成一支 Skill，這把尺就成了全隊共用的標準，AI 照著量，每個人撈出來的都是同一批人。檔期溝通對得齊了，成效才比得了，預算才配得準。

對零售與電商品牌來說，這是會員經營最不起眼、卻最值得先做的一步。先讓大家對同一群人有共識，後面的精準行銷才有意義。

品牌最常問的分群命名 Skill 問題

Q1：用 Skill 做分群命名，跟手動定義分群差在哪？ A1：差在一致性與可重複。手動定義常停在每個人腦中，換人、換檔期就走樣；寫成 Skill 後，定義變成全隊共用的檔案，AI 每次都照同一套標準歸類，撈出來的人不會因人而異。

Q2：Skill 可以直接幫我把會員貼標嗎？ A2：它可以協助產出分群建議、命名建議，或檢查現有標籤符不符合定義。但要把標籤實際寫回會員系統，仍要先確認資料欄位、權限與審核流程，由人複核過再動，不建議讓 AI 直接寫回。

Q3：分群的定義該由 AI 決定嗎？ A3：不該。群怎麼定義、門檻抓多少，是商業判斷，要由行銷、營運與數據團隊依策略拍板，系統只是承載與執行這套規則。Skill 的角色是忠實執行你給的定義，把它一致地套用下去，而不是自己發明一套分群邏輯。

Q4：我們已經有 CDMP 的分群，還需要做這支 Skill 嗎？ A4：需要，而且更好做。把 CDMP 既有的群名與定義寫進 Skill，AI 整理名單時就會沿用同一套口徑，避免另外長出一套和系統不一致的分群。Skill 在這裡是讓既有框架被一致套用的工具。

Q5：分群命名 Skill 多久要更新一次？ A5：當你的分群定義或經營策略調整時就要更新。例如改了沉睡天數、新增一個客群，就回頭改 Skill。把它當成跟著策略走的活文件，而不是寫死一次的東西。

Q6：小團隊有必要為了命名做一支 Skill 嗎？ A6：如果小團隊已經常重複使用同幾個分群，就值得先做簡版 Skill。先把最常用、最容易產生歧義的幾個群，例如主力客、沉睡客，定義清楚，就能省下大量反覆對齊的溝通成本，不用一次把所有分群都做完。

延伸閱讀

1. Agent Skill 能幫行銷團隊做什麼？10 個零售場景
2. 第一個 Agent Skill 怎麼做？行銷人的每月報表 Skill 手把手教學
3. Agent AI Skill 是什麼？行銷人從 Prompt、MCP 到 Agent Skill 一次看懂
4. AI Agent 是什麼？和 Agent Skill 差在哪，行銷人一次搞懂

如果你想收斂團隊的分群混亂，先挑最常用、最容易產生歧義的兩三個群（例如主力客、沉睡客）定義清楚，寫成第一支命名 Skill。