美妝品牌 DTC 會員爭奪戰：專櫃、開架、新興 DTC 怎麼搶第一方數據
美妝顧客在百貨試色、藥妝比價、社群看教學，回官網結帳。品牌能否認出付款者，把膚質、色號偏好與跨通路交易接成會員理解？本文對比 L’Oréal、Estée Lauder Companies 與 Rare Beauty 的科技、專櫃服務及社群 DTC 機制，拆解 zero-party data、第一方數據與 OMO 歸戶支援回購的方法，並提出資料地圖、測驗、歸戶、意圖分群與標籤治理行動。
當美妝電商占比跨過四分之一，品牌要搶的是結帳者身分
2015 年，全球美妝零售有 10% 來自電商；到了 2024 年，這個占比已升至 26%。這組對比來自 McKinsey 於 2025 年發布的全球美妝通路圖表。這組數字顯示全球美妝銷售組合明顯轉向電商，也把另一個問題推到經營者面前：品牌能否知道付款的人是誰、她在找哪種膚況解法、何時可能補貨，以及上一次在哪個接觸點得到建議。電商占比上升擴大了數位接觸，但品牌能否辨識付款者，仍取決於交易所有權、登入、同意與資料共享安排。
美妝會員戰的檯面之爭是點數、生日禮與滿額贈；本文主張更該檢查的是「辨識」能力。同一位顧客可能在百貨試色、藥妝店比價、社群看教學，最後回品牌官網結帳。若這些足跡各自留在不同通路，品牌得到的是幾張銷售報表；能在同意與清楚價值交換下認出同一個人，才有機會把一次購買養成長期關係。
團隊的聲音：櫃姐記得她，系統卻不一定記得
91APP 團隊可以先從一個零售現場的典型斷點來看：熟客走回專櫃，服務人員知道她慣用的色號，也記得她對香味的偏好；顧客改到官網購物後，畫面卻仍把她當成陌生訪客。人的服務記憶很細，資料若沒有接上，品牌就無法延續那份熟悉感。
拆開美妝會員戰：交易、偏好、關係三層資料
1. 交易層：品牌能不能認得付款的人
交易資料回答的是「買了什麼、何時買、在哪裡買」。品牌官網與自營門市通常最容易把訂單接到會員身分；百貨專櫃、藥妝店與大型電商則牽涉通路會員、品牌會員及雙方系統。顧客在合作通路完成付款，不代表品牌自然取得可供後續溝通的完整會員資料，實際情況仍取決於會員加入流程、資料權限、系統串接與顧客同意。
這也是專櫃、開架與品牌官網的首要差異。專櫃有高品質服務互動，但交易可能先落在百貨體系；開架能快速擴大觸及，品牌對單一購買者的辨識通常較有限；官網較有機會直接取得帳號與訂單，瀏覽能否連回會員仍取決於登入、識別與同意，品牌也要自行負擔流量、服務與轉換。DTC 的價值因此在品牌能直接掌握交易與服務關係，並建立可持續經營的直接連結。
2. 偏好層：購買結果說不出的事
一筆粉底訂單只告訴品牌顧客買了某個色號，沒有說明她的膚質、妝效偏好、使用場合或仍在考慮的問題。這些資訊若只靠瀏覽行為推測，很容易把「替朋友找禮物」誤認成「本人需求」。
Forrester 在 2025 年對 zero-party data 的說明中，將它定義為顧客有意、主動向品牌提供的資料，可能包括偏好、購買意圖、個人情境與希望品牌如何辨識自己。膚質測驗、色號工具、香調偏好、補貨提醒選項都屬於可用形式。重點不在多問幾題，而是顧客回答後能立刻換到有用的建議，並清楚知道資料將如何被使用。
3. 關係層：資料有沒有回到下一次服務
資料被收進系統，還不等於會員關係已經成立。顧客願意留下膚況與偏好，是期待下一次少做重複說明，收到更合適的內容，也能在不同接觸點被正確服務。品牌若仍對所有人發同一張折價券，測驗就只剩名單蒐集。
美妝的回購節奏也不整齊。底妝、保養、香氛與彩妝新品的購買間隔不同，同一位顧客還可能同時處於「精華液快用完」與「口紅剛買完」兩種狀態。把客戶資料放到行銷動作之前，才能讓品牌依品類、生命週期與意圖安排訊息，避免會員制度只在結帳時算點。
三種會員訊號取得機制：大集團、專櫃集團與新銳品牌怎麼認人
案例 1：L’Oréal，把開架觸及接進多品牌科技體系
L’Oréal 消費產品事業部涵蓋 L’Oréal Paris、Maybelline New York、Garnier 與 NYX Professional Makeup 等品牌，代表大規模開架觸及的一軌。2018 年，L’Oréal 官方宣布收購 ModiFace，把擴增實境、虛擬試妝與肌膚診斷能力納入集團。這項收購讓集團具備把原先依賴實體試用的選色與諮詢，部署到官網、App、社群或合作零售商介面的能力，各介面是否均已實際部署仍需個別佐證。它先是一個體驗入口；只有在顧客另行同意、資料被保存並接到會員身分後，互動才會成為可供後續經營的訊號。
到了 2025 年，L’Oréal 官方登記文件顯示，電商銷售為 133 億歐元，占集團銷售 30.2%，集團電商銷售占比首次跨過三成。文件也清楚註明，這個口徑包含品牌官網、純電商與傳統零售商的電商部分。因此，三成不等於三成交易資料都由品牌直接持有。它反而提醒經營者：數位銷售增長與第一方數據累積是兩件事，必須再看交易發生在哪裡、顧客是否登入品牌身分，以及互動資料能否回到同一份會員輪廓。
L’Oréal 的強項是規模化。相同的試妝或診斷能力可以服務多個品牌與合作通路，再依品牌定位呈現不同體驗。難題也來自同一個規模：品牌、地區、官網、零售夥伴與廣告平台之間，資料定義與使用權限必須被管理，否則工具愈多，顧客輪廓仍可能分散。
案例 2：Estée Lauder Companies，把專櫃的 High-Touch 接到線上
Estée Lauder Companies 的長期經營模式強調專櫃與美容顧問的 High-Touch 服務。集團 2024 會計年度年報指出，截至 2024 年 6 月底，集團經營約 1,600 家品牌獨立門市；年報把 High-Touch 描述為結合產品專家與科技，透過線上或現場諮詢、數位與實體示範、目標式媒體及由試用走向忠誠的路徑，提供個人化體驗。
這套方法保留了專櫃的核心資產：顧客願意說明問題，美容顧問能從對話、試用與反應理解需求。品牌若要把 High-Touch 延續成可經營的會員關係，數位會員可以承接當下建議、後續內容與購買路徑，而非用自助工具取代服務人員。這是本文依其服務機制提出的經營映射，年報並未聲稱每個接觸點都已完成會員歸戶。
通路策略同樣在擴張。2024 年 10 月，Estée Lauder 官方宣布進入美國 Amazon Premium Beauty，同時上線可比較多個粉底色號的虛擬工具。這個案例顯示，Estée Lauder 能把選色協助帶到大型電商，但資料資產仍要拆開看：品牌能在合作介面提供體驗，不代表能取得與自有官網完全相同的身分、瀏覽與交易資料。合作通路擴大觸及，自有會員則負責讓服務關係得以延續，兩者需要明確分工。
案例 3：Rare Beauty，社群參與與直營接觸點並存
Rare Beauty 是擁有 DTC 接觸點的全通路新銳品牌，並非純官網直營。其官網提供可形成此路徑的接觸點：社群內容成為產品被發現與討論的入口，直營接觸點承接有興趣的人；公開頁面缺乏流量來源與轉換路徑資料，無法證明顧客實際依此順序移動。Rare Beauty 官方社群頁邀請使用者分享帶有主題標籤的妝容，並提供被品牌官網與 Instagram 選用的機會；官網同時提供 Shade Finder、帳號、電子郵件與簡訊訂閱等接觸點，但公開頁面不足以證明它們已被整合成同一份會員資料。
從資料角度看，社群貼文帶來的是公開互動與文化訊號；帳號、交易及顧客主動提供的偏好，才更接近可持續使用的品牌資料。Rare Beauty 的隱私政策列出品牌可能收集的彩妝與色彩偏好、商品評論、社群帳號，以及交易與站內行為等資料，也說明個人化、分析與行銷等用途。政策能證明資料類型與用途範圍，不能單獨證明某次色號工具回答已被保存或歸戶。社群熱度只有在使用者知情、身分可辨識、資料用途透明時，才可能沉澱成會員資產。
根據 2024 年 TIME 對 Rare Beauty 的報導，據品牌資料，產品已進入 36 個國家，截至 2024 年 5 月的 12 個月銷售額為 4 億美元；此為媒體轉述的次級來源，且品牌為私人公司，數字不宜與上市集團財報口徑直接相比。更值得參考的是機制：官方頁面顯示品牌同時提供社群參與與直營接點，公開資料無法判定兩者的主要順序或轉換貢獻；偏好能否延續到後續服務，仍取決於同意、保存與歸戶。
這裡比較的是取得與使用會員訊號的機制，不是品牌規模或經營績效排名。L’Oréal 把科技能力部署到大型品牌組合；Estée Lauder Companies 把顧問服務延伸到數位接觸點；Rare Beauty 同時提供社群參與與直營接點。真正的分水嶺是，觸及、體驗與交易發生後，品牌能否在合規前提下把訊號接回可使用的顧客身分。
若把這三種模式放回台灣，美妝經營者要看的不是品牌規模，而是每個接觸點交換了什麼。專櫃用諮詢與試用換得較深的需求描述，開架用便利與陳列取得較大的商品觸及，官網則用內容、工具與會員權益承接直接互動。三條路可以同時存在，但不能把「有銷售」直接當成「有會員」。管理報表應把通路營收、可辨識交易、可聯繫會員與已取得偏好分開，才能知道缺口發生在觸及、加入、歸戶或後續經營。
從膚質測驗到回購：資料價值形成的三步機制
1. 收集：把測驗變成一次明確的價值交換
美妝品牌很適合用測驗收集 zero-party data，因為顧客本來就需要協助：膚質怎麼判斷、粉底選哪個色調、保養步驟如何搭配、香味偏好落在哪一區。Forrester 2025 年文章舉澳洲美妝零售商 MECCA 為例，其肌膚測驗用 7 個問題詢問膚質、保養習慣與目標，再提供相應建議。
測驗的價值交換很清楚：顧客花一點時間回答，減少自己的選擇負擔，品牌取得可改善推薦的明示訊號。若問卷過長、答案只換來促銷信，下一次就很難再取得真實回答。收集欄位也應與服務目的相稱，品牌需要的是足以改善推薦的訊號，不需要把所有可問的資料都問完。
2. 合併：把「她說的偏好」與「她做的行為」一起判讀
zero-party data 強調顧客有意主動提供的偏好、購買意圖與個人情境；第一方數據則是品牌在直接關係中收集的帳號、瀏覽、加購、交易、回購與服務紀錄等大類。實務上可以把前者視為第一方資料策略中的一種明示訊號，但應保留其來源與同意語境，避免和觀察或推測資料混在一起。
一位顧客自述乾性肌膚，近期反覆瀏覽保濕精華，最後在門市買了旅行組。三種訊號放在一起，品牌才知道她的需求、意圖與已完成行動。只看問卷，可能錯過需求已改變；只看購買，又可能把送禮誤判為本人偏好。這也是全通路資料要先釐清同一位顧客與同一套業績口徑的原因。
3. 更新：把會員標籤當成可持續修正的理解
美妝資料的判斷有效期不等於法定或系統的留存年限。膚況會因季節、生活狀態與保養習慣改變；色號會受妝效與產品線影響；曾經喜歡的香調也可能轉換。會員標籤若只在註冊時填一次，很快就會成為舊答案。
因此，品牌要經營的是一套可更新的假設。每次測驗、瀏覽、諮詢與購買，都可能支持或修正原本的判斷。行銷端則要在同一合格母體內隨機分派訊息、預先定義主要指標，並比較增量效果而非只比轉換率：自述敏感肌的人真的較常回應成分教育嗎？收到補貨提醒的人是否比收到全站折扣的人更常回購？自動化留存應依生命週期安排訊息，但每個判斷都要保留被結果推翻的空間。
衡量時也要把「收得到」與「用得好」拆開。測驗完成率只能證明顧客願意回答，無法證明推薦正確；會員綁定率可作為身分接點順暢度的線索，仍要搭配步驟流失率與錯誤率一起看，也不能代表後續訊息有用。
更完整的檢查方式，是沿著同一條路徑看回答後是否查看建議、是否完成首購、是否退貨、是否在合理週期回來，以及不同內容的對照差異。若退貨與取消訂閱同時增加，可先把推薦與聯繫頻率列為待驗證假設，並分拆退貨原因、訊息曝露量、商品與通路後再判斷，避免把更多人推進相同流程。
台灣品牌還多一層通路現實。專櫃、開架與官網各自提供不同價值，也各自留下不同資料。問題不在選一條通路放棄另外兩條，而在設計合理的身分接點：專櫃諮詢後，顧客是否願意把建議存進品牌會員；開架購買後，包裝或售後內容是否提供加入品牌關係的理由；官網測驗後，推薦結果能否在門市被讀懂。資料歸屬無法只靠技術決定，還需要顧客看得懂的同意、通路夥伴的規則與內部服務流程。
第一方數據要成為資產，關鍵在辨識、判斷與行動
當品牌已經有官網會員、門市會員、LINE 好友、App 使用者與百貨櫃點紀錄，下一個問題通常是如何把同一個人的訊號接起來。這也是 91APP CDMP 適合介入的位置：先釐清品牌要回答的經營問題，再把資料與方法對到問題，而非先看功能清單。
以美妝場景來說，可以先從「辨識」開始。顧客在線上做完膚質測驗，隔週到門市購買精華液，之後又在 App 瀏覽乳霜。若三段紀錄分屬不同帳號，系統會把她看成三個人，測驗建議、門市交易與線上意圖就無法互相校正。OMO 歸戶的工作，是在顧客同意及可用識別條件下，把官網、App 與門市紀錄整理到同一份會員輪廓。線上與線下資料先歸戶，分群與意圖判斷才算得準，它是後續服務一致性的前提。
接著是「判斷」，回答「此刻應優先經營誰」。DCIU 購買意圖分群這套方法用來辨識近期站內互動意圖，鎖定未來 7 天較可能購物的客群；XGBoost 高轉換預測則把多項行為特徵放進模型，協助排序高轉換客群。資料量不足時，也能先用最近購買日、品類回購週期、近期瀏覽與加購建立簡化版本。會員階段與高購買意圖名單如何接到行銷決策，可作為團隊先釐清方法角色的延伸材料。
再來是「理解階段」。NAPL 依品牌自身的購買週期辨識會員階段，本文以新客、活躍客、沉睡客與流失客等主要階段舉例。從 RFM 走向動態會員階段的做法處理的是整體會員階段，品類補貨仍須疊加商品分類、最近購買日與各品類週期：剛買粉底的新客需要使用內容，接近補貨期的活躍客需要提醒，沉睡客則要先確認需求。底層邏輯是讓溝通跟著顧客狀態變化。
最後才是「行動」。會員標籤自動化不該變成愈貼愈多的分類工程。每一個標籤都應連到一個決策，例如「偏好霧面妝效」改變推薦內容，「敏感肌自述」改變教育素材與產品範圍，「高購買意圖」改變投放優先順序，「門市購買後未登入官網」觸發跨通路服務引導。標籤若沒有對應動作與檢查週期，就只是資料庫裡的備註。
這套映射仍要回到價值交換。顧客留下膚況，是希望少看不合適商品，並在門市與線上得到一致建議。91APP CDMP 協助品牌把分散資料整理成可判斷的會員輪廓；結果仍取決於資料品質、歸戶與執行。
導入時可先選一個可衡量的任務，定義所需資料、目標客群、對照組與檢查方式，驗證後再擴到下一個品類。
把美妝會員資料接回服務的五項行動
以下週期是便於排程的試行建議，非產業基準，品牌仍需依資料量、系統狀況與品類購買週期調整；共同觀察項目可包括會員辨識成功率、重複會員率、測驗完成率，以及分群相對對照組的差異。
1. 畫出三軌資料地圖，先找出結帳後失聯的位置
做法：把專櫃、開架合作通路與品牌官網各自能取得的會員身分、交易、偏好與同意狀態列出來，再標記資料由誰持有、品牌能否使用。預期效果：團隊會看見問題究竟是沒有收、沒有串，或沒有使用權。建議週期：用 2 週完成初版，每季隨通路合作更新。
2. 把膚質測驗縮成一次明確交換
做法：只問會改變推薦結果的題目，送出後立即提供保養路徑、色號範圍或產品組合，並說明資料用途與修改方式。預期效果：可能提高完成率與回答品質，也讓顧客理解為何值得留下偏好，並可用重測一致性與退貨率檢驗。建議週期：先選一個高諮詢品類，用 4 週完成設計與小流量測試，再檢查完成率、推薦點擊與後續購買。
3. 用一個跨通路任務檢查會員歸戶
做法：挑選「專櫃諮詢後到官網回購」或「開架購買後加入品牌會員」其中一條路徑，確認手機、電子郵件、會員條碼等識別方式是否能在顧客同意下接回同一人。預期效果：減少重複會員與錯誤訊息，讓服務紀錄可以延續；同時要檢查合併精確率、漏合併率與衝突規則，並保留人工拆分機制，避免把家庭共用電話或共享信箱的不同人錯誤合併。建議週期：用 1 個月檢查資料品質，再依異常類型分批修正。
4. 用 CDMP 跑一個意圖分群實驗
做法：選定一個有合理回購節奏的品類，將 OMO 歸戶後的交易、瀏覽與加購訊號交由 DCIU 或簡化意圖規則排序，保留對照組比較。預期效果：確認同樣預算是否能集中在近期需求較高的會員，也檢查模型是否偏向某一通路。建議週期：至少涵蓋一個合理購買週期並達到預定樣本數，短週期品類約 4 至 6 週，不因單次檔期就改寫規則；可參考以會員階段與個人化腳本銜接資料洞察的設計方式，但品類週期與內容必須重新設定。
5. 建立標籤的到期與撤回規則
做法：為膚質、妝效偏好、意圖與生命週期標籤設定來源、更新日、有效期限及顧客修改入口；敏感或不再需要的資料應停止使用。預期效果：降低舊資料造成的誤判，也讓會員知道自己仍能控制偏好。建議週期：每月抽查高使用量標籤，每半年檢查整套標籤字典與權限。
收尾：認得結帳的人，才接得住下一次需求
美妝通路愈多，品牌愈不能只看哪裡多賣一單。勝負不在把點數送得更滿，而在顧客願意被認出時，品牌能把她說過的偏好、做過的選擇與得到的服務接成下一次更合適的回應。台灣品牌可以從一條跨通路路徑開始，先把那位已經結帳的人認清楚。
美妝 DTC 與會員經營
Q1：什麼是美妝 DTC？
美妝 DTC 指品牌透過自有官網或自營門市，直接完成銷售與服務。它不代表品牌必須退出百貨、藥妝店或大型電商；DTC 可以與合作通路並存，並由自有接觸點承接可持續的會員關係。
Q2：美妝會員經營和傳統積點有什麼差別？
傳統積點主要依消費金額累積與兌換。會員經營還要理解顧客所處階段、品類需求、偏好與適合的聯繫時機，並把資料用回服務。點數可以是回饋工具，但不能單獨回答該向誰說什麼。
Q3：小型美妝品牌也能做第一方數據嗎？
可以。起步只需選一個問題，例如新客首購後的使用教育、明星商品補貨，或膚質測驗後的商品建議。先整理必要欄位與一組對照測試，比一次蒐集大量資料更容易看見效果。
Q4：美妝會員資料經營多久能看到效果？
資料盤點與單一路徑測試通常能在數週內開始看到流程指標變化，但回購效果要配合品類本身的購買週期觀察。團隊應先看身分辨識率、測驗完成率、訊息互動與首購，再觀察回購，不宜用一次短檔期判定長期關係。
Q5：需要很大的技術團隊才能做嗎？
不一定。小規模可先用會員系統、問卷與交易資料完成基本分群。當資料來自多個門市、官網與 App，或需要頻繁更新標籤與自動觸發時，再評估顧客數據平台與系統串接。技術投入應跟著任務複雜度增加。
Q6：zero-party data 愈多愈好嗎？最大的風險是什麼？
不是。最大的誤解是把顧客主動回答視為永久正確，也忽略提問目的與同意。品牌應只收會改善服務的資料，提供修改與撤回方式，設定更新週期，並持續用實際行為檢查偏好是否仍有效。