CRM 行銷怎麼做？從客戶資料到個人化溝通的實戰步驟

你的 CRM 裡躺著幾十萬筆客戶資料，但每次發促銷還是全部一起打。本文把客戶資料變成行銷動作，講零售品牌怎麼決定「對誰說、什麼時候說、說什麼」。

一封信，發給三十萬人

先說一個我們常在會議室看到的畫面。行銷主管打開後台，準備發這週的檔期通知，名單欄位寫著「全會員」，三十萬人。按下發送，當天開信率大概落在兩成上下，下單的人零星散落。隔週再來一次，數字差不多。系統裡的客戶資料一年比一年厚，可是每次溝通的方式跟三年前沒兩樣：一封信，發給所有人。

這就是大多數品牌對 CRM 的用法。把 CRM 當成一個存客戶資料的倉庫，存得很勤，用得很少。資料進得去，可是出不來，變不成行銷動作。

麥肯錫在《Next in Personalization》研究（McKinsey & Company，2021 年）裡給了一個對照數字：成長較快的那群公司，來自個人化的營收比成長較慢的同業多 40%。同一份研究也指出，做得好的個人化常見帶來 10% 到 15% 的營收提升，實際依產業與執行能力不同，落在 5% 到 25% 之間。研究還說，71% 的消費者期待品牌提供個人化的互動，76% 的人在沒得到時會感到不耐。

差距就在這裡。客戶想要被分開對待，品牌手上也有可以分開對待的資料，可是行銷動作還停在一起打。CRM 行銷要解決的，就是這條沒打通的路：怎麼把躺在系統裡的客戶資料，變成「對誰說、什麼時候說、說什麼」的具體決定。

接下來這篇，我們會用零售品牌實際在用的三個資料維度，把這條路一步一步走完。

從「存資料」到「用資料」：兩種 CRM 行銷的差別

很多人把 CRM 行銷理解成「在 CRM 系統裡做行銷」，這個說法沒錯，但太籠統。CRM（Customer Relationship Management，客戶關係管理）是工具，CRM 行銷是用法。同一套系統，可以做出兩種完全不同的行銷。

第一種我們叫它傳統群發。資料是用來事後算總帳的：這檔活動發了幾封信、開信率多少、業績多少。資料的角色是記錄，不是決策。每次要溝通，名單就是全會員，內容就是這週主打的商品，時機就是行銷月曆排定的日子。客戶在這套邏輯裡是一個整體，沒有面孔。

第二種是個人化 CRM 行銷。資料在動作之前就介入：發信之前，先看這個人是誰、上一次買是什麼時候、最近有沒有逛、買過哪些東西。資料決定了名單怎麼切、內容怎麼換、時機怎麼抓。客戶在這套邏輯裡是一群一群、甚至一個一個的人。

兩者的差別不在系統，在於資料有沒有走到動作前面。下面把分野逐項列清楚（每點先講傳統群發、再講個人化）。

1. 名單怎麼來：傳統群發是全會員，或粗略的有買/沒買；個人化是依生命週期分群、購買意圖、價值標籤切。
2. 內容怎麼定：傳統群發是這週主打什麼就發什麼；個人化是依對象的階段與偏好換訊息。
3. 時機怎麼抓：傳統群發看行銷月曆排定的日期；個人化依個人購買週期與意圖訊號抓。
4. 資料的角色：傳統群發是事後算成效；個人化是事前做決策。
5. 衡量重點：傳統群發看整體開信率、整體業績；個人化看各群轉換、回購、私域業績佔比。
6. 客戶被當成：傳統群發把客戶當一個整體；個人化把客戶當一群一群、一個一個的人。

Salesforce《State of Marketing》第十版（Salesforce，調查近 4,500 位行銷人員）點出一個尷尬的現況：83% 的行銷人員都認同要轉向個人化、雙向的溝通，但只有四分之一的人對自己「用資料驅動這些溝通」的能力感到滿意。知道要做的人很多，做得出來的人很少。

卡點不在認知，在執行。從群發走到個人化，需要的不是更貴的系統，是把客戶資料拆解成可以下決定的維度。零售品牌實務上最常用的有三個：生命週期、購買意圖、價值標籤。

零售品牌怎麼用資料

把抽象的「個人化」拆開，其實就是三個問句，各對應一個資料維度，各回答一個行銷決定。

生命週期回答的是「對誰說」這個溝通任務，購買意圖回答的是「什麼時候推、誰要先推」這個觸發時機與優先級，標籤 LIFT 回答的是「資源往哪個族群倒」這個受眾選擇。下面用三個對比，把每個維度怎麼運作講清楚。

對比一：對全會員發 vs 對流失客發

先看一個最常見的浪費。某零售品牌每週發促銷通知給全會員，名單三十萬，從不細分。後台數據顯示，這三十萬裡其實有一大塊人已經超過半年沒回來買，可是他們收到的信，跟昨天才下單的常客一模一樣：都是這週的新品折扣。

問題在於，這兩種人需要的訊息完全不同。沉寂很久沒回來的人，你跟他講新品沒用，他連你最近在賣什麼都不知道，要先給他一個「回來看看」的理由。昨天剛買的人，不一定適合再塞同品類折扣，反而可能教會他「等促銷再買」，他更適合的是售後叮嚀、交叉銷售或會員權益。

零售品牌處理這件事的方法，是用會員生命週期分群。實務上最核心的是三大經營客群：主力客（依最近購買、頻次或金額定義的活躍會員）、流失客（曾經買過、近期沉寂下來的人）、註冊未購（註冊了帳號卻還沒下第一單的人）。底層再細分成更多狀態，但對行銷決策來說，先抓這三群就能拉開差距。要提醒的是，「流失」不該用固定天數一刀切，而要按品類的回購週期定義，例如平均回購間隔的 1.5 到 2 倍。美妝、服飾、家電的合理門檻差很多。

1. 主力客：狀態是持續回購的活躍會員；該說的是維繫關係、提升客單、推新品與專屬權益。
2. 流失客：狀態是曾經買過、近期沉寂；該說的是喚回理由、限時誘因、提醒品牌價值。
3. 註冊未購：狀態是註冊了還沒買第一單；該說的是降低首購門檻、新客禮、熱銷品引導。

這套分群之所以重要，是因為它把「對誰說」這件事從直覺變成資料。你不再憑感覺決定要溝通誰，而是讓系統依每個人的購買行為，把他歸到當下的階段。流失客有流失客的訊息，主力客有主力客的待遇。同樣是發一封信，命中率差很多。

對流失客這群人，溝通的設計又特別講究。喚回不是把折扣加大就好，過大的誘因會傷毛利，也會稀釋品牌。怎麼設計喚回訊息與管道組合，我們在流失客喚回與自動化留存那篇有更細的拆解。

對比二：固定日期發 vs 抓購買意圖發

第二個對比講時機。

傳統做法的時機是行銷月曆決定的：月初發一波、月中發一波、檔期再加碼。這個邏輯把所有人當成同一個節奏，可是客戶的購買節奏其實千差萬別。一個每兩週就回購一次的常客，跟一個每季才買一次的人，你用同一個發信頻率對待，前者覺得你煩，後者早就忘了你。

個人化 CRM 行銷的時機，是抓個人的購買意圖訊號。零售品牌實務上會用一套高購買意圖名單，把會員依「未來一段時間內購買的可能性」由行為訊號與回購週期推估出來，挑出意圖最高的一群。這群人是最值得在對的時間點推一把的對象。

這套名單怎麼來？它靠的是每個人的瀏覽、加購、購買行為，以及過去的購買週期，由資料算出來，不靠人去猜。一個人最近頻繁逛某個品類、把東西加進購物車又沒結帳、而且他過去的回購週期剛好到了，這幾個訊號疊在一起，就構成一個「現在最該對他說話」的時間點。實務上，若瀏覽與加購資料還沒打通，也可以先用最近購買日、品類週期、購買頻次、LINE 與 EDM 的點擊行為，做一個低配版的意圖判斷。

分眾出手的威力，在 Email 這個管道上有過具體的觀察。Mailchimp 對約 2,000 個用戶、近 900 萬收件人的分眾研究（Mailchimp）發現，有做分眾的活動，開信率比沒分眾的高 14.31%，點擊率高出 100.95%，等於點擊翻了一倍。要說明的是，這是觀察型資料，分眾與較高的開信、點擊「相關」，不等於把名單切開就「保證」帶來這個成效。文案、優惠、產業、寄送頻率、名單品質都會干擾，真正的因果還是要靠 A/B test 或保留對照組（holdout group）來驗證。

要做到依個人意圖出手，靠人工排程是不可能的，三十萬人沒有人排得動。這需要把資料和溝通動作串起來，讓系統依訊號自動觸發。怎麼設計這些自動化的溝通腳本，個人化行銷腳本的十個範例裡有具體的腳本可以參考。

對比三：猜誰會買 vs 用購買數據回算誰值得投

第三個對比，講的是怎麼找出高價值的客戶族群。

很多品牌貼標籤是憑印象。覺得買過保養品的人應該很愛買、覺得加入某個會員等級的人應該很忠誠，於是把行銷資源往這些族群倒。問題是，「應該」這兩個字沒有數據撐腰。憑印象選出來的高價值族群，常常只是「人很多」的族群，不是「真的會買」的族群。

零售品牌處理這件事，會用一個叫標籤 LIFT 的指標。它的算法很直白：在同一檔期、同一觸達條件下，把某個標籤族群的轉換率，除以可比母體的轉換率。如果一個族群的 LIFT 是 2，代表這群人的轉換率是可比母體的兩倍。LIFT 高的標籤，才是真正值得集中投放的族群。這裡的母體要先定義清楚是全會員、觸達會員還是同品類潛客，分母不同，LIFT 就會失真。

這裡有個關鍵觀念要先講清楚，免得誤用。LIFT 衡量的是「相對優勢」，不是「絕對保證」。LIFT 是 2 的族群，意思是這群人比大盤更容易轉換，不是說這群人裡每個人都會買。它告訴你資源往哪個方向倒比較划算，是選擇端的羅盤，不是成交的承諾。把 LIFT 當成「投了就一定有業績」來用，會踩坑。另外要搭配最低樣本數與轉換數門檻，否則一個只有幾十人的小標籤，很容易因為樣本太少而算出虛高的 LIFT，被誤判成高價值。

1. 憑印象貼標：判斷方式是主觀覺得這群人會買；風險是可能只是人多，不是會買。
2. 用購買數據回算 LIFT：判斷方式是同檔期同觸達下，族群轉換率÷可比母體，看相對優勢；風險是相對優勢非絕對保證，且須設最低樣本門檻。

LIFT 的另一個好處，是它把貼標這件事從「貼很多」拉回「貼有用」。一個品牌可以有上百個標籤，但真正 LIFT 高、值得拿來切名單的可能只有十幾個。把資源集中在這十幾個高 LIFT 標籤上，比撒網式地對每個標籤都投放，效率高得多。

消費者本來就偏好被個人化對待。Epsilon 對 1,000 位消費者的研究（Epsilon，2018 年）發現，80% 的消費者表示，品牌若提供個人化體驗，他們更願意消費。這支撐的是「個人化值得做」這個方向；至於哪些標籤真的有效、值不值得投，仍要回到品牌自己的轉換數據與對照組去驗證，而 LIFT 就是把這件事量化出來的起點。

表面個人化，還是情境個人化

把三個維度走過一遍，會發現一件事：個人化其實有深淺之分。

很多品牌做的是表面個人化。信件開頭塞一個「親愛的王小姐」，主旨放上收件人的名字，內文還是那套發給所有人的促銷。換了個稱呼，骨子裡還是群發。客戶不是看不出來，他知道這封信三十萬人都收到，只是各自被填了名字而已。

真正有效的是情境個人化。它換掉的是訊息本身，不只是開頭那個稱呼。同一個檔期，主力客收到的是新品搶先看加會員專屬價，流失客收到的是「我們想你了」的喚回禮，註冊未購收到的是首購折扣加熱銷品推薦。三群人收到三種信，每一種都對應他當下的狀態。這才是把客戶資料用進去了。

這就回到 Salesforce 的研究點出的那個落差：知道要個人化的人很多，做得出情境個人化的人少。差距在哪？在於表面個人化只需要一個欄位（姓名），情境個人化需要三個維度的資料同時就位，而且要能驅動內容和時機跟著換。

HBR Analytic Services 對 600 位企業主管的調查（Harvard Business Review，Mastercard 贊助）有一個數字呼應這件事：70% 受訪主管把客戶資料分析（customer data analytics）視為支援個人化最關鍵的技術。重點落在把資料分析做好，而非更花俏的版型或更聳動的文案。情境個人化的底子，是資料先被拆解成可以下決定的維度，這是一切的起點。

要做到這個程度，資料不能散落在各個系統裡。線上的瀏覽行為在一個地方，門市的消費紀錄在另一個地方，會員資料又在第三個地方，這種狀態下根本算不出一個人的完整意圖。資料要先歸戶整合，才談得上情境個人化。

把資料變動作，需要一個能歸戶又能驅動溝通的底子

走到這裡，問題已經很清楚了。CRM 行銷的瓶頸，從來不是「不知道要個人化」，而是「資料散在各處、用不起來」。生命週期分群要靠完整的購買紀錄，購買意圖要靠線上線下打通的行為資料，標籤 LIFT 要靠乾淨的交易資料回算。這三件事的共同前提，都是資料要先整合到一個人身上。

這正是客戶資料平台（CDP／CDMP）這類工具要承接的問題。當資料量、管道數與自動化需求增加到人工搬不動時，才需要這類平台。它要做的第一件事是 OMO 歸戶，把同一個客戶在官網、App、門市的行為和消費，整合成一份完整的客戶輪廓。資料歸了戶，前面講的三個維度才算得準：生命週期分群看得到他線上線下的完整購買、購買意圖綜合了所有管道的行為訊號、標籤 LIFT 用的是打通後的真實交易數據。91APP 的 CDMP（Customer Data Management Platform，客戶資料管理平台）就是對應這類零售場景的平台之一。

歸戶只是第一步。資料整合好了，還要能驅動溝通動作，不然又變回那個「存得勤、用得少」的倉庫。所以這類平台會把分群、標籤和高購買意圖名單，接到 Email、LINE OA、App Push、簡訊這些管道上，讓「對誰說」的名單可以直接變成「對誰發」的動作。理想狀態是分群一變動、溝通名單跟著更新，意圖訊號一觸發、腳本自動發送，中間沒有人工搬運的斷點。但實務上要同時設好頻率上限、排除近期已購者、確認會員同意狀態，並把 LINE 與簡訊的成本、保留對照組一起納進來，這套自動化才不會變成對客戶的疲勞轟炸。

這套運作的價值，不在功能多，在於它把前面三個維度從「分析報告」變成「每天在跑的行銷動作」。分群不再是月報裡的一張圖，是這週實際發信的名單；LIFT 不再是回顧時的洞察，是這次廣告投放的依據。資料真正走到了動作前面。

關於 CDP 與這類平台在零售場景的具體用法，CDP 在電商與 OMO 零售的十個應用有更完整的案例可以參考。

把群發改成分眾的幾個起手式

講了這麼多，最後落到可以動手的事。下面這幾件，不需要先把系統全部換掉，從手上的客戶資料就能開始。動手前先確認手上至少有這幾個欄位：會員 ID、註冊日、最近購買日、購買次數、累積金額、最近購買的品類、可觸達的管道與同意狀態。有這些，第一週就能切出可用的分群。

1. 先把名單切成三群：用購買紀錄與註冊資料分出主力客、流失客、註冊未購，三群發三種訊息（預期效果：命中率提升，停止對流失客發新品這類浪費；建議週期：本週可起步）。
2. 為流失客設計一條喚回腳本：針對沉寂超過該品類回購週期 1.5 到 2 倍的會員，自動發喚回訊息，誘因適度不傷毛利（預期效果：救回部分流失業績，降低再行銷成本；建議週期：2 週內建好）。
3. 抓出高購買意圖名單先試水：用行為與回購週期算出意圖最高的一群，在對的時間點推一把（預期效果：同樣預算，轉換集中在最可能買的人身上；建議週期：1 個月內試行）。
4. 用 LIFT 篩出值得投的標籤：同檔期同觸達下，把族群轉換率除以可比母體，留下 LIFT 高、樣本夠的標籤（預期效果：行銷資源從撒網變成集中，效率提升；建議週期：1 個月內盤點）。
5. 把線上線下資料先歸戶：確認同一客戶的官網、App、門市紀錄整合成一份輪廓（預期效果：三個維度才算得準，是情境個人化的地基；建議週期：視系統狀況分階段）。

選管道時也要看各自的限制：Email 看的是有效信箱與寄送頻率，LINE OA 要控推播成本與封鎖率，App Push 要看 opt-in 開啟率，簡訊成本高、留給高價值的觸發就好。多管道不要同時轟炸同一個人，可以設一條觸達順序（Waterfall）：先發 App Push，未開啟再走 LINE，最後才動用簡訊，把成本和打擾都壓到最低。

這五件事有先後。前三件用現有資料就能動手，第四件需要把標籤和交易數據對起來，第五件是地基工程，可以分階段做。重點是不要等到「資料完美了再開始」，那一天永遠不會來。先把全會員名單切成三群，這週就能少發很多無效的信。

分眾之後，下一個常見的問題是 LINE OA 怎麼分眾溝通，它的成本結構和 Email 不同，分眾的策略也要跟著調整，這部分在 LINE OA 分眾經營裡有專門的討論。本文講的生命週期分群與高購買意圖名單，背後可以對應到 NAPL、DCIU 這類資料模型；想了解這些模型怎麼運作，91APP 資料模型 NAPL、DCIU 與高轉換預測的策略有更技術面的說明。

資料不會自己變成生意

回到開頭那個畫面。一封信發給三十萬人的問題，從來不是這封信寫得不夠好，是這封信不該發給三十萬人。CRM 裡的客戶資料越堆越厚，本身不會變成生意。資料要被拆解、被歸類、被接到溝通動作上，才有價值。

CRM 行銷其實就是一件事：讓客戶資料走到行銷動作的前面，去決定對誰說、什麼時候說、說什麼。生命週期分群決定對象，購買意圖決定時機，標籤 LIFT 決定資源往哪倒。三個維度都不複雜，難的是把它們從報告變成每天在跑的動作。

台灣零售品牌手上的客戶資料，多半比自己以為的更有用。差的不是資料量，是用法。先把全會員名單切成三群，是把群發改成一個可衡量的分眾實驗；之後再逐步補齊歸戶、購買意圖與標籤資料，讓那些原本沉睡的資料，一步一步走到行銷動作的前面。

品牌最常問的 CRM 行銷問題

Q1：CRM 行銷跟一般發 EDM、發促銷有什麼不同？ A1：差別在資料有沒有走到動作前面。一般發促銷是先決定要發什麼，再找全會員發出去，資料只用來事後算成效。CRM 行銷是先看每個人是誰、在什麼階段、最近想不想買，再決定對誰發、什麼時候發、發什麼。同一套系統，後者把客戶資料用進了決策，前者只把它當倉庫。

Q2：我們公司剛導入 CRM，客戶資料還不完整，可以做 CRM 行銷嗎？ A2：可以，而且建議從現有資料就開始。最基本的生命週期分群，只需要購買紀錄就能切出主力客、流失客、註冊未購三群，這是任何有交易資料的品牌都做得到的。不用等資料完美，先把全會員名單切成三群，這週就能停掉很多無效的群發。資料的完整度可以邊做邊補。

Q3：CRM 行銷需要很大的團隊或預算嗎？小品牌做得起來嗎？ A3：起步不需要。小品牌的優勢是客戶數少、決策快，先用購買紀錄做三群分眾，再為流失客設一條喚回腳本，這些用現有工具就能做。真正需要投入的是「把線上線下資料歸戶」這一步，但那可以分階段來，不必一次到位。重點是先動手分眾，而不是先擴編團隊。

Q4：什麼是高購買意圖名單？這跟猜哪些客戶會買有什麼不同？ A4：高購買意圖名單是用每個人的瀏覽、加購、購買行為，加上過去的回購週期，算出「未來一段時間內購買可能性最高」的一群人。它跟憑印象猜的差別在於有資料撐腰，不是覺得某群人應該會買，而是用行為訊號算出來誰最該在現在被推一把。對的時間找對的人，同樣的預算轉換更集中。

Q5：標籤 LIFT 是什麼？LIFT 高就保證這群人會買嗎？ A5：LIFT 是把某個標籤族群的轉換率，除以大盤的平均轉換率，用來看這群人比整體更容易轉換多少。LIFT 是 2 代表這群人轉換率是平均的兩倍。但要注意，LIFT 衡量的是相對優勢，不是絕對保證，它告訴你資源往哪個方向倒比較划算，不是說這群人裡每個人都會買。把它當羅盤用，不要當成成交承諾。

Q6：做 CRM 行銷多久能看到成效？ A6：分眾這件事下一次發信就能開始分群追蹤開信與點擊；但要判斷它是否真的有效，得跟對照組、歷史基準或保留組（holdout group）比較，因為開信表現也會受主旨、優惠、檔期、發送時間影響。比較需要時間累積的是流失客喚回和回購提升，這類效果通常要幾個發送週期才看得出趨勢。建議先設好各群的衡量指標，例如各群轉換率、回購率、私域業績佔比，分開追蹤而不是只看整體業績，才看得出個人化到底有沒有起作用。

延伸閱讀

1. 個人化行銷腳本的十個範例
2. LINE OA 分眾經營
3. 流失客喚回與自動化留存指南