行銷自動化應用情境與範例：常態腳本如何讓品牌全年自動接住高意圖訊號

先看一個彙整自常見現象的匿名化情境，不指涉任何單一品牌。一間台灣中型服飾電商，去年一整年只在三檔大促的前一週開啟行銷自動化。檔期一過，所有觸發信全部關掉，會員資料庫安安靜靜躺了十一個月。同一年，他們的購物車放棄率落在七成上下，等於每天有大量「差一步就成交」的訂單從指縫流走，沒有任何一封信去接。

這類現象是台灣電商最普遍的浪費。盤點品牌的自動化現況時，最常見到的一張圖，就是觸發信的發送量像心電圖：三檔大促前各跳一個尖峰，其餘月份貼著零軸。攤開這張圖，品牌方的第一個問題幾乎都一樣：那平常那些加了購物車卻沒結帳的人，到底有沒有人去接？多數時候，答案是沒有。根據 Baymard Institute 2025 年彙整 50 份研究的統計，電商平均購物車放棄率為 70.22%，而其中可以靠優化救回的部分相當可觀。問題從來不在「要不要做行銷自動化」，而在多數品牌把它當成大促才開的活動工具，忽略了它真正的價值，是一套全年無休、自動接住每個訊號的常態系統。

行銷自動化的基本盤，是五條全年運轉的常態腳本

行銷自動化的基本盤，是五條 always-on 的常態腳本：迎新、購物車未結帳、喚醒、生日、回購。它們不靠檔期、不靠人工，只要會員做出特定行為就自動觸發，是品牌全年持續回收高意圖訊號的底層引擎。

先把名詞講清楚。常態腳本（always-on flow）指的是一條長期掛在系統上、由會員行為觸發、無須人工逐次發送的自動化溝通流程。它跟「檔期活動」最大的差別在於時間軸：檔期活動有開始與結束，常態腳本則是只要會員觸發條件成立，不論今天是雙十一還是平日深夜，系統都會接住。

這五條腳本對應的是會員生命週期上最常出現、價值也最明確的五個時刻：

1. 迎新：新會員剛註冊或首購後的黃金期，決定他會不會留下來。
2. 購物車未結帳：加入購物車卻沒結帳的即時訊號，是最接近成交的一群人。
3. 喚醒：一段時間沒回來的會員，趁他還沒徹底流失前拉一把。
4. 生日：一年一度、品牌最有正當理由主動接觸的時刻。
5. 回購：依商品消耗週期推算下一次該補貨的時間點，主動提醒。

為什麼這五條值得品牌優先建立而不是把資源全押在大促？因為它們是「複利資產」。檔期活動的效果隨檔期結束歸零，常態腳本一旦建好，會在背景持續運轉，每天接住新進來的訊號。換句話說，大促是脈衝，常態腳本是底盤。

這個落差在數據上很明確。根據 Omnisend 於 2026 年發布、分析 2025 年資料的電子報基準報告，行為觸發的自動化信件轉換率為 1.49%，而一次性群發信件僅 0.08%，自動化的轉換表現約為群發的 19 倍，每封信帶來的營收更達約 22 倍。這份基準取自 Omnisend 平台跨品牌商家資料，適合作為產業參照，不等於單一台灣品牌的保證成效。差距如此懸殊的原因很單純：自動化信件命中了會員「正在想這件事」的當下，群發信件則是在品牌方便的時間發出去。

把常態腳本想成決策樹，每條腳本都是一棵會自己分岔的樹

每一條常態腳本，本質上都是一棵決策樹：觸發條件決定樹要不要長出來，判斷與等待決定它怎麼分岔，分支行動決定每個會員最後收到什麼。看懂這個結構，五條腳本就不是五張零散的活動表，而是同一套邏輯的五種應用。

決策樹的三個零件，對應到每條腳本都成立：

以這棵樹來看，購物車未結帳腳本不只是「發一封提醒信」。它至少有幾個分岔點要設計：先判斷會員是否在等待期內自己回來結帳，回來的就不該再被打擾；接著判斷第一封提醒後有沒有反應，沒反應的可以在隔天加碼一個誘因；最後判斷管道是否觸及，主推 LINE 沒被讀就遞補一封 EDM。這套即時觸發的設計，正是 彈窗在到站當下攔截高意圖訪客的六種場景 在站外的延伸：彈窗接住「還在站上猶豫」的人，購物車腳本接住「離開了但還沒放棄」的人。

不同腳本的決策樹深度不一樣。迎新腳本通常是一棵時間軸較長的樹，從註冊後第 0 天的歡迎，到第 3 天的品牌故事，再到第 7 天的首購誘因，每一步都依「會員是否已首購」分岔。

購物車腳本的決策樹則要懂得在哪裡收手。根據 Baymard Institute 的意向調查，43% 的美國線上購物者曾因「只是瀏覽、還沒準備購買」而放棄購物車。換句話說，購物車腳本不該把所有放棄者都當成可挽回的訂單。這意味著決策樹要懂得「放手」：判斷出純瀏覽訊號的會員，再怎麼追也只是徒增退訂，這正是分支判斷要解決的問題。提醒次數與誘因強度若沒控制好，腳本就會從「有用」變成「擾民」，沒有先把會員分群就大量發送，只會讓成效越做越差。這也是為什麼決策樹不能只靠一個發信工具：它需要先有一個把跨通路會員資料打通成單一視角的底座，也就是後面會談到的 91APP CDMP，再交由執行層自動跑每一個分岔。

Starbucks 用生命週期觸發，把常態腳本做成全球運轉的引擎

Starbucks Rewards 是常態腳本規模化的公開範例：它不靠單檔大促，而是用一整套依會員行為觸發的生命週期腳本，把溝通常態化到全球數千萬會員身上。這套做法的成績，提供了常態腳本「值得長期投資」的方向性證據。

根據 DataNext 的 Starbucks 行動點餐與忠誠度案例（無標示發布日期的第三方整理），Starbucks Rewards 活躍會員超過 3,200 萬，並帶動近 60% 的美國公司營運門市銷售。這些數字屬第三方整理而非官方財報口徑，引用時以量級而非單一精確值為準。

支撐這個規模的不是促銷檔期，而是一套常態觸發系統：PENNEP 對 Starbucks 電子郵件個人化策略的分析（頁面未標示發布日期） 指出，當會員一段時間沒回來，系統會自動寄出「We miss you」喚醒信並附上限時誘因；當某地區天氣轉冷，系統會即時推薦熱飲。這正是喚醒腳本與即時事件觸發的教科書級示範。

提醒：以上 Starbucks 數字來自第三方案例整理，屬次級來源，非 Starbucks 官方財報口徑。Starbucks 的會員規模、產品消耗頻率與台灣零售品牌差異極大，這些數字應視為「常態腳本值得做」的方向性證據，而非可直接套用到台灣品牌的 KPI。建立自家腳本時，所有判斷門檻仍須以品牌自己的第一方數據回算。

Starbucks 能做到這件事的前提，是它先解決了資料分散的問題。同一份案例指出，Starbucks 早期最大的挑戰是行動 App、門市 POS、第三方外送的資料各自為政，無法形成單一會員視角；直到打通這些資料源、建立完整的會員 360 度輪廓，後續的精準分群與喚醒誘因才有意義。

Starbucks 的喚醒信並非固定模板，而是依會員所在地的天氣、最近一次造訪的時間、平常點的飲品自動組合內容。這背後是同一棵決策樹在運作：觸發條件是「一段時間沒回來」，判斷與等待讀的是天氣與會員偏好，分支行動則決定每個人收到的誘因與商品建議。這說明常態腳本要做得有溫度，關鍵在於更精準地判斷每個會員當下的處境，而不只是更頻繁地發信。這種精準度的回報是可量化的：根據 McKinsey 2021 年對個人化價值的研究，71% 的消費者期待品牌提供個人化互動，做不到時會感到失望；而成長較快的公司，來自個人化的營收比成長較慢的公司高出 40%。常態腳本正是把這份期待落實到每一個觸發時刻的方式。

常態腳本能不能轉得動的真正關鍵，在於第一方數據底座（CDP，Customer Data Platform，顧客資料平台，把分散在各管道的會員資料統一成單一視角的系統）。決策樹的每一個分岔判斷，不論是「這個會員的回購週期到了沒」「這個人算不算沉睡」「他偏好 LINE 還是 EDM」，都需要可信、即時、整合過的會員資料才算得出來。沒有 CDP，常態腳本就只能用「全體一視同仁」的方式發送，等於把決策樹砍成一根沒有分岔的直線。這是資料底座沒搭好的必然結果。延伸來看，會員分群與發送節奏沒先設計好，發越多成效反而越差。

而比工具更關鍵的，是人。決定一套行銷自動化服務成敗的，是會解讀數據、把洞察翻成決策樹的 Customer Success 顧問。系統能執行決策樹，但決策樹要怎麼設計，靠的是人的判斷。顧問做三件系統做不了的事：

1. 定義判斷標準：回購週期是 30 天還是 45 天、沉睡的定義是 60 天沒互動還是 90 天沒下單，這些門檻沒有通用答案，要靠顧問讀品牌自己的消費數據回算。定錯了，整棵決策樹的分岔全部跟著錯。
2. 設定分岔規則：第一封提醒沒反應，第二步該加碼折扣還是改推熱門商品？該換管道還是直接放棄？這些分岔規則決定腳本是越追越煩還是越追越準。
3. 用成效回收調整下一輪：哪個誘因救回率最高、哪個等待時間轉換最好，顧問要從上一輪成效回收訊號，餵回去調整下一輪的樹。

在多數零售品牌的落地經驗裡，人機協作通常比一次設定後放著不管更可控：系統負責不眠不休地執行，顧問負責讓它執行對的事，並從救回率、退訂率、每封信營收這三個指標回收訊號，持續修正下一輪。

91APP CDMP 與個人化旅程，讓常態腳本從概念變成可運轉的執行層

要讓五條常態腳本真正轉得動，需要兩個東西：一個整合會員資料的 CDP 底座，加上一個能把決策樹畫出來、自動執行的執行層。在 91APP 的方案裡，前者是 91APP CDMP（即 91APP 的 CDP），後者是「個人化旅程」。

91APP CDMP 負責把分散在官網、App、門市 POS、LINE 的會員資料整合成單一視角，這正是 Starbucks 案例裡「打通資料源、建立會員 360 度輪廓」那一步在台灣零售場景的對應。有了這個底座，決策樹每個分岔點需要的判斷資料，包括會員的回購週期、最近一次互動時間、管道偏好，才算得準。

個人化旅程則是決策樹的可視化執行層。它把一條由會員行為觸發的自動化流程拆成可以拖拉設定的步驟：從名單觸發（例如「加入購物車未結帳」），到發券或通知（LINE 或 EDM），到等待計時器（等 1 小時、等 3 天），到判斷會員是否進站或購買，再依結果分支：沒買的繼續追、買了的貼上標籤進入回購腳本。它支援 A/B 分流，讓顧問同時測兩種誘因看哪種救回率高；也支援管道遞補，主推 LINE 沒被讀就自動補一封 EDM，這跟 SMS 與 LINE 通知採 waterfall 逐層遞補的設計 是同一套思路。

最關鍵的是圈選對象的精準度。個人化旅程用四類條件交叉圈人：會員屬性（性別、會員等級、所在地區）、行為偏好（瀏覽過哪些品類、開過哪些信）、消費屬性（客單價、回購週期、累積金額）、即時事件（剛加購物車、剛瀏覽某商品、商品剛補貨）。這四類條件可以疊加，例如「會員等級為金卡（會員屬性）、回購週期已到（消費屬性）、且偏好開信於晚間（行為偏好）」的這群人，才會進入這一輪回購腳本。這種多條件交叉，正是讓常態腳本從「全體群發」進化成「對的人在對的時間收到對的訊息」的分水嶺。Omnisend 報告中自動化信件 19 倍於群發的轉換差距，本質上就是這種精準度的差距。

91APP CDMP 與個人化旅程終究是工具，把它們用對的，仍然是前面說的 Customer Success 顧問。工具負責讓決策樹跑得動，顧問負責讓決策樹是對的。

台灣品牌建立常態腳本的五個落地起點

台灣品牌不需要一次建好五條腳本，建議從投報率最高、最容易見效的順序開始，逐條長出自己的常態系統。以下五個起點各自附上做法與預期效果。

1. 先建購物車未結帳腳本，因為它離成交最近。設定「加購後 1 小時未結帳」觸發第一封提醒、「24 小時仍未結帳」觸發第二封加碼誘因，並讓已回站結帳者自動停止。預期效果：這是五條腳本中最快回收的一條，因為它接住的是已經表達高度購買意圖、只差臨門一腳的人。
2. 再建迎新腳本，把新會員的黃金期接住。設計註冊後 0、3、7 天三段式旅程，從歡迎、品牌故事到首購誘因，每段依「是否已首購」分岔。預期效果：新會員首購率與後續留存明顯提升，因為你在他對品牌記憶最深的那幾天主動出現，把握註冊後 30 天的黃金期。
3. 用消費數據回算回購週期，建立補貨提醒腳本。讓顧問從品牌自己的訂單資料算出主力商品的平均消耗天數，在下次該補貨前主動提醒。預期效果：把「靠客人自己想到」的回購，變成「品牌在對的時間提醒」的回購，特別適合保養品、保健食品、寵物食品等有明確消耗週期的品類。
4. 定義清楚的沉睡門檻，建立喚醒腳本。和顧問一起決定「幾天沒互動算沉睡」這個門檻，再分層設計喚醒誘因：剛沉睡的給輕誘因、深度沉睡的給強誘因。預期效果：在會員徹底流失前把一部分人拉回來，喚醒成本遠低於重新獲取一個新客。Starbucks 的「We miss you」信就是這條腳本的範例。
5. 把週期性溝通搭配開信時間與分群一起做。生日、節慶這類週期腳本，不要全體同一時間群發，而是依會員開信習慣與分群分批送。預期效果：開信率與轉換率同步提升，EDM 透過寄送時間優化與分群可顯著拉高開信率，讓週期腳本的每一次推播都送在會員最可能打開的時間。

這五個起點的共通邏輯是：每一條都先靠第一方數據定義判斷標準，再交給個人化旅程自動執行，最後用成效回收調整下一輪。順序可以調整，但底層的決策樹思維不變。實務上建議品牌不要一次全開，先把第一條腳本跑滿一個完整週期，觀察救回率、退訂率與每封信營收這三個指標，再決定下一條腳本的等待時間與誘因強度該怎麼設。常態腳本的價值會隨時間累積，第一個月看到的成效，往往只是它真正貢獻的起點。

把每一個訊號都接住，品牌才算真正開始全年營業

一年十二個月，會員每天都在發出訊號：有人剛把商品加進購物車就分心離開，有人三個月沒回來，有人手上的保養品快用完了。大促那幾天，品牌會全力以赴接住所有人；但剩下那三百多天，這些訊號多半石沉大海。

常態腳本要解決的，正是這三百多天。它不需要倒數計時，只要掛在背景持續運轉，就能把原本從指縫流過的高意圖訊號逐一回收。前面那間服飾電商把購物車腳本重新打開、再依序長出迎新與回購腳本後，做生意的時間就不再侷限於三檔大促那幾週，而是涵蓋全年。差別不在花了多少行銷預算，而在有沒有讓系統替你接住那些看不見、卻一直在發生的時刻。

如果你要把這五條常態腳本真正建起來，可以先檢查自家的「購物車未結帳」觸發信是否已經開啟，再以第一方數據盤點哪一條腳本投報率最高。需要把分散的會員資料整合成單一視角、用個人化旅程把決策樹自動跑起來時，91APP CDMP（即 91APP 的 CDP）與個人化旅程，加上能解讀數據、設計決策樹的 Customer Success 顧問，就是讓常態腳本從概念變成全年回收的執行組合。歡迎與 91APP 顧問團隊聊聊你的常態腳本盤點。

延伸閱讀

1. 行銷自動化是什麼？拆解觸發、決策樹，與背後的 CDP 數據底座
2. 雙11 行銷自動化備戰指南：用四階段檔期決策樹接住大檔流量
3. AI 行銷自動化是什麼？行銷自動化 vs AI，疊加運用才能做到深度個人化
4. 行銷自動化工具怎麼選？先確認資料、分群、旅程與衡量是否到位