美妝保養品牌的回購提醒,多數都設在錯的時間點
美妝保養品牌常用單一回購週期發券催購,但精華液、乳霜、彩妝的消耗速度天差地遠,膚質與使用量也因人而異。回購率會被很多因素影響,但提醒時機是品牌自己能控制、卻常常設錯的一個變數。本文拆解回購提醒失準的三個誤判層次,並說明 91APP CDMP 團隊在分析客戶資料時,怎麼把回購時機從「猜」變成「有根據的估算」。
美妝與個人保養市場正在快速轉向線上。NielsenIQ《State of Beauty 2025》顯示,2025 年全球美妝銷售年增 10%,亞太地區以 14.3% 的成長幅度居全球之冠,線上美妝銷售的成長速度是實體通路的 9 倍,亞太線上美妝銷售年增更達 20%。Statista 的美妝保養市場預估也顯示,台灣線上通路的銷售占比在 2024 年已達整體美妝保養市場的 17.6%。市場在往前衝,但很多品牌的會員經營邏輯,還停在同一套劇本:訂單完成 30 天後,系統自動發一張回購券,不管客人買的是精華液、身體乳,還是一支眼影。
回購率會被很多因素影響,產品好不好用、價格、競品、有沒有缺貨、促銷期間有沒有一次囤了好幾瓶,都會左右客人回不回來。這篇文章只談其中一個變數:提醒的時機。這是品牌自己能控制、卻經常設錯的一件事。
我們最近跟幾個美妝保養品牌的行銷主管聊到這件事,聽到的畫面很類似。後台報表上,同一批新客的回購曲線分成兩群:一群提早回來加購第二件,另一群過了 45 天、60 天還是沒動靜。行銷同仁只能硬著頭皮照表操課,心裡其實沒什麼把握,也擔心太早發券顯得急切、太晚發券又錯過視窗期,搞不清楚那群沉默的客人,到底是還沒用完、換了別的品牌,還是單純被一張發早了的券打壞了印象。
一瓶保養品用完的時間,從來不是三十天
美妝保養品牌的會員經營,容易卡在三個誤判層次,而且是一層疊一層。
- 把所有商品當成同一個回購週期。精華液一天用一到兩次、一瓶能撐一到兩個月,卸妝油用量因人而異,眼影這類彩妝品更接近一次性或衝動性消費,可能半年才會再買。用同一套「訂單成立 N 天後發券」的邏輯套用在這些商品上,等於用同一把尺量三種不同的東西。
- 把所有會員當成同一種膚質與需求。乾性肌膚、油性肌膚、混合肌與敏感肌,適合的產品線和溝通角度完全不同,同一封信寫給所有人,等於有一大半收件人看到的是不適合自己的推薦。膚質、髮質、主要保養需求這些資訊,如果沒有被結構化地蒐集與標記,品牌手上其實只有一份看起來很大、用起來很鈍的名單。
- 把試用包、體驗品的客人,跟正貨會員混在同一份名單裡處理。美妝保養產業很依賴樣品與體驗品做第一次接觸,但如果沒有把試用兌換和後續的正貨購買綁在同一個會員身分上,品牌永遠看不出誰是真的從樣品轉成長期客戶,誰只是拿了試用包就沒有下文。
把這三層攤開來看,常見做法和個人化做法的差距其實很清楚:
| 常見做法 | 個人化做法 |
|---|---|
| 全品牌統一回購提醒日(例如訂單成立後 30 天發券) | 依每個人歷史購買間隔,各自算出回購時間窗 |
| 用同一套商品推薦邏輯對所有會員 | 依膚質、髮質、主要需求標籤分流推薦與文案 |
| 試用包/體驗品客與正貨會員混在同一份名單 | 把樣品轉正貨獨立成一段可追蹤的轉換路徑 |

借鏡海外:抓對時機和抓對膚質,各自換來了什麼
英國保養品牌 The INKEY List 是一個值得參考的對照組。【次級來源案例】這個成立於 2018 年、主打成分透明化的保養品牌,在 2022 年與訊息平台 Attentive 合作導入觸發式簡訊,取代單純的群發推播。Attentive 公布的合作案例顯示,英國市場的簡訊行銷計畫整體投資報酬率達到 26 倍,觸發式訊息旅程的平均轉換率為 36%,簡訊可歸因營收裡,有 80% 來自這些依照個人行為觸發的訊息,而不是排程好的整批推播。(案例由 Attentive 官方發布,屬次級來源。The INKEY List 是英國成分導向保養品牌,市場規模與台灣不同,數字是「抓對時機比單純群發更有效」的方向證據,不是可直接套用的 KPI 目標。)
另一個角度的對照,是保養品牌 PSA Skincare 在導入客製化問卷與評論機制後的變化。【次級來源案例】這個主打敏感肌與科學配方的品牌,透過 2025 年 電商工具商 Yotpo 公布的案例,站內轉換率成長 10 倍,商品頁的搜尋排名一個月內從第 36 名躍升到第 5 名,評論提交率從約 1% 拉高到 10%。這個成果的主要驅動力是評論與買家實拍內容累積出的信任感,同一套機制裡,品牌也在評論流程加入了蒐集膚質與主要肌膚困擾的客製化問卷,讓品牌取得可以用在後續分眾與商品教育上的第一手資料。案例本身沒有證明商品頁已經依訪客膚質即時換推薦,但它示範了「先問清楚膚質、再決定要溝通什麼」這個順序,在保養品類別上是走得通的。(案例由 Yotpo 官方於 2025 年發布,屬次級來源。PSA Skincare 的市場規模與台灣保養品牌有落差,數字是評論與信任機制帶動轉換的方向證據,不是可直接複製的成效保證。)
回購時機為什麼因人而異:用量、膚況與產品週期三個變數
回購時機由幾個變數共同影響,很難是一個固定不變的日期。
- 用量:同一款精華液,每次用一滴和每次用三滴的人,用完的時間可以差上好幾週,實際差距因人而異。
- 膚況與季節:同一個人在乾燥的冬天和濕熱的夏天,對保濕產品的消耗速度也常常不一樣。
- 產品週期特性:消耗品和非消耗品的回購邏輯不太相同,精華液、乳液屬於會被逐步用完的消耗品,彩妝與香氛則更接近庫存式囤貨或衝動購買,用「用完」這個概念去推算下一次購買,準確度本來就比較低。
這裡有一個必須誠實面對的限制:訂單資料看得到的是「購買間隔」,不是「使用完畢的實際時間」。一次買兩瓶、收到贈品、幫家人代買、或是同時在別的通路買了同款,都會讓購買間隔跟真實用量脫鉤。回購時機的估算,只能當作一個有根據的參考區間,不是精準預測。
McKinsey 在《Next in Personalization》這份 2021 年的研究裡指出,成長較快的企業,個人化帶來的營收貢獻比成長較慢的同業多出 40%,同時有 71% 的消費者期待品牌提供個人化的互動,76% 的消費者在沒有得到這種對待時會感到不耐。這個判斷放到保養品的回購情境是一個提醒:客人在意的,是提醒日期跟自己實際用量有沒有關係,不只是有沒有被打擾。

91APP CDMP 團隊怎麼分析回購時機
91APP CDMP 的數據顧問團隊在幫美妝保養品牌分析會員資料時,做法上會把「回購時機」拆成兩層分開處理,不是靠單一固定天數硬套所有商品和所有人。
- 回購時機估算:回頭看每一位會員自己過去實際的購買間隔,取中位數與上下區間,抓出這個人對這個品類比較可能落在的回購時間窗;如果這位會員在這個品類還沒有足夠的個人購買紀錄,就先參考同品類其他會員的間隔中位數當基準。這跟週期腳本的業績貢獻高於單次群發的觀察方向一致:貼合個人節奏的觸發式訊息,通常比對所有人喊同一句話更有效。
- 膚質與需求標籤:透過購物流程中的簡短問卷,把膚質、髮質、主要保養需求記錄成結構化標籤,讓後續的商品推薦與行銷文案能依標籤分流。購買紀錄能回推出的是商品偏好,不能直接當成確認過的膚質分類,問卷仍是第一手依據。如果品牌同時經營門市試用與線上購買,把兩邊的會員身分綁成同一個 ID是先決條件,不然樣品轉正貨的路徑會很難追蹤。
購買間隔只是估算回購時機的其中一種做法,商品容量與規格、會員自填的使用頻率、有沒有訂閱或補充包機制,也都是可以互相補強的參考資訊,品牌手上的資料條件不同,適合切入的組合也會不一樣。這套方法論不需要品牌自己養一個數據科學團隊,重點在於把「回購時機該怎麼估」和「膚質標籤該怎麼用」交給熟悉這套分析邏輯的團隊,品牌行銷團隊要做的,是把問卷設計好、把文案寫對、把名單用在對的通路上。
膚質標籤先建好,回購提醒才有機會設對時間
- 先把商品分成消耗品和非消耗品兩類,各自標記平均使用天數區間,不要用同一份回購提醒模板套用在精華液和眼影上。
- 用簡短問卷把膚質、髮質、主要保養需求整理成標籤,讓推薦內容與文案依標籤分流,不是對全體會員群發同一封信。
- 把試用包、體驗品的兌換紀錄,和後續的正貨購買綁在同一個會員身分上,才看得出誰真的從樣品轉成了長期客戶。
- 找一個對照組,用固定週期發券的方式維持一段時間,同時對另一群會員試個人化回購提醒,比較兩邊的回購率、退訂率與客訴,再決定要不要擴大到其他品類。

那條在後台報表上分岔的回購曲線,不見得是客人善變,也可能是提醒的時機被一個統一的天數蓋住了真正的訊號。保養品用完的時間,很大程度是客人自己的皮膚和用量決定的,品牌訂出來的固定天數,終究只是一個猜測。願意去校準這個猜測的品牌,比較有機會等到客人自己回來的那一刻。
美妝保養品牌最常問的回購時機問題
Q1:美妝保養品牌做會員經營,跟其他零售產業有什麼不同? A1:最大差別在於商品本身的消耗速度差異很大。精華液、乳霜這類保養品有明確的使用週期,彩妝與香氛則更接近一次性或衝動性消費,同一套回購提醒邏輯很難同時套用在兩種商品上,需要先依「是否為消耗品」分類,才能設計出對的溝通時機。
Q2:個人化回購時機推估,跟傳統「訂單成立 N 天後發券」有什麼不同? A2:傳統做法用一個全品牌統一的固定天數,個人化回購時機推估則是回頭看每個人過去實際的購買間隔,抓出這個人自己的回購時間窗。同一款精華液,對不同會員來說,該提醒的時間點可能差到兩三週。
Q3:沒有大量歷史訂單資料的小眾保養品牌,也能做這件事嗎? A3:可以。個人樣本不足時,先用同品類其他會員的購買間隔中位數當暫時基準,等這位會員自己累積到一定次數的購買紀錄,再切換成他個人的資料計算。品牌不需要一開始就擁有完美的個人數據才能動手。
Q4:導入膚質分眾與回購時機估算,大概多久能看到成效? A4:標籤盤點與問卷設計的前置作業,快的話幾週就能上線,但回購提醒準不準,需要實際觀察過幾輪購買週期,並且拿固定週期發券的對照組來比較,才能判斷有沒有改善,這個驗證期沒有標準答案,品類週期越長,需要觀察的時間通常也越長。
Q5:這件事需要品牌自己養一個數據科學團隊嗎? A5:不需要從零開始養團隊。回購時機估算的核心是統計歷史購買間隔的百分位數,膚質標籤則是問卷與購買行為的結構化整理,這類分析工作可以交給熟悉這套方法的數據顧問團隊(例如 91APP CDMP 的顧問服務)執行,品牌行銷團隊負責的是標籤怎麼問、文案怎麼寫、名單怎麼用在對的通路上。
Q6:用「用完時間」推估回購時機,會不會太早催購,讓人反感? A6:用個人資料而不是全品牌固定天數,至少能讓提醒時間點更貼近這個人自己的使用節奏,比較不像是品牌單方面設定的促銷節奏。但因為購買間隔跟實際用量不會完全對得上,還是建議先用小範圍測試搭配退訂與客訴指標,確認提醒頻率沒有造成反效果,再擴大範圍。 leer más sobre BetWarrior