用 AI 做顧客留存與挽回：流失預警、回購提醒、VIP 經營，把舊客變鐵粉

很多品牌的成長焦慮，其實藏在一個沒人愛看的數字裡：辛苦花錢拉來的客，有多少只買了一次就再也沒回來。老闆們開會時聊的多半是「這個月又拉了多少新客」，卻很少有人盯著「上個月那批客，這個月回來幾個」。結果就是行銷費年年加碼、營收卻原地踏步，像不斷把水倒進一個底部有洞的桶子。留存做不好，拉新永遠只是補破口。

這篇要解決的問題：怎麼用 AI 有系統地留住舊客、把快流失的人挽回來，並把高價值顧客經營成主動幫你帶客的鐵粉。 適合誰讀：電商小編、行銷企劃、CRM 負責人、自己顧客自己顧的中小企業主與品牌經營者。 讀完你會得到：一套從盤點資料、RFM 分群、流失預警到自動挽回的 Prompt，一張可直接照做的 Workflow 流程圖，以及一份避免把挽回做成騷擾的實作清單。

本文涉及顧客資料與行銷操作，文中案例數字僅供說明，實際成效因產業、客群與資料品質而異。使用 AI 處理個人資料須遵守台灣《個人資料保護法》相關規定，發送行銷訊息應取得同意並提供退訂管道，本文不構成法律意見，涉及個資合規請諮詢專業意見。

為什麼留存比拉新更值得用 AI 來做

留存這件事，過去之所以做不好，不是因為老闆不懂它重要，而是因為它「很煩、很碎、很需要記憶」。你要記得每位客上次買什麼、隔多久該提醒、誰是大戶不能怠慢、誰快流失要趕快拉一把。一兩百個客還能靠 Excel 硬撐，上千上萬個客，人腦就投降了。於是多數品牌的留存只剩一招：每個月對全名單群發同一封促銷，打中誰算誰。

這正是 AI 最能補位的地方。留存的本質是「在對的時間、對對的人、說對的話」，而這三件事都是 AI 的強項：它能快速把雜亂的訂單紀錄整理成可分析的名單、依規則把上萬名顧客瞬間分群、依每個人的購買週期算出流失風險，再針對不同群組草擬語氣與誘因都不同的訊息。換句話說，AI 把過去只有大公司 CRM 團隊才做得到的精細經營，壓縮成一個人、幾段 Prompt 就能跑起來的流程。

更關鍵的是觀念轉變。拉新是一次性的花費，留存是會利滾利的資產——一個被照顧好的舊客，會回購、會升級、會推薦、會原諒你偶爾的小失誤。把 AI 用在留存，不是為了少做拉新，而是讓你辛苦拉來的每一個客，價值都被榨得更乾淨、更長久。

核心概念：把「留存」拆成看得懂的三層

很多人聽到「顧客留存」就覺得抽象。其實只要把它拆成三層，整件事就清楚了。第一層是分群：搞清楚你的客是誰、誰重要。第二層是預警：看出誰快走了、該優先救誰。第三層是經營：對留下來的人持續加溫、對快走的人及時挽回、對最有價值的人給尊榮。

分群最常用的工具是 RFM。它用三個你資料庫裡本來就有的維度，把模糊的「顧客」變成清楚的群組：

理解 RFM 後，「流失預警」就有了著力點。最直覺也最有效的訊號是「超過正常購買週期還沒回來」。如果一位客平均每 30 天買一次，現在已經 90 天沒動靜，他的流失風險就明顯偏高。你不需要高深模型，把這個邏輯交給 AI 用簡單規則算出每個人的「沉睡倍數」，就能排出一份該優先打電話、發訊息的名單。

打個比方：留存就像經營一座果園。RFM 是幫你認得每棵樹（哪棵正旺、哪棵在衰）；流失預警是裝在樹上的感測器（哪棵快枯了要先救）；VIP 經營與挽回則是澆水施肥的動作。AI 的角色，是那個記得住每棵樹狀況、又不會喊累的果園管家。

實際教學：五步用 AI 建立留存系統

Step 1：盤點並整理顧客資料

巧婦難為無米之炊。AI 再強，沒有乾淨的顧客資料也算不出東西。第一步是把散在訂單系統、電商後台、會員名單裡的資料，整理成一張「一人一列」的表，至少包含：顧客代號（去識別化，避免用真名）、最後購買日、總購買次數、累計消費金額、平均購買間隔、最近是否有開信／點擊等互動。

這一步不必完美，先求堪用。如果你只匯得出「訂單明細」（一筆訂單一列），可以把它丟給 AI，請它幫你彙總成以顧客為單位的摘要表。重點提醒：處理真實顧客資料時，務必先去識別化、避免把姓名電話 Email 直接貼進公開 AI 工具，分析用代號就好。

Step 2：用 RFM 把顧客分群

有了乾淨的表，就讓 AI 套 RFM 邏輯分群。你不必自己訂死規則，可以先把你的產業特性（例如「我們是保養品電商，正常 45 天回購一次」）告訴 AI，請它建議合理的分群門檻，再依結果調整。產出會是一份「每位顧客屬於哪一群」的清單，以及各群的人數與營收佔比——這張表本身就會給你很多 insight，例如你可能會赫然發現「VIP 鐵粉只佔人數 8%，卻貢獻 45% 營收」。

Step 3：設計流失預警分數

接著把焦點放在「會走的人」。請 AI 依每位顧客的平均購買間隔和最後購買日，算出「沉睡倍數」（已隔天數 ÷ 平均間隔），並轉成易懂的風險等級：低於 1.5 倍是健康、1.5 到 3 倍是警戒、超過 3 倍是高風險。再加上輔助訊號（例如連續幾次沒開信、退貨紀錄）微調分數。產出是一份「依風險排序的挽回優先名單」，你的力氣就有了明確的投放順序。

Step 4：依分群寫對的訊息

這是 AI 最發揮價值的一步。同一個促銷，對 VIP 和對流失邊緣的人要用完全不同的講法。請 AI 針對每個群組各寫一套訊息，並明確指定語氣與誘因：VIP 強調尊榮與搶先、不必急著打折；沉睡客用「你喜歡的某品項補貨了」這種相關理由溫和喚醒；流失邊緣可搭配一個明確誘因或「想聽聽你為什麼離開」的問卷。重點是每則訊息都要有「為什麼現在發給你」的理由，而不是無差別轟炸。

Step 5：自動化發送並看數據

最後把流程接起來自動跑。把分數高於門檻的名單依群組觸發對應訊息（可串接 Email、簡訊或 LINE 的行銷工具），並嚴格設定發送頻率與退訂機制。發完別就結束——固定週期回看「回流率、回購貢獻、退訂率」，把表現好的訊息留下、把惹人退訂的版本砍掉，讓系統一輪比一輪聰明。想把這類觸發式流程做得更完整，可以參考我們的用 AI 跑行銷自動化，或到自動化工作流找現成範本。

範例：Prompt 與 Workflow 流程圖

下面這段 Prompt 可直接複製，把你的顧客摘要表貼進去（記得先去識別化），就能一次拿到分群、流失分數與分群訊息草稿。

你是一位資深 CRM 與顧客留存顧問。我會貼上一份顧客摘要資料（已去識別化），
欄位包含：顧客代號、最後購買日、總購買次數、累計消費金額、平均購買間隔（天）。

我的產業背景：〔例如：保養品電商，正常回購週期約 45 天〕
今天日期：〔YYYY-MM-DD〕

請依序完成三件事：
1. RFM 分群：用 R／F／M 把顧客分成「VIP 鐵粉、忠誠常客、新客、沉睡客、流失邊緣」，
   並說明你用的分群門檻，最後給我各群人數與累計金額佔比。
2. 流失預警：對每位顧客算「沉睡倍數＝(今天−最後購買日)÷平均購買間隔」，
   標為健康(<1.5)、警戒(1.5–3)、高風險(>3)，依風險高到低排出挽回優先名單。
3. 分群訊息：對每一群各寫一則 LINE／Email 訊息草稿，指定語氣與誘因——
   VIP 重尊榮不打折、沉睡客用相關理由溫和喚醒、流失邊緣搭配明確誘因或離開原因問卷。
   每則訊息都要有「為什麼現在發給你」的理由，並附一行退訂提示。

請用表格呈現分群與名單，訊息用繁體中文台灣口語，避免誇大與絕對化用語。

如果你不想自己拼 Prompt，也可以用我們的 Prompt 產生器 快速生成客製版本。整套留存系統的運作邏輯，用文字版流程圖呈現如下：

顧客資料盤點（訂單／會員／互動）
        ↓
整理成「一人一列」摘要表（去識別化）
        ↓
RFM 分群 ── 各群人數與營收佔比
        ↓
計算沉睡倍數 → 流失風險分數
        ↓
   ┌────────────┼────────────┐
   ↓            ↓            ↓
VIP 經營      回購提醒      沉睡喚醒／挽回
（尊榮、搶先）（規律觸發） （相關理由＋誘因）
   └────────────┼────────────┘
        ↓
串接行銷工具自動發送（控頻率＋退訂）
        ↓
回看數據（回流率／回購貢獻／退訂率）
        ↓
留贏家、砍輸家 → 回到分群再優化（持續循環）

常見錯誤

第一個常見錯誤是把挽回做成轟炸。一看到流失名單就興奮地連續發三天促銷，結果換來一片退訂與封鎖。挽回要分批、給理由、控頻率，寧可慢一點也別燒掉信任。

第二個錯誤是全名單一視同仁。對 VIP 和對沉睡客發一樣的九折碼，等於同時得罪兩邊——VIP 覺得不被重視、沉睡客覺得誘因不夠。分群的意義就是別再群發同一套。

第三個錯誤是只用折扣留人。折扣最容易把顧客養成「沒折扣不買」，毛利越打越薄。價格誘因要省著用，多靠尊榮感、相關性與服務體驗留人。

第四個錯誤是資料髒了還硬算。最後購買日抓錯、重複客沒合併，AI 算出來的名單就是垃圾進垃圾出。盤點階段多花點時間清資料，後面才準。

第五個錯誤是發完就不看數據。沒有回頭比對回流率與退訂率，你永遠不知道哪則訊息有效、哪則在趕客，整套系統也就停在第一版不會進步。

最佳實務

先補洞，再加水。 在大舉拉新之前，先把留存的破口補起來。算一下你的回購率，如果偏低，那麼同樣的預算花在留存上，CP 值通常更高。

用「理由」取代「促銷」。 每一則挽回訊息都該有一個對顧客成立的理由——他常買的補貨了、點數要到期了、新品和他過去偏好相關。理由讓訊息像關心，促銷讓訊息像推銷。

把 VIP 當人，不當訂單。 記住他們的偏好與里程碑，在生日、週年、新品時做一個小而真誠的動作。讓 AI 幫你記憶與提醒，但溫度由你親自給。

讓 AI 發想、由你拍板。 AI 負責分群、算分、草擬大量訊息；你負責挑語氣、改成在地口語、確認誘因合理與合規。產量交給 AI、品牌語氣與判斷交給你。

守住個資與退訂底線。 處理資料去識別化、發送訊息有同意與退訂、頻率有節制。留存是長期關係，合規與尊重是地基，地基垮了什麼都沒了。

實際案例：台灣保養品電商的留存翻身

台中一家中小型保養品電商「日常肌研」（化名），月營收約三百多萬，長年靠 FB 廣告拉新。他們的困境很典型：廣告費佔比越來越高，營收卻卡住——因為大量新客只買一次就消失，回購率長期偏低。老闆娘自己也知道問題在留存，但兩個人的小編團隊根本沒餘力一個一個顧客追。

導入前：留存全靠每月一封全名單群發電子報，內容是當月促銷，開信率約 12%，回購率約 18%，VIP 沒有任何特別待遇，流失的舊客幾乎沒人主動挽回。小編每天忙著回訊息與上架，留存這塊基本放生。

導入後：他們用上述流程，先把一年內的訂單匯出、請 AI 整理成顧客摘要表並跑 RFM。結果讓老闆娘很震撼——人數僅 9% 的 VIP 鐵粉，貢獻了近一半營收，而過去這群人和新客收到的是同一封信。接著用沉睡倍數排出「警戒與高風險」名單，依群組讓 AI 草擬三套訊息：VIP 給新品搶先購與專屬客服 LINE、沉睡客用「你上次買的精華液補貨了」溫和喚醒、流失邊緣搭配一個小樣禮與「想聽你的想法」問卷。訊息串上既有的 LINE 官方帳號分眾發送，並把頻率壓在每兩週一次以內。

成果數據（導入後約三個月，數字僅供說明）：分眾後的訊息開封與點擊明顯優於過去全名單群發；針對沉睡客的喚醒活動帶回了一批本來算流失的舊客回購；VIP 在拿到搶先購待遇後，回購頻率和客單都往上走；整體回購率從約 18% 拉升到約 27% 左右。更重要的是觀念上的轉變：老闆娘開始每月固定看回購率與挽回回流率，把一部分原本全壓在拉新的預算，挪到了成本更低、回報更穩的舊客經營上。退訂率沒有因為發訊息變多而惡化，因為每一則都「有理由、有節制」。

這個案例的重點不在數字多漂亮，而在它示範了一件事：一個兩人小團隊，靠 AI 把過去做不來的精細留存跑了起來。他們沒有買昂貴的 CRM、沒有請資料科學家，靠的是把本來就有的訂單資料整理乾淨、用對的 Prompt 分群與草擬訊息，再加上人親自把關語氣與誘因。

結論

顧客留存不是行銷的配角，而是讓拉新真正划算的前提。當你不斷花錢拉新客、卻任由舊客一個個流失，等於永遠在補同一個破洞。AI 的價值，是把過去碎、煩、需要記憶的留存工作——盤點資料、RFM 分群、流失預警、分眾挽回、VIP 經營——壓縮成一個人也能穩定運轉的系統，讓你終於有餘力「在對的時間，對對的人，說對的話」。

從今天起，做一件最小的事就好：把你近一年的訂單匯出來，用本文的 Prompt 跑一次 RFM，看看你的 VIP 到底是誰、又有多少快流失的舊客正在無聲離開。光是看清楚這兩群人，你對行銷預算的分配可能就會完全改觀。把舊客變鐵粉，從認得他們開始。想更系統地把這些觸發流程自動化，可以接著看什麼是 AI Agent，或到任務食譜挑一個現成流程開始動手。

❓ 常見問題 FAQ

🔗 延伸閱讀

• 用 AI 跑行銷自動化
• ChatGPT Prompt 寫法完整教學
• 什麼是 AI Agent
• 瀏覽更多任務食譜
• 探索自動化工作流