用 AI 做顧客分群與精準行銷：RFM 分群、分眾訊息、再行銷實戰

你是不是也這樣——一封促銷信，寄給名單上所有人？結果老客覺得吵、新客看不懂、沉睡客根本沒打開。難怪轉換上不去。2026 年讓行銷預算花在刀口上的關鍵，是用 AI 做顧客分群與精準行銷。

這篇要解決的問題：教你用 AI 把顧客名單分群，並為每一群寫對的訊息，提升開信與轉換。 適合誰讀：電商、零售、做會員經營的行銷與店家，不需要數據或程式背景。 讀完你會得到：一套可照做的 RFM 分群方法、可複製的 Prompt、進階的自動化思路，以及台灣案例與數據。

為什麼群發越來越沒效？

因為顧客不是同一種人。剛買第一次的新客、每月回購的鐵粉、半年沒來的沉睡客，他們的心態、需求、該給的訊息完全不同。

群發等於用「平均值」對待所有人——結果誰都沒打中。更糟的是，2026 年的收件匣與 LINE 推播越來越擁擠，平台的演算法會根據「互動率」決定你的訊息要不要進主收件匣。當你一直群發、一直被忽略，整份名單的觸及率會被一起拖下水——這叫「寄件信譽」受損，是群發最隱形的代價。

精準行銷的精神是：把對的訊息，送給對的人，在對的時機。 而要做到這件事，第一步就是分群。想先弄懂顧客「為什麼買、在意什麼」，可以搭配 用 AI 做市場與客戶研究 補上質化的那一塊；分群負責「誰」、研究負責「為什麼」，兩者合起來才完整。

核心概念：用 RFM 分群

最實用、門檻最低的分群法叫 RFM，只看三個指標：

把這三項交叉，就能分出幾個關鍵族群：高價值客（常買、買多）、潛力新客（剛來、買不多）、沉睡客（曾經常買、最近消失）、一次性客（只買過一次）。每一群的行銷目標都不一樣。

為什麼是這三個指標？因為它們同時回答了行銷最關鍵的兩個問題：「這個人現在還活著嗎（R）」與「這個人值多少（F×M）」。R 是時間維度、F 與 M 是價值維度，三者交叉就能把一份名單的全貌攤開。RFM 強在它不需要任何個資、不需要問卷、不需要追蹤碼，只靠最乾淨的交易紀錄就能跑，這也是它在個資法日益嚴格的 2026 年仍是首選的原因。

各群一眼看懂：對照表

為了讓你照著做，這裡把最常見的五群整理成對照表——包含他們的心態、行銷目標、以及該給的訊息切角：

這張表的價值在於：它把抽象的數字，翻譯成「該對誰說什麼話」。當你看著表寫文案，就不會再寫出那種誰都適用、結果誰都沒感覺的句子。

實際教學：五步驟做精準行銷

Step 1：匯出顧客資料

從電商後台、POS 或會員系統匯出名單，至少包含「最近購買日、購買次數、消費金額」三欄。如果你的資料散在不同系統（官網一份、LINE 一份、實體店 POS 一份），先在這一步把它們以「顧客代號」對齊整理成一張表——這部分如果量大，可以參考 用 AI 做數據分析 的清洗與合併技巧。

Step 2：用 AI 做 RFM 分群

把（去識別化的）數據交給 AI，請它依 RFM 分群並為每群命名、描述特徵。AI 在這裡的角色，等於一位幫你算分位、貼標籤、寫族群描述的分析助理，把原本要套公式、拉樞紐分析表的工作壓縮成一段對話。

Step 3：定義每群目標

高價值客要維繫與專屬感、沉睡客要喚回、新客要養成回購。先想清楚「要這群人做什麼」。一個實用的檢查法：每一群只設一個主要行動目標（CTA），目標太多等於沒有目標。

Step 4：為每群寫對的訊息

用 AI 針對各群心態，產出不同的主旨與內容。可搭配 用 AI 寫電子報 提升開信率，並參考 用 AI 打造行銷 Agent 把文案產製流程化，讓每次分群都能快速生出對應的分眾素材。

Step 5：投放、追蹤、迭代

發送後看各群的開信與轉換，把有效的留下、無效的修正，每月重跑分群。記得追蹤的不只是「開信率」，更要看各群的實際轉換與回購——有時開信高但沒下單，問題出在誘因或商品，不是主旨。

範例：Prompt 與 Workflow

RFM 分群 Prompt（貼上去識別化數據）：

你是 CRM 行銷分析師。以下是顧客的購買數據（已去識別化）：
[貼上：顧客代號、最近購買日、購買次數、消費金額]

請：
1. 用「五分位法」分別為 R、F、M 評分（1-5 分），算出每位顧客的 RFM 三碼
2. 依 RFM 把顧客分成 4-5 群並命名（如高價值、沉睡客…）
3. 描述每群的特徵與行銷目標
4. 給每群一句行銷切角
繁體中文、台灣電商情境。

分眾文案 Prompt（接續上一步）：

延續上面的分群結果，請為「沉睡客」這一群寫 EDM 與 LINE 兩版訊息：
- EDM：寫 3 組主旨（A/B/C）＋一段 120 字內文，目標是喚回回購
- LINE：寫 1 則 60 字內的推播，語氣親切、含一個明確 CTA
- 各附一個「我們想你了」的回頭誘因建議
繁體中文、台灣口語、不要浮誇用詞。

精準行銷 Workflow 文字流程圖：

匯出顧客數據（去識別化）
        ↓
AI 做 RFM 評分與分群
        ↓
各群定「單一目標」與分眾訊息
        ↓
分眾發送（EDM／LINE／簡訊）
        ↓
追蹤各群開信＋轉換＋回購
        ↓
每月重新分群（顧客會換群）

進階：更深入的一層

當你跑過幾輪 RFM，會開始遇到三個「再進一層」的需求。這一段就是給已經上手、想把分群做得更聰明的你。

一、從「靜態分群」到「自動觸發」

手動每月分群一次，最大的盲點是時間差。一位 VIP 在第 15 天就流露出流失徵兆，但你要等到月底重跑才發現，黃金挽回期早就過了。解法是把規則交給 AI Agent：設定「高價值客超過 45 天未購 → 自動發專屬回頭券」「新客買完第 7 天 → 自動推回購券」，讓系統 24 小時盯著顧客狀態變化、即時觸發。這就是分群行銷的終局——從「每月一次的活動」變成「全年無休的自動再行銷流程」。想把這套自動化串進整個電商營運，可延伸閱讀 AI Agent 在電商的應用。

二、把「分群」接上「定價」

不同族群對價格的敏感度天差地遠：沉睡客可能要 8 折才會回頭，VIP 卻更在意「優先」與「限定」而非折扣。如果你對所有人發一樣的折扣，等於對 VIP 多送了利潤、對沉睡客又給得不夠。把分群結果接上 用 AI 做訂價策略 的思路，為每群設計差異化的誘因強度，是讓毛利與喚回率同時最佳化的關鍵一步。

三、超越 RFM：加上「品類」與「生命週期」維度

RFM 看的是「金額與頻率」，但兩位 M 值相同的顧客，一位只買保養品、一位只買彩妝，該推的東西完全不同。進階做法是在 RFM 之外，再疊一層主力購買品類與生命週期階段（首購／成長／成熟／衰退）。你不需要複雜模型，只要在 Prompt 裡多給 AI 一欄「最常購買品類」，請它在分群描述中標註各群的品類偏好，就能讓分眾訊息從「對的人」進化到「對的人＋對的商品」。

RFM 進階對照：手動 vs. AI Agent 自動化

導入自動化是一段組織能力的升級，不只是換工具。如果你是公司負責推動的人，企業導入 AI Agent 的完整指南 會幫你把流程、權限與資料治理一次想清楚。

常見錯誤

1. 還在群發：沒分群，再好的文案也打不準。
2. 把個資貼給 AI：務必去識別化，只用行為數據，遵守個資法。
3. 分太多群：4-5 群最好操作，太細反而無法執行。
4. 分完不行動：分群只是手段，有對應的訊息與投放才有價值。
5. 一次分群用到底：顧客狀態會變，要定期重分。
6. 只看開信、不看轉換：開信是過程指標，回購與營收才是目的。
7. 所有群給一樣的折扣：誘因強度應隨族群價值與敏感度調整。

最佳實務

• 先抓兩端：先把「高價值客」和「沉睡客」顧好，CP 值最高。
• 訊息對應心態：老客給專屬、沉睡給回頭誘因、新客給入門好康。
• 一群一目標：每群只設一個主要 CTA，目標單純才好衡量成效。
• 小步測試：先對一群試一個訊息，有效再擴大。
• 保護個資：去識別化、最小化使用，是長久經營的底線。
• 逐步自動化：先手動跑順流程，再把穩定的規則交給 Agent 自動觸發。

實際案例：台灣保養品電商的分群行銷

情境：一家中型保養品電商，名單約 2 萬筆，原本所有促銷都是全名單群發，開信率低、退訂多。

• 導入前：每月一封群發折扣信，開信率約 12%，老客嫌吵、退訂上升，整份名單的觸及率逐月下滑。
• 導入後：用 AI 做 RFM 分群成五群，高價值客給新品優先與專屬禮、沉睡客給「我們想你了」回頭券、新客給使用教學＋回購小禮，潛力客給跨品類加購建議。

成果數據：

• 整體開信率從 12% → 27%
• 沉睡客喚回率明顯提升、退訂率下降約三成
• 行銷檔期的整體轉換成長約 1.8 倍

另一個情境：台灣手搖飲品牌的 LINE 分眾

不是只有電商能做。一家在台灣有 12 家門市的手搖飲品牌，沒有官網購物車，全靠 LINE 官方帳號經營會員：

• 資料來源：用 LINE 點數集點紀錄當作交易資料，整理出「最近一次消費日、集點次數、累積金額」三欄。
• 分群做法：用 RFM 分成「天天喝的鐵粉」「週末才來」「一個月以上沒來的沉睡客」。
• 分眾推播：鐵粉推新品＋限定杯；週末客推平日限定買一送一拉高頻率；沉睡客推「久違了，回來喝一杯」免費升級券。
• 成果：沉睡客回流帶動單月來客回升，且因為改用分眾推播而非全名單群發，封鎖率明顯下降——這對 LINE 經營尤其關鍵，因為被封鎖一次就幾乎永久失去那位顧客。

這個例子說明：RFM 不挑產業、不挑通路，只要你能整理出那四欄資料，從電商到實體店都能做精準行銷。

免責聲明：本文所列開信率、轉換倍數、回流等數據為案例情境之示意，會因產業、名單品質、商品與檔期而異，不構成成效保證。涉及顧客個資的蒐集、處理與利用，請務必遵守《個人資料保護法》及相關法規；自動化發送行銷訊息時，亦應遵守平台政策與取得適法的行銷同意。本文不構成法律意見，重大個資合規問題請諮詢專業人士。

結論

精準行銷不是大公司的專利——只要你有一份顧客名單，用 AI 做 RFM 分群、為每一群寫對的訊息，就能讓有限的預算發揮更大效果。從顧好「高價值」與「沉睡」兩端開始，你會發現：對的人收到對的訊息，數字自己會說話。

接下來建議你這樣走：先用 用 AI 寫電子報 把分眾文案的開信率拉起來；當流程跑順、名單長大，再用 用 AI 打造行銷 Agent 把「分群—觸發—發送」自動化，讓再行銷全年無休；如果你想進一步把整個電商營運串成一條龍，AI Agent 在電商的應用 會是你的下一站。

需要協助規劃導入？歡迎 聯絡我們。

❓ 常見問題 FAQ

🔗 延伸閱讀

• AI Agent 在電商的應用
• 用 AI 寫電子報：養出高開信名單
• 用 AI 做市場與客戶研究
• 用 AI 打造行銷 Agent
• 用 AI 做數據分析