預測誰會回來？用點數與 CRM 資料預測再購行為
- gotyourpoint
- 8月6日
- 讀畢需時 4 分鐘
摘要
經營小店最怕的不是沒人來，而是「來過一次就不見了」。如果你能預先看出誰有機會回來、誰正準備流失，就能把行銷資源花在刀口上。本篇帶你一步步完成三件事：
搞懂為什麼要做「預測再購」──不是行銷口號，而是實際為營收加保險。
訂出自己的回購週期與觀察窗──用簡單算式就能得到專屬閾值。
用《CyberSaaS 給優點》的 CRM＋點數資料找出「高潛力名單」──分清誰值得立刻關懷、誰可以稍後再推。
看完這篇，你就擁有「一鍵拉出高潛力顧客清單」的能力，下一篇再教你把名單變成真正的回流營收。
一、為什麼「預測再購」值得做？
理由 | 說明 | 直接好處 |
提前挽回 | 習慣每週來的常客，突然兩週沒出現，其實是在向你「發出沉默求救」。若能在他完全忘記前就送上提醒，他回來的機率會大幅提高。 | 少掉「一直推還是不回來」的浪費，留住客源更省成本。 |
集中資源 | 行銷預算有限，與其群發 10,000 則推播，不如只對 1,000 位「今天就有可能上門」的人說話。 | 推播更精準、開啟率更高，折扣也可以開得更小。 |
穩定現金流 | 有了預測模型，你能大致估算下週會被喚回多少人、帶來多少營收。 | 現金流不再大起大落，備料、人力排班都更好安排。 |
一句話總結：「預測再購」就是把有限的子彈集中射向最可能命中的靶心，讓每一次行銷都看得到效果。
二、定義你的「回購週期」與「觀察窗」
回購週期 (Purchase Cycle) = 常客兩次消費之間的平均間隔。 觀察窗 (Observation Window) = 回購週期 × 1.2；略比正常間隔再長一點，給顧客一些彈性。
步驟示範
抓資料：在《給優點》後台下載最近 3–6 個月的「顧客消費歷史」。
算平均：對同一位顧客，計算每兩次消費的間隔天數，再取平均。
取得週期：把全部顧客的間隔平均值再平均一次，得到全店回購週期。
多 20 % 緩衝：週期 ×1.2，就是觀察窗。
例：早午餐車的常客平均 7 天來一次
回購週期 = 7 天
觀察窗 ≈ 7 × 1.2 = 8.4 ≈ 8 – 9 天 應用：只要顧客第 9 天還沒回來，系統自動把他標記為「需要關心」。
三、用 CRM＋點數資料刻畫「高潛力 vs. 高風險」
《給優點》在顧客每次刷點、兌換、註冊時，已自動幫你存下多個欄位。以下五個最關鍵，並附上「怎麼看才準」：
指標 | 代表什麼？ | 如何判斷潛力？ |
最近一次消費日 (Recency) | 距離現在最近的消費日期 | 越近＝熱度越高；超過觀察窗則進入預警。 |
來店頻率 (Frequency) | 指定區間內的來店次數，例如近 90 天 | 次數越多，黏著度越強，是「值得投資」的好苗子。 |
點數餘額 | 手上尚未使用的點數 | 有點數且即將到期，代表他「有動力」回來花掉。 |
兌換紀錄 | 是否曾把點數換成禮物／折扣 | 兌換過的顧客對點數價值有感，喚回成功率通常更高。 |
偏好品項／時間帶 | 常買什麼、什麼時段來 | 可以為後續訊息放進「他最熟悉的關鍵字」，提升開啟與點擊。 |
分級範例
高潛力
最近 14 天內來店
90 天內來店 ≧3 次
有 30 點以上、7 天內到期
中潛力
最近 30 天內來店，但距離觀察窗只差 1–2 天
或點數尚未到期，但已 30 天未兌換
高風險
超過觀察窗未來店
且無點數、從未兌換
小提醒：分級無須一次到位。先用簡單規則跑 2–4 週，再回頭觀察成效，慢慢細分即可。
四、把名單拉出來，下一步就能對症下藥
在後台設定條件：Recency ≤ 14 天、Frequency ≥ 3、點數到期 ≤ 7 天。
儲存成「高潛力」清單。
每天 10:00 自動更新：讓系統幫你把符合條件的人拉進名單，不用手動篩選。
清單一出爐，你就已經完成「預測」的七成工作——知道了要對誰說話，第二篇只要決定說什麼、何時說、說幾次，就能讓預測變現金。
[CTA 區塊 放置建議] 📲 下載《CyberSaaS 給優點》App —— 手機即時查看 Recency、Frequency 與點數到期提醒 👩💼 預約免費顧問 —— 專人協助計算你的回購週期，3 步驟完成名單設定
下篇預告
學會篩名單後，下一篇將示範：
三種最有效的喚回劇本（到期提醒、觀察窗喚醒、偏好品項誘惑）
自動化推播設定步驟，讓劇本天天自己跑
用兩個關鍵數字檢驗劇本成效，持續優化，讓行銷費每分錢都看得見成果。
想讓顧客在正確的時間、自然而然回到你的攤位？馬上收藏下一篇教學！
相關應用：
