從香港美妝品牌看 CRM 驅動會員回購：一年成效回顧

香港美妝品牌要靠 CRM 推動會員回購，關鍵不在發更多優惠券，而在先把事件追蹤與身分解析做對，再用 RFM 與補貨週期分群，最後以生命週期旅程自動化。本文以一個匿名化的香港美妝零售案例，回顧一年四個階段的做法、量測框架與取捨。

案例背景：一個香港美妝品牌的跨境會員挑戰

這是一個經過匿名處理的實作樣貌：一家香港起家的美妝與個人護理品牌,經營十餘間實體專櫃與一個 Shopify Plus 線上店,同時在台灣與新加坡設有小型配送倉。會員計劃已經跑了四年,資料庫裡有數十萬筆記錄,但團隊面對三個典型問題:

1. 同一個人有多筆身分。 門市用手機號開卡、線上用 email 註冊、WhatsApp 客服又是另一組 ID,系統看起來有很多會員,實際上有效可觸及的人少很多。
2. 行銷只剩下促銷節奏。 每月定期發送全站折扣,開信率逐季下滑,品牌毛利被自己訓練出來的「等折扣」行為侵蝕。
3. 跨市場各做各的。 香港用一套會員規則,台灣的 LINE 官方帳號又是獨立名單,新加坡則幾乎只靠 EDM。

這些問題在亞太區的中型零售品牌極為普遍。Bain & Company 在其零售與消費者忠誠度研究中長期指出,既有顧客的再購成本遠低於獲取新客,而忠誠度計劃的價值高度取決於能否辨識個別顧客行為——不是計劃本身存在與否。

美妝品類的另一個結構性壓力是獲客成本。根據 McKinsey 對消費品與零售行銷的分析,數位廣告成本上升與第三方 Cookie 退場,使得品牌必須把更多預算從獲客轉向既有客戶經營。對香港這種市場規模有限、但客單價與購買頻次都不低的市場,這個轉向更急迫。

為什麼美妝品類特別適合 CRM 驅動回購?

美妝有三個特性,讓 CRM 的投資報酬比許多品類更容易看見:

• 可預測的消耗週期。 一支精華、一瓶卸妝油、一組保養品的用完時間相對穩定。只要你知道顧客買了什麼 SKU、買了幾件,就能推估下一次需要補貨的時間窗。
• 高度的個人化容忍度。 顧客預期品牌知道自己的膚質、色號、過敏成分。相較於其他品類,「你上次買的是 #23 自然色」這類訊息不會被視為侵擾。
• 階梯式的品項擴張。 從單品到系列、從基礎到進階,交叉銷售路徑清晰。

反過來說,如果你的資料層不知道顧客買了哪個 SKU、幾件、在哪個門市,以上三點全部失效,剩下的就只有全站折扣。這就是為什麼這個案子的第一季完全沒有碰行銷活動。

第一季:先修數據底層,而不是先發優惠券

統一事件追蹤規格

第一件事是寫一份 tracking plan,把線上線下的行為事件定義成同一套語彙。團隊採用 Segment 作為 CDP 收集層,所有前端與 POS 整合都遵守同一份 schema。

1// 線上購買事件 — Shopify Plus 前端與後端雙重發送
2analytics.track('Order Completed', {
3  order_id: 'HK-2025-118204',
4  channel: 'online',
5  store_code: null,
6  currency: 'HKD',
7  total: 1280,
8  products: [
9    {
10      sku: 'SER-30ML-001',
11      product_id: '8842',
12      category: 'serum',
13      variant: '30ml',
14      quantity: 2,
15      price: 480,
16      est_consumption_days: 45   // 補貨週期的關鍵欄位
17    }
18  ]
19});

est_consumption_days 這個欄位是整個補貨策略的支點。它由商品團隊按容量與建議用量逐 SKU 維護,不是從演算法猜出來的。Segment 的 Protocols 功能可以在資料進入下游前驗證 schema,避免幾個月後發現一半事件缺欄位——這類資料品質問題在 Segment 官方文件中被列為 tracking plan 的首要用途。

門市端則透過 POS 中介層補發同一個事件,差別只在 channel: 'retail' 與填入 store_code。線上線下用同一個事件名稱,下游的分群邏輯才不需要寫兩套。

身分解析:決定誰是「同一個人」

香港市場的身分解析有個在地特性:手機號碼的辨識力高於 email。顧客在門市開卡只願意給手機,在線上結帳才留 email。因此 identity graph 的優先順序設定為:

1. 會員卡號(存在即最高權重)
2. 正規化後的手機號(統一補上 +852 / +886 / +65 國碼)
3. 小寫去空白的 email
4. 裝置 ID(僅用於匿名行為歸因,不作為合併依據)

1-- 正規化手機號,避免 "9123 4567" 與 "+85291234567" 被當成兩個人
2SELECT
3  CASE
4    WHEN phone_raw LIKE '+%' THEN REGEXP_REPLACE(phone_raw, '[^0-9+]', '')
5    WHEN market = 'HK'  THEN CONCAT('+852', REGEXP_REPLACE(phone_raw, '[^0-9]', ''))
6    WHEN market = 'TW'  THEN CONCAT('+886', REGEXP_REPLACE(LTRIM(phone_raw,'0'), '[^0-9]', ''))
7    WHEN market = 'SG'  THEN CONCAT('+65',  REGEXP_REPLACE(phone_raw, '[^0-9]', ''))
8  END AS phone_e164,
9  member_id, email_normalised, market
10FROM raw.member_profiles;

合併規則必須寫成文件並留下審計紀錄。一旦兩個 profile 被錯誤合併,顧客會收到別人的購買歷史——這在美妝這種涉及膚質與個人偏好的品類,是比漏發訊息嚴重得多的事故。

第二季:用 RFM 與補貨週期重建分群

傳統 RFM(Recency、Frequency、Monetary)在美妝上有一個缺陷:它不知道顧客「該不該」回來。買了 100ml 身體乳的人,45 天沒回購是正常的;買了 30ml 精華的人,45 天沒回購就是流失訊號。

所以分群邏輯把 Recency 換成相對補貨逾期率:

1WITH last_purchase AS (
2  SELECT
3    user_id,
4    MAX(order_date) AS last_order_date,
5    MAX(est_consumption_days) AS cycle_days
6  FROM mart.order_items
7  GROUP BY user_id
8)
9SELECT
10  user_id,
11  DATE_DIFF(CURRENT_DATE(), last_order_date, DAY) / NULLIF(cycle_days, 0) AS overdue_ratio,
12  CASE
13    WHEN DATE_DIFF(CURRENT_DATE(), last_order_date, DAY) / NULLIF(cycle_days,0) BETWEEN 0.7 AND 1.0
14      THEN 'replenish_window'      -- 進入補貨窗,發提醒
15    WHEN DATE_DIFF(CURRENT_DATE(), last_order_date, DAY) / NULLIF(cycle_days,0) BETWEEN 1.0 AND 1.8
16      THEN 'at_risk'               -- 逾期,發個人化挽回
17    WHEN DATE_DIFF(CURRENT_DATE(), last_order_date, DAY) / NULLIF(cycle_days,0) > 3
18      THEN 'dormant'               -- 休眠,低頻重啟
19    ELSE 'active'
20  END AS lifecycle_stage
21FROM last_purchase;

這個單一欄位改變了整個行銷節奏:訊息不再按行事曆發送,而是按每個人的消耗進度發送。Braze 在其生命週期行銷資料中反覆強調,觸發式(triggered)訊息的互動率普遍高於批次推播,原因正是時機相關性。

另外三個疊加維度:

• 品類親和度 — 彩妝客、保養客、香氛客的內容語調與促銷敏感度完全不同。
• 折扣依賴度 — 過去 12 個月有多少比例的訂單使用了折扣碼。高依賴度的會員,刻意減少促銷觸及,改以新品優先體驗、補貨提醒等非價格誘因。
• 通路偏好 — 只在門市買的會員,線上 EDM 的目標不是促成線上下單,而是導客回店。

第三季:生命週期旅程與 AI 輔助內容產出

分群建好之後,旅程設計其實不複雜。真正吃人力的是內容:三個市場、四種繁簡與英文語境、每個分群各自的文案變體,按傳統做法一次活動就要寫幾十個版本。

團隊的做法是把 LLM 放在產出草稿與本地化這一段,人類保留品牌語調審核與成分宣稱把關。美妝文案涉及功效宣稱,在香港、台灣、新加坡各有不同的廣告規範,這部分絕對不能全自動。

實際流程:

1. 行銷負責人寫一份 brief(目標分群、主打 SKU、禁用詞清單、CTA)。
2. LLM 依 brief 產出每個分群的主旨行與正文草稿,同時輸出繁中(港式)、繁中(台式)、英文三版。
3. 人工審核功效宣稱與法規敏感詞,改寫品牌語氣。
4. 定稿後以 Braze 的 Liquid 模板做個人化欄位插入。

1{% if custom_attribute.${lifecycle_stage} == 'replenish_window' %}
2  {{${first_name} | default: '你好'}},你的 {{custom_attribute.${last_sku_name}}}
3  大約還夠用 {{custom_attribute.${days_remaining}}} 天。
4  {% if custom_attribute.${preferred_channel} == 'retail' %}
5    下次經過{{custom_attribute.${home_store_name}}}可以順道補貨,櫃姐已經記下你的色號。
6  {% else %}
7    一鍵補貨,兩個工作天送到。
8  {% endif %}
9{% endif %}

這裡的取捨要說清楚:LLM 讓內容產能上去,但也讓審核成為新的瓶頸。 如果沒有在流程中明確指派誰為合規簽核,產出變多只會讓風險變多。Salesforce 在其 State of Marketing 系列研究中指出,行銷團隊導入生成式 AI 的最大障礙之一正是資料治理與可信度,而非技術本身。

一年成效回顧要量測哪些指標?

這是多數專案做得最草率的部分。回顧會議上拿一張「EDM 開信率上升」的圖表,說明不了 CRM 投資是否值得。建議在專案啟動時就鎖定以下指標框架,並在第一季結束前完成基線量測:

回購類指標

• 90 天 / 180 天回購率,按首購月份的世代(cohort)切開看,而不是看整體平均。整體平均會被新客湧入稀釋。
• 平均回購間隔天數,並與 SKU 的理論消耗週期比較。縮短才是真的改善。
• 第二單轉換率 — 首購到第二單的轉換,是美妝留存最關鍵的單一關卡。

價值類指標

• 12 個月累計顧客價值,按首購通路(門市 / 線上)分開看。
• 折扣滲透率 — 有多少比例的回購訂單依賴折扣碼。這個數字如果沒降,代表你只是把促銷做得更準,沒有建立品牌誘因。
• 毛利貢獻,而非營收。個人化推薦若把流量導向低毛利品項,營收上升但利潤未必。

資料健康度指標

• 可觸及率 — 有效 email + 有效手機 + 有同意紀錄的會員佔比。
• 身分合併率與誤合併回報數。
• 事件 schema 違規率(Segment Protocols 可直接輸出)。

增量驗證

最重要的一項:保留 holdout 群組。每個自動化旅程保留 5–10% 的符合條件會員不接收訊息,比較兩組的回購率差異。沒有 holdout,你永遠分不清「補貨提醒有效」還是「這些人本來就會回來買」。這是整個量測框架裡最容易被業務壓力砍掉、卻最不該砍的一項。

跨境擴張:香港、台灣、新加坡的差異

同一套 CRM 架構能跨市場複用,但以下幾層必須在地化:

觸達通路

• 香港 — WhatsApp 的滲透率主導客服與交易通知,email 作為內容與促銷主力。
• 台灣 — LINE 官方帳號幾乎無可取代,推播成本結構與 email 完全不同,訊息頻次策略要重寫。
• 新加坡 — email 與 SMS 並行,英文為主但需考慮多元族群的語境。

法規與同意

香港的《個人資料(私隱)條例》對直接促銷有明確要求:首次使用個人資料作直接促銷前須通知並取得同意,且每次促銷訊息須提供拒絕管道——香港個人資料私隱專員公署(PCPD)在其直接促銷指引中有詳細說明。新加坡的 PDPA 除同意要求外,還有 Do Not Call Registry 的檢核義務,由新加坡個人資料保護委員會(PDPC)管轄。台灣則適用《個人資料保護法》。

實務上的做法是:同意狀態作為 profile 的一級欄位,按市場、按通路、按用途分開儲存,而不是一個籠統的 opt_in = true。

1{
2  "user_id": "m_88421",
3  "consents": [
4    {"market":"HK","channel":"email","purpose":"direct_marketing",
5     "status":"granted","ts":"2025-03-11T09:22:00+08:00","source":"pos_tablet"},
6    {"market":"HK","channel":"whatsapp","purpose":"transactional",
7     "status":"granted","ts":"2025-03-11T09:22:00+08:00","source":"pos_tablet"},
8    {"market":"SG","channel":"sms","purpose":"direct_marketing",
9     "status":"withdrawn","ts":"2025-07-02T14:05:00+08:00","source":"preference_centre"}
10  ]
11}

每筆同意都帶時間戳與來源,查核時才拿得出證據。

營運時區

跨三個市場的生命週期旅程,訊息發送時間必須按會員所在時區計算,而不是按總部時間。這聽起來瑣碎,但把台灣會員的補貨提醒在凌晨三點推送出去,退訂率會立刻告訴你答案。

對歐美品牌而言,這正是把 CRM 營運基地設在亞太的實際價值:香港、台北、新加坡、吉隆坡的團隊在同一個工作日內覆蓋亞太市場的黃金發送時段,而這些時段對倫敦或紐約的團隊是深夜。時區不是成本問題,是反應速度問題。

這一年踩過的坑與取捨

坑一:先買工具,後想清楚資料模型。 很多團隊第一步就簽 CDP 合約,結果把混亂的資料原封不動搬進新系統。工具不會修資料品質,只會讓壞資料流得更快。

坑二:把 RFM 當終點。 RFM 是分群的起點,不是策略。沒有搭配品類親和度與折扣依賴度,高價值客群會被不斷轟炸,最後退訂。

坑三:門市團隊被排除在外。 美妝的門市人員掌握最豐富的顧客情報(膚質、色號、偏好),如果 POS 端沒有簡單的記錄介面,這些資料永遠進不了 CRM。這通常是組織問題,不是技術問題。

取捨一:即時性 vs. 成本。 真正的即時 streaming 身分解析成本高昂。對補貨週期以天計算的美妝品類,每小時批次處理在絕大多數旅程上已經足夠,把預算留給資料品質更划算。

取捨二:自動化深度 vs. 維運負擔。 旅程分支每增加一層,除錯複雜度就上升一階。建議初期維持 3–5 條核心旅程(歡迎、第二單推動、補貨提醒、流失挽回、VIP 經營),跑穩了再擴充。

Branch8 在為區域零售與消費品牌做 CRM/CDP 落地時,反覆看到的模式是:工具選型的影響,遠小於 tracking plan 寫得好不好、以及門市與電商團隊願不願意共用同一套顧客定義。

如果要複製這套做法,第一年該怎麼排節奏

1. 第 1–3 個月:資料底層。 寫 tracking plan、定義身分解析規則、建同意管理欄位、完成基線量測。不發任何新活動。
2. 第 4–6 個月:分群與基線旅程。 上線補貨提醒與第二單推動兩條旅程,每條都配 holdout。
3. 第 7–9 個月:跨市場複製與 AI 輔助內容。 把驗證過的旅程推到第二、第三個市場,導入 LLM 草稿流程與人工合規審核。
4. 第 10–12 個月:成效回顧與減法。 關掉沒有增量貢獻的旅程,把預算集中到證實有效的環節。回顧會議的主角應該是 holdout 對照數據,不是開信率。

最後一句提醒:CRM 驅動回購不是一個活動,是一套需要持續維護的營運能力。第一年真正的產出,不是某個漂亮的百分比,而是一個你信得過的顧客資料層,以及一支知道怎麼用它的團隊。

想在香港、台灣、新加坡或更廣的亞太市場,把會員資料整合成可運作的回購引擎?Branch8 的 CRM 與 CDP 團隊橫跨香港、新加坡、台灣、越南、馬來西亞、印尼、菲律賓與澳洲,熟悉 Segment、Braze、Salesforce 與 Shopify Plus 的跨市場落地,也理解各地的私隱法規差異。歡迎聯絡我們,從一份 tracking plan 開始談起。

Sources

• Segment — Documentation
• Braze — Documentation
• Salesforce — Research Reports (State of Marketing)
• PCPD Hong Kong — Office of the Privacy Commissioner for Personal Data
• PDPC Singapore — Personal Data Protection Commission
• McKinsey & Company — Growth, Marketing & Sales Insights
• Bain & Company — Insights
• Shopify — Shopify Plus