顧客流失預警失靈，通常是訊號抓錯了
台灣電商談流失，多數從退訂問卷開始，也在退訂問卷結束。GrowSurf 2026 統計把主因排出順序，客服體驗佔 73%，價格只佔 9%。折扣挽留打的是排在後面的那個原因。
先看數字本身。GrowSurf 彙整的 2026 顧客留存統計裡，引用 Microsoft 的調查指出，糟糕的客服體驗是流失的頭號原因，有 73% 的消費者這樣說。另一組引用自 Rockefeller Corporation 的數字則顯示，價格敏感度只造成 9% 的顧客流失，比一般想像低很多。
同一份統計裡，客服體驗與價格對流失的解釋力差距是 73% 對 9%。多數品牌的挽留預算，卻幾乎全押在後面那個 9% 上。
這個落差會造成什麼？折扣確實會換回一批訂單。問題在於，被折扣叫回來的人，下一次還是要靠折扣才會回來。品牌以為自己在做留存，實際上在做一種比較貴的獲客。
顧客流失預警的第一個工作，是把「誰快要走了」跟「為什麼走」分成兩件事處理。前者是時間問題，後者是原因問題。具體來說，一個 90 天沒有互動的老客戶，跟一個上週剛買完的新客戶，需要的溝通完全不同。前者要處理關係，後者要處理使用體驗。把兩個人放進同一封促銷信，就是預警系統不存在的樣子。
要判斷誰快要走，需要行為訊號。消費者行為分析指的是從實際發生的動作去推論意圖，例如最近一次購買距今 60 天、開信頻率連 3 期下滑、客服工單卡著沒結案。這些訊號在顧客按下退訂之前就已經出現，只是多數品牌沒有在看。相關名詞整理可以參考消費者行為分析這一頁。
在台灣的討論裡，流失分析常常停在退訂問卷這一層。退訂問卷有一個結構性缺陷，它只抓得到願意告訴你原因的那群人，而那群人通常已經決定要走。真正該補的位置在更前面。舉例來說，連續 3 期電子報沒有開信、或是客服工單超過 48 小時還沒結案，這兩個訊號都比退訂問卷早出現。
先把基準線建起來：留存率與複購率
沒有基準線就沒有預警。Mageloyalty 的 2026 電商留存基準顯示，全品類平均留存率落在 30% 到 31%，複購率一般表現是 15% 到 30%。低於基準才叫警訊，否則只是焦慮。
很多品牌看自己的複購率覺得偏低，但說不出偏低多少。基準線的用途就在這裡。Mageloyalty 統整各垂直品類的 2026 數據後指出，跨全品類的平均留存率大約在 30% 到 31% 之間。換句話說，一年下來走掉七成是常態，不是災難。
複購率的部分寫得更細。同一份資料把 15% 到 30% 列為一般表現區間，並把 25% 到 30% 視為強基準表現。這兩個區間有重疊，代表 25% 上下是一條實際的分水嶺。
| 指標 | 數值 | 出處 |
|---|---|---|
| 全品類平均留存率 | 30% 至 31% | Mageloyalty 2026 |
| 複購率一般表現 | 15% 至 30% | Mageloyalty 2026 |
| 複購率強基準表現 | 25% 至 30% | Mageloyalty 2026 |
| 電商第一年複購率 | 30% 至 35% | Shopify，引自 GrowSurf 2026 |
基準線建好之後，才有辦法談投報。GrowSurf 引用 Bain & Company 與《哈佛商業評論》的經典結論指出，留存率每提高 5%，利潤會增加 25% 到 95%。這個區間很寬，寬到不能拿來做財務預測，但方向很明確。
同一份統計也指出，獲取新顧客的成本比留住現有顧客高出 5 到 25 倍。倍數的跨度取決於產業與渠道，下限已經夠說明問題。
這裡要提醒一件事。基準線是拿來校準判斷的，不是拿來當目標的。某些品類天生複購週期就長，硬要把複購率拉到 30% 只會逼出一堆低品質訂單。看基準的正確方式，是看自己離同品類的中位數多遠，然後問差距從哪裡來。
另外要把轉換率跟複購率分開看。轉換率衡量的是流量變成訂單的比例，屬於獲客端的效率指標；複購率衡量的是既有顧客回頭的比例，屬於留存端的健康指標。舉例來說，轉換率 2% 代表 100 個訪客裡有 2 個下單，複購率 25% 代表每 4 個顧客裡有 1 個回頭。兩者的定義差異可以參考轉換率的說明。很多品牌的儀表板上只有前者，於是整個留存端沒有任何數字可以觸發行動。
第二次購買是顧客流失預警的第一道關卡
第一筆訂單只證明廣告有效。第二筆訂單才證明產品與服務有效。這道關卡沒過，後面所有的忠誠度設計都沒有作用對象，因為顧客早就不在名單裡了。
服務品質在這一段的權重特別高。Mageloyalty 的資料指出，有 93% 的消費者表示，在得到優質客服體驗之後，更可能再次購買。這個數字跟前面的 73% 是同一件事。一個講留下來的理由，一個講離開的理由。
把留存拆開來看，最窄的地方在首購之後那一小段。顧客剛買完，對品牌的記憶最新鮮，願意再看一眼的機率最高。這段時間如果只收到物流通知，關係就停在交易層面。
暖流量最大的敵人是遺忘。購買後 48 小時內提供回購優惠，趁熱打鐵建立第二次消費習慣，是關鍵轉折點。
實際案例上，這段時間該做的事其實不多。確認商品有沒有順利送達、教會顧客怎麼用、在需要補貨之前先出現一次。三件事都不需要折扣，卻都直接對應到那 73%。
值得注意的是訂閱制的狀況不太一樣。訂閱制的流失有一部分來自帳務端，這類流失跟顧客的滿意度沒有關係。具體來說，卡片在到期月份扣款失敗，或是補貨週期設成 30 天、顧客卻要 60 天才用完一罐，兩種都會讓訂單停掉。把這種流失算進行銷檢討，只會得到錯誤的結論。
所以顧客流失預警要分軌。自願流失看行為訊號，非自願流失看帳務訊號。前者靠內容與服務處理，後者靠智慧重試與預先提醒處理。混在一起看，兩邊的數字都會失真。
檢查方法很簡單：把首購顧客單獨拉成一個群組，看他們在 30 天內的第二次下單比例。這個數字如果沒有人在看，代表整條留存線上沒有任何預警點。
用 RFM 把預警變成可以觸發的動作
預警系統要能自己開火，不然只是報表。RFM 三個維度裡，R 負責回答誰快要走，F 與 M 負責回答值不值得救。三個湊在一起，才構成可以自動觸發的規則。
RFM 是 Recency、Frequency、Monetary 三個字的縮寫，分別代表最近一次購買距今多久、一段期間內購買幾次、累計消費金額多少。這是電商分群最基礎的一套座標。
先講 R。距離上次購買越久，流失風險越高。這個關係沒有爭議，有爭議的是門檻要設幾天。快消品的自然復購週期短，保健食品長。同一個天數套所有品類，誤報與漏報會一起出現。
正確的做法分兩步。先量出自己的品類復購週期，再把警示門檻設在週期的某個倍數上。舉例來說，多數顧客在 45 天內回購。那麼超過 90 天沒動作的人，就該進入再啟動流程。這些人繼續留在一般電子報名單裡，不會有任何事發生。
F 與 M 決定資源怎麼配。一個買過八次的高單價顧客即將流失，跟一個只買過一次的低單價顧客即將流失，值得投入的挽留成本差很多。把兩者放在同一個腳本裡，結果通常很尷尬。高價值那群人，收到了一張通用折扣。
三個維度接起來之後，才有辦法談Journey Orchestration。這個詞指的是把不同觸點上的溝通排成一條有順序、有條件、會依顧客反應改變路徑的流程，而不是各渠道各自排程各自發送。相關定義整理在Journey Orchestration這一頁。
落地時的順序建議是這樣。第一步先把 R 值的警示門檻設出來，因為它最便宜也最有效。第二步把 F 與 M 疊上去做分層，讓挽留成本跟顧客價值對齊。第三步才把分群接到 Meta 與 Google 的自訂受眾，讓系統自己去找那群即將離開的人。
前提是資料要接得起來。如果訂單系統、電子報系統與客服系統各自為政，RFM 就只能算出一張靜態報表。預警系統的價值在於自動開火，靜態報表做不到這件事。
銷波快觀點：救活一個顧客，比找到一個新顧客便宜
看過一份涵蓋 162,000 名 DTC 顧客的資料之後，我對「第二次購買」這件事的看法就變了。買過一次的顧客，終身價值大約 211 美元；買過五次以上的，來到 1,553 美元，差距是 7.3 倍。有趣的是瓶頸的位置：從第一次到第二次的轉化率只有 21.2%，但從第二次到第三次直接跳到 45%。整條線最窄的地方在最前面，多數品牌的留存預算卻放在最後面。
所以我們一直在講兩件事。第一件是暖流量最大的敵人是遺忘，購買後 48 小時內就要出現，趁著情緒還熱建立第二次消費習慣。第二件是階梯式銷售。每一筆訂單都是起點，顧客從這裡進入品牌生態圈。先想好買了 A 之後最可能需要 B，再下一步是 C。這兩件事合起來，就是把「顧客會不會回來」從運氣變成設計。
另外要說一個容易被忽略的破洞。訂閱制的流失有兩種結構性機制，一種是產品消耗跟補貨週期對不上，顧客家裡堆了三罐還在收到第四罐；另一種是非自願流失，信用卡過期或餘額不足都算。留存漏斗的破洞常常不在行銷策略，而在帳單機制。這一段沒補起來，前面做再多內容都會漏掉。
還有一個新的變數。顧客的旅程訊號現在多了一段。以前量不到，現在量得到，就是他們在 ChatGPT、Perplexity 這類工具裡跟品牌發生的互動。顧客在 AI 搜尋裡已經見過你，你卻不知道。這一段接觸點在多數品牌的預警模型裡完全沒有位置，但它已經在影響回購決策了。
最後補一個做內容的人容易犯的錯。覺察階段的內容做得再滿，如果決策階段是空的，整條路徑就是斷的。流量到得了，轉換到不了。舉例來說，一篇教人算複購率的文章可以帶來流量，但站上沒有任何一頁告訴讀者接下來該用哪個工具，路徑就斷在這裡。留存這條線也一樣，光有預警訊號、沒有對應的挽留動作，等於做了一堆偵測卻沒有接上任何開關。
結論：先量出自己的復購週期，再談要不要發折扣
把這篇的東西收成三個可以立刻做的動作。第一，把首購顧客拉成獨立群組，量出 30 天內的第二次下單比例，這是你的預警基準線。第二，對照 Mageloyalty 的 15% 到 30% 複購率區間，確認自己站在哪裡。第三，在發下一輪折扣之前，先看客服工單的回應時間，因為那個 73% 就住在裡面。
顧客流失預警不需要很貴的工具才能開始。一張算得出 R 值的訂單報表，加上一條會自動發送的再啟動序列，已經比多數品牌走得遠了。
喜歡這篇？讓行銷變好懂，訂閱銷波快。
資料來源
- Customer Retention Statistics 2026: Key Benchmarks Across Industriesgrowsurf.com
- Ecommerce Retention Benchmarks by Industry: 2026 Datamageloyalty.com
- RFM Model for DTC Ecommerceadmetrics.io
- Customer Retention Statisticsg2.com
- Reshaping Customer Loyalty Programsdeloitte.com
- 電商復購率分析與提升策略woshipm.com
- 獨立站增長：LTV 翻倍指南chuhaizhinan.com
- 2026 跨境電商 AI 會員忠誠度與複購運營工具全指南ai-chuhai.com
