在跨境與品牌獨立站電商營運中，挽回購物車（Abandoned Checkout）、購買後交叉銷售（Cross-Sell）以及週期性回購跟進等自動化郵件流程（Automated Flows），始終是貢獻高客單價與穩定利潤的核心管道。然而，許多品牌在建立自動化旅程時往往面臨兩大瓶頸：一是時間延遲設定過於僵化，導致郵件在顧客深夜熟睡或繁忙時送達；二是推薦內容千篇一律，無法依據顧客個人的瀏覽行為與購買關聯進行智慧匹配。
Klaviyo 憑藉其內建的機器學習演算法與客戶底層數據平台，提供了智慧發送時機與預測性商品推薦模組。要真正發揮這些 AI 功能的商業效益，賣家需要釐清 Klaviyo 發送時機演算法的運作邏輯，掌握動態商品推薦摘要源（Product Feeds）的設定規範，並將其精確落實到各類核心自動化流程中。
一、釐清 Klaviyo AI 發送時機優化機制：活動群發與自動化流程的差異
許多賣家在初次配置時容易混淆 Klaviyo 的兩套時機優化功能。釐清它們與自動化流程的協同方式，是建立高轉換郵件流的前提。
Smart Send Time 與 Personalized Send Time 的本質差異
- Smart Send Time（智慧發送時機）： 針對整個品牌受眾群體尋找單一最佳發送時段。系統會先啟動為期 24 小時的探索性發送（Exploratory Send），在受眾各自的本地時區隨機時段分批投遞並統計轉換數據；隨後執行聚焦發送（Focused Send），驗證最高開信率與下單率的黃金窗口。該功能通常要求帳戶至少擁有 12,000 名活躍資料（Active Profiles），且單次活動群發不少於 12,000 人。
- Personalized Send Time（個人化發送時機）： 依據個別輪廓的 1:1 機器學習模型，預測具體每一位收件人在哪一個小時最有可能開信、點擊或下單。
自動化流程（Flows）的時間排程邏輯
必須釐清的是，Smart Send Time 屬於行銷活動（Campaigns）層級的群發測試工具，並無法作為單一功能節點直接拖入自動化流程中。自動化流程是由即時顧客行為事件（如 Started Checkout 結帳未完成、Placed Order 已下單）所觸發，因此賣家在流程中的時間調度應透過以下三層架構來實現：
- 結合本地時區限制的時間延遲（Time Delay）： 在流程中，賣家可設定等待時長（如 2 小时或 1 天），並勾選「僅在收件人本地時區的指定時段送達」（例如上午 9 點至晚間 8 點之間），避免深夜打擾並降低垃圾郵件標記率。
- 將活動測試數據反哺至流程延遲： 透過行銷活動執行 Smart Send Time 測試所得出的受眾活躍時段（例如發現本店顧客在當地時間晚間 7 點至 9 點下單率最高），賣家可將後續跟進郵件的延遲節點鎖定在該最佳時段。
- 運用預測性分析（Predictive Analytics）作為觸發與分支條件： 針對回購與流失預警，Klaviyo AI 會為每位顧客運算專屬指標：
- Expected date of next order（預計下次下單日期）： 依據歷史購買週期與頻率，預測顧客下一次回購的具體時間點。
- Predicted CLV（預測顧客終身價值）： 智慧區分高價值潛在 VIP 與單次購買客戶。
- Churn Risk（流失風險等級）： 即時判斷顧客處於活躍期、預警期或即將流失。
二、配置 Klaviyo 預測性商品推薦模組
Klaviyo 的預測推薦引擎直接連繫獨立站（Shopify、WooCommerce、BigCommerce 等）的商品目錄與顧客行為歷程。要將其置入郵件，需完成推薦摘要源設定與郵件範本嵌入兩大步驟。
第一步：建立動態商品推薦源（Product Feeds）
在郵件範本中插入推薦版塊前，必須在後台建立具備演算法邏輯的商品摘要源：
- 登入 Klaviyo 控制台，在左側導覽列點選 Content（內容）> Products（商品）。
- 切換至 Product feeds（商品摘要源） 分頁，點擊 Create Product Feed（建立商品摘要源）。
- 為摘要源命名（例如
Post-Purchase Cross-Sell或Abandoned Cart Alternatives）。 - 選擇合適的推薦演算法：
- What customers have purchased（顧客亦購買了 / 關聯購買）： 分析全站多品項聯合購買模式。當顧客購買商品 A 時，系統會自動推薦其他顧客經常一同購買或後續加購的商品 B 與 C。最適合購買後交叉銷售與回購流程。
- Recently viewed products（最近瀏覽商品）： 動態呈現該顧客近期在網站上瀏覽過的品項，適合商品瀏覽挽回與高意願結帳提醒。
- Popular / Best-selling products（熱銷人氣商品）： 顯示全站或特定分類中銷量最高的高轉換品項，適合冷啟動推薦與備用邏輯。
- 設定篩選與排除規則：
- 分類篩選： 限制或排除特定類別（例如排除禮品卡、配件耗材或清倉特賣品）。
- 庫存檢查： 系統會自動排除缺貨品項，確保顧客體驗流暢。
- 排除已購項目： 勾選排除收件人歷史已購買的商品，避免反覆向顧客推薦其已擁有之非耐耗性產品。
- 設定備用規則（Fallback Logic）：若新訂閱者缺乏足夠的瀏覽或購物紀錄，系統會自動切換為熱銷排行榜，確保郵件版面不會出現空白。
第二步：在流程郵件範本中嵌入動態商品區塊
- 進入目標自動化流程編輯畫面（如購物車挽回流或回購提醒流）。
- 點選對應的郵件動作節點，點擊 Edit（編輯）。
- 在左側元件庫中，將 Product（商品） 區塊拖曳至郵件內文版面中。
- 在右側區塊設定中，將模式由 Static（靜態） 切換為 Dynamic（動態）。
- 由下拉選單選取先前建立的動態商品推薦源。
- 調整視覺排版：自訂欄位數量（通常為 2 欄或 3 欄）、是否顯示商品圖片、標題、售價與立即購買按鈕（CTA）。
三、核心電商自動化流程的策略配置表
| 流程類型 | 觸發事件 | 建議時間排程 | 動態商品推薦策略 |
|---|---|---|---|
| 購物車挽回（Abandoned Checkout） | Started Checkout（開始結帳） | 第 1 封等待 1-2 小時；第 2 封等待 20-24 小時；限定於白天本地時段 | 主要區塊：未結帳購物車品項；次要區塊：同分類高評價熱銷品或配件 |
| 購買後交叉銷售（Cross-Sell） | Placed Order（已下單） | 等待 7-14 天；配合包裹送達時間點 | 「顧客亦購買了」演算法推薦源；排除本次訂單品項 |
| 週期性回購與耗材補貨 | 預計下次下單日期或受眾區隔觸發 | 於 Expected Next Order Date 前 7-10 天送達 | 消耗品快速再購入口；搭配升級款或周邊產品推薦 |
| 顧客流失挽回（Winback） | Churn Risk = High（高流失風險） | 進入預警區隔即刻觸發；避開夜間發送 | 全站熱門新品與人氣爆款；搭配專屬折扣誘因 |
四、重點流程的實務操作重點
1. 購物車挽回流程（Abandoned Checkout）
- 轉換目標： 在顧客購買意願尚未冷卻前促成訂單；若顧客因尺寸、價格或款式猶豫，及時提供合適替代品。
- 時機與內容架構：
- 第 1 封（延遲 1–2 小時）： 著重於交易提醒，透過動態標籤
{{ event.extra.line_items }}原貌呈現購物車內的留存商品。 - 第 2 封（延遲 24 小時）： 顧客放棄結帳常因當前單品未達完全滿意。此時可在原商品下方增設動態商品推薦區塊，提供熱門同類品項或關聯配件作為輔助選擇。
- 第 1 封（延遲 1–2 小時）： 著重於交易提醒，透過動態標籤
2. 購買後回購與補貨流程（Repeat Purchase & Replenishment）
- 轉換目標： 縮短二次購買間隔，提高顧客終身價值（CLV）。
- 時機與內容架構：
- 捨棄主觀猜測的 30 天固定延遲。賣家應前往 Klaviyo 的 Analytics 分析報表，檢視 Repeat purchase timing（回購時間分佈） 圖表。
- 若本店平均二次下單週期為 40 天，可將郵件節點設定在第 14 天（推薦周邊配件）與第 32 天（於商品即將用罄前一週提醒補貨）。
- 針對保養品、保健食品等耗材，可利用預測屬性
Expected date of next order建立動態區隔，於預測回購日前 7 天精準觸達。
3. 高流失風險挽回流程（Customer Winback）
- 轉換目標： 在顧客徹底沉睡前重新喚醒購買行為。
- 動態區隔觸發條件：
- 條件一：
Predictive Analytics > Churn Risk is High - 條件二：
Predictive Analytics > Historic CLV > $0
- 條件一：
- 推薦策略： 避免推薦過時的歷史瀏覽商品，改採「全站暢銷款 + 當季最新到貨」推薦源，並附帶老顧客專屬回購優惠碼。
五、賣家實作避坑重點與發送品質守則
- 確認數據累積門檻： Klaviyo 的預測模型（預測 CLV、流失風險、預期下單日）仰賴充足的歷史訂單資料。若新店累積訂單未達數百筆，演算法欄位可能暫時空白。建議初期先採用平均訂單間隔排程，待數據豐富後再啟用預測屬性。
- 落實備用推薦機制： 務必為所有 Product Feed 開啟備用清單（Fallback Logic），防止新訂閱者或無瀏覽軌跡的顧客觸發流程時產生空白排版。
- 啟用已購品項排除： 針對服飾、家電、傢俱等非重複消耗品，必須在 Product Feed 中勾選排除已購買商品，避免持續向顧客推薦其已擁有的單品，損及品牌專業感。
- 落實靜音時段（Quiet Hours）： 跨國銷售面對多元時區。設定流程時間延遲時，務必勾選「依收件人本地時區發送」，防止在當地深夜推播而引發退訂或投訴。
- 以 A/B 測試驗證增量收益： 在流程中利用分支進行 A/B 測試，一組僅包含純文字提醒，另一組加入動態預測推薦模組。追蹤下單率（Placed Order Rate）與單封郵件收入（Revenue per Recipient），以實質數據驗證 AI 模組的投資回報。
參考資料
- AI Workflow Automation Tools for Better Marketing & Customer Service - Klaviyo
- Omnichannel Personalization Software: Build Better Marketing & CX - Klaviyo
- Email AI: How to Use AI to Write an Email for Marketing - Klaviyo
- Predictive Analytics for Ecommerce: Forecast Who Buys Next - Klaviyo
- The Marketing Automation Platform for Email, SMS, & WhatsApp - Klaviyo