電商行銷人員如何利用 Klaviyo AI 預測分析依流失風險與預期生命週期價值進行受眾分群

Klaviyo AI 的預測分析（predictive analytics）將電商交易數據轉化為具前瞻性的行為模型，使行銷人員能夠跳脫靜態、落後的電子郵件名單。商家無需再依據武斷的日曆日期（例如「過去 60 天內購買」）進行客群區隔，而是可以利用動態機器學習指標進行細分，特別是流失風險（churn risk）與預測顧客終身價值（Predicted Customer Lifetime Value，簡稱 Predicted CLV）。透過將顧客流失機率與其預期未來消費相結合，品牌得以保護利潤率、為 VIP 部署深度挽回流程、自動化補貨觸發機制，並抑制未互動聯絡人以維護網域送達率。本指南闡明了 Klaviyo 如何計算這些預測指標、如何在 Klaviyo 區隔建置器（segment builder）中建立高精準度區隔，以及如何在關鍵顧客生命週期階段執行針對性的留存策略。

深入理解 Klaviyo 的預測分析引擎

Klaviyo 的預測引擎透過分析歷史訂單紀錄、購買頻率以及全店同類群組（cohort）行為，預測個別顧客的未來行動。底層的機器學習模型並非依賴簡單的規則式啟發演算法，而是會根據每位顧客獨特的花費節奏持續自適應調整。

核心預測指標解析

當帳戶啟用預測分析後，Klaviyo 會在個別顧客檔案的 Metrics and insights 標籤頁下生成數項專屬指標：

• 歷史顧客終身價值（Historic Customer Lifetime Value / Historic CLV）：個別顧客迄今為止在所有已完成訂單中實際累計消費的金額。
• 預測顧客終身價值（Predicted Customer Lifetime Value / Predicted CLV）：基於 AI 的前瞻性預測，估算該顧客在未來滾動週期內（通常為未來 365 天）預計為企業帶來的額外營收。
• 總顧客終身價值（Total Customer Lifetime Value / Total CLV）：Historic CLV 與 Predicted CLV 的數學總和，代表該顧客關係的整體財務價值。
• 流失風險預測（Churn Risk Prediction）：計算得出的機率評分，範圍介於 0.0（0%）至 1.0（100%）之間，代表顧客停止向該品牌購買的可能性。Klaviyo 根據個人訂單節奏與全店模式，將該評分劃分為低（Low）、中（Medium）和高（High）三個風險等級。
• 預計下次下單日期（Expected Date of Next Order / EDNO）：動態計算的日曆日期，預測回購顧客在統計學上最有可能於何時下達下一筆訂單。
• 訂單平均間隔時間（Average Time Between Orders）：該顧客連續訂單之間的平均間隔天數，用作偵測顧客是否正在逐漸流失的基準線。

帳戶資格與數據前置條件

Klaviyo 的預測模型需要一定規模的基礎乾淨歷史數據以達到統計信心水準。要生成預測指標，帳戶必須滿足以下門檻：

若帳戶符合上述全店標準，但個別顧客檔案缺少預測數據，則代表該顧客尚無足夠的訂單歷史或互動數據供模型生成可靠預測。

如何在 Klaviyo 中建立預測區隔

透過預測分析進行區隔，電商品牌能夠建立動態受眾。每當顧客完成購買、點擊郵件或超過預期下單時間窗口時，這些受眾都會自動更新。

逐步區隔配置

在 Klaviyo 中建立預測區隔的步驟如下：

1. 登入 Klaviyo 控制台，導覽至 Audience > Lists & Segments。
2. 點擊右上角的 Create List / Segment 並選擇 Segment。
3. 輸入清晰且具描述性的名稱（例如 Predictive VIPs - High CLV & Low Churn）。
4. 在 Definition 下拉選單中選擇 Predictive analytics about someone。
5. 選擇要評估的特定預測指標：
   • 依未來消費鎖定：選擇 Predicted Customer Lifetime Value，選擇運算子（例如 is greater than 或 is between），並輸入目標金額。
   • 依流失可能性鎖定：選擇 Churn Risk Prediction，選擇運算子（例如類別層級選擇 equals，數值選擇 is greater than），並指定 High、Medium 或 Low（或小數閾值如 0.70）。
6. 使用 AND 或 OR 連接邏輯疊加其他條件，例如電子郵件訂閱狀態（Properties about someone > $consent contains email）、購買品類或 SMS 互動狀況。
7. 點擊 Create Segment 觸發 Klaviyo 的背景運算。

Segment Rule Architecture:
[Predictive analytics about someone] -> [Predicted Customer Lifetime Value] [is greater than] [$250]
AND
[Predictive analytics about someone] -> [Churn Risk Prediction] [equals] [High]
AND
[If someone can or cannot receive marketing] -> [can receive] [email marketing]

預測區隔矩陣：4 種戰略顧客原型

電商行銷人員透過將 Predicted CLV 與 Churn Risk 進行交叉比對，可以獲得最高的行銷投資報酬率。繪製這兩個維度可以得出四個截然不同的顧客群體，每個群體都需要量身定制的溝通節奏與促銷策略。

                  HIGH PREDICTED CLV
                          │
         At-Risk VIPs     │    Active VIPs &
    (High-Touch Win-Back) │   Brand Champions
                          │   (Loyalty & Access)
──────────────────────────┼──────────────────────────
                          │
       Lapsed / Sunset    │   Steady Re-orderers
      (Low-Touch Sunset)  │   (Cross-sell & Cadence)
                          │
                  LOW PREDICTED CLV
           HIGH CHURN ───────────── LOW CHURN

1. 活躍 VIP（High Predicted CLV + Low Churn Risk）

這些顧客構成了電商品牌的經濟支柱。他們購買頻繁、客單價高，並積極參與行銷活動。

• 區隔邏輯：
  • Predicted Customer Lifetime Value 大於 [Top 10% AOV/CLV Threshold]
  • AND Churn Risk Prediction 等於 Low
• 行銷目標：最大化品牌好感度，鼓勵自發口碑傳播，並在不打折的情況下提高留存率。
• 推薦策略：
  • 搶先體驗：為新品系列與節慶目錄發布提供專屬的 24 至 48 小時提前選購窗口。
  • VIP 專屬客服：將來自該區隔的諮詢直接轉派給資深客戶支援代表。
  • 非折扣禮遇：提供免費優先配送、滿額贈禮（GWP）或私人會員專享等級邀請，而非侵蝕利潤率的折扣券。

2. 高風險 VIP（High Predicted CLV + High Churn Risk）

這是電商行銷人員最關鍵的群體。這些顧客在歷史上貢獻了大量消費，且具備極高的預測上升空間，但其購買間隔已遠遠超出正常預期。如果他們流失，企業將失去可觀的未來營收。

• 區隔邏輯：
  • Predicted Customer Lifetime Value 大於 [Top 20% Threshold]
  • AND Churn Risk Prediction 等於 High（或數值流失評分 > 0.70）
• 行銷目標：在顧客徹底脫離前主動干預，排查阻礙因素並激勵其再次回訪。
• 推薦策略：
  • 高力度挽回激勵：提供高價值、由利潤支撐的激勵措施（例如「滿 $100 折 $30」或免費正裝商品），而非缺乏吸引力的 9 折優惠。
  • 創辦人或個人外聯：發送由商店創辦人或產品負責人署名的純文字、非品牌化郵件，就其近期的購物體驗徵求真實回饋。
  • 付費社群媒體再行銷：將該區隔動態同步到 Meta Ads 或 Google Customer Match，直接在社群動態中展示客製化的重新互動廣告。

3. 穩定回購顧客（Low-to-Medium Predicted CLV + Low Churn Risk）

這些買家展現出持續、可預測的購買行為，但客單價適中。他們與品牌保持著健康的互動關係，短期內流失風險極低。

• 區隔邏輯：
  • Predicted Customer Lifetime Value 介於 [Store Median] 與 [VIP Floor] 之間
  • AND Churn Risk Prediction 等於 Low
• 行銷目標：透過交叉銷售提高客單價，並將回購買家轉化為定期訂閱用戶。
• 推薦策略：
  • 預測性交叉銷售：根據具備相似瀏覽行為的顧客經常一同購買的商品，推薦互補產品。
  • 組合套裝激勵：提供階梯式促銷（例如「買二送一，第三件享 7 折」），以提高單筆交易的平均件數。
  • 訂閱註冊引導：針對消耗類商品，重點宣傳自動補貨計畫的便利性與費用節省優勢。

4. 正在流失的低價值買家（Low Predicted CLV + High Churn Risk）

這些用戶通常代表單次折扣獵手，他們在節慶限時促銷期間購買過一次，之後未展現出任何品牌忠誠度。

• 區隔邏輯：
  • Predicted Customer Lifetime Value 小於 [Store Median]
  • AND Churn Risk Prediction 等於 High
  • AND Historic Customer Lifetime Value 小于 [1x AOV]
• 行銷目標：盡量降低發信成本，維護發信人信譽，並嘗試低成本的自動化重新激活。
• 推薦策略：
  • 自動化最後召回機制：觸發單次、高力度的「最後告別機會」流程。
  • 送達率保護：從所有日常與每週行銷電子報中排除該區隔。持續向高流失、低互動檔案轟炸郵件會嚴重拉低開啟率，並損害 Gmail 和 Yahoo 的收件匣進匣率。
  • 名單清理與淘汰：如果在 60 天的冷卻窗口期後該檔案仍無任何互動，自動將其封存或列入抑制名單（suppression list），以降低 Klaviyo 訂閱方案費用。

執行自動化預測工作流程與 Flow

除獨立的行銷活動區隔外，Klaviyo 的預測數據亦可作為自動化 Flow 中的分支機制。行銷人員可以基於預測分析設置條件分支（conditional split），從而規模化地個人化顧客旅程。

基於價值分支的預測挽回 Flow

在標準電商配置中，挽回 Flow 通常在自上一筆訂單起經過設定天數後觸發。透過導入預測性條件分支，品牌可以確保高價值顧客獲得適當力度的激勵，同時避免向低價值買家發放昂貴的折扣：

[Trigger: Placed Order]
       │
[Time Delay: 60 Days]
       │
[Conditional Split: Predicted CLV > $200?]
      ├── YES (High-Value Cohort)
      │     ├── Email 1: Personal letter from founder + exclusive $25 credit
      │     └── SMS Reminder (if consented): VIP access perk
      │
      └── NO (Standard Cohort)
            ├── Email 1: Catalog highlight of trending items
            └── Email 2 (3 days later): 10% discount code

利用預計下次下單日期實現動態補貨

對於消耗品、美妝、保健與飲品類品牌，補貨時機至關重要。行銷人員無需假設每位顧客都在剛好 30 天內消耗完產品，而是可以利用 預計下次下單日期（Expected Date of Next Order / EDNO）：

1. 建立由 Placed Order 事件觸發的 Flow。
2. 新增設定為暫停至特定日期屬性的 Date Delay。
3. 將日期延遲設定在該檔案的 Expected Date of Next Order 前 5 至 7 天 觸發。
4. 發送補貨提醒郵件，展示先前購買的特定產品，並配備一鍵重新訂購連結。

最佳實踐與策略準則

為了最大化投資報酬率並防止在使用預測區隔時發生操作失誤，電商團隊應遵循以下營運準則：

• 根據商店指標校準閾值：直接套用其他品牌的通用金額門檻會造成區隔失真。在定義 VIP 與低價值劃分金額前，先從 Klaviyo 的 Analytics > Benchmarks 計算您商店具體的中位數 AOV、前 10% 顧客消費額以及購買間隔。
• 優先使用動態區隔而非靜態名單：切勿將預測數據匯出為靜態名單用於定期行銷活動。顧客的流失評分與預測支出會持續更新；動態區隔可確保顧客在行為發生變化時自動進出相應群體。
• 為新聯絡人實施後備退回邏輯：新獲取的訂閱者與首次購買者在累積足夠事件數據之前不會產生預測評分。確保 Flow 包含預設的後備分支，以便新顧客能夠不受中斷地接收標準的初次引導內容。
• 協同跨管道接觸點：當顧客進入高風險 VIP 區隔時，將該區隔直接同步到您的 SMS 行銷名單與付費廣告受眾（如 Meta Custom Audiences 和 Google Customer Match），以構建一致、多接觸點的挽回體驗。