电商 CRM 复购自动化最容易犯的错误，不是流程搭不出来，而是把“发出消息”误当成“提升复购”。如果顾客已经再次下单，系统仍按原计划提醒；如果商品根本没有稳定的补货周期，却机械地在第 30 天推优惠券，自动化只会更准时地打扰顾客。真正可用的操作手册，必须把业务目标、数据条件、人群规则、触发时机、退出机制和效果验证连成一条链。
我判断一条复购自动化流程是否值得上线，通常先问三个问题：它要影响哪类顾客的哪种行为？系统凭什么判断此刻适合触达？顾客采取行动后，流程会不会及时停止？如果这三个问题答不清楚，先不要急着写文案或选渠道。
“提升复购”是业务目标，不是可直接配置的触发条件。更适合落地的表达包括：首购后尚未二次购买的顾客，在符合授权和频次约束的前提下，收到与所购商品相关的使用建议；已购买消耗型商品、且依据历史订单推算接近补货窗口的顾客，收到补货入口；购买周期较长的顾客，则不进入高频促销流程。
我更愿意把自动化看成一组可撤销的运营决策，而不是一串定时消息。系统需要先识别人，再观察订单和顾客状态，再决定发送、等待、转入其他流程或退出。流程越复杂，越需要明确每个节点的判断条件。
如果团队把复购率、点击率、优惠券领取率、客单价、会员活跃度都设为一条流程的主要目标，复盘时往往无法判断究竟哪里有效。一个更稳妥的做法是选一个结果指标作为主指标，再选少量过程指标和风险指标作为护栏。
| 指标角色 | 可选指标 | 回答的问题 |
|---|---|---|
| 结果指标 | 观察期内二次购买率、目标品类复购率、复购间隔 | 顾客行为是否出现了目标变化？ |
| 过程指标 | 符合规则人数、成功触达人数、到达率、点击率 | 流程是否按预期运行？ |
| 风险指标 | 退订率、投诉率、重复触达率、优惠成本 | 变化是否以伤害体验或利润为代价？ |
主指标要和商品及流程目的相匹配。补货提醒可以观察目标商品或同品类复购；首购教育流程可以观察后续购买行为，同时监测退订和投诉；沉睡顾客唤回活动则要把优惠成本纳入判断，不能只看成交人数。
复购率没有脱离统计口径的单一答案。至少要说明顾客范围、统计窗口、订单状态、退货处理、重复订单去重方式，以及复购是否要求购买原商品、同一品类还是任意商品。不同口径算出的数值可能差异很大，不应混在一张看板里比较。
例如，某团队把“活动后 30 天内下单人数”作为复购结果，却没有排除活动开始前已经下单的顾客，容易把自然发生的购买算进活动效果。另一个常见问题是用订单数除以顾客数：同一顾客多笔订单会抬高订单量，却不等于有更多顾客完成复购。
设想一家售卖日常消耗品的店铺。团队把所有首购顾客统一设为下单后第 14 天提醒补货，但订单里既有短周期消耗品，也有囤货装和组合套装。对一部分顾客而言，第 14 天提醒可能正合适；对另一部分人而言，商品还没用完，提醒便变成促销噪声。
更麻烦的是，订单日期不一定等于实际开始使用日期。顾客可能延迟收货、一次购买多件，也可能把商品作为备用。若系统没有使用周期、购买数量或后续订单等信息，就不应把某个天数包装成精确预测。可以先将时间设为待验证假设，再通过小流量测试和历史订单分布逐步调整。
自动化通常在顾客进入流程时判断一次条件，然后等待一段时间执行动作。若等待期间顾客已经再次购买、申请退款、退订营销消息，或者进入售后处理，原来的判断就过期了。只在流程入口筛选、不在发送前复查，是“按错人发送”的常见原因。
关键动作前应当重新检查会改变决策的状态。比如发送补货提醒前确认顾客没有在等待期间下单；发送优惠信息前核对授权和退订状态；发送商品建议前确认相关商品没有下架或处于缺货状态。哪些状态能实时获得，取决于 CRM、订单系统和消息渠道的数据同步能力。
顾客可能同时符合首购欢迎、会员权益、商品补货和沉睡唤回等条件。每条流程单独看都说得通，但如果缺少统一的频次上限、优先级和去重规则，顾客可能在短时间内收到多条内容相似的消息。
因此，我不会只检查单条自动化的发送频率，而会检查顾客在所有营销流程中的累计触达。流程之间至少要约定：哪些消息属于服务通知，哪些属于营销触达；同一天是否限制总次数；高优先级事件能否覆盖低优先级活动；出现退订或投诉后，如何阻止其他流程继续触达。
发送优惠券之后出现订单，只能说明时间上先后发生，不足以证明订单由自动化带来。顾客可能本来就准备购买，也可能同时收到其他渠道的促销信息。若不设置对照，团队容易把自然复购、平台大促和其他渠道影响全部归功于 CRM 流程。
优惠还会改变订单的利润结构。比较流程效果时，应将优惠成本、退款、毛利或贡献利润纳入考量。若只看成交额，可能出现销售额增长而实际贡献下降的情况。对利润空间有限的商品，这种偏差尤其值得警惕。
复购分析的基础是知道多笔订单是否属于同一个顾客。电商场景里可能同时存在会员 ID、手机号、平台账号、匿名访客标识和线下会员号。如果身份映射不稳定，同一人可能被拆成多个顾客；如果错误合并，也可能把不同人的订单串在一起。
上线前至少抽取一批订单进行人工核查：同一顾客在不同渠道的订单是否被正确关联；手机号变更、匿名下单、家庭共用账号等情况如何处理；无法确认身份的订单是否单独标记，而不是强行并入。抽样不是为了证明全量数据完美，而是为了了解误差会不会改变分群和触达判断。
自动化经常依赖“订单完成”“已签收”或“退款完成”等事件。若订单系统和 CRM 对状态的定义不同，流程可能在付款后、发货后或签收后不一致地启动。数据表里还需要区分下单时间、支付时间、发货时间、签收时间和退款时间，不要用一个含糊的“订单日期”替代所有业务时间。
商品字段也要能支持运营判断。只有商品名称通常不够，最好能识别商品 ID、品类、规格、购买数量、是否组合装、是否赠品以及商品状态。若要按消耗周期设置提醒，还要清楚购买数量与可能使用期限之间是否有可解释关系；没有依据时，先按品类或购买情境分层，不要假装拥有精准的个人使用预测。
订单数据若延迟同步，顾客已经再次下单，CRM 却仍判断其未复购，就可能发出多余提醒。事件重复也会造成流程重复进入，例如同一笔订单因为状态更新多次而触发多次。上线前可以记录关键事件从业务系统产生到 CRM 可用的时间差，并验证同一事件是否会被重复处理。
我建议为每条核心自动化建立一张数据依赖表：字段名称、来源系统、更新时间、空值比例、去重规则、异常处理方式和责任人。CRM 并不一定要承担全部数据清洗工作，但流程负责人必须知道数据从哪里来、何时更新、出了问题找谁。
| 检查对象 | 上线前要问的问题 | 不满足时的处理 |
|---|---|---|
| 顾客身份 | 跨渠道订单能否稳定关联？ | 缩小到身份可靠的人群，未识别订单单独分析。 |
| 订单状态 | 触发用的状态是否经过业务确认？ | 先用人工抽样核对状态定义和时间戳。 |
| 商品信息 | 是否能识别品类、数量和商品有效状态？ | 从不依赖商品级判断的简化流程开始。 |
| 触达权限 | 授权、退订和渠道限制能否及时同步？ | 未验证前不要启用营销发送动作。 |
| 事件同步 | 是否存在延迟、重复或漏传？ | 加发送前复查，并设异常停止机制。 |
首购顾客对品牌和商品的了解程度有限。此时的流程可以围绕订单后的关键疑问设计，例如如何使用、如何维护、常见问题在哪里解决、售后服务如何联系。若商品确实存在自然补购需求，再将补货引导作为后续动作，而不是每个新客下单后立刻推优惠。
新客流程要有明确的退出条件。顾客退款、取消订单、投诉处理中或已完成目标品类复购时，不应继续收到原先设计的后续内容。不同品类的服务内容也要分开：食品、护肤品、服饰和家居用品的购买顾虑并不相同，统一模板很难做到真正相关。
复购客不等于永远高价值，也不意味着每次都要用折扣刺激。对已经稳定回购的顾客，过度发券可能把原本自然发生的购买变成需要折扣才发生。可以结合最近一次购买的商品、历史间隔、购买数量和会员权益，判断更适合提供补货入口、搭配建议、服务提醒还是普通内容。
如果顾客在历史上重复购买同一类商品，可以先计算其个人购买间隔分布，再与同品类顾客的分布对照。这里的历史间隔不是未来必然购买时间，而是设置测试窗口的参考。购买记录很少的顾客，不能用两笔订单就断言其固定周期。
沉睡可能意味着顾客暂时没有需求，也可能与商品体验、服务问题、库存可得性或竞争选择有关。只用“距离上次购买超过某天数”定义沉睡，会把不同原因混成一类。若系统缺少反馈数据，可以先把沉睡流程定位为低频探索：内容轻、发送次数有限、观察负向反馈，并设置明确的停止条件。
沉睡顾客的优惠测试尤其需要成本约束。可先从小比例人群开始，设置不发优惠的对照组与不同优惠策略组，比较增量购买和优惠成本。若折扣组订单增加，却没有覆盖优惠及履约成本，就不能简单归为成功。
会员等级描述顾客关系或权益状态，不能代替商品需求判断。同一等级的会员可能购买完全不同的品类，消费周期和内容兴趣也不同。更实用的分群通常是“购买阶段 × 商品类别 × 近期行为 × 触达资格”的组合，先保持条件少而清晰，再逐步增加有证据支持的变量。
分群条件越多，目标人群可能越精准，但有效样本也会变少，规则维护成本会升高。小团队不必一开始做几十个标签。若某个细分群体的规模不足以支持稳定观察，可先合并到更大的业务阶段，或只做服务内容，不做复杂的效果承诺。
正式配置前，我会先让业务负责人把流程写成一句可检验的话：对什么顾客，在什么条件下，等待多久，重新检查什么状态，然后发送哪类内容；如果顾客发生什么行为，流程立即退出。句子写不清，通常代表目标、条件或边界还没有达成一致。
建议同时记录流程负责人、数据负责人、审批人、上线日期、版本号、暂停方式和复盘日期。自动化不是一次性配置；商品、库存、优惠规则和合规要求都会变化。没有责任人和暂停机制的流程，出了问题很难快速止损。
进入条件应当尽量具体。例如：顾客已完成某类订单、订单状态满足业务定义、商品字段可识别、在允许触达范围内，并且尚未进入同一流程。排除条件则说明谁不应该收到：已退款或取消、已重复购买、已退订、正在处理售后，或在全局频次窗口内已经收到其他营销消息的顾客。
排除条件不能只放在流程入口。对会在等待期间变化的状态，应在发送前再次检查。某些 CRM 支持在流程中设置分支和等待条件，某些系统可能需要借助订单同步、标签更新或其他集成实现。具体配置路径取决于产品版本和数据能力，文章不应把不同产品的菜单名称混为一谈。
等待时间不是行业通用常数。可以从商品使用周期、历史购买间隔、履约时间和客服反馈中提出初始假设，再用小流量验证。若商品购买周期短、订单量充足，可以分析历史间隔分布；若新商品或数据稀少，先使用较宽的观察区间，不要把推测包装成个人级预测。
一种可操作的方法是将顾客按历史购买间隔分成几个区间，观察每个区间内实际发生复购的人数和退订、投诉变化。选择触达窗口时，不只看“哪一天订单最多”，还要看顾客是否已经自然复购、消息能否赶在需求之前、以及团队能否承受发送后的客服和履约压力。
一个最小可用流程可以包含：进入人群、等待一段时间、检查是否已再次购买、检查触达资格、执行一个动作、观察反馈、满足退出或结束。只有确有业务需要时，才增加多轮提醒。每增加一轮，就增加一次打扰机会、一次失败可能和一份维护成本。
建议将“再次购买”设置为强退出条件，而不是等流程全部执行完才结束。若顾客在等待中完成目标行为，后续补货提醒就失去意义。若多个品类购买会影响流程判断，应先约定退出依据是原商品、同品类还是全店订单，避免一条流程里使用含糊定义。
自动化内容至少要说明为什么联系顾客、这条内容和他当前状态有什么关系、下一步可以做什么。补货提醒要能让顾客快速找到相关商品；使用建议要对应实际购买品类；会员权益要说明适用条件和有效期限。单纯写“专属福利限时领取”，若无法解释专属在哪里，容易让个性化显得像批量群发。
个性化字段必须准备兜底方案。商品名为空、称呼缺失、优惠失效、落地页不可访问时，流程应采用通用表达、取消优惠或停止发送，而不是把空字段原样发给顾客。上线前要用真实测试数据检查变量，不要只看模板编辑器里的预览样式。
渠道选择也要考虑成本与顾客预期。站内消息、短信、邮件、社交渠道或其他触达方式的可达性、授权要求、费用和阅读场景不同。若某渠道触达成本较高，可以先把它用于高相关、低频、价值明确的场景；渠道越多，越要建立跨渠道去重和优先级。
我建议至少覆盖正常进入、条件不满足、等待期间再次下单、退款或取消、退订、缺少个性化字段、重复事件、同时进入其他流程、优惠失效等情况。每个用例都记录预期结果和实际结果。测试的目的不是证明流程能发送，而是证明它在不该发送时确实能停下来。
| 测试情景 | 预期行为 | 重点检查 |
|---|---|---|
| 顾客满足条件且未发生后续购买 | 在设定窗口内进入并执行对应动作 | 时间计算、消息变量、落地页 |
| 等待期间完成复购 | 退出补货或复购提醒 | 订单同步延迟和发送前复查 |
| 顾客退订或不具备触达资格 | 阻止营销消息发送 | 授权字段更新和渠道限制 |
| 订单事件重复到达 | 不重复进入同一流程 | 事件去重和顾客级频次控制 |
| 商品缺货或优惠失效 | 停止、替换内容或转人工处理 | 库存状态、优惠有效期及兜底策略 |
小流量试运行的价值不只是控制发送量，更是验证数据链路、规则逻辑和客服承接是否正常。上线初期应设置异常暂停条件，例如触达量突然偏离预期、重复发送出现、退订或投诉异常上升、商品链接失效，或订单状态没有及时回传。
扩大范围前，确认流程进入人数和预估发送量符合预期，关键字段填充正常，退出规则有效，且负责响应顾客反馈的团队知道流程已上线。自动化越自动，越需要明确由谁监控；没有监控的流程，只是把错误重复得更快。
以下用一个虚构的日常消耗品店铺说明操作方法。假设店铺有一定订单量，订单中包括不同规格和购买数量，团队希望改善首购顾客的再次购买体验。由于没有可核验的企业内部数据，以下数字仅用于展示计算和决策过程，不代表行业平均水平，也不应被引用为真实效果承诺。
团队最初提出“首购后第 20 天发优惠券”。我会先要求把这个方案拆开：为什么是第 20 天？覆盖哪种商品和规格？顾客已经复购怎么办？优惠成本由谁承担？如果没有发券的对照组，如何知道订单是不是原本就会发生？这些问题未回答前，直接配置流程会把未经验证的猜测固化为自动规则。
模拟方案先选择一个商品类别和一个购买数量区间，确认订单状态及顾客身份可用。将符合条件的人群随机分为两组：流程组收到一条商品相关提醒，对照组暂不收到这条提醒；两组均不改变其他常规服务通知。发送前重新查询是否已购买、是否退订、商品是否仍可购买。
如果团队暂时无法随机分组，也可以采用分批上线或相近人群比较，但应承认其结论更容易受到促销、季节和渠道变化影响。比较时尽可能让两组在商品、购买时间和顾客阶段上接近，并把同期大促或库存波动记录下来。
假设试运行期间，流程组和对照组各有 1,000 名符合条件的顾客。流程组在观察窗口内有 120 人完成目标复购，对照组有 100 人完成目标复购。表面差异为 2 个百分点。若流程组使用优惠，假设每笔优惠订单的平均优惠成本为 8 元，则流程组优惠成本需要按实际使用优惠的人数核算，而不是按发送券数量估算。
这组模拟数字不能说明任何真实流程必然提升 2 个百分点。正式分析还要检查两组是否可比、样本是否足够、订单是否退款、顾客是否跨渠道购买、观察期是否覆盖合理购买周期，以及其他活动是否同时触达。若组间只有少量顾客或复购事件，差异可能只是波动，应该扩大观察或重复测试。
| 项目 | 流程组 | 对照组 | 解释 |
|---|---|---|---|
| 符合条件顾客 | 1,000人 | 1,000人 | 模拟设定为等量分组，实际应记录分组规则。 |
| 观察期内目标复购人数 | 120人 | 100人 | 仅为情景数据，需排除退款和重复计数后再分析。 |
| 目标复购率 | 12% | 10% | 表面差异为2个百分点，尚不能单凭此值断定因果。 |
| 优惠成本 | 按实际核销订单统计 | 无该流程优惠 | 需与增量贡献利润一起评估，不能只看成交额。 |
如果流程组比对照组多出订单，第一步不是立刻宣布流程成功，而是检查差异是否集中在某个商品、购买数量或渠道；流程组是否同时获得其他促销；有多少顾客在收到提醒前已经购买；优惠订单的退款和毛利情况如何；退订、投诉或客服咨询是否增加。
若结果主要来自高购买意向人群，而其他顾客没有变化，可以调整分群，而不是继续增加触达频率。若优惠带来订单但贡献利润下降，可以测试非价格内容或降低优惠强度。若流程点击不错、复购没有变化，则可能是落地页、商品可得性、购买需求或观察窗口的问题，不能只靠改文案解决。
当订单、顾客、商品和触达数据分散在多个系统时，运营团队需要把口径统一起来，按顾客、商品类别、渠道和时间窗口检查流程结果。像九数云这样的数据分析工具，可以作为汇总和可视化分析的候选方案；它是否适合具体团队，要依据数据连接方式、权限管理、更新频率、计算口径和实际试用结果判断，不能把分析工具与 CRM 自动触达功能混为一谈。
在评估这类工具时，我会先用一张现有报表做小范围验证：同一份订单数据在来源系统与分析结果中是否一致；退款和取消是否按既定规则处理；顾客标识是否能满足分析需要；运营人员能否追溯数据来源。只有这些问题明确，图表才可能帮助定位流程问题，而不是让错误数字看起来更直观。
商品有相对可观察的消耗周期、复购订单量充足、库存状态可信时，适合测试补货提醒。先按商品类别和购买数量分层，观察历史订单间隔，再设置一个初始触达窗口。重要的是把已复购、退款、缺货、退订和频次超限设为退出条件。
如果购买周期差异大、数据量小或顾客经常囤货，可以先缩小范围，只对购买数量明确、历史行为相对稳定的顾客试运行。不要用全店平均间隔代表每个人，更不要因为系统能设置“第几天”就推断它知道商品什么时候用完。
服饰购买未必遵循稳定补货周期。尺码变化、季节转换、搭配需求、上新和退换货都会影响下一次购买。与其在固定天数后发送“该补货了”，更合理的测试可能是根据购买品类、季节和顾客互动提供搭配内容或相关商品信息。
这类流程要特别注意退换货状态与库存。顾客刚退货或尺码问题尚未解决时继续推相似商品，可能加剧不满；相关款式缺货时，推荐也会失效。若商品更新频繁，内容和商品链接的维护成本需要纳入自动化收益评估。
家具、家电或其他低频商品，通常不适合频繁推动同款复购。可以考虑围绕使用指导、保养、配件、服务保障或耗材补充建立后续沟通，但前提是内容确实能帮助顾客。若没有明确的自然需求，宁可降低发送频率，也不要为了填充自动化流程而制造触达。
低频品类的复购周期可能超过常规营销观察窗口。若团队只观察短周期转化，容易低估服务内容的作用；但也不能把无法证明的长期价值当作流程成功。可以使用服务点击、咨询解决、配件购买等次级行为作为过程观察，并在长期复购数据成熟后再评估最终结果。
当团队有稳定的顾客 ID、订单状态、商品字段和退订数据时，可以优先做一两条边界清楚的流程，例如首购后的服务指导或某一类商品的补货提醒。流程少，便于检查从触发到结果的全链路，也便于团队积累配置和复盘经验。
即使数据成熟，也不建议一开始追求几十条精细化流程。每条流程都需要内容维护、异常监控、规则更新和效果评估。若运营团队没有能力定期检查商品变化和规则失效，流程数量越多，累积风险越大。
如果顾客身份难以统一、订单状态延迟、退订数据不可靠，或者团队没有专人处理自动触达反馈，应优先修复基础数据和全局频次控制。可以先做不自动发送的顾客分群报表，由运营人工检查名单和规则，验证人群是否符合预期，再逐步开放发送动作。
手动不一定低效。对于样本小、客单高、服务复杂的业务，人工审核可能比自动化更能保护体验。自动化适合重复、规则清晰、数据稳定的任务；若决策依赖大量上下文或需要个体沟通，过早自动化可能增加返工和声誉风险。
先查入口条件是否变更、标签是否批量更新、订单事件是否重复、数据同步是否延迟，再查商品范围和时间窗口是否被扩大。不要第一时间把人数变化归因于需求变化。建议为每次规则调整保留版本记录，并保存调整前后的预估入群人数。
如果人数骤增且无法解释，先暂停发送动作，保留数据采集和流程日志，确认影响范围后再恢复。对于已经发送的错误消息，应按企业客服与合规流程处理，不要通过再发一条营销信息掩盖问题。
检查流程组是否真正收到内容、顾客是否点击、落地页是否能完成购买、商品是否有库存，以及观察窗口是否符合品类周期。若点击不差但购买没有变化，可能是价格、商品体验或购买路径的问题；若连点击都少，可能是内容相关性、触达渠道或发送时机需要重新评估。
每轮只优先改一个关键变量，例如人群、等待窗口、内容主题或优惠方式。多个变量同时变化，即使指标改善，也很难判断是什么起作用；多个变量同时恶化，也很难找到应当回滚的部分。
这通常说明过程指标与经营结果没有对齐。核对优惠使用率、每单折扣、退款、毛利、履约成本和顾客是否只是把原计划订单提前。若优惠主要被高意向顾客使用，可以测试非价格内容、会员服务或更窄的人群；若没有可接受的增量利润，应暂停扩大。
评价复购不应只看收入，也要关注订单质量和顾客体验。优惠活动可能让短期订单增加，同时压缩毛利、增加退货或培养等待折扣的习惯。具体影响需要通过订单和成本数据验证，不能仅凭单次活动的销售额判断。
先查流程间是否共享频次规则、顾客是否被重复识别、同一事件是否重复触发，以及服务消息和营销消息是否被不同系统分别发送。然后设置顾客级去重、全局触达上限和冲突优先级，并验证退订是否能阻断所有相关营销流程。
负向信号出现后，应先降低触达或暂停有问题的流程，而不是只改一两个词继续发送。若投诉集中在某类商品、渠道或人群，按来源拆分分析；问题范围尚不清楚时，先采取保守处理，再用小范围测试恢复。
复盘表不必复杂，但要能让接手同事理解这条流程为什么存在、现在运行如何、下一步要改什么。建议固定记录：流程名称、负责人、目标人群、版本、进入人数、成功触达人数、退出人数及原因、主指标、过程指标、风险指标、对照方案、异常事件和下一次复盘日期。
每次复盘还应记录结论的可信度。例如“方向性观察，样本不足”“与对照组有差异，但同期活动可能影响”“多次测试方向一致，准备扩大验证”。把不确定性写出来，不是削弱结论，而是避免团队把一次偶然波动当成长期规律。
如果你还没有稳定的顾客 ID 和订单状态，下一步不是加自动化，而是先验证数据。抽取一批订单，确认顾客关联、状态定义、退款处理和授权字段，再决定可安全使用的人群范围。
如果基础数据可用，但没有成熟流程，先挑一类商品和一个明确阶段，写好触发、排除、等待、退出和频次规则。用测试用例验收，再从少量顾客开始，确保出现异常时能及时暂停。
如果已经有多条流程，下一步应建立全局触达视图和统一复盘口径。检查同一顾客一个周期内接收了哪些内容、哪些流程互相冲突、哪些指标只是过程数据。对于长期没有复盘或负责人不清的流程，宁可先暂停清理，也不要继续叠加新规则。
复购自动化的专业程度，不取决于流程图有多少节点，也不取决于系统能设置多少标签。它取决于团队能否判断顾客此刻是否适合被联系、能否在状态变化时及时停下，以及能否区分自然复购与流程带来的增量。
因此，最务实的起点不是“做一套覆盖全生命周期的自动化”，而是选一个商品类别、一个顾客阶段、一个可测量目标，先把数据、排除条件、发送前复查和对照评估做扎实。跑完一轮后，再根据顾客行为、成本和风险决定扩大、改造还是停止。好的 CRM 自动化不仅让合适的消息更及时，也让不合适的消息不发生。
读者评论
文中强调发送前重新检查订单、退订和商品状态，这点很实用，能减少顾客已经复购后仍收到提醒的情况。
把复购率的顾客范围、统计窗口和退货处理先说清楚很重要，否则活动前后的数据不容易公平比较。
按首购、复购和沉睡阶段拆分流程，比所有顾客统一定时发券更有针对性，也更容易设置退出条件。
文章提到身份匹配和订单同步延迟会影响分群，这提醒运营团队上线前要先核对数据质量，而不是只调文案。
用对照组评估优惠带来的增量，并把优惠成本和利润一起看，比单看成交额更能判断流程是否有效。