五金常客回購提醒流

🎯 這條流程解決什麼

五金行的生意有一個很現實的特性：真正撐起營收的不是偶爾來逛的散客，而是固定回來補耗材的常客。螺絲、矽利康、砂紙、磨切片、束帶、潤滑油這類東西，師傅和工班用完就得補，但人性是「想到才買、就近才買」。只要你沒在他用完的那一刻出現在他眼前，他很可能順手在工地附近另一家店買掉，這筆生意就這樣無聲無息地流走。

問題在於，老闆根本沒有時間去記每一位常客「上次買的那條矽利康差不多該用完了」。一家中型五金行常客名單動輒兩三百位，每位常買的品項又不一樣、用量也不同。要靠人工去翻訂單、推算每個人的回購週期、再一個個發訊息提醒，幾乎是不可能的任務。實務上，多數店家就是放著不管，等客人自己回來——回來最好，不回來也不知道少賺了多少。

用最保守的方式估算：假設一位常客每月貢獻三千元、店裡有兩百位這類客人，只要其中有兩成因為「忘了買、跑去別家」而流失，等於每月白白漏掉十二萬元的生意。這還沒算上把一次性客人養成穩定回購客的長期價值。靠純人工做這件事，一位店員每天就算花兩小時整理名單、發訊息，一個月也照顧不到全部常客，而且容易發錯、漏發、重複打擾。

這條流程要解決的，就是把「在對的時間提醒對的客人補貨」這件最值錢卻最沒人做的事，變成系統每天自動跑的固定動作。

導入後的改變

導入前：回購全靠客人自己記得。店員偶爾想到才挑幾個熟客傳個 LINE，沒有系統、沒有週期、沒有名單，提醒覆蓋率可能不到一成。客人跑去別家也無從得知，營收默默漏水。每逢淡季更明顯——其實不是沒生意，是常客的回購節奏沒人接住。

導入後：系統每天自動算出「今天該提醒哪些人、提醒什麼品項」，AI 把提醒訊息和搭配推薦都先起草好，店員只要花十幾分鐘確認名單與口吻就能批次送出。回購提醒的覆蓋率可以從不到一成拉到接近全覆蓋。

合理的效益估算：回購提醒覆蓋率從約 10% 提升到 80% 以上；常客流失率有機會下降三到五成；每位店員花在「整理回購名單」上的時間，從每天約兩小時壓縮到十幾分鐘，等於省下八成以上的人工。更重要的是，提醒時順帶推薦搭配品（買矽利康的人常需要膠槍、清潔劑），客單價也有拉升空間。

流程怎麼運作

對應 frontmatter 的五個節點，逐步說明：

1. ⏰ 觸發：週期檢查——系統每天定時跑一次，掃過所有常客的訂單紀錄，抓出每個人「最近一次購買各項消耗品的日期」。也支援訂單寫入後即時更新，客人一下單就重新計算他的下次回購時點。

2. 🧠 推算回購時點——這是 AI 的核心工作。它依據每項消耗品的典型耗用速度，加上這位客戶過去的購買間隔（例如他平均每 28 天補一次矽利康），估算出他「差不多快用完」的時間。會考慮品項特性：快耗品（束帶、砂紙）提醒頻率高，慢耗品（手工具）幾乎不需提醒。

3. 🎯 挑出待提醒客——把「預估回購時點落在未來三到五天內」的客戶篩出來，同時比對庫存：如果要推薦的品項剛好缺貨，就先不發或改推替代品，避免提醒了卻沒貨可賣的尷尬。

4. ✍️ 起草提醒訊息——AI 為每位入選客戶生成一則個人化的補貨提醒草稿，帶上他常買的品項，並附上合理的搭配推薦（買膠的搭膠槍、買刀片的搭手套）。語氣親切不推銷，像老店家順口關心一句。

5. 🔔 通知確認後發送——系統把名單與草稿整批推給店員，人工確認後才發送。店員可以調整口吻、刪掉不想打擾的客人、修改優惠，確認無誤再透過 LINE 官方帳號或 Gmail 批次送出。

需要的工具與串接重點

• platform（n8n / Make）：負責整條流程的排程與串接。用 Schedule 節點設每日觸發，用 HTTP / Webhook 接訂單寫入事件。n8n 適合想自架、品項規則複雜的店家；Make 介面直覺、適合不想碰太多設定的老闆。
• Google Sheet / CRM：存放客戶資料、訂單紀錄與各品項的回購週期參數。建議用一張「客戶 × 品項 × 上次購買日 × 平均週期」的表，AI 推算與篩選都讀這張表。
• AI 推算節點：負責週期估算與訊息起草。串接時把「品項耗用速度」「客戶過往間隔」當作輸入，讓估算有依據而非亂猜。
• LINE 官方帳號 / Gmail：發送管道。LINE 觸及率高、適合提醒；Gmail 適合附報價或型錄的批發客。
• 串接注意點：務必在「發送」前插入人工確認關卡，不要讓系統自動直發。另外要設「同一客戶最短提醒間隔」（例如 14 天內不重複提醒），避免疲勞轟炸。

常見錯誤與注意事項

• 提醒頻率失控：最常見的錯誤是設定太密，客人三天兩頭收到提醒，反而封鎖你。一定要設最短間隔與每日發送上限。
• 折扣誤發：提醒裡若帶優惠，金額與條件務必由人工確認，AI 不該自動決定折讓，否則容易發出錯誤折扣傷及利潤。
• 個資合規：客戶聯絡方式與消費紀錄屬個人資料，蒐集與行銷使用須取得當事人同意，符合個資法，名單不可外洩或挪作他用。
• AI 不取代判斷：回購時點是「估算」不是「事實」，AI 推算的週期僅供參考，是否要提醒、要不要推某個品項，最後由人決定。系統已內建人工確認節點，請勿略過。

台灣中小企業情境案例

台中一家經營二十年的水電五金行，常客約一百八十位，多是附近的水電師傅與小型工程行。導入這條流程前，老闆娘全憑印象，想到才傳幾則 LINE 提醒。導入後，系統每天早上推一份「今日該提醒名單」，通常十到二十人，附好 AI 草稿。老闆娘花十分鐘看過、刪掉幾個不想打擾的、調一下口吻就送出。

兩個月後的具體成果：常客回購頻率明顯變密，原本「想到才補」的師傅變成「店家提醒就回來補」；搭配推薦讓不少單從只買矽利康變成同時帶走膠槍與清潔劑，客單價拉高。最讓老闆娘有感的是淡季——以前淡季靠運氣，現在靠提醒把常客的回購節奏穩穩接住，業績曲線平緩許多。

延伸應用

• 搭配回購行銷文案：到 /recipes 找文案配方，優化提醒的口吻與搭配推薦，讓提醒不像推銷。
• 串接批發客戶經營：把高回購、高貢獻的常客接到 /workflows 的批發客戶經營流，做更深的分級維繫。
• 加入流失預警：除了「快用完該提醒」，可再加一條「該回購卻沒回購超過 X 天」的沉睡預警，主動關懷。
• 季節性品項提醒：把防水、除濕、防颱等季節性耗材也納入推算，在季節前提前提醒，創造主動需求。
• 接入完整自動化中樞：想把回購提醒、缺貨補貨、客戶分級整合成一套經營儀表板，可參考 /automation 的整合方案，讓多條流程共用同一份客戶資料。

流程圖

用到的工具

更多「零售商店」工作流

瀏覽全部工作流藍圖 → 自動化工作流中心 → AI Skills 食譜庫 →