# 智能經營總覽
## **智能經營七大客群分層**
1. **全部會員：**您累積的全部會員
2. **潛在未購買：**暫無消費紀錄的會員
3. **全部顧客：**已至少購買一次的顧客
4. **首購客：**初次消費的顧客
5. **回購客：**重複消費的顧客，並計算出回購週期
6. **流失客：**超過流失周期仍未消費的顧客，並計算出流失週期
7. **失效名單：**退訂、信箱失效、多次無法寄達、退信等顧客
\*於失效名單之顧客，日後寄送之e-mail與簡訊將被排除在寄發名單中
## 客群分層百分比
以示範團隊智能經營裡的首購客為例，首購客百分比46.54%是首購客總數20,665人除以全部會員44,405人運算出來的，其他的客群分層也以此類推。
\*客均價值=總消費金額/分群人數
## 回購週期與流失週期
**回購週期：**將視您匯入的訂單資料(成交頻率)，再由系統去運算出相對應的數值。
**流失週期：**為回購周期的三倍。
## 活躍度
是指您發送的智能經營，在七大客群分層分別的點擊與回覆頻率(近三個月內的)，依此數值來判定顧客對品牌的在意程度或者訊息敏感度高低。
## 觸及率與回覆率
**觸及率﹔**實際收到信件並有點擊開來的顧客比例，也就是開信率。
**回覆率﹔**成功寄出的調查中，回覆的比例。本回覆定義係指信件點擊與回覆皆包含在內。
## 各客群分層智能經營模組發送時間
| **智能模組** | **寄發時間** |
| :------: | :--------------: |
| 潛在未購買 | 每周一二三四晚上18至21點間 |
| 全部顧客 | 每周一二三四五早上11至13點間 |
| 首購客 | 每周一二三四晚上18至21點間 |
| 回購客 | 每周一二三四晚上18至21點間 |
| 流失客 | 每周一二三四晚上18至21點間 |
> 以下會將客戶細分為七群(包含全部顧客)，各分群皆有提供對應的行銷解決模組，並顯示該模組發送成效，以下將先針對個階段進行說明與簡介。
>
> \*總帳號可於下列各階段之標題右上方的黃色圖示，來下載名單檔案
## 1. 全部會員
是您上傳第一筆到最近一筆的會員人數加總。
此處的客均價值因為是用示範團隊的模擬資料所以才顯示0元，基本上都是會有數值的。
## 2. 潛在未購買 - 暫無消費紀錄的會員
對應的經營模組為「未購買原因調查」與「信任強化模組」，兩個模組可同時開啟。當顧客加入會員，卻遲遲未消費時，開啟此模組會自動發送問卷給潛在客名單中的會員。
因為此分層的會員尚未消費，所以基本上客均價值顯示0元是正常的，而活躍度是''**未購買的會員''**近三個月與您發送的信件的互動程度。
## 3. 全部顧客 - 已有消費的顧客
對應的經營模組為「購後評價調查」與「回購動機強化模組」，兩個模組可同時開啟。建議優先啟動「購後評價調查」，於客戶體驗完產品後，立即發送滿意度調查問卷，掌握客戶真實感受。
## 4. 首購客 - 初次消費的顧客
對應的經營模組為「需求用途調查」與「關懷強化模組」，兩個模組可同時開啟。顧客完成第一次購買時，主動接觸並建立信任感，幫助顧客更了解品牌。
## 5. 回購客 - 重複消費的顧客
對應的經營模組為「好友推薦調查」與「推薦強化模組」，兩個模組可同時開啟。提供誘因吸引舊客推薦品牌給新客，維繫良好顧客關係以及顧客成長。
而回購週期是依據各家品牌表現以及商品性質等方面為考量，其運算方式也有所不同。
## 6. 流失客 - 超過三倍回購週期尚未再次消費的顧客
對應的經營模組為「流失原因調查」與「挽救強化模組」，兩個模組可同時開啟。用來嘗試挽回流失的顧客。
而流失週期是依據各家品牌表現以及商品性質等方面為考量，其運算方式也有所不同。
此處活躍度是''**流失的顧客''**近三個月與您發送的信件的互動程度。
## 7. 失效名單-退訂、信箱失效、多次無法寄達、退信等。
當顧客退訂、多次無法寄達指定電子信箱、甚至發生退信等狀況，皆會被列入失效名單中。此客群與品牌維繫度極低，喚回成本過高，不建議投入過多成本。
---
# Agent Instructions: Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter:
```
GET https://docs.ezorderly.com/guide/app/overview.md?ask=
```
The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.