先問你一個問題：你店裡最貴的一筆訂單是多少？大部分老闆秒答得出來。但如果我問你，一個「平均客人」從第一次下單到永遠不再回來，總共會付給你多少錢，多數人會愣住。這個愣住的瞬間，就是你和真正會賺錢的品牌之間的距離。
台灣電商殺成一片紅海，廣告費一年比一年貴，很多人還在用「單筆訂單賺不賺」在做決策。結果就是：不敢花錢獲客、不敢送贈品、不敢做會員，因為每一筆都要當下回本。這篇文章要做一件事，把顧客終身價值（Lifetime Value，簡稱 LTV）從一個聽起來很玄的名詞，變成你明天就能算、後天就能改的經營工具。
迷思破解：客單價高不等於賺錢，回得來才是
先講一個反常識的結論：客單價高的客人，不一定比客單價低的客人值錢。一個客人單筆消費 3000 元但買完就消失，跟一個客人每次只買 600 元但一年回購八次，後者一年貢獻 4800 元，還會幫你介紹朋友。你把預算全押在追高客單，等於把最會回頭的那群人晾在一旁。
問題出在多數人的財務直覺停在「這筆訂單的毛利」。這是損益表思維，適合看單月，卻會讓你在獲客決策上綁手綁腳。LTV 思維要你換一個鏡頭：不看一筆，看一個人一輩子。當你知道一個新客未來會貢獻 4000 元毛利，你就敢花 800 元去獲取他，因為你玩的是後面那條長長的回購尾巴。
把 LTV 算清楚：一條你今晚就能套的公式
網路上 LTV 公式版本很多，我給你一個電商老闆最實用、資料最好取得的版本，我叫它「回購三要素」：
- 平均客單價：一段期間總營收 ÷ 總訂單數。後台就有。
- 毛利率：扣掉商品成本、金流物流後的比率。很多人只扣商品成本就當毛利，這是自欺欺人，一定要把運費、金流手續費、包材算進去。
- 平均購買次數：一段期間總訂單數 ÷ 不重複顧客數。這個數字最多人算錯，也最能揭露你的真實體質。
舉個實例。一家保養品店，平均客單 900 元，扣完所有成本毛利率 55%，一個客人生命週期內平均買 3.5 次。LTV ＝ 900 × 0.55 × 3.5 ＝ 1732 元。這代表：只要你的獲客成本（CAC）低於 1732 元，你就在賺錢；理想上 LTV 要是 CAC 的 3 倍以上，也就是 CAC 壓在 577 元以內，這門生意才健康。
看到重點了嗎？LTV 這條公式裡，唯一你能靠經營大幅撬動的槓桿，是「平均購買次數」。客單價受品類天花板限制，毛利率受供應鏈限制，但購買次數，是純粹的顧客關係經營，也是最多人放著爛的一塊金礦。
電商×行銷×傳播：LTV 是三塊拼圖的交會點
這裡要打通一個很多人分開看的觀念。LTV 不是一個「客服部門」或「會員部門」的 KPI，它是電商、行銷、傳播三塊同時發力才長得出來的果實。
從電商端看，LTV 決定你的回購與客單結構。你要設計會員分級、回購誘因、補貨提醒、跨品類推薦，讓客人一次比一次買得多、買得勤。從行銷端看，LTV 直接改寫你的獲客與再行銷帳本。當你算清楚一個客人值 1732 元，你就能對高價值客群加碼投放、對沉睡客群做喚醒再行銷，把預算從「一次性拉人」轉向「培養關係」。從傳播端看，讓客人回頭的從來不只是折扣，而是品牌在他心裡的記憶與信任。一致的視覺、有溫度的開箱信、每次都準時的物流體驗，這些傳播層面的細節，才是讓客人「還想再買一次」的真正理由。
三者連動的畫面是這樣的：傳播建立信任（品牌讓人記得、願意再來）→行銷用對的訊息在對的時機觸及對的人（再行銷把關係續上）→電商用對的商品組合承接（回購與交叉銷售把價值變現）。任何一塊斷了，LTV 都會漏。很多老闆拼命補行銷這塊（狂投廣告），卻讓傳播（品牌無感）和電商（回購機制空白）漏水，錢當然留不住。
AI 應用：用預測模型把客人分成「該加碼」與「該放手」
算 LTV 是回頭看歷史，但經營要往前看。你真正想知道的是：「這個剛下第一單的新客，未來值多少？」這正是 AI 派上用場的地方——預測型 LTV 分群（Predictive LTV Segmentation）。
做法上，你可以用兩種層次的工具。輕量版：把顧客的 RFM 資料（最近一次購買、頻率、金額）匯出成表格，丟給生成式 AI 幫你分群與寫策略。以下是一段可以直接改用的提示詞範例：
「你是一位電商 CRM 顧問。以下是我 500 位顧客的資料，欄位包含：首購日期、累計訂單數、累計消費金額、最近一次購買距今天數、主要購買品類。請幫我：(1) 依預估終身價值分成高、中、低、流失風險四群；(2) 說明每一群的判斷依據；(3) 針對每一群各給三個具體的再行銷或回購策略，並標註優先順序。用繁體中文、表格呈現。」
進階版：接入店家後台或 CDP，用機器學習模型（例如購買機率模型、存活分析）預測每位顧客未來 6 到 12 個月的貢獻，自動打上分群標籤，再串接行銷自動化，對高潛力客群加碼、對流失風險客群觸發喚醒流程。自動化流程可以是：AI 每週重算分群→高價值新客自動進 VIP 培養名單→流失風險客自動收到專屬回購優惠→系統回報成效再修正模型。
但務必誠實面對 AI 的限制。預測模型吃的是歷史資料，對新品牌、資料量太少、或剛換客群定位的店，預測會很不準。模型也看不見它沒有的欄位——如果你沒記錄退貨、客訴、瀏覽行為，AI 就無從判斷。更重要的是，AI 給的是機率與建議，不是命令；把「流失風險高」的客人直接放生是危險的，有時候一封對的信就能救回一個大戶。AI 負責把你看不完的資料變成可行動的分群，最後拍板的還是懂你顧客的人。
實操路線圖：四週把 LTV 從概念變成日常
講完觀念，給你一張能照著做的表：
- 第一週｜先量體溫：把過去 12 個月資料拉出來，算出平均客單、真實毛利率、平均購買次數，得出你的 LTV 基準線。同時算出 CAC，看看 LTV/CAC 比值健不健康（低於 3 就要警覺）。
- 第二週｜分群：用 RFM 或 AI 把顧客分成至少四群（新客、主力回購、高價值 VIP、流失風險），算出每一群的 LTV，你會震驚於高低群差距可能到十倍。
- 第三週｜撬動購買次數：針對回購設計具體機制——補貨週期提醒、會員分級門檻、跨品類推薦、專屬回饋。這是槓桿最大的一步。
- 第四週｜關掉漏水的水龍頭：把再行銷預算從「盲目拉新」挪一部分到「喚醒沉睡客」，通常喚醒老客的成本是拉新客的五分之一，投報率卻更高。
劃重點：你經營的不是訂單，是關係
回到開頭那個讓你愣住的問題。當你能脫口說出「我一個客人平均值 1732 元」，你的整個經營決策都會改變：你敢花錢獲客、敢投資會員體驗、敢把資源放在對的人身上。
把重點收攏成三句話。第一，別再只算單筆訂單的毛利，那是損益表思維，會讓你在獲客上綁手綁腳。第二，LTV 三要素裡，客單價和毛利率有天花板，唯一能靠經營大幅拉高的是購買次數，那就是回購與關係經營。第三，LTV 是電商、行銷、傳播三塊共同的果實，傳播建立信任、行銷續上關係、電商承接變現，缺一塊都會漏水。AI 能幫你把看不完的顧客資料變成能行動的分群，但決定要不要放手一個客人的，永遠是懂人的你。今天就把過去一年的資料拉出來，算出你的第一個 LTV 數字吧。