把推薦模組裝上去，跟把推薦做對，是兩件完全不同的事。我在 ECPRO 每天看台灣上萬個電商網站的技術組成，推薦類模組的安裝率這幾年一路爬升，幾乎變成開店平台的標準配備；但只要實際點進這些站逛一圈，就會發現多數推薦區塊只是把熱銷商品輪播一遍，跟訪客當下在看的東西幾乎無關。工具裝了、邏輯沒跟上，結果就是客單價原地踏步，頁面反而更擁擠、更像大賣場的花車。
先把結論放在最前面：向上銷售（up-sell）與交叉銷售（cross-sell）能不能真的拉高客單價，取決於三件事——推薦出現的節點對不對、推薦的內容有沒有依據、誘因的設計會不會讓人反感。三件事只要錯一件，推薦就會從助攻變成干擾。這篇文章我會把這三件事一層一層拆開：先釐清兩種推薦背後不同的心理機制，再畫出購物旅程的推薦地圖，接著談推薦邏輯的三層架構與人機配比，最後進到加購價與滿額門檻的誘因工程，並用一個匿名案例收尾，讓你可以直接對照自己的站來修。
兩種推薦是兩種心理機制，別再混著用
很多人把 up-sell 和 cross-sell 當同義詞，但從消費心理的角度看，它們啟動的是兩套完全不同的決策迴路。
向上銷售處理的是「規格焦慮」。訪客站在兩個版本之間猶豫的那個瞬間——容量要選大的還是小的、方案要月繳還是年繳、基本款還是進階款——他的預算上限其實還沒鎖死，這時候給他一個清楚的理由往上走一階，他多半願意聽。up-sell 的本質不是叫人花更多錢，而是在需求還有彈性的時候，幫他把「多花的部分換到什麼」算清楚。
交叉銷售處理的則是「配套需求」。一個購買決定往往會牽出一串衍生需求：買了主機會需要線材、買了鞋會想要保養品、買了嬰兒床遲早要買床圍。cross-sell 做的事，是在對方還沒意識到之前，先替他把這串需求補上。它不改變主商品的選擇，只是讓這張訂單更完整。
用一句話區分：up-sell 是在「選哪一個」的階段介入，cross-sell 是在「已經選好」之後補位。這個時序差異決定了一切——把配件推給還在猶豫主商品的人，只會增加他的決策負擔；把升級選項推給已經結完帳的人，則是白白錯過時機。我看過的失敗案例裡，八成不是推薦內容爛，而是時序放反了。
購物旅程的推薦地圖：每個節點只做一件事
與其問「推薦該放哪」，不如把整條購物旅程攤開，讓每個節點各司其職。我習慣用一張表來對照：
| 節點 | 主要手法 | 該做的事 | 不該做的事 |
|---|---|---|---|
| 商品頁上半 | up-sell | 版本比較、差價換算、升級理由 | 塞一排無關配件搶走主商品注意力 |
| 商品頁下半 | cross-sell | 低調放「常見搭配」，最多三個 | 放全站熱銷輪播充版面 |
| 購物車 | cross-sell | 互補小物加購、免運差額提示 | 推高價品逼人重新決策 |
| 結帳頁 | 極簡加購 | 一鍵、小額、免選規格 | 任何會讓人跳離結帳流程的推薦 |
| 訂單完成頁 | cross-sell／回購 | 補充品推薦、下次購物誘因 | 什麼都不放（這裡最常被浪費） |
| 購後 email | cross-sell／補貨 | 到貨關懷帶搭配、消耗品補貨提醒 | 高頻轟炸式促銷信 |
這張表裡有兩個位置值得特別講。第一個是結帳頁，它是整條漏斗裡最脆弱的一段，任何多餘的認知負擔都可能讓訂單直接蒸發。我的原則是：結帳頁上的加購必須「一次點擊、金額零頭、不用選規格」，只要有一項不符合就拿掉。你在這裡多收的加購金額，通常抵不過因為分心而流失的那幾張整單。
第二個是訂單完成頁。從我看站的經驗來說，這是全旅程最被浪費的黃金版位——顧客剛完成付款，信任感在最高點，而且已經沒有「打斷成交」的風險，這時候放什麼他都願意多看兩眼。偏偏大多數站的完成頁只有一句冷冰冰的「訂單已成立」。把補充品推薦或下次回購的誘因放在這裡，幾乎是零成本的增量。
推薦邏輯的三層架構：憑什麼是這一個
節點鋪好了，下一個問題是「推薦的內容從哪來」。我把可用的邏輯整理成三層，由穩到猛：
- 第一層：互補關係。功能上注定會一起用的商品——主機與耗材、器材與配件、家具與對應尺寸的織品。這層關係最穩定，靠商品資料和人工標註就能建立，不需要任何演算法，卻是報酬率最高的地基。台灣多數中小型電商連這層都沒認真做，就急著談 AI 推薦，順序完全顛倒。
- 第二層：共買訊號。從歷史訂單裡挖出來的「實際上常被一起買」的組合。這層的價值在於它會浮現人腦想不到的關聯——不同產品線之間的隱性連結、看似無關卻高頻共買的品項。但它需要足夠的訂單量當底，量太小時挖出來的多半是雜訊。
- 第三層：升級誘因。這是 up-sell 專用的邏輯，關鍵不在「把貴的擺出來」，而在把差價翻譯成具體利益：多付多少、多得到什麼、換算下來划不划算。其中威力最大的是「臨界點話術」——當顧客選的版本離頂規只差一小段價差時，把那段差距明確講出來，升級的心理阻力會瞬間變小。
三層不是擇一，而是疊加：商品頁用第三層做升級，購物車用第一層加第二層做搭配。順序上，永遠先把第一層的互補關係標完，再考慮往上疊。
演算法還是人工規則？量體決定答案
推薦引擎這幾年被講得像萬靈丹，但從我在 ECPRO 看各種規模的站的經驗，這題的答案其實跟量體高度相關，不是信仰問題。
訂單量還小的階段，人工規則幾乎全面勝出：可控、可解釋、不會出現離譜亂配，而且互補關係與升級路徑本來就該由最懂商品的人來定義。這個階段硬上演算法，模型吃不到足夠的訊號，產出的推薦反而比人工規則差，還多付一筆系統成本。
量體大了之後，演算法的價值才會浮現——品項多到標不完、共買組合藏在長尾裡人眼看不到，這時候讓資料說話是對的。但即使到了這個階段，人工這層也不能撤掉，而是轉型成護欄：黑名單（哪些商品絕不同框，涉及品牌調性或敏感品類）、白名單（哪些組合強制優先）、以及排除規則（已購買的耐用品、退貨率異常的品項不再推）。演算法只看共買機率，不懂品牌觀感，這道人工護欄省不得。
一個簡單的自我檢查：如果你答不出「我的站上某個推薦為什麼出現在那裡」，代表你把判斷權整個交給了系統，這通常是出事的前兆。
誘因工程：加購價與滿額門檻的設計細節
推薦解決「推什麼、放哪裡」，誘因解決「他為什麼現在就要多買」。最常用的兩個工具是加購價和滿額門檻，兩個都有明確的設計參數。
加購價的本質是條件式優惠：買了主商品，才解鎖這個價格。選品有兩個篩選條件——高互補（買主商品的人本來就用得到）或高毛利（折讓後仍有利潤空間），能同時滿足最好。金額則要壓在「順手區間」：加購行為的心理預算天生偏低，小額商品的加購率遠高於中高價品，把貴的東西放進加購區通常只是自我感覺良好。
滿額門檻的核心參數是門檻與平均客單價的距離。設在平均客單價之上一小段——大約高一到三成——是普遍有效的區間：夠近，多數人墊一下就到；夠遠，才有實際拉抬效果。門檻設過高等於沒設，多數人看一眼就放棄湊單。另外有個常被忽略的細節：門檻要在購物車裡即時顯示差額，「再加多少就免運」這行字出現在眼前的當下，才是湊單行為真正發生的時刻，把規則藏在活動頁裡等於沒做。
這兩個工具再加上事先打包的組合商品，構成完整的誘因光譜：組合包替顧客省去配置的思考、加購價在臨場給一個難以拒絕的條件、滿額門檻則鼓勵他自己把車湊滿。三者針對不同決策習慣的顧客，同時鋪開才是完整的佈局。
五條紅線：推薦與騷擾的分界
推薦手法的名聲會壞掉，從來不是因為手法本身，而是因為執行時越了線。這幾條紅線是我長期觀察下來，最容易踩、也最傷的：
- 數量紅線：單一版位超過三個選項，點擊意願開始遞減。一整排輪播看起來豐富，實際上是讓人整塊略過的視覺雜訊。
- 相關性紅線：推薦一旦被感知為隨機，顧客會對整個推薦區塊建立「不用看」的心理捷徑，之後再準的推薦也救不回來。信任是整塊一起崩的。
- 時機紅線：結帳最後一步不放任何需要重新思考的東西。這條前面講過，值得再講一次，因為它是所有紅線裡代價最高的。
- 記憶紅線：對同一個人重複推他已買過或已忽略多次的商品，傳達的訊息是「這個站不記得我」。串接會員行為資料做排除，是體驗差異最大的一步。
- 語氣紅線：推薦區塊用倒數計時、最後機會這類壓迫式話術，短期或許擠得出幾筆加購，長期消耗的是回購意願。推薦該像內行朋友的建議，不是路邊的叫賣。
五條紅線背後其實是同一個判斷式：這個推薦是替顧客著想，還是只替營收著想？顧客分辨這兩者的能力，遠比多數品牌以為的敏銳。
匿名案例：從整排輪播到三個準推薦
講一個我印象深刻的案例。一個生活風格類的品牌，流量與轉換率都在水準之上，唯獨客單價長期卡在同一個區間，廣告成本一漲，利潤就被壓扁。他們其實「有做」推薦——全站每頁底部掛一條十幾格的熱銷輪播，資料一看，那個區塊的點擊率低到接近雜訊。
調整分四步。第一步，砍掉全站輪播，換成每頁最多三個、由商品團隊手動標註的互補推薦——收納主品配同系列的延伸件、寢具配對應規格的保護層。第二步，在商品頁加入套組升級比較，把單件與多件組的每件均價直接算給顧客看，讓升級的划算感不需要心算。第三步，購物車設滿額免運，門檻壓在平均客單價之上約兩成，並即時顯示差額。第四步，結帳前一步只保留一到兩個小額、一鍵式的加購小物。
幾個月後，平均客單價有了兩位數百分比的提升，而更有意思的是客服端的變化：關於「一直被推銷」的抱怨反而變少了。推薦變少、變準之後，顧客感受到的不是推銷，而是貼心。這個案例我後來常拿來講，因為它證明了一件事——推薦的效果跟數量無關，跟準度有關，而準度的第一步往往不是更強的演算法，是更誠實的選品邏輯。
把訂單做大，靠的是替顧客多想一步
回到最前面的那個矛盾：推薦模組的安裝率越來越高，客單價卻普遍拉不動。看完整篇你應該已經知道原因——工具解決的是「能不能推」，設計解決的才是「該不該推、推什麼、什麼時候推」。up-sell 在需求還有彈性時給一個升級的理由，cross-sell 在決策完成後把配套補齊；節點各司其職、邏輯層層疊加、誘因壓在對的參數上、紅線一條不越。做到這些，客單價的成長是自然結果，而且是顧客心甘情願的那種。
最後留一個檢查習慣給你：每一季把站上所有推薦版位走一遍，對每一個推薦問同一句話——「如果我是顧客，這個建議對我有沒有真實幫助？」答不出來的，先下架再說。推薦是長期生意，養的是信任，不是單次的加購金額。