查網站電商媒體電商數據榜單中心數據速報 工具箱小教室電商健檢比較清單對手對戰API關於
轉換與優化

加購與交叉銷售:在結帳前多賣一件,把客單價無痛拉高的設計

加購與交叉銷售:在結帳前多賣一件,把客單價無痛拉高的設計|ECPRO 電商博士
字級
ChatGPT 摘要 Claude 摘要 Perplexity 摘要
林克威導讀

我一直覺得,加購沒做好的店,等於把已經到手的利潤留在桌上不撿。

本文重點
  • 先破迷思:加購不是「多推東西」,是「幫他買齊」
  • 對的時機:在哪一個瞬間開口,決定成敗
  • 對的組合:用資料找出「會一起買」的商品
  • 對的話術:讓加購聽起來像划算,不像多花錢
  • 用 AI 生成千人千面的加購組合
  • 劃重點

先算一筆帳給你看。假設你花了 300 元廣告費把一個客人帶進來,他買了一件 500 元的商品——這 300 元的獲客成本是固定的。現在如果你能在結帳前讓他多帶一件 200 元的相關商品,這 200 元幾乎不需要額外的獲客成本,它的利潤含金量遠高於你再去外面買一個新客。這就是加購與交叉銷售的本質:在已經付過的流量上,榨出第二層利潤。

先分清兩個常被混用的詞。加購(Upsell)是「買更好的」——引導顧客升級到更高階、更大容量、更完整的版本。交叉銷售(Cross-sell)是「買相關的」——推薦搭配、互補、會一起用到的商品。我把整套心法濃縮成一個公式:加購成功 = 對的時機 × 對的組合 × 對的話術。三者缺一,就會從「貼心提醒」變成「討厭推銷」。

先破迷思:加購不是「多推東西」,是「幫他買齊」

最大的誤解,是把加購當成硬塞。塞越多、跳窗越多、越像在纏著客人加購,結果往往是連原本要買的那件都一起放棄。真正高明的加購,出發點是「顧客本來就需要,只是還沒想到」——買了相機的人需要記憶卡,買了大衣的人需要防塵袋,買了保健食品的人可能需要一個提醒盒。

當加購從「我想多賣」轉念成「我幫你買齊、免得你回家才發現少了東西」,整個體感就變了。好的加購讓顧客覺得你懂他,壞的加購讓顧客覺得你只想掏他口袋。這個念頭轉不過來,後面的技巧都白搭。

對的時機:在哪一個瞬間開口,決定成敗

同樣一句加購建議,出現在不同時機,效果天差地別。這裡給你一張時機地圖:

  • 商品頁:適合放「常一起購買」「搭配這件更完整」的溫和建議,種下搭配的念頭,但不打斷主商品的決策。
  • 加入購物車的當下:這是黃金時機。他剛做出「要買」的決定,情緒是開放的,此時彈出「加 200 元就能一起帶走互補品」的成功率最高。
  • 購物車頁:適合放「差 300 元免運」這種門檻式加購,用一個他本來就想省的運費,誘導他湊單。
  • 結帳完成頁:交易壓力已解除,適合放低價、衝動型的追加購,或「回購提醒」型的訂閱建議。

這裡的關鍵原則是:不要在他還沒決定買主商品時,就用加購干擾他。先讓他把最重要的決定做完,再在恰當的縫隙遞出建議。時機錯了,再好的組合也是打擾。

對的組合:用資料找出「會一起買」的商品

組合對不對,決定加購有沒有說服力。推薦一個八竿子打不著的商品,只會讓顧客覺得你的系統很蠢。找對組合有三個層次:

第一層是互補邏輯——靠常識就能配對:手機配保護殼、咖啡豆配濾紙、洋裝配腰帶。第二層是資料驗證——去翻你的訂單資料,看哪些商品實際上常出現在同一張訂單裡,這比你憑感覺配對可靠得多。第三層是價格錨定——加購品的價格最好落在主商品的 20% 到 40% 之間,太貴會讓人重新猶豫,太便宜則帶不動客單價。

這一段正是轉換與營運的連動點:加購組合設計得好,還能順便去化庫存、拉高毛利——把高毛利或庫存偏多的商品設計成加購品,等於用轉換機制解決營運問題。但要留意,加購品也要備夠貨、能一起出貨,否則一件缺貨拖累整張訂單,反而傷了到貨體驗。

對的話術:讓加購聽起來像划算,不像多花錢

同樣一個加購,話術決定它是「省到」還是「多花」。這裡有幾招實測有效的框架:

  • 差額框架:不要說「這件 300 元」,要說「再加 300 元就能升級到組合價」,把焦點放在小小的差額而非總價。
  • 湊單框架:「再買 300 元免運費」——用他本來就不想付的運費,換一個他划算的加購。
  • 錯過框架:「多數買這件的人也一起帶了 OO」——用社會認同暗示「不帶好像少了什麼」。
  • 限時綁定框架:「這個加購價只在結帳時有」——製造只有現在下手才划算的情境。

話術背後要有行銷心理的支撐:人對「損失」比對「獲得」敏感,所以「省運費」「錯過就沒了」往往比「多買省更多」更能推動行動。但切記別過度承諾或製造假稀缺,短期能催單、長期會侵蝕你辛苦建立的信任。

用 AI 生成千人千面的加購組合

加購最難規模化的地方,是為「每一個顧客、每一件主商品」都配出最合適的組合與話術。靠人工設定規則,商品一多就顧不過來,這正是 AI 推薦引擎的主場。

第一種用法是個人化加購推薦。AI 推薦系統會分析每位顧客的瀏覽與購買紀錄、以及全站的「一起被購買」模式,即時算出這個人此刻最可能加購的商品,而不是所有人都看到同一組。實務上你可以先用平台內建或第三方的 AI 推薦模組起步,讓推薦從「人工猜」進化到「資料算」。

第二種用法是批次生成加購文案。你可以把商品資料餵給生成式 AI,用這樣的提示詞:「你是電商加購文案助理,主商品是 OO,加購品是 XX,請用『差額框架』和『社會認同』各寫一句 20 字內的加購提示文案,語氣要像貼心提醒不像推銷,並各附一個適合的觸發時機(購物車或結帳頁)。」讓你為幾百個商品組合快速產出話術。

誠實面對 AI 的限制:推薦演算法只會複製資料裡既有的購買模式,它不懂你的新品、也算不出你想主推的策略性商品。如果某個高毛利新品還沒有足夠的購買資料,AI 幾乎不會推它,這時仍需要人工介入設定規則。把 AI 當成處理長尾與個人化的引擎,策略性的主推商品則保留人工的手動權重。

劃重點

  • 加購與交叉銷售是在已付過的獲客成本上榨第二層利潤,客單價拉高兩成,利潤可能翻倍。
  • 分清加購(買更好的)與交叉銷售(買相關的),核心公式:對的時機 × 對的組合 × 對的話術
  • 念頭要從「我想多賣」轉成「幫你買齊」,好加購讓人覺得你懂他。
  • 時機地圖:商品頁種念頭、加入購物車是黃金點、購物車用門檻湊單、結帳完成頁放衝動追加。
  • 組合靠互補邏輯+訂單資料驗證,加購品定價落在主商品 20%–40%,還能順帶去化庫存拉毛利。
  • 話術用差額、湊單、錯過、限時框架,善用損失趨避但別造假稀缺。
  • AI 適合個人化推薦與批次文案,但算不出沒有資料的新品,策略性主推仍需人工加權。
電商博士小教室

本文相關的 KPI 公式

轉換率CVR
轉換率 = 下單人數 ÷ 總訪客數 × 100%

每 100 個進站的人,最後有幾個真的下單。衡量網站「把流量變訂單」的能力。

平均客單價AOV
客單價 = 總營收 ÷ 總訂單數

平均每一筆訂單貢獻多少營收。提高客單價是不靠加流量就增加營收的捷徑。

回購率RPR
回購率 = 回購顧客數 ÷ 總顧客數 × 100%

有多少顧客回來再買第二次以上。回購是利潤的真正來源,比拉新客便宜得多。

獲客成本CAC
CAC = 行銷總花費 ÷ 新客數

平均花多少錢才換到一個新客戶。廣告越貴,這個數字越是生死線。

看完整電商 KPI 公式庫 →
ECPRO 數據觀察

用真實數據延伸這個主題

ECPRO 電商博士實測逾 10 萬個台灣電商網站。想用數據驗證本文觀點,延伸閱讀這幾份實測報告:

覺得有用?分享出去
LINE Facebook X Threads

常見問題

加購跳窗會不會反而干擾顧客、讓他連主商品都不買了?

會,如果時機和頻率沒抓好的話。最傷轉換的是「在顧客還沒決定買主商品時就跳窗打斷」,以及一頁塞好幾個加購彈窗。原則是先讓他把主要決定做完,再在加入購物車或結帳這種情緒開放的縫隙遞出「一個」精準建議,而且要能一鍵略過不糾纏。加購做成貼心提醒而非纏著推銷,才不會賠了夫人又折兵。

小店商品種類不多,也值得做加購嗎?

值得,而且反而更好做。商品少代表你能為每一件主商品都手動配出最合適的互補品與話術,不需要複雜的推薦系統。先從你最熱賣的幾支主力商品下手,各自綁定一到兩個高毛利或高相關的加購品,設定在加入購物車時出現即可。等訂單量累積起來,再翻資料驗證哪些組合真的會一起賣,逐步優化。

AI 推薦和人工設定加購規則,該用哪一個?

兩者互補而非二選一。AI 推薦擅長處理商品眾多、需要千人千面的長尾情境,能從購買資料自動算出個人化組合,省下大量人力。但 AI 只會複製既有的購買模式,對缺乏資料的新品或你想策略性主推的高毛利商品幾乎無感。實務上的做法是:讓 AI 跑個人化長尾推薦,同時保留人工手動加權,把想主推的商品「插隊」進推薦位,兩者搭配效果最好。

訂閱電商情報每週一封,台灣電商數據與經營洞察。
相關文章