TapCub 正式上线:统计、分析、客服一个平台免费用
增长与运营

召回活动:写邮件之前,先定义什么叫沉睡

召回活动是把沉默的客户带回来。怎样用自己的回归数据定沉睡窗口,为什么窗口选错会把效果夸大 30 倍,以及怎样分层、写内容、用对照组衡量。

索菲娅·贝内特 发布于 2026 年 11 月 15 日 10 分钟阅读 增长与运营
示例数据:90% 的复购发生在 60 天内,所以 60 天是这家店的沉睡窗口。到第 14 天时,还有 40% 的回归没有发生。示例数据

召回活动是联系已经沉默的客户和用户,在他们彻底离开前把人带回来。它的头一步是按产品的自然使用周期定义沉睡。窗口选错了,你就会去联系本来就会回来的人,再把他们的回归算成成功。

读完你会知道

  • 把沉睡窗口定在大约 90% 的回归已经发生的位置
  • 留随机对照组:示例里 14 天窗口把效果夸大 30 倍,60 天窗口夸大 3 倍
  • 用增量回归和回归后的留存评判活动,不用打开率

什么是召回活动?

召回活动(re-engagement campaign)是有计划地联系那些已经不再购买、不再访问或不再打开邮件的客户和用户,目标是在他们彻底离开之前把人带回来。最常用的渠道是邮件,但推送通知、应用内消息、付费再营销,以及客户经理亲自打一通电话,也都算召回。营销圈也叫它赢回活动或激活活动,叫法不同,要做的事一样。

在客户生命周期里,它排在流失预防之后。流失预防针对的是仍然活跃、但正在下滑的人,见流失预防;召回针对的是已经沉默的人。

多数建议从文案讲起:邮件标题、折扣、「好久不见」。本文往前多走一步,因为大多数活动跳过的这一步,决定了后面能不能成。写任何东西之前,先按产品的自然使用周期定义什么叫「沉睡」。 每天用的习惯类 App 和一年用一次的报税工具,两次使用之间的正常间隔能差 50 倍。窗口选错了,你就会把活动花在本来就会回来的人身上,再把他们的回归算成你的功劳。

按产品的自然周期定义「沉睡」

合适的窗口不是从某篇文章里抄来的整数,而是来自你自己的数据:回来的客户,通常隔多久回来?

取近期每一次回归(一次复购,或间隔之后的一个活跃日),算出它距上一次的间隔,再看各个间隔内发生的回归占多少。示例数据:一家生鲜配送网店的 4,000 次复购。

距上一单的间隔复购次数占比累计占比
1–7 天1,52038%38%
8–14 天88022%60%
15–30 天72018%78%
31–60 天48012%90%
61–90 天2406%96%
超过 90 天1604%全部

一条实用规则:把沉睡窗口定在大约 90% 的回归已经发生的位置。 这里是 60 天。对这家店来说,60 天没下单是反常的,只有一成的回归发生在这之后。14 天没下单则很正常:所有回归里有 40% 发生在第 14 天之后。

同样的方法,对不同产品给出的答案差别很大:

  • 每天用的习惯类 App,90% 的回归可能发生在 3 天内,沉睡大约从第 7 天算起。
  • 生鲜或净菜配送网店,像示例这样,在 60 天左右。
  • 家具店或一年用一次的工具,比如报税软件,可能要一整年甚至更长;沉默 30 天就发「召回」邮件只是噪音。

如果分布有长尾,用累计占比,别用平均间隔;一个两年后才回来的客户对平均数的影响,远比对曲线形状的影响大。这和行为分群背后的思路一样:按人做过什么、什么时候做的来定义群体,写成能复算的规则。

app.tapcub.com

两单之间的间隔 · 占复购的比例

4,000 次复购
1–7 天38%
8–14 天22%
15–30 天18%
31–60 天12%
61–90 天6%
超过 90 天4%
示例数据
示例数据:90% 的复购发生在 60 天内,所以 60 天是这家店的沉睡窗口。到第 14 天时,还有 40% 的回归没有发生。

窗口选错,活动就白做了

示例数据:这家店把同一个活动做了两次,一次用 14 天窗口,一次用 60 天窗口。两次都随机留出 10% 的人什么都不发,回归按 30 天统计。

14 天窗口60 天窗口
人群9,0003,000
发送组 / 对照组8,100 / 9002,700 / 300
回归人数,发送组2,430(30.0%)324(12.0%)
回归人数,对照组261(29.0%)24(8.0%)
差值1.0 个百分点4.0 个百分点
增量回归(差值 × 发送人数)81108
报表里的「召回人数」÷ 增量30 倍3 倍

在一份只数回归人数的报表里,14 天那次看起来大获成功:2,430 个客户回来了。但什么都没收到的人里也有 29% 回来了。这次活动只多出 1 个百分点,约 81 个客户,而且这个差值比它自身的误差还小。差值的标准误约 1.6 个百分点,95% 区间从 −2.1 到 +4.1 个百分点,包含了零。

60 天那次只触达了三分之一的人,带来的真实回归反而更多:108 个。它 4.0 个百分点的差值,标准误约 1.7 个百分点,95% 区间 +0.7 到 +7.3 个百分点,整体在零以上。报表仍然把它夸大了三倍(324 ÷ 108),所以即使窗口选对了,对照组也必不可少。

给沉睡人群分层

过了窗口的人并不都一样。按沉默了多久、过去价值多高来分层,因为合适的信息和该停手的时机都不同。下表是按示例店 60 天周期做的分层,天数请换算成你自己的周期。

让分层有用的两条规则:

  • 把价值作为第二个维度。 下过十单、沉默了 90 天的客户,值得一封亲笔信;只下过一单打折首单的人,也许根本不值得给优惠。RFM 打分就是用最近一次、频次和金额来做这件事,见 RFM。
  • 每一层都要有出口。 最后一封还没回应的人,移入停发名单。连发几个月会损害送达率,也会惹恼你以后最需要赢回的那批人。
分层规则(60 天周期)发什么什么时候停
降温最后一单在 45–60 天前一条有用的提醒,不给折扣下单了,或到了 60 天
沉睡61–90 天有什么新东西;只给高价值客户优惠两封都没回应
深度沉睡91–180 天一封询问是否还要保持联系的邮件一封没回应
已流失超过 180 天不发营销内容;保留订单和账户邮件—
高价值,任意层过去下过 5 单以上由真人写的一封信回复了或说不要

天数按你自己的回归分布换算;60 天窗口来自示例店。

选渠道和内容

渠道看这个人现在还在哪里,内容看他可能为什么离开。

可能的离开原因发什么合适的渠道
忘了或者太忙提醒他用过什么,一键回来邮件、推送
需求变了他离开后有什么新东西邮件;下次访问时的应用内消息
价格限时优惠,只给高价值层邮件
体验不好道歉,加一个直接找真人的渠道客服发出的个人邮件
转用了竞品一份简短问卷,或者什么都不发邮件,只发一次

邮件有自己的规矩。Google 的发件人指南要求所有发件人把 Postmaster Tools 里的垃圾邮件率保持在 0.30% 以下(建议低于 0.10%),要求每天向 Gmail 账户发送超过 5,000 封的批量发件人支持一键退订,并建议考虑给不打开、不阅读邮件的收件人退订。召回活动就是体面地做这件事:先问一次,然后停下。

别用打开率评判活动。Apple 的邮件隐私保护就是为了不让发件人了解用户的邮件活动;开启后,「邮件」默认在后台下载远程内容(包括追踪像素),所以一次「打开」不一定代表有人读过。去分析工具里衡量真正重要的动作,比如一次回访、一个活跃日或一个订单。

设计对照组

要知道活动到底带来多少回归,只能靠对照组。设置它要做四个决定:

  1. 随机,而不是方便。 用随机分桶把人分进对照组,而不是「没有邮箱的那些人」或「名单最后 10%」。任何和行为相关的规则都会让对比失真。
  2. 够大。 对照组 300 人、回归率 8% 左右时,对照组自身回归率的标准误约 1.6 个百分点。如果你预期只提升一两个百分点,就需要更大的对照组或更大的人群。
  3. 同一时间。 两组在同一时刻进入,用同一个窗口统计,比如头一次发送后的 30 天。
  4. 全渠道排除。 如果对照组成员还通过推送或广告收到同样的优惠,对比就什么也量不出来。活动用到的每个渠道都要排除他们。

两组之间的差值就是这次活动的增量。报告这个数,而不是回归的原始人数。

衡量回归之后的事

回访只是开始,不是结束。发送组和对照组并排跟踪三件事:

  • 增量回归率: 发送组回归率 − 对照组回归率。示例里是 12.0% − 8.0% = 4.0 个百分点。
  • 回归后的留存: 回来的人里,30 天和 60 天后还有多少仍然活跃。如果回来的客户一个月内又走了,优惠买到的是一单,而不是一个客户。把它和你平时的留存曲线放在一起看。
  • 单个增量回归的成本: 活动成本 ÷ 增量回归人数。如果 60 天那次活动连折扣共花了 1,350 美元,那么每个真正被带回来的客户成本是 1,350 ÷ 108 = 12.50 美元,而不是只数回归人数的报表显示的 1,350 ÷ 324 = 4.17 美元。

时间长了,始终没回应的人也在告诉你一些事。如果整个分群对每条消息都无动于衷,原因可能在产品本身,客户流失预测可以帮你下次更早发现这个分群。

召回活动的常见错误

  • 用整数当窗口。 「30 天不活跃」对有些产品合适,对另一些产品很荒唐。用你的回归间隔分布来定。
  • 不留对照组。 没有对照组,每一次回归看起来都是成功,你分不清活动好不好,还是只是日历效应。
  • 人人有折扣。 给本来就会回来的人发优惠,会教会客户等优惠。
  • 看打开率。 隐私功能让打开率不可靠;看回归和订单。
  • 从不停手。 对不回应的人一直发下去,会损害那些会回应的客户的送达率。
  • 把沉睡当成流失。 沉睡的人只是暂时不活跃;流失通常指他们结束了关系,比如取消订阅。两者处理方式不同。

用 TapCub 规划召回活动

把生鲜店的例子放进 TapCub,从选窗口到读结果走一遍。TapCub 不发邮件,也不发推送;它告诉你该联系谁、联系之后有没有效果。发送请用你的邮件、推送或 CRM 工具。

  1. 看有多少人、在什么时候沉默。 在 全端分析 › 行为分析 › 行为分析 里,生命周期按周或按月统计新增、留存、回流和流失四类人数;流失画在某人最后一次活跃之后的那一期,取负值。流失预警显示过去 180 天出现过的人中,至少 7、14、30、60、90 天没活跃的各有多少,可以帮你定窗口。操作见读懂生命周期报表。
  2. 把人群写成规则。 在 全端分析 › 用户 › 分群与标签 里建规则分群,比如「过去 60 天没做过 purchase」加上「至少做过一次 purchase」。再加随机分桶条件,拆出 10% 作为单独的对照组分群。RFM 分群有现成的分组,包括「即将沉睡」和「沉睡」(创建用户分群、做 RFM 分析)。匿名访客没有档案,不会进入分群,所以要先用 tapcub.login 识别客户。
  3. 把名单交给发送工具。 分群每天或手动刷新,并记录谁加入、谁离开;配置了 Webhook 的话,TapCub 会推送每一次成员变化,你的邮件或 CRM 工具可以接收。
  4. 把结果当作对比来读。 对每个分群点「去分析」,把这群人作为分析里的人群限定,再在之后几周比较发送组和对照组的购买和留存。生命周期里的「回流」柱子能看出整体回归有没有增加。

常见问题

什么是召回活动?

召回活动是有针对性地联系已经不再购买、访问或打开邮件的客户和用户,在他们彻底离开前把人带回来。通常通过邮件进行,推送、应用内消息、广告和人工联系也算。它从清楚定义「谁算沉睡」开始。

什么时候该发召回活动?

当客户不活跃的时间超过你的产品两次访问或两次下单之间的正常间隔时。从数据里找这个点:把沉睡窗口定在大约 90% 的回归已经发生的位置。每周买菜的生鲜店可能是 60 天,一年用一次的工具可能是一年。

召回率多少算好?

没有可靠的通用参考值,因为它取决于窗口和产品。真正重要的是增量回归率:发送组的回归率减去随机对照组的回归率。示例里发送组 12% 回来了,对照组 8%,增量是 4.0 个百分点。

赢回活动和召回活动有什么区别?

两者常被当作同义词。团队要区分时,召回通常针对不再互动的订阅者或用户,赢回针对不再购买或已取消的付费客户。两者需要同样的基础工作:沉睡窗口、按价值分层、对照组,以及衡量回归之后发生了什么。

召回活动该发几封邮件?

多数在两到四周内发两到四封:一封提醒,一封介绍新东西或给高价值客户的优惠,最后一封说明你会停止发送。之后把没回应的人移入停发名单。发得更多很少有用,还会增加垃圾邮件投诉,而 Gmail 要求发件人把投诉率保持在 0.30% 以下。

另见:什么是推送通知?移动端与网页推送的区别和衡量方法。

另见:产品发布邮件:三封邮件的序列与基准数据。

资料来源

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

索菲娅·贝内特

产品应用顾问

关注客户上手、在线沟通与自助服务,将常见使用问题整理为清晰的操作建议与改进思路。

知道谁沉默了,以及他们回没回来

生命周期和流失预警、带随机对照组的规则分群、RFM 分组;发送用你自己的邮件或推送工具。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie