---
name: "biz-crm-strategy"
description: "Customer relationship management strategy — integrated framework with six pillars: customer segmentation (RFM/CLV), journey orchestration (cross-channel), CDP technology stack, loyalty-program design, B2B key-account management (KAM), and CRM organization/governance. Use for VIP program design, membership-system decision, retail/ecommerce/B2B customer strategy, CDP buy-vs-build, marketing-automation adoption, or key-customer churn. Triggers: 『CRM 系統』『會員經營』『客戶分級』『大客戶策略』『CDP』『行銷自動化』『客戶生命週期』『VIP 方案』『顧客忠誠』『RFM』『CLV』『KAM』『Journey Orchestration』. For 師大 EMBA CRM, 政大 ecommerce, 中山 marketing cases. Complements Asgard `biz-cac-ltv` (tactics) and `biz-customer-journey` (single method) with the strategic integration layer."
metadata:
  category: "WP-09 商學院—管理"
  tags: ["crm", "customer-strategy", "clv", "rfm", "cdp", "journey-orchestration", "loyalty-program", "kam", "b2b-sales", "emba"]
  audience: "台灣 EMBA 在職學員、行銷長、客戶長、零售 / 電商 / B2B 經理人"
---

# 顧客關係管理戰略（CRM Strategy）

## 定位

**為什麼 EMBA 需要 CRM 戰略 skill**

多數學員（或其公司）已有某種 CRM 工具（Salesforce、HubSpot、自建系統），但常見問題是：
- 有工具沒戰略（系統閒置、資料未用）
- 有活動沒體系（每月行銷檔期但不整合）
- 有 VIP 制度但回報不明
- 投資 CDP 但無法回答「究竟解決什麼戰略問題」

本 skill 把 CRM 拉回**戰略層**：不只用哪個工具、不只做哪個 Journey，而是**整個客戶經營體系的設計與治理**。

**與相近 Asgard skill 的邊界**
- `biz-cac-ltv` — 工具層：CAC 與 LTV 的計算與決策閾值
- `biz-customer-journey` — 工具層：單一客戶旅程繪製
- `biz-stp` — 早期定位，本 skill 接在 STP 之後的「經營設計」
- `biz-pricing-strategy` — 定價，本 skill 可整合但不重複
- `mkt-content-calendar` — 內容排程戰術
- **本 skill** — **CRM 戰略整合**，將上述工具整合為可治理的客戶經營體系

## 何時使用

**觸發條件**
- 會員／VIP 體系設計或改造
- CDP、CRM 系統選型與導入決策
- 客戶分層策略（大眾市場 + VIP 雙軌）
- B2B 大客戶經營體系（KAM）建置
- 跨通路（線上 + 線下）整合經營
- 客戶流失、NPS 下滑的戰略回應
- 師大、政大、中山 EMBA CRM 課程作業

**不適用**
- 單純獲客成本計算 → Asgard `biz-cac-ltv`
- 單一旅程繪製 → Asgard `biz-customer-journey`
- 廣告投放優化 → Asgard `algo-ad-*`
- 顧客訪談方法 → Asgard `ux-*` 系列

## IRON LAW — CRM 戰略三條鐵律

```
IRON LAW 1：CRM 不是工具，是經營體系
買 Salesforce 不會解決客戶經營。
完整 CRM 戰略 = 資料架構 + 分群邏輯 + 旅程設計 + 組織治理。
四者缺一，系統都會淪為昂貴的通訊錄。
```

```
IRON LAW 2：VIP 不等於高消費，等於「策略重要性」
依單次消費金額排 VIP 是最粗糙的分層。
好的 VIP 定義 = 高 LTV + 高策略貢獻（推薦、品牌、口碑）。
錯把「金額」當「價值」，會養出最不賺錢的「VIP」。
```

```
IRON LAW 3：自動化之前先做「手工化」
還沒人工經營過的客群，貿然上 MA 自動化等於放大錯誤。
先用人工試跑 journey 三個月，量測反應，再自動化。
顛倒順序是九成 CRM 導入失敗的根源。
```

## Rationalization Table — 當 Claude 想「本案例外」時，先自問

| 可能想 | 但 Iron Law 仍適用，因為 |
|---|---|
| 「公司剛買 Salesforce，CRM 戰略就算到位」 | 買工具 ≠ 有戰略；必須檢視資料架構、分群邏輯、旅程設計、組織治理四要件 |
| 「VIP 就用年消費 > X 萬定義」 | 金額定義會養出「高消費低忠誠」VIP；建議改用 LTV + 策略貢獻（推薦、品牌、口碑） |
| 「直接導 MA 上線自動化 Journey」 | 未經人工試跑的 Journey 自動化 = 放大錯誤；必須先手工試跑 3 個月再自動化 |

## 六大戰略模組

```
┌─────────────────────────────────────────┐
│ 模組 6：組織與治理                        │
│   誰擁有客戶？CRM 跨部門責任分工          │
├─────────────────────────────────────────┤
│ 模組 5：技術堆疊（CDP/MA/CRM/DMP）        │
│   資料層、決策層、執行層                  │
├─────────────────────────────────────────┤
│ 模組 4：Journey 編排                      │
│   跨通路、跨階段、跨時間的客戶互動        │
├─────────────────────────────────────────┤
│ 模組 3：會員與忠誠體系                    │
│   VIP 定義、等級、權益、經濟模型           │
├─────────────────────────────────────────┤
│ 模組 2：客戶分層與分群                    │
│   RFM、CLV、行為、生命週期                │
├─────────────────────────────────────────┤
│ 模組 1：戰略定位                          │
│   誰是核心客戶？賺哪群人的錢？            │
└─────────────────────────────────────────┘
```

## 模組 1：戰略定位

先回答三個戰略問題（否則下面五層都白做）：

1. **我們的生意是「獲取新客」還是「經營既有客」**？
   - 成長型（新創、擴張期）：獲客 > 留存
   - 成熟型（存量市場）：留存 > 獲客
   - 大多數 EMBA 學員公司屬後者，卻投資結構倒過來

2. **客戶集中度如何**？
   - B2B 大客戶型（前 20% 貢獻 80% 營收）→ KAM 為主
   - B2C 長尾型（大量中小客戶）→ 自動化 + 會員為主
   - 混合型（既有大客戶又有長尾）→ 雙軌

3. **競爭對手怎麼經營客戶**？
   - 他們的 VIP 權益？會員等級？流失防禦？
   - 我們能複製還是需要差異化？

## 模組 2：客戶分層與分群

### RFM 模型（基礎分群）

**R (Recency)**：最近消費距今
**F (Frequency)**：消費頻率
**M (Monetary)**：消費金額

三維度各分 3–5 級，得到 27–125 個分群；實務常壓縮為 8–12 個可行動群。

**常見群組命名**
- 尖兵（R↑F↑M↑）：最活躍、最有價值
- 新生（R↑F↓M↓）：新客、待培育
- 冬眠（R↓F↑M↑）：曾 VIP 但流失
- 流失（R↓F↓M↓）：已流失、難救

### CLV（Customer Lifetime Value）分群

超越單次消費，預測整個生命週期價值。常用近似：

```
CLV ≈ (年均毛利) × (預期合作年數) − 獲客成本
```

**策略應用**
- 高 CLV：重點留存、擴增分享
- 中 CLV：培育為高 CLV
- 低 CLV 高成本：策略性放棄（降服務等級而非硬守）

### 行為分群（超越交易資料）

- **購前行為**：瀏覽深度、搜尋關鍵字、比價行為
- **購中行為**：客單價、品類組合、時段偏好
- **購後行為**：回訪率、評論、推薦、客服互動
- **渠道偏好**：App vs. 網頁、店面 vs. 線上

### 生命週期分群

```
新客 → 首購 → 二購 → 活躍 → VIP → 流失預警 → 流失 → 喚回
```

每個階段有不同的戰術目標與 KPI。

## 模組 3：會員與忠誠體系

### 會員體系設計五要素

| 要素 | 決策 |
|---|---|
| 入會門檻 | 免費 vs. 付費（Costco、Amazon Prime） |
| 等級結構 | 單一 vs. 多級（銅／銀／金／白金） |
| 升等條件 | 年度消費 / 終身消費 / 行為多元指標 |
| 權益類型 | 折扣 / 積點 / 獨享 / 體驗 / 情感 |
| 經濟模型 | 折扣折現 ≤ 增額消費的臨界估算 |

### 會員體系四類型（台灣常見）

```
Type A：折扣型（百貨、超市）
  - 核心：現金回饋、折扣
  - 風險：易被複製、價格戰

Type B：點數型（航空、飯店）
  - 核心：累積與兌換
  - 風險：點數負債、遞延收入管理

Type C：獨享型（高端零售、金融 VIP）
  - 核心：非貨幣權益（專屬客服、體驗）
  - 風險：高運營成本、規模難做大

Type D：社群型（品牌俱樂部、專業認證）
  - 核心：情感歸屬、身分認同
  - 風險：需長期投資、效益難量化
```

**台灣成功案例**
- 全聯福利卡 / PX Pay（Type A 演化）
- 誠品書店誠品人 / 誠品生活（Type A + D 混合）
- 國泰航空亞洲萬里通（Type B 典範）
- 星展 Black Card、American Express Centurion（Type C）

### 經濟模型檢核

**損益計算**
```
會員價值貢獻 = (會員年消費 − 非會員年消費) − 會員權益成本 − 系統建置 / 運營
```

若此值 > 0，會員制可行；否則應退回檢討權益設計。

**常見錯誤**
- 折扣太深（如 15%）→ 毛利被吃乾
- 權益太廣（全商品全適用）→ 無法導引偏好
- 升等太寬（每人都能升 VIP）→ VIP 無差異化

## 模組 4：Journey Orchestration

### 從「畫 Journey」到「編排 Journey」

| Asgard `biz-customer-journey` | 本 skill：Orchestration |
|---|---|
| 靜態：畫一次客戶旅程 | 動態：跨旅程編排 |
| 單一場景 | 多場景組合 |
| 痛點挖掘 | 觸發點 + 介入設計 |
| 設計工具 | 營運機制 |

### Orchestration 核心概念

**觸發點（Triggers）**
- 時間觸發：首購後 7 天、年度續約前 30 天
- 行為觸發：放棄購物車、瀏覽特定品類 3 次
- 屬性觸發：生日、週年、升等
- 事件觸發：新產品上市、客訴、退貨

**介入（Interventions）**
- 內容：通知、推播、EDM、簡訊、信件
- 折扣：條件式優惠
- 人工：客服主動聯繫
- 體驗：活動邀請、試用

**Orchestration 邏輯**
- 優先序（同時有 3 個 trigger 觸發時，做哪個？）
- 頻率限制（不轟炸客戶）
- A/B 測試（持續優化）
- 跨通路一致性（App 推播 vs. EDM 避免重複）

### B2C Journey Orchestration 典範

**新客培育旅程**
```
D0 註冊 → D1 歡迎信（品牌介紹）
D3 首購引導（試用品 / 折扣）
D7 購後關懷（使用教學）
D14 二購推薦（關聯商品）
D30 會員價值溝通（升等誘因）
```

**流失預警旅程**
```
90 天未回購 → 軟性召喚（新品通知）
120 天未回購 → 中等刺激（個人化優惠）
180 天未回購 → 高度刺激（人工聯繫 / 重大折扣）
240 天未回購 → 成本效益判斷：放棄 or 最後一波
```

## 模組 5：技術堆疊

### 四層架構（Martech / Salestech Stack）

```
執行層：email、SMS、推播、行銷自動化、廣告投放、客服
  ↑
決策層：CDP、分析平台、AI 分群、A/B 測試
  ↑
資料層：資料倉儲、第一方資料、ID Graph、Consent 管理
  ↑
基礎層：網站、App、POS、ERP 的資料產出
```

### CDP（Customer Data Platform）的戰略角色

**買 CDP 不等於做 CRM**。CDP 解決的是「跨系統資料整合」，但：
- 資料整合後「誰決策」？（行銷部 vs. 銷售部 vs. CS 部）
- 整合後「做什麼」？（分群、預測、自動化、儀表板）
- 投資回收週期？（通常 2–3 年）

**EMBA 學員決策提示**
- 客戶資料未分散於多系統 → 不需 CDP
- 業務流程未成熟 → 先建流程再買 CDP
- 組織未設客戶長／CRM 負責人 → CDP 會變孤兒

### 台灣常見技術組合

**B2C 零售／電商**
- Shopify / 91APP / Cyberbiz（電商平台）
- 91APP OMO / EC shop（會員系統）
- Pichu、Vpon、ET（CDP）
- Appier、Freemind（AI / 自動化）

**B2B**
- Salesforce（業務 CRM）
- HubSpot（中小企業入門）
- Microsoft Dynamics（大企業 ERP 整合）
- ZoomInfo / Apollo（名單與資料）

## 模組 6：組織與治理

### 誰擁有客戶？

**常見組織病態**
- 行銷部擁有名單、銷售部擁有帳戶、客服擁有訴訟 → 三套檔案不通
- CDP 買了放 IT，業務單位看不到也不用
- 會員制度屬行銷部績效，但客服部接電話處理

### 解方：客戶經營治理結構

```
Chief Customer Officer（CCO）／客戶長
  ├─ 客戶資料治理（資料團隊 / CDP 負責）
  ├─ 客戶經營策略（分群、VIP、Journey）
  ├─ 客戶體驗（NPS、客服、退貨）
  └─ 客戶洞察（分析、測試、研究）
```

**組織改造順序**
1. 先由 CMO 兼任 CCO，設客戶經營小組
2. 跨部門 KPI（行銷、銷售、客服共享留存指標）
3. 每季客戶健康度檢視會議（類似業績檢討）
4. 年度預算明確切分「獲客」vs.「留存」vs.「體驗」
5. 規模達到後設獨立 CCO 向 CEO 報告

## Output Format

```markdown
# CRM 戰略分析：{公司名稱／個案}

## 一、戰略定位
- 生意型態（獲客 vs. 留存）
- 客戶集中度（B2B / B2C / 混合）
- 競爭基準分析

## 二、客戶分層現況與建議
- 現行分層邏輯
- RFM / CLV 重新分群
- 各群戰略目標

## 三、會員／忠誠體系設計
- 類型選擇（A/B/C/D）
- 五要素決策
- 經濟模型預估

## 四、Journey Orchestration
- 關鍵觸發點（3–5 個）
- 介入設計
- 跨通路整合

## 五、技術堆疊建議
- 現況評估
- CDP / MA 選型建議
- 投資優先序

## 六、組織治理
- 客戶長角色
- 跨部門協作機制
- KPI 設計

## 七、路線圖（12–24 個月）
### 0–6 個月：止血與基礎建設
### 6–12 個月：體系上線
### 12–24 個月：優化與擴展

## 八、風險與侷限
- 資料隱私（PDPA、GDPR）
- 組織變革阻力
- 技術投資回收期
```

## Examples

### 正確應用
**情境**：某中型服飾品牌（年營收 8 億、線上線下並行、會員 30 萬但活躍不到 20%、想升級 CRM 體系）。

**分析**：
- 戰略定位：成熟市場、留存 > 獲客；B2C 長尾型
- 分層：RFM 目前只用 Monetary → 補上 Recency；導入 CLV 分三群
- 會員：目前 Type A 折扣型（會員 95 折），毛利被吃 → 轉型為 A+D 混合（加入獨享活動、社群）
- Journey：新客 D0–30 自動化、流失 90 天預警、生日關懷
- 技術：不需 CDP（資料只在一個 POS + 電商平台），先用現有會員系統的自動化模組
- 組織：CMO 兼 CCO、設一位 CRM Manager
- 路線圖：6 個月基礎、12 個月 Journey 上線、18 個月評估 CDP 需求

**正確之處**：沒急著買 CDP、會員型態轉型合理、組織設計現實。

### 錯誤應用
- 第一天就推薦買 CDP → 違反 IRON LAW 1、3
- 把 VIP 定義為「年消費 10 萬以上」→ 忽略策略價值
- Journey 只畫一張「典型客戶旅程圖」→ 不是 Orchestration
- 技術堆疊建議列 15 個工具 → EMBA 作業應聚焦 3–5 個關鍵
- 忽略 PDPA 法遵 → 台灣實務大忌

## Gotchas

- **會員數 ≠ 會員經營成功**：30 萬會員但活躍率 10%，不如 5 萬會員活躍率 60%
- **CDP 不是 CRM 的升級**：兩者定位不同，CDP 是資料整合平台，CRM 是客戶互動系統
- **Journey 不要「一條龍」全自動化**：起步階段半自動化（人工 + 系統）效果優於全自動
- **折扣型會員的毛利陷阱**：95 折乍看不多，但若會員佔 70% 營收，毛利直接下降 3.5 個百分點
- **PDPA 合規是底線**：台灣個資法對行銷使用的同意要求嚴格，CRM 戰略中必須先過法遵關
- **B2B KAM 與 B2C 會員不能共用系統**：銷售週期、決策鏈、合約結構完全不同
- **客戶旅程會隨世代變化**：Z 世代旅程與嬰兒潮世代差異極大，不能單一 Journey 打全客群

## References

- 客戶分層進階模型（RFM+、CLV 預測、Survival Analysis）→ `references/customer-segmentation.md`
- 會員體系經濟模型與常見失敗模式 → `references/loyalty-program-design.md`
- Journey Orchestration 案例庫（零售／金融／B2B）→ `references/journey-orchestration-cases.md`
- 台灣 CRM 技術堆疊與供應商地景 → `references/tw-martech-landscape.md`
- 師大 / 政大 / 中山 EMBA CRM 課程授課脈絡 → `references/emba-crm-courses.md`
- 延伸：Asgard `biz-cac-ltv`（LTV/CAC 計算）、`biz-customer-journey`（單一旅程）、`biz-stp`（STP 定位）、`biz-pricing-strategy`（定價）、`mkt-content-calendar`（內容排程）、`algo-rec-*`（推薦系統）