訪客樣貌解析系統
運用第一方資料，開啟個人化行銷
結合CDP與即時推播的電商成長利器，無需工程、快速上線
使用情境
usage scenario
Real-Time Personalization
用戶查看特定商品
當用戶在網站上查看特定商品時，旅程隨之開始。
系統擷取用戶近期的瀏覽紀錄與分群標籤
系統會收集用戶行為與偏好相關資料，以進行精準推薦。
推薦相關的配件類商品
根據分析結果，mdigi 會建議如「鞋墊」或「鞋帶」等可搭配主商品的相關產品。
商品會透過 Web 推播或彈出視窗方式展示給用戶
推薦內容會以通知或彈窗形式出現，立即吸引用戶注意。
用戶點擊推薦商品即可加入購物車
當用戶對推薦商品感興趣並加入購物車時，即產生互動行為。
範例：用戶瀏覽「Bartley 白鞋」，即出現配件推薦彈窗
系統會顯示訊息，建議額外購買如「4D 鞋墊」與「彈力鞋帶」等商品。
用戶查看特定商品
當用戶在網站上查看特定商品時，旅程隨之開始。
系統擷取用戶近期的瀏覽紀錄與分群標籤
系統會收集用戶行為與偏好相關資料，以進行精準推薦。
推薦相關的配件類商品
根據分析結果，mdigi 會建議如「鞋墊」或「鞋帶」等可搭配主商品的相關產品。
商品會透過 Web 推播或彈出視窗方式展示給用戶
推薦內容會以通知或彈窗形式出現，立即吸引用戶注意。
用戶點擊推薦商品即可加入購物車
當用戶對推薦商品感興趣並加入購物車時，即產生互動行為。
範例：用戶瀏覽「Bartley 白鞋」，即出現配件推薦彈窗
系統會顯示訊息，建議額外購買如「4D 鞋墊」與「彈力鞋帶」等商品。
用戶查看特定商品
當用戶在網站上查看特定商品時，旅程隨之開始。
系統擷取用戶近期的瀏覽紀錄與分群標籤
系統會收集用戶行為與偏好相關資料，以進行精準推薦。
推薦相關的配件類商品
根據分析結果，mdigi 會建議如「鞋墊」或「鞋帶」等可搭配主商品的相關產品。
商品會透過 Web 推播或彈出視窗方式展示給用戶
推薦內容會以通知或彈窗形式出現，立即吸引用戶注意。
用戶點擊推薦商品即可加入購物車
當用戶對推薦商品感興趣並加入購物車時，即產生互動行為。
範例：用戶瀏覽「Bartley 白鞋」，即出現配件推薦彈窗
系統會顯示訊息，建議額外購買如「4D 鞋墊」與「彈力鞋帶」等商品。
用戶查看特定商品
當用戶在網站上查看特定商品時，旅程隨之開始。
系統擷取用戶近期的瀏覽紀錄與分群標籤
系統會收集用戶行為與偏好相關資料，以進行精準推薦。
推薦相關的配件類商品
根據分析結果，mdigi 會建議如「鞋墊」或「鞋帶」等可搭配主商品的相關產品。
商品會透過 Web 推播或彈出視窗方式展示給用戶
推薦內容會以通知或彈窗形式出現，立即吸引用戶注意。
用戶點擊推薦商品即可加入購物車
當用戶對推薦商品感興趣並加入購物車時，即產生互動行為。
範例：用戶瀏覽「Bartley 白鞋」，即出現配件推薦彈窗
系統會顯示訊息，建議額外購買如「4D 鞋墊」與「彈力鞋帶」等商品。
新用戶進站
新用戶首次造訪平台
行為分析
新用戶首次造訪平台
即時商品推薦
系統分析用戶的首次瀏覽分類或搜尋關鍵字
購物指南彈窗
彈出視窗顯示用戶可能感興趣的商品
搜尋情境範例
例如用戶搜尋「牛仔外套」，系統即推薦相關商品
新用戶進站
新用戶首次造訪平台
行為分析
新用戶首次造訪平台
即時商品推薦
系統分析用戶的首次瀏覽分類或搜尋關鍵字
購物指南彈窗
彈出視窗顯示用戶可能感興趣的商品
搜尋情境範例
例如用戶搜尋「牛仔外套」，系統即推薦相關商品
用戶搜尋某商品但未完成轉換後離開網站
當用戶在我們的平台上搜尋「白鞋」但未完成購買時，他們在未採取任何行動的情況下離開網站，這代表其對該商品可能有潛在興趣。
系統自動記錄該次搜尋行為
我們的系統會自動記錄用戶的搜尋行為，特別是他們對「白鞋」的關注，作為日後再行銷的依據，以提升後續溝通的相關性。
於 24 小時內發送精準提醒訊息
在用戶最後一次搜尋後的 24 小時內，我們會透過 Email 發送針對性的提醒訊息，喚起他們的興趣並引導轉換。
透過範例 Email 提示用戶回訪並提高互動機會
範例 Email 內容可能為：「你上次搜尋了白鞋，來看看這雙你一定會喜歡的新款！」，藉此打造個人化的購物體驗。
用戶搜尋某商品但未完成轉換後離開網站
當用戶在我們的平台上搜尋「白鞋」但未完成購買時，他們在未採取任何行動的情況下離開網站，這代表其對該商品可能有潛在興趣。
系統自動記錄該次搜尋行為
我們的系統會自動記錄用戶的搜尋行為，特別是他們對「白鞋」的關注，作為日後再行銷的依據，以提升後續溝通的相關性。
透過範例 Email 提示用戶回訪並提高互動機會
範例 Email 內容可能為：「你上次搜尋了白鞋，來看看這雙你一定會喜歡的新款！」，藉此打造個人化的購物體驗。
於 24 小時內發送精準提醒訊息
在用戶最後一次搜尋後的 24 小時內，我們會透過 Email 發送針對性的提醒訊息，喚起他們的興趣並引導轉換。
Automated Retargeting & Lifecycle
每日 RFM 分數計算
系統每日計算每位用戶的 RFM 分數，以評估其互動程度與購買行為，作為分群基礎。
自動分群指派
根據計算出的 RFM 分數，系統自動將用戶分類為「Top Loyalty（頂級忠誠）」、「Promising（潛力客戶）」、「Lost（流失客群）」等群組。
客製化行銷內容
行銷人員針對各群組設計客製化的再行銷內容，確保訊息符合用戶行為與偏好。
多通路溝通推播
精準訊息會透過 LINE、Email 與網站推播等渠道發送，最大化跨平台觸及率與互動率。
轉換行為追蹤
訊息發送後，系統會進行轉換追蹤，以評估再行銷成效並進一步優化策略。
每日 RFM 分數計算
系統每日計算每位用戶的 RFM 分數，以評估其互動程度與購買行為，作為分群基礎。
自動分群指派
根據計算出的 RFM 分數，系統自動將用戶分類為「Top Loyalty（頂級忠誠）」、「Promising（潛力客戶）」、「Lost（流失客群）」等群組。
客製化行銷內容
行銷人員針對各群組設計客製化的再行銷內容，確保訊息符合用戶行為與偏好。
多通路溝通推播
精準訊息會透過 LINE、Email 與網站推播等渠道發送，最大化跨平台觸及率與互動率。
轉換行為追蹤
訊息發送後，系統會進行轉換追蹤，以評估再行銷成效並進一步優化策略。
用戶加入購物車
用戶將商品加入購物車
離開網站
用戶離開網站超過 3 小時。
系統偵測
系統判定為購物車遺棄行為。
發訊推播
發送提醒訊息（透過 LINE 或 Email），內含商品圖片與優惠資訊。
帶入優惠
包含商品圖片與優惠資訊。
完成購買
用戶回訪並完成購買。
用戶加入購物車
用戶將商品加入購物車
離開網站
用戶離開網站超過 3 小時。
系統偵測
系統判定為購物車遺棄行為。
發訊推播
發送提醒訊息（透過 LINE 或 Email），內含商品圖片與優惠資訊。
帶入優惠
包含商品圖片與優惠資訊。
特定期間限定
設定活動細節
行銷人員定義活動主題，例如「雙11」、「開學季」等，以便精準規劃行銷活動。
選擇目標受眾
篩選目標族群，例如「過去 30 天內瀏覽過促銷商品的用戶」，以提升互動成效。
建立活動頁面
製作專屬促銷頁面與相關素材，吸引用戶點擊並了解活動內容。
自動發送推播通知
系統自動推送活動通知，確保行銷訊息即時傳達給用戶。
分析互動成效
透過開啟率與轉換率等指標，評估活動的影響力與達成效果。
特定期間限定
設定活動細節
行銷人員定義活動主題，例如「雙11」、「開學季」等，以便精準規劃行銷活動。
選擇目標受眾
篩選目標族群，例如「過去 30 天內瀏覽過促銷商品的用戶」，以提升互動成效。
建立活動頁面
製作專屬促銷頁面與相關素材，吸引用戶點擊並了解活動內容。
自動發送推播通知
系統自動推送活動通知，確保行銷訊息即時傳達給用戶。
分析互動成效
透過開啟率與轉換率等指標，評估活動的影響力與達成效果。
用戶購買定期性商品
包含如「隱形眼鏡」、「衛生棉」、「保健食品」等需要定期補貨的品項。
系統預估下一次補貨時間
例如，系統會計算隱形眼鏡的 30 天使用週期。
時間到達時，自動發送提醒通知
當商品使用週期即將結束時，系統會自動觸發推播通知。
視覺化流程圖
流程步驟：商品類型設定 → 自動週期計算 → 到期觸發通知。
LINE 推播訊息範例
推播訊息範例：「您的日拋隱形眼鏡快用完了嗎？點擊 3 秒快速補貨！」
用戶購買定期性商品
包含如「隱形眼鏡」、「衛生棉」、「保健食品」等需要定期補貨的品項。
系統預估下一次補貨時間
例如，系統會計算隱形眼鏡的 30 天使用週期。
時間到達時，自動發送提醒通知
當商品使用週期即將結束時，系統會自動觸發推播通知。
視覺化流程圖
流程步驟：商品類型設定 → 自動週期計算 → 到期觸發通知。
LINE 推播訊息範例
推播訊息範例：「您的日拋隱形眼鏡快用完了嗎？點擊 3 秒快速補貨！」
上市時程規劃
產品團隊預先訂定新品的上市日期，確保所有準備工作能配合時程完成。
目標用戶鎖定
系統辨識曾購買或瀏覽過相似產品的用戶，作為預熱階段的目標對象。
上市前通知推播
在上市前三天，向這些潛在客群發送新品預覽資訊。
預購連結提供
提供限時預購連結，製造緊迫感並鼓勵用戶在正式開賣前搶先下單。
上市時程規劃
產品團隊預先訂定新品的上市日期，確保所有準備工作能配合時程完成。
目標用戶鎖定
系統辨識曾購買或瀏覽過相似產品的用戶，作為預熱階段的目標對象。
上市前通知推播
在上市前三天，向這些潛在客群發送新品預覽資訊。
預購連結提供
提供限時預購連結，製造緊迫感並鼓勵用戶在正式開賣前搶先下單。
用戶在門市消費
消費者在實體門市完成購物，交易過程由系統自動記錄。
系統記錄交易明細
每筆交易的細節將被系統捕捉並儲存，方便後續推播運用。
推播延伸搭配商品
在消費後2-3天內，推送搭配商品的推薦信息，增加二次消費機會。
展示範例Email
透過範例Email提醒消費者，並提供個性化建議，提升顧客滿意度。
POS資料與CRM串接
透過整合銷售點系統資料與顧客關係管理系統，描繪出消費者輪廓，並針對其消費行為進行分析。
用戶在門市消費
消費者在實體門市完成購物，交易過程由系統自動記錄。
系統記錄交易明細
每筆交易的細節將被系統捕捉並儲存，方便後續推播運用。
推播延伸搭配商品
在消費後2-3天內，推送搭配商品的推薦信息，增加二次消費機會。
展示範例Email
透過範例Email提醒消費者，並提供個性化建議，提升顧客滿意度。
POS資料與CRM串接
透過整合銷售點系統資料與顧客關係管理系統，描繪出消費者輪廓，並針對其消費行為進行分析。
每日 RFM 分數計算
系統每日計算每位用戶的 RFM 分數，以評估其互動程度與購買行為，作為分群基礎。
自動分群指派
根據計算出的 RFM 分數，系統自動將用戶分類為「Top Loyalty（頂級忠誠）」、「Promising（潛力客戶）」、「Lost（流失客群）」等群組。
客製化行銷內容
行銷人員針對各群組設計客製化的再行銷內容，確保訊息符合用戶行為與偏好。
多通路溝通推播
精準訊息會透過 LINE、Email 與網站推播等渠道發送，最大化跨平台觸及率與互動率。
轉換行為追蹤
訊息發送後，系統會進行轉換追蹤，以評估再行銷成效並進一步優化策略。
每日 RFM 分數計算
系統每日計算每位用戶的 RFM 分數，以評估其互動程度與購買行為，作為分群基礎。
自動分群指派
根據計算出的 RFM 分數，系統自動將用戶分類為「Top Loyalty（頂級忠誠）」、「Promising（潛力客戶）」、「Lost（流失客群）」等群組。
客製化行銷內容
行銷人員針對各群組設計客製化的再行銷內容，確保訊息符合用戶行為與偏好。
多通路溝通推播
精準訊息會透過 LINE、Email 與網站推播等渠道發送，最大化跨平台觸及率與互動率。
轉換行為追蹤
訊息發送後，系統會進行轉換追蹤，以評估再行銷成效並進一步優化策略。
產品功能
Product features
SCV
RFM、行為、關鍵字
彈窗編輯
相似／加購
LINE、Email、Meta Ads
、Google Ads
Shopify、Shopline、Cyberbiz、91App
SCV
RFM、行為、關鍵字
相似／加購
LINE、Email、Meta Ads、
Google Ads
Shopify、Shopline、Cyberbiz、91App
M-Insight成功案例
Success Case
女性服飾電商
把情境化作
下單動機
女性服飾電商
把情境化作下單動機
推播點擊率 36.9%
男性電商服務
高互動、高轉換的
教科書級表現
訊息導回網站，購物車至購買完成率22%
電子消費品
高觸達驅動探索，
讓好奇走向加入購物車
新產品瀏覽率提升33%加入購物車率 15%
常見問題
FAQ
立即諮詢
搶佔市場商機 實現品牌藍圖
為品牌不斷創造收益新高峰
了解更多服務
水星數位科技，重視人機合一的相輔相成，在人類策略的主導下，善用各項Martech技術，協助客戶最大化的增長收益及用戶數。
水星數位科技有限公司
Mercury Digital LLC.
水星數位科技，重視人機合一的相輔相成，在人類策略的主導下，善用各項Martech技術，協助客戶最大化的增長收益及用戶數。
水星數位科技有限公司
Mercury Digital LLC.