沒有 CRM 也能估客戶終身價值：用一張交易明細試算表完成的七個步驟
客戶終身價值可以用一個簡化公式估算：平均客單價乘上每年購買次數，乘上平均留存年數，再乘上毛利率。小企業不必等 CRM，只要有十二個月的交易明細，在試算表裡跑七個步驟，就能得到一個足以設定獲客成本上限的數字。
這篇是操作教學。你可以打開一份空白試算表，邊讀邊做。我用一家示範情境的寵物用品小店當例子，所有數字都是為了說明計算方式而設定，不代表任何真實店家。
為什麼要先算一個「不完美」的數字？
很多老闆聽到客戶終身價值，第一個反應是「我們資料不夠，等系統上線再說」。系統一等就是兩年。這兩年裡，廣告照投，折扣照給，卻沒有人能回答一個問題：一位新客最多值得花多少錢去找？
簡易估算的目的不是精準，是讓決策有一個錨點。估錯三成，也比完全沒有好。何況你每季都會更新它。若想了解更嚴謹的算法與各自的陷阱，可以讀〈客戶生命週期價值的四種算法與陷阱〉。這篇只處理一件事：用手上現有的資料，今天就算出來。
七個步驟：從交易明細到一個可用的數字
步驟一：匯出十二個月的交易明細
從收銀系統、電商後台或發票平台，匯出最近十二個月的每一筆交易。最少需要四個欄位：交易日期、客戶識別、交易金額、是否退貨。若能多拿到商品類別更好，後面可以拆分。
十二個月是為了涵蓋一個完整的季節循環。只拿三個月，會把旺季或淡季當成常態。
步驟二：清理客戶識別欄
這一步最花時間，也最重要。電話號碼有人寫 09 開頭，有人寫加國碼，有人中間加橫線。統一格式後再去重。示範情境裡，寵物用品店用電話號碼當識別，清理後發現同一位客人被記成三個人的情況並不少見。
辨識不到的匿名交易，另外放一張工作表。不要刪掉，也不要硬塞進計算。它們會在步驟七的限制說明裡用到。
步驟三：算出平均客單價
用樞紐分析表，把有識別的交易金額加總，除以交易筆數。退貨的交易要扣掉。這個數字就是平均客單價。
這裡有一個小陷阱：大宗採購或企業訂單會把平均拉高。若有少數交易金額遠高於其他人，把它們標出來，分開計算，或改用中位數做對照。
步驟四：算出每位客戶每年的購買次數
把交易筆數除以不重複客戶數。示範情境裡，這個數字介於一到兩次之間，代表多數客人一年只來一兩次。這個數字通常會讓老闆嚇一跳，因為印象中熟客很多。印象來自少數常客，數字來自全部的人。
步驟五：估出平均留存年數
這是簡易估算裡最不確定的一項。最簡單的做法是看回購率。把今年有購買、去年也有購買的客戶數，除以去年的客戶數，得到年度留存率。平均留存年數可以用一除以流失率來近似，也就是一除以「一減年度留存率」。
如果資料只有一年，算不出跨年留存，就先用保守假設，例如平均留存兩年，並在表上清楚寫明這是假設。明年資料進來後再替換。
步驟六：乘上毛利率
把平均客單價乘以每年購買次數，再乘以平均留存年數，得到營收版的客戶終身價值。接著乘上平均毛利率，得到毛利版。
我建議所有決策都用毛利版。營收版的數字比較大，拿去設定廣告成本上限，會讓你在每一位客人身上虧錢卻不自知。
步驟七：寫下三條限制說明
在數字旁邊，用三行字寫下這次估算的限制：匿名交易佔多少、留存年數是實測還是假設、期間內有沒有大型促銷。這三行比數字本身更重要，因為半年後接手的人會靠它判斷要不要信任這個數字。
整理成一張計算表
把七個步驟的結果收成一張表，放在試算表的第一頁：
| 項目 | 計算方式 | 資料來源 | 可信度 |
|---|---|---|---|
| 平均客單價 | 有識別交易總額除以交易筆數 | 交易明細 | 高 |
| 年購買次數 | 交易筆數除以不重複客戶數 | 交易明細 | 中，受識別完整度影響 |
| 平均留存年數 | 一除以年度流失率，或保守假設 | 跨年資料 | 低到中 |
| 毛利率 | 整體或分品類平均毛利 | 會計報表 | 高 |
| 客戶終身價值（毛利版） | 以上四項相乘 | 計算結果 | 取決於最弱的一項 |
可信度那一欄是給老闆看的。它提醒大家，整個數字的可信程度，取決於最弱的那一項，通常是留存年數。
算出來之後，可以拿來做哪些決定？
一個簡易估算的客戶終身價值，至少能回答三個問題。
- 獲客成本的上限：一位新客的取得成本若超過毛利版終身價值的某個比例，這個管道就不划算。比例怎麼訂，取決於你的現金流能撐多久
- 回購活動的優先順序：若年購買次數很低，與其加碼找新客，不如先設計第二次購買的理由
- 分群比較：用商品類別或首購管道分群，各算一次，看哪一群客人留得比較久
示範情境裡，寵物用品店分群後發現，第一次就買飼料的客人比第一次買玩具的客人回購穩定。這不是什麼大發現，但它讓店家把廣告素材從玩具改成飼料試吃組，把預算放在回購潛力較高的那一群。
廣告預算怎麼依這類數字分配，可以參考〈新客與再行銷的預算比例判斷〉。若你想把計算表放進固定的月報，〈行銷儀表板的六個區塊〉有版面安排的建議。
常見的四個卡關點
教學現場最常卡在這幾個地方：
- 電商與門市資料分開：兩邊的客戶識別不同，先各算一次，不要急著合併
- 訂閱制或定期配送：購買次數很穩定，留存反而要看取消紀錄，不是看交易
- 新店開幕不滿一年：資料不夠，改用同業公開的平均數字當暫時假設，並標明來源
- 團購或企業訂單：金額與頻率都跟個人客不同，應該分開算
若你的交易資料存在 GA4 的電商事件裡，也可以參考 Google Analytics 說明中心中關於電子商務與使用者層級資料的說明，確認哪些欄位能匯出。處理客戶電話與信箱時，請留意個人資料的保管與使用範圍，相關規範可查詢經濟部與主管機關公告。
一個驗算的小技巧
算完之後，用反向的方式驗一次。把毛利版終身價值除以每年購買次數與留存年數，應該要回到「每筆交易的平均毛利」。若對不起來，通常是某一步用了不同的資料範圍，例如客單價用了全部交易，購買次數卻只用了有識別的交易。
另一個驗算方式是找五位你熟悉的老客人，手動翻出他們過去一年的消費紀錄，算一算個別的價值。這五個數字不能代表全體，但若平均值跟試算表結果差得太遠，就代表清理或分母出了問題。數字要能對上店裡的真實感受，老闆才會願意用它做決定。
適用與不適用的情況
這個簡易估算適用於：有一年以上交易紀錄、能用電話或信箱辨識大部分客戶、商品重複購買性還算明顯的零售、餐飲、美業、寵物、保養品等中小企業。它也適合剛開始建立數據習慣的團隊，作為第一個共同語言。
它不適用於：一次性高單價交易為主的行業，例如建案或大型設備，客戶一輩子可能只買一次；也不適用於匿名交易佔大多數的店家，例如路過型的飲料攤，因為識別率太低，算出來的頻率會嚴重失真。這兩種情況比較適合改看單筆毛利與轉介紹率。
最後，這個數字不是考卷上的標準答案，它是一把會越用越準的尺。每季更新一次，你會開始看見客人的輪廓。若需要有人陪你把第一版算出來，可以看看冠誠數位行銷的服務內容。