我之前修過一門品牌管理的課，學到 S-O-R 模型與顧客旅程地圖。我覺得可以融入到我的畢業專題中，讓我做的這個微型商家 CRM 系統看起來合理一點，也讓整個故事更完整。
S-O-R 模型：刺激－有機體－反應
S-O-R（Stimulus–Organism–Response）模型源自環境心理學，後來廣泛應用於消費者行為研究，特別是在零售與線上購物情境中。其核心概念為：
外在刺激（Stimulus）會影響消費者的內在心理狀態（Organism），進而產生行為反應（Response）。
刺激
刺激指的是來自外部環境的影響因素，可能包括：
感官刺激（例如視覺設計、顏色）。
社會刺激（與店員或品牌的互動）。
認知刺激（促銷資訊、產品說明）。
技術刺激（系統介面互動性、推播訊息）。
在我這個微型商家 CRM 的情境中，刺激可能是：
LINE 推播訊息。
優惠通知。
會員生日折扣。
分群專屬優惠。
這些都屬於品牌對顧客所發出的「外在訊號」。
有機體
有機體指的是消費者在接收到刺激後所產生的內在心理歷程，包括：
情緒反應（開心、被重視）。
認知評估（這個優惠划算嗎？）。
態度改變（這家店很貼心）。
在本專題情境中，當顧客收到與自己消費習慣相關的推播時，會產生「被理解」或「被重視」的感受，進而提升品牌好感度。
反應
反應則是消費者在內在心理處理後所表現出的外顯行為，例如：
點擊推播。
回到店家消費。
推薦他人。
提高購買頻率。
對微型商家而言，最直接的反應即為再次購買（回購）。
我的 CRM 系統在 S-O-R 中扮演的角色
若從 S-O-R 模型來看，CRM 系統是一個：
「幫助商家設計與發送更有效刺激」的工具。
在沒有分群的情況下，商家最多只能進行無差別群發推播。這類刺激往往缺乏針對性，顧客的有機體反應較弱，最終回購效果有限。
然而，透過 RFM 與 CAI 指標進行顧客分群後，商家可以針對不同顧客價值層級設計不同的刺激內容。例如：
高價值顧客 → 專屬優惠。
即將流失顧客 → 喚回優惠。
新客戶 → 首購回饋。
刺激與顧客內在狀態之間的匹配程度提高，有機體產生較強正向反應，最終提升回購行為。
換言之，本專題中的 CRM 系統想要達到的效果是：
協助商家透過數據理解顧客，進而設計更精準刺激，影響消費者心理歷程，最終改變其行為結果。
使用者旅程
使用者旅程指的是消費者從接觸品牌到形成忠誠度的過程。
在小小商家一點靈中，使用者旅程可分為顧客使用 LINE 官方帳號點餐系統的使用者旅程，以及商家使用試算表後台來優化顧客管理與行銷活動的體驗。
Persona 定義
為了能把顧客和商家的使用者旅程呈現出來，我必須先為他們定義虛構的人物誌，也就是假想的顧客和商家。
我們可以用 5W1H 的方式來描繪出顧客輪廓。
顧客 Persona
Who（找到使用者）：學生、上班族。
What（發現使用者行為）：習慣使用 LINE 作為通訊工具，有時會加入商家的 LINE 會員。
When & Where（掌握時間及地點）：下班、放學後通勤時打開手機上的 LINE。
How（描述經驗過程）：接收到商家的分群推播，打中內心需求，並且晚餐時間肚子餓，因而前往消費。
Why（了解原因）：尋求高 CP 值（省錢）或高便利性（省時/特權），藉此獲得生理滿足與心理補償。
顧客 A：追求 CP 值的「理性猶豫者」
人物背景：林小姐，24 歲研究生。雖然單次消費金額較高（如：幫研究室代購），但對價格敏感且容易被其他攤位吸引。
使用者狀態：
對價格敏感，會比價。
不記得曾經吃過哪家。
看到優惠才會被喚起記憶。
購買間隔拉長，對品牌依附感弱。
LINE 訊息很多，容易忽略一般推播。
功能期待：
希望優惠是「真的划算」。
不想收到無關訊息。
希望優惠時間明確。
希望點餐流程快速。
希望能快速看到折扣後價格。
系統數據指標：
RFM 評分：R=1／F=1／M=2，重要挽留會員。消費金額高，但近期未上門，且消費頻率低。
CAI 趨勢：數值為負且持續下降。購買間隔拉長，系統判定其活動力衰退，正處於「沉寂風險期」。
S-O-R 應用場景：
刺激 (S)：商家針對「重要挽留會員」發送「老客戶回饋 85 折」推播。
心理反應 (O)：因高消費額獲得回饋而產生「物超所值」的心理補償感。
行為產出 (R)：再次回購，將其從流失邊緣拉回。
顧客 B：習慣成自然的「忠實老饕」
人物背景：陳先生，33 歲業務經理。下班後固定購買宵夜，重視取餐效率，不喜排隊。
使用者狀態：
已形成固定消費習慣。
重視效率，不想排隊。
對品牌有基本信任。
不喜歡太多折扣訊息。
期待被區分為「熟客」。
功能期待：
熟客專屬通道。
優先預訂。
穩定品質。
不被濫發訊息干擾。
有累積回饋機制。
系統分群指標（RFM + CAI）：
RFM 評分：R=2／F=2／M=2，重要價值會員。近期有消費，且消費頻率和金額都高。
CAI 趨勢：數值為正（購買間隔縮短），判定為「活躍」。
S-O-R 應用場景：
刺激 (S)：商家針對「重要價值會員」發送「熟客優先取餐」或「限量新品預訂」訊息。
心理反應 (O)：產生強烈的「特權感」與「尊榮感」。
行為產出 (R)：維持穩定回購，成為品牌核心收入來源。
商家 Persona
Who（找到使用者）：約 35–50 歲的夜市攤販、小型餐飲老闆，會試算表基礎操作。
What（發現使用者行為）：非常忙碌，要製作餐點、收攤後結算帳務，還要想辦法維繫顧客。每天有大量零碎訂單，有些客人常來，有些只來一次，不知道該給誰折扣。
When & Where（掌握時間及地點）：收攤後（晚上 11:00–凌晨）在家或攤位整理帳務時，使用筆電打開 Google 試算表。
How（描述經驗過程）：打開後台查看系統自動計算的 RFM 分群、CAI 趨勢與顧客象限圖，使用發信功能對目標族群輕鬆推播行銷訊息，幾分鐘就完成，快樂下班。
Why（了解原因）：希望收入穩定又不想亂降價、想知道「誰才是真正金主」、想用最少時間做最有效行銷。
忙到分身乏術的「顧客管理新手」
人物背景：王老闆，41 歲章魚燒攤主。
使用者狀態：
收攤後體力耗盡，想趕快休息。
對數據感到壓力。
不確定推播是否有效。
曾經亂發優惠導致利潤下降。
缺乏行銷策略知識，不知從何做起。
功能期待：
顧客分群自動算好，不要自己思考公式或理論。
一眼看懂誰是該優先維護的「金主」。
有「建議操作」提示。
推播可以一鍵完成，不用記繁瑣步驟。
不需要學習複雜的新軟體。
王老闆的操作 S-O-R 流程：
刺激 (S)：收攤後打開試算表，直接查看系統自動填入的指標。
有機體 (O)：他不需要算數學，只要看「象限分類」或「CAI購買行為趨勢」，就能立刻明白目前的顧客健康度。
反應 (R)：使用「發信側欄」，依據以下三種模式擇一發送：
依「RFM 會員類型」：針對 M=2 的人發放等級禮。
依「CAI 購買行為趨勢」：針對 CAI 為負的人發喚醒禮。
依「CAI/F 象限分類」：精準打擊不同購買頻率與趨勢組合的客群。
顧客旅程地圖
接著，我為每個 Persona 做出導入小小商家一點靈之前和之後的顧客旅程地圖。
顧客 A：林小姐
店家導入「小小商家一點靈」之前
店家導入「小小商家一點靈」之後
顧客 B：陳先生
店家導入「小小商家一點靈」之前
店家導入「小小商家一點靈」之後
商家：王老闆
導入「小小商家一點靈」之前
導入「小小商家一點靈」之後
透過 S-O-R 模型與顧客旅程地圖的分析框架，本研究清楚呈現「小小商家一點靈」如何在微型商家的 CRM 應用情境中，從「無差別群發」進化為「精準分群推播」，進而改變顧客的心理反應與行為結果。
在導入系統之前，商家只能憑印象判斷顧客價值，推播訊息缺乏針對性，導致顧客產生「與我無關」的負面感受（有機體反應弱），最終回購率低落。然而，當系統透過 RFM 與 CAI 指標將顧客分群後，商家能針對「重要挽留會員」（高金額但低頻率且近期未消費）發送喚回優惠，或對「重要價值會員」（高頻高額，近期有消費）發送感謝訊息。這些更精準的刺激，使顧客產生「被理解」、「被重視」的正向心理反應，進而提升回購意願。
從系統導入前和導入後顧客旅程地圖的對比可以看出，系統不僅改善了點餐流程的效率問題（如減少電話溝通、避免漏單），更重要的是透過數據化的顧客管理，讓商家能在關鍵時刻（如購買間隔拉長、CAI 為負時）主動發送適合的訊息，將顧客從流失邊緣拉回。對商家而言，系統將「憑感覺」的行銷決策轉變為「有數據支持」的精準操作，大幅降低經營焦慮，提升行銷效率。
整體而言，本系統透過低成本、易操作的設計，成功將學術上的顧客價值分析理論（RFM、CAI）落地到微型商家的實務場景中，驗證了「數據驅動的精準行銷」即使在資源有限的微型商家環境中，仍能有效提升顧客關係管理與回購率。