商品瀏覽未購不是購物車放棄，也不等於「這個人差一張折扣券就會買」。比較好的做法，是先看他只是第一次看商品、重複比較同一品項、已經加入其他替代品，還是近期剛買過不該再被打擾。台灣 SME 若要用 AI 做瀏覽未購提醒，第一步不是寫文案，而是把 GA4 電商事件、LINE 或 Email 同意狀態、商品毛利、庫存與近期購買紀錄放在同一張判斷表裡。
商品瀏覽未購和購物車未結帳差在哪裡？
商品瀏覽未購通常指顧客看過商品頁、分類頁或推薦商品，卻沒有加入購物車或完成購買。它比購物車未結帳更早、更模糊，意圖也更弱。Klaviyo 的 browse abandonment 指南也把它和 cart abandonment 分開：看商品頁只是「我在比較」，加入購物車才比較接近「我準備買」。
這個差異會直接影響訊息策略。購物車未結帳可以提醒付款、庫存、運送或結帳問題；商品瀏覽未購更適合補資訊、補比較、補信任，或乾脆不發訊息。若一律丟折扣，品牌會把原本只是做功課的顧客訓練成等優惠的人。
先補 6 個欄位，再讓 AI 判斷要不要提醒
AI 可以幫你把瀏覽行為分群，但前提是資料欄位要夠清楚。Google Analytics 的建議事件把線上銷售拆成 view_item、add_to_cart、view_cart、begin_checkout、purchase 等階段；這些事件比「有人來過網站」更能判斷訊息應該輕或重。
| 欄位 | 為什麼重要 | 台灣 SME 的實作重點 |
|---|---|---|
| 最近一次 view_item | 判斷是否真的剛看過商品 | 至少記錄商品 ID、類別、價格與時間 |
| 是否 add_to_cart | 區分瀏覽未購與購物車未結帳 | 兩種流程不要共用同一封折扣信 |
| 同商品瀏覽次數 | 重複瀏覽通常比單次瀏覽更有意圖 | 可設定兩次以上才進入提醒候選名單 |
| 近期購買紀錄 | 避免剛買完又收到推銷 | 設定 14 到 30 天抑制規則，依品類調整 |
| 可聯繫通路同意 | Email、LINE、廣告受眾的同意基礎不同 | 保留來源、目的、退訂或拒絕行銷方式 |
| 商品毛利與庫存 | 不是每個商品都適合送折扣或推流量 | 缺貨、低毛利、客訴高的品項先排除 |
四種意圖：不要用同一套提醒打全部的人
1. 第一次看商品：先補資訊，不要急著賣
第一次瀏覽商品的人，常常還在理解規格、用途、尺寸、材質、保固或評價。這時 AI 可以把商品頁缺口整理出來，例如常見問題、比較表、使用情境或評價摘要。訊息應該像「你可能還在比較，這裡有尺寸與保養重點」，而不是「今天不買就沒了」。
2. 重複看同一商品：回應疑慮，而不是只催促
同一會員多次看同一商品，通常代表他在比較價格、風險或替代品。Klaviyo 的指南也建議針對不同族群使用產品教育、比較、社會證明或優惠。台灣 SME 可以讓 AI 先判斷：這個商品需要補保固？補尺寸？補門市體驗？補退換貨？再決定訊息內容。
3. 看很多相似商品：給選購架構，不要只推單品
如果顧客看了三款相似商品，代表問題可能不是「不想買」，而是「不知道怎麼選」。這時候比起推單一商品，選購指南、規格比較、適合族群表更有用。AI 可以幫忙把商品屬性轉成比較句，但最後仍要由行銷或商品人員確認，避免誇大或錯誤推薦。
4. 近期剛買過：多數時候應該保持安靜
剛下單的顧客又回來看商品，不一定是想再買，也可能是在查尺寸、使用方式、物流或售後資訊。這種人若立刻收到折扣提醒，很容易覺得剛剛買貴了。比較好的做法，是先導向出貨、保養、加購或客服內容；若要再行銷，也要等商品使用週期過一段時間。
LINE、Email、廣告，哪個通路適合瀏覽未購提醒？
LINE 在台灣很實用，但不是所有瀏覽未購都適合推 LINE。LINE Biz-Solutions 介紹官方帳號時，明確提到分眾訊息、點擊再行銷、聊天標籤、UID 上傳與訊息費用。這代表 LINE 適合高相關、高價值、少量精準的提醒；低意圖的大量瀏覽，更適合先放在 Email 教育或廣告受眾裡測試。
| 通路 | 適合情境 | 不要用在 |
|---|---|---|
| 補選購資訊、FAQ、比較表、品牌信任 | 沒有訂閱或沒有明確行銷同意的名單 | |
| LINE 分眾推播 | 重複瀏覽、高毛利、已是會員或好友 | 低意圖瀏覽、大量廣撒、敏感品類 |
| 廣告再行銷 | 匿名流量、跨站回訪、促銷檔期暖身 | 沒有排除已購買、低毛利或缺貨品項 |
| 不發送 | 資料不足、近期剛買、同意不清楚、商品風險高 | 被業績壓力逼著硬發所有人 |
台灣個資與信任邊界：能追蹤，不代表都能推播
商品瀏覽未購會牽涉個人資料、Cookie、會員資料、LINE UID、Email 與購買紀錄。台灣 個人資料保護法要求蒐集、處理與利用個資要有特定目的、必要範圍與合理連結；第 8 條也列出告知事項，第 20 條則提到非公務機關行銷使用時，資料主體反對後應停止使用，第一次行銷也要提供拒絕方式。
實務上，瀏覽未購流程至少要保留三件事：顧客從哪裡同意被聯繫、你打算用哪個目的聯繫、顧客如何退訂或拒絕。AI 不應該替你跳過這些判斷；它最多幫你檢查名單是否缺欄位、訊息是否過度逼迫、是否應排除敏感商品或近期購買者。
AI 可以做的，是意圖分類和訊息品管
AI 最有價值的位置，不是自動替每個瀏覽者生成一則推銷訊息，而是把行為訊號轉成可審核的決策。你可以讓 AI 先把會員分成「需要教育」、「需要比較」、「可能等優惠」、「應該排除」四組，再由人設定每組的訊息、頻率、優惠門檻與停損條件。
建議把 AI 工作限制在三個任務：第一，根據 view_item、add_to_cart、purchase 與最近一次互動整理意圖；第二，檢查訊息是否提到錯誤庫存、過度折扣、未證實功效或不合理急迫感；第三，產出客服可理解的註記，例如「看過同款三次但未加入購物車，建議補尺寸與退換貨資訊」。
誰適合用這套流程，誰不適合？
這套流程適合有會員、Email、LINE 官方帳號、電商網站或可辨識回訪資料的台灣零售與電商品牌。若你的商品需要比較、教育、信任或售後承諾，瀏覽未購提醒會比單純折扣更有價值。
它不適合資料同意不清楚、商品頁資訊不足、庫存常錯、毛利太薄、或客訴風險高的團隊。這些情況下，先修商品頁、同意紀錄、庫存同步與客服話術，會比急著上 AI 自動提醒更重要。
資料更新與來源
本文於 2026-09-20 檢視公開資料。事件與漏斗判斷參考 Google Analytics 電商衡量文件與 GA4 recommended events；瀏覽未購與購物車未結帳的差異參考 Klaviyo browse abandonment 指南與 Mailchimp browse abandonment 資源；LINE 分眾與訊息功能參考 LINE Biz-Solutions 官方帳號頁；個資與行銷拒絕權參考台灣個人資料保護法。平台功能、費用、追蹤限制與隱私規範會變動，上線前應再確認各平台後台與法律顧問意見。
結論：瀏覽未購提醒不是催單，是判斷題
商品瀏覽未購最容易犯的錯，是把所有看過商品的人都當成快成交的人。真正有效的流程，會先分清事件階段、購買意圖、通路同意、商品毛利與顧客近期狀態。AI 可以讓這個判斷更快，但不能取代品牌對信任、頻率與個資邊界的責任。
台灣 SME 若要開始做，先不要追求複雜自動化。先選 20 個高瀏覽、高毛利、資訊需求高的商品，建立瀏覽未購欄位表與排除規則，再測一組教育型訊息和一組比較型訊息。當你知道哪些人應該收到什麼、哪些人不該被打擾，瀏覽未購才會從騷擾變成服務。
FAQ
商品瀏覽未購一定要發折扣嗎？
不一定。第一次瀏覽或正在比較商品的人，通常更需要資訊、比較表、評價或退換貨說明；太早給折扣可能降低毛利，也會訓練顧客等優惠。
瀏覽未購和購物車未結帳可以用同一套流程嗎？
不建議。瀏覽未購通常只有 view_item 等較低意圖事件，購物車未結帳則已經 add_to_cart 或 begin_checkout；兩者的訊息強度、優惠門檻和提醒頻率應該分開。
台灣 SME 可以用 LINE 發瀏覽未購提醒嗎？
可以，但應限於有明確好友或會員關係、同意狀態清楚、且意圖較高的分眾。低意圖大量瀏覽不適合直接用 LINE 推播，容易增加退封鎖或反感。
AI 在瀏覽未購流程中最適合做什麼？
AI 適合做意圖分類、訊息品管、商品頁缺口整理與客服註記，不適合在沒有同意、庫存、毛利與排除規則時自動大量發送訊息。
要先安裝哪些追蹤事件？
至少要能分辨 view_item、add_to_cart、begin_checkout 和 purchase，並保留商品 ID、時間、會員或匿名識別、近期購買與可聯繫通路同意，才適合開始做自動化判斷。