客戶名單整理不要從「把資料丟給 AI 分群」開始。台灣中小企業比較穩的順序，是先把同一個人重複出現、電話格式不一、來源欄位空白、退訂狀態沒同步、久未互動名單還在推播、誰負責維護不清楚這 6 個洞補起來。AI 可以幫你找相似資料、摘要互動紀錄、提出分群候選，但資料如果一開始就髒，後面的廣告受眾、LINE 推播、CRM 報表和業務追蹤都會一起歪掉。
為什麼 AI 客戶分群前，要先做客戶名單整理
很多小團隊的名單不是少，而是散。官網表單一份、展場 Excel 一份、LINE 對話一份、電商訂單一份、業務手機裡又一份。資料越多，AI 看起來越有東西可以分析；但如果同一位客戶被拆成三筆、退訂的人仍在名單裡、電話少了國碼、來源欄位只有「其他」，AI 只是更快幫你產生一份很有信心的錯誤分群。
這也是 CRM 資料清理文章常強調的底層問題：重複紀錄、過期資訊、不完整欄位、格式不一致和不同系統互相衝突，都會影響分眾、報表和溝通品質。對台灣中小企業來說，真正要問的不是「AI 可不可以分群」，而是「這份名單乾淨到足以讓 AI 參與判斷嗎」。
客戶名單整理先查這 6 個資料洞
1. 同一個人被拆成多筆
重複資料最容易讓行銷和業務失焦。同一個人可能用不同 Email 註冊、LINE 暱稱和真名不同，或展場填單後又在官網詢價。HubSpot 的去重文件提到，系統可用 Email、公司網域、Record ID 或自訂唯一值協助判斷重複；Microsoft Power Platform 也把 duplicate detection rules 放在資料管理設定裡，用欄位與比對條件找出重複紀錄。這些做法背後的原則很簡單：先定義「誰算同一個人」，再決定保留哪一筆主檔。
小團隊不必一開始就做很複雜的主資料管理。可以先用 Email、手機、公司統編或訂單會員 ID 做第一層比對，再人工檢查高價值客戶。真正要小心的是自動合併過頭：兩個同名客戶、共用公司電話、家人共用 Email，都可能被錯合併。AI 可以列出疑似重複，但最後合併規則要有人決定。
2. 欄位格式不一致，導致分群條件失效
電話有的寫 09 開頭、有的寫 +886；縣市有的寫「台北」、有的寫「臺北市」；產業欄位有人填「餐飲」、有人填「咖啡店」、有人填「F&B」。這些看起來只是格式問題，實際上會讓 AI 分群、廣告名單上傳、CRM 篩選和報表統計變得不可靠。
Google Ads Customer Match 的官方說明就很務實：上傳客戶資料時，CSV 必須用 ASCII 或 UTF-8，欄位標題要用指定英文名稱，例如 Email、Phone、First Name、Last Name、Country、Zip；資料也必須符合 Customer Match 政策。這給中小企業一個提醒：如果你未來要把第一方資料用在廣告或再行銷，欄位命名、格式和權限要先整理，不要等到上傳失敗才回頭修 Excel。
3. 名單來源沒有記錄，後面就不知道該怎麼用
一筆名單至少要知道它從哪裡來：官網表單、門市活動、展覽、下載型錄、LINE 加好友、電商訂單、客服對話，還是業務手動建立。來源不是為了報表好看，而是決定後續溝通方式。下載型錄的人可能適合收到比較表；門市活動留下電話的人可能需要先確認需求；既有客戶和陌生名單更不能混在同一套推播節奏裡。
如果來源欄位長期空白，AI 會被迫只看姓名、電話、購買紀錄或留言內容做推測。這種推測可以當候選，不該直接變成行銷動作。比較安全的做法，是從今天起先補三個欄位：來源、首次互動日期、最後互動日期。舊資料補不回來的地方，就標成「來源不明」，不要硬猜。
4. 退訂、拒絕行銷和資料用途沒有同步
台灣個資法第 20 條對行銷使用有明確要求：非公務機關利用個人資料行銷時，當事人表示拒絕接受行銷，應停止利用其個人資料行銷；首次行銷時也要提供拒絕接受行銷的方式。這不是只有大型企業要注意。小店、課程公司、B2B 供應商、顧問服務，只要把客戶資料拿來做行銷溝通，就應該把退訂、封鎖、拒絕推播和用途限制放進名單整理流程。
AI 分群最怕把「不能再行銷」的人也放進高價值受眾。名單清理時應該把可聯絡狀態拆清楚：可 Email、可簡訊、可 LINE、可電話、不可行銷、只可服務通知。這比一個籠統的「同意」欄位更有用，也比較能避免業務和行銷各做各的。
5. 互動狀態沒更新，活客和冷名單混在一起
同一份名單裡，可能有昨天剛詢價的人，也有兩年前活動留下資料後從未互動的人。若兩者都被標成「潛在客戶」，AI 很容易建議同一套內容，結果新客覺得不夠即時，舊客覺得打擾。台灣 CRM 顧客管理文章常見的做法，是用生命週期、回購、流失危險、VIP 等狀態設計不同訊息；這個方向是對的，但前提是狀態有更新。
可以先用簡單狀態，不要一開始就設 50 個標籤。建議起手式是：新名單、可追蹤、已成交、回購客、久未互動、不可行銷、資料待補。每週固定檢查久未互動和資料待補，不要讓它們永遠停在名單裡。
6. 沒有人負責名單健康度
名單整理常失敗，不是因為工具不夠，而是沒有人擁有這件事。業務只想快點打電話，行銷只想快點發推播，客服只想把當下問題處理完。資料錯了，下一次活動才發現。
請指定一個名單負責人，不一定是全職資料人員，但要有三個權限：定義欄位、退回不乾淨的匯入檔、每月提出一張資料健康報告。報告不用複雜，先看重複率、缺欄位率、不可行銷比例、久未互動比例、來源不明比例。這些數字比「AI 幫我分了幾群」更能判斷 CRM 是否真的能用。
AI 可以幫忙，但不要讓它直接決定誰該被推銷
AI 很適合做三件事。第一，找疑似重複，例如同電話不同姓名、同 Email 不同標籤、同公司不同聯絡人。第二，摘要互動紀錄，把長對話整理成需求、預算、時程、下一步。第三，提出分群候選，例如「近 30 天有詢價但未成交」「曾購買耗材且 60 天未回購」「下載型錄後沒有業務追蹤」。
但 AI 不該單獨做三個判斷：不能自行推定個資使用同意，不能把高風險標籤自動寫進客戶主檔，也不能用不完整資料決定誰是高價值客戶。比較安全的流程，是讓 AI 產生候選清單，再由人確認規則、資料來源和下一步話術。
| 清理項目 | AI 可以做 | 人要決定 |
|---|---|---|
| 疑似重複 | 依 Email、電話、姓名相似度列出候選 | 哪些欄位優先、哪些情況不能自動合併 |
| 欄位標準化 | 建議縣市、產業、來源欄位的統一寫法 | 正式欄位字典和匯入規則 |
| 互動摘要 | 把客服或業務紀錄整理成需求與下一步 | 摘要是否能進主檔、誰能看 |
| 分群候選 | 找出近期詢價、久未互動、回購可能族群 | 是否可以行銷、用哪個渠道、話術邊界 |
14 天客戶名單整理節奏：小團隊照這樣跑
第 1 到 2 天：先盤點名單來源。列出所有入口：官網、LINE、電商、展場、業務 Excel、客服系統、電子報、廣告表單。每個來源都標出負責人、更新頻率和是否含個資。
第 3 到 5 天：定欄位字典。先不要追求完美，保留 12 個以內核心欄位：姓名、公司、電話、Email、來源、首次互動、最後互動、狀態、可聯絡渠道、退訂狀態、負責人、備註。用下拉選單取代自由填寫，能少掉很多後續清理。
第 6 到 8 天：跑第一輪去重與格式整理。先處理高風險欄位：電話、Email、退訂狀態、來源。疑似重複先放審核清單，不要立刻全部合併。
第 9 到 11 天：建立 5 到 7 個可行動分群。不要用漂亮但用不到的標籤。先做能直接改變行動的群：本週新詢價、已成交待回訪、久未互動、資料待補、不可行銷、VIP 或高單價客、需要業務追蹤。
第 12 到 14 天：讓 AI 只處理候選工作。請 AI 找異常、摘要留言、提出分群候選，再由人確認。最後選一個低風險動作上線，例如只對「已成交待回訪」發一則服務型訊息，觀察封鎖、回覆、點擊和成交線索。
適用對象與不適用對象
這套做法適合已經有幾百筆到幾萬筆客戶資料、正在使用 LINE 官方帳號、CRM、Email、Google Ads Customer Match、Meta 自訂受眾或電商會員資料的台灣中小企業。它也適合想把 AI 放進名單摘要、客服分類、回購提醒、業務追蹤或再行銷受眾管理的團隊。
它不適合還沒有合法蒐集來源、沒有退訂機制、沒有任何資料權限控管，或想用 AI 自動判斷敏感資格的情境。醫療、金融、保險、徵信、未成年人相關資料，以及任何高風險個資場景，都應先找法務或合規人員確認。
資料更新與來源
本文依 2026 年 6 月 19 日可查資料整理。主要參考 DataBees 的 CRM data cleaning 文章、Mailchimp Audience 文件、HubSpot 去重文件、Google Ads Customer Match 上傳說明、Microsoft Power Platform duplicate detection rules、個人資料保護委員會籌備處個資法第 20 條，以及台灣 CRM 顧客管理實務文章。平台功能、廣告政策、資料欄位和個資規範都可能改版；正式導入前，請以自己的系統後台、平台官方文件和法律專業意見為準。
- DataBees：CRM Data Cleaning
- Mailchimp：Create a Customer Audience
- HubSpot：Deduplicate records
- Google Ads：Create a Customer Match list
- Microsoft Learn：Duplicate detection rules
- 個人資料保護委員會籌備處：個資法第 20 條
結論：先讓名單可信，再讓 AI 放大
客戶名單整理聽起來不像新工具那麼吸引人，但它決定 AI 行銷能不能真的幫忙。重複資料、空白欄位、退訂不同步、來源不明和久未互動名單，都會讓 AI 分群失準。先用 14 天把資料健康度拉起來，再讓 AI 做摘要、候選分群和異常提醒，小團隊才有機會把第一方資料變成可追蹤、可行動、也比較不容易踩線的行銷資產。
FAQ
客戶名單整理可以直接用 AI 自動完成嗎？
不建議全自動。AI 適合找疑似重複、格式異常和分群候選，但合併規則、退訂狀態、資料用途和高價值客戶判斷仍要人工確認。
小公司沒有 CRM，也需要整理客戶名單嗎？
需要。就算只用 Excel、LINE 標籤或電商會員後台，也應先固定欄位、來源、狀態和退訂紀錄，避免之後導入 CRM 時變成大工程。
客戶名單整理最先該看哪三個欄位？
先看 Email 或電話是否可識別、來源是否清楚、可不可以行銷。這三項會直接影響去重、分群和後續溝通風險。
Customer Match 名單需要特別整理什麼？
至少要確認資料來源、使用權限、欄位格式和可上傳欄位。Google Ads 官方文件要求指定英文欄位名稱，資料也要符合 Customer Match 政策。
多久要做一次 CRM 資料清理？
如果每週都有新名單，建議每週檢查新資料、每月看資料健康報告、每季做一次較完整的重複與久未互動名單清理。