促銷排除名單 AI：台灣 SME 別把折扣發給錯的人

促銷排除名單 AI 的重點，不是讓系統自動決定誰值得被放棄，而是在發送優惠前先排除不能發、不該發、需要人工確認的名單。對台灣 SME 來說，LINE、Email、簡訊、廣告再行銷與 CRM 活動常共用顧客資料；如果只用 AI 找出最可能購買的人，卻沒有同步建立排除規則，折扣可能發給剛買的人、已退訂的人、正在客訴的人，或本來就願意原價購買的 VIP。結果不只是浪費預算，還會傷害信任與毛利。

促銷排除名單 AI 先解決什麼問題

多數中小企業使用 AI 名單分眾時，第一個直覺是找出「最可能買」的顧客。這個方向沒有錯，但促銷活動真正容易出錯的地方，往往是沒有先問另一個問題：這次活動有哪些人不應該收到？

在國際行銷平台裡，suppression list 通常用來排除不應接收特定訊息的對象。Microsoft Customer Insights 文件說明，抑制名單可避免訊息送到有害或不適合的收件人，用來保護寄件聲譽與活動品質；Mailchimp 也把退訂與 do-not-contact 類型納入不再寄送行銷信的處理脈絡。這些做法轉成台灣 SME 的日常語言，就是先把「不要發」做成明確清單，而不是每次活動前靠人工記憶。

AI 在這裡最有價值的角色，是把 CRM、訂單、客服、LINE 互動、Email 狀態與廣告受眾線索整理成可檢查的候選名單，再交給負責人設定規則與例外。這比單純請 AI 寫促銷文案更接近實際營收管理。

台灣 SME 促銷前應先排除的 6 種名單

1. 已退訂、拒絕行銷或來源不同意的人

這是優先順序最高的排除條件。台灣個人資料保護法第 20 條涉及非公務機關利用個人資料時的範圍與限制；促銷名單如果沒有清楚來源、目的與同意紀錄，就不適合直接丟進 AI 分眾。做法上，應把退訂、拒收、來源不明、活動同意範圍不符的人放進硬性排除名單，且不要讓 AI 或廣告匯入流程覆蓋這個規則。

2. 剛購買、剛續約或正在等待出貨的人

剛下單的顧客收到更低價格，通常不是驚喜，而是後悔。零售、電商、課程、顧問服務都應設定冷卻期，例如購買後 7 至 30 天內不收到同品類折扣，除非活動目的明確是加購、補貨或會員禮。AI 可以根據購買時間、商品類別與平均回購週期建議冷卻期，但最後仍要由業務或營運確認。

3. 正在客訴、退換貨或服務補救中的顧客

客服狀態常被促銷系統忽略。顧客正在等退款、換貨、維修或補件時，收到限時折扣容易讓人覺得品牌只想再賣一次。這類名單不一定永遠不能行銷，而是應先排除短期促銷，改由客服或客成團隊處理。AI 可以掃描工單狀態與負面關鍵字，但涉及補償、承諾與責任判斷時，不應自動發送。

4. 高價值 VIP 與本來願意原價購買的人

促銷不是越多越好。VIP、企業客、長期採購戶或高毛利方案客戶，可能更需要專屬服務、優先通知、加值包或年度方案，而不是公開折扣。若一律打折，會把品牌訓練成「不折不買」。AI 可以找出高頻、高客單、高毛利或高留存客群，再把它們標成「需人工確認」而不是直接排除，避免錯失關係維護機會。

5. 低毛利、濫用優惠或風險異常的名單

有些訂單看似轉換率高，扣掉折扣、運費、客服成本與退貨後其實不賺錢。中小企業可把低毛利商品、常退貨、重複領券、異常帳號、付款失敗率高的顧客放進觀察名單，促銷前先做毛利與風險檢查。AI 的用途是提示異常模式，不是把人貼上永久標籤；每次活動都要有重新檢查與解除機制。

6. 資料太少、欄位矛盾或身份對不起來的人

AI 分眾最怕看起來很精準，其實資料是錯的。Google Analytics 的使用者資料匯入文件列出 loyalty rating、date of last purchase、customer lifetime value 等可匯入的 CRM metadata；這提醒 SME 一件事：如果 Email、LINE、會員 ID、最近購買日與終身價值欄位對不起來，就不該直接拿來決定折扣。資料不足的人可以放入「需要補資料」或「低風險內容」名單，而不是高價促銷名單。

排除名單、觀察名單、加碼名單不要混在一起

實務上，最容易混亂的是把所有標籤都叫排除。建議把名單分成三層，讓促銷活動可以被稽核，也方便交接給外包、門市或業務團隊。

Google Analytics Audience API 提供 inclusive 與 exclusive filters，並有 temporary 與 permanent exclusion modes 的設計；Braze 的 suppression lists 也支援把受眾排除在大部分訊息之外，並以特定標籤保留例外訊息，例如出貨通知。這些平台能力背後的共同邏輯是：排除規則不是活動最後才補，而是受眾設計的一部分。

AI 可以判斷什麼，哪些決策仍要人工確認

促銷排除名單 AI 可以做三件事。第一，跨表比對，把 CRM、訂單、客服與廣告名單裡相同或相似的人找出來。第二，根據規則標記風險，例如最近購買日太近、客訴未結案、退訂狀態不一致。第三，產生活動前檢查表，提醒負責人本次排除多少人、排除原因是什麼、是否有例外要放行。

但 AI 不適合單獨決定法律同意、客訴補償、VIP 關係策略、價格承諾或毛利底線。Klaviyo 文件說明，被 suppressed 的 profile 不能收到行銷 Email，常見原因包含 hard bounce、spam complaint 或手動抑制。這類狀態在系統裡看似只是欄位，對品牌而言卻是信任訊號。AI 可以整理證據，不能替企業主跳過判斷。

7 步驟建立可執行的促銷排除流程

1. 先定義本次活動目的：清庫存、回購、升級、會員日、喚回，目的不同，排除條件也不同。
2. 整理硬性排除欄位：退訂、拒收、來源不同意、聯絡方式無效、資料來源不明。
3. 加入短期暫停條件：最近購買、出貨中、退款中、維修中、客訴中、付款失敗。
4. 加入商業保護條件：VIP、企業客、高毛利方案、低毛利商品、濫用優惠紀錄。
5. 請 AI 產出候選清單與原因，不要只產出一個黑箱分數。
6. 由負責人抽查樣本，特別檢查錯排 VIP、漏排退訂、同一人多身份的情況。
7. 活動後回寫結果：誰被排除、誰恢復、誰需要人工跟進，讓下一次規則更準。

適用與不適用情境

這套做法適合已經有會員、CRM、LINE 官方帳號、Email 名單、電商訂單、門市 POS 或客服紀錄的 SME，也適合每月固定做促銷、回購、再行銷或會員活動的團隊。資料不需要很大，但要能追溯來源與狀態。

如果公司目前只有零散 Excel、沒有退訂紀錄、沒有顧客同意來源、也沒有固定活動節奏，第一步不是導入 AI，而是先整理名單欄位與資料責任。若產品涉及醫療、金融、未成年人、敏感個資或高風險承諾，促銷名單更應先經法務、合規或專業人員審查。

資料更新與來源

本文更新於 2026-08-15，依據公開平台文件與台灣法規條文整理。平台功能、API 欄位、資料匯入方式與法規解釋都可能調整；正式上線前，請以實際使用的平台文件、合約、隱私權告知與內部法遵判斷為準。

• Microsoft Learn：Customer Insights - Journeys suppression lists
• Mailchimp：About unsubscribes
• Klaviyo：Understanding suppressed email profiles
• Braze Docs：Suppression Lists
• Google Analytics Developers：Audience exclusions
• Google Analytics Help：Import user data
• 個人資料保護法第 20 條
• 公平交易法第 21 條

結論：先排除，AI 促銷才不會越做越傷

促銷排除名單 AI 的價值，是把「不要發給誰」變成活動前的標準動作。台灣 SME 不必一開始就買昂貴系統；先用 CRM、LINE、Email、訂單與客服資料建立三層名單，再讓 AI 協助比對、提示與產生檢查表，就能降低誤發折扣、信任受損與毛利流失。真正成熟的 AI 行銷，不是把優惠發得更快，而是知道哪些人先不要打擾。

FAQ

促銷排除名單 AI 跟 CRM 分眾有什麼不同？

CRM 分眾多半在找要溝通的人；促銷排除名單 AI 是先找不該收到本次優惠的人，例如退訂、剛購買、客訴中或需要人工確認的顧客。

小公司只有 Excel 名單，也能做排除名單嗎？

可以。先增加退訂狀態、最近購買日、客訴狀態、資料來源、是否 VIP 等欄位，再用 AI 協助檢查矛盾與缺漏，比直接導入複雜工具更實際。

排除名單會不會讓促銷少賺很多？

短期可能少發一些訊息，但能避免把折扣發給剛買、原本願意原價購買或正在不滿的顧客。真正要看的不是發送量，而是毛利、退訂率、客訴與回購品質。

AI 可以自動解除排除狀態嗎？

不建議全自動。AI 可以建議哪些人已過冷卻期或狀態已改善，但退訂、同意來源、客訴補償、VIP 關係與法規風險仍應由人工確認。

LINE 官方帳號促銷也需要排除名單嗎？

需要。LINE、Email、簡訊與廣告再行銷都可能共用顧客資料；如果沒有統一排除規則，同一位顧客可能在不同渠道收到不一致或不適合的優惠。