建立在真实流失窗口上的召回活动
大多数召回流程在第 90 天触发，只因为 90 是个整数。对一半的目录来说太晚，对另一半来说太早。
召回活动的成色取决于触发点。发太早，是在给本来就会回来的顾客打折；发太晚，关系早已流向别处。Analyst 从你的目录推导真实复购间隔——通常按品类各不相同——Retention 围绕它（而不是围绕惯例）搭建序列。
先找出真实流失窗口
复购行为是品类相关的，而且常常是双峰的。对全目录取平均，得到的是一个不属于任何人的数字。Analyst 在搭建任何活动之前先正确分段。
按品类与首单金额的复购间隔分布
回归概率骤降的那个点——真实的流失边界
哪些顾客分群真正可挽回、哪些已永久流失
流失是否与产品问题（而非营销问题）相关
说点「我们想你了」以外的话
空泛的再触达表现差，因为它没给行动理由。Agent 围绕「顾客离开后什么变了」来写——他们品类里的新品、他们买过商品的补货、他们抱怨过的问题的修复——激励只留给被证明有效的分群。
知道何时收手
无视整条召回序列的订阅者正在消耗你的送达率。Agent 执行日落策略，把不可挽回的联系人移出活跃发送，而不是无限期地继续投递。
运行方式
推导窗口
Analyst 按品类计算复购间隔，找出回归概率坍塌的位置。
搭建分群序列
Retention 为可挽回分群写不同序列，激励只用在能改变结果的地方。
其余日落
无响应的联系人移出活跃发送，保护送达率。
你会得到什么
基于你真实复购数据的触发，而非默认间隔
围绕「什么变了」的信息，而非空泛怀念
激励支出限定在可度量见效的分群
一套保护列表健康的日落策略
由这些 Agent 负责
常见问题
顾客到底什么时候算流失？
当他们的回归概率明显低于所在品类的基线——快消品可能是几周，耐用品可能是一年。窗口要推导而不是假设，原因就在这。
召回用折扣有效吗？
有时有效，比弃购场景更常见——但也有训练顾客故意流失的风险。Agent 按分群测试，而不是一刀切。
尝试几次后该放弃？
直到该分群的每封增量收入转负——这是一个可度量的点，不是品味问题。之后日落处理，为其他人守住送达率。
如果顾客是因为产品问题流失呢？
那营销序列修不了，Agent 应该直说。Analyst 会先检查流失是否与退货或客服记录相关，Retention 才动笔。