Braze 电商留存实操：把预测流失和预测购买挂进 Canvas
站上写 Klaviyo 的有十几篇，Braze 这是头一篇，所以先把定位摆清楚，免得你白读。你要是个只跑邮件加短信的 Shopify 店，Braze 大概率不是给你准备的，Klaviyo 那套更省心也更便宜。Braze 的价值在有 App、有多个触点的品牌身上：邮件、App 推送、站内消息、短信、WhatsApp 全塞进同一个编排画布，触发跑在实时行为流上，不用等每小时刷一次的名单。这篇只谈怎么把它的两个预测模型真的接进 Canvas，别让分数一直躺在后台没人用。
Braze 的预测跟 Klaviyo 那套差在哪
最直观的差别是分数的来源。Klaviyo 给你一个现成的流失风险标签，开箱就有，你不用管它怎么算的。Braze 的 Predictive Churn 要你自己先定义什么叫流失：哪个行为、多少天没做算流失、拿哪一群人当训练对象、回看多长的历史。定义完了它才去训模型。这个自由度是把双刃剑，定义对了比通用标签准得多，定义错了模型认真地学了一个错东西，而且它不会告诉你。
电商最容易踩的一个坑，是把”多少天没打开 App”当成流失事件。听起来顺，实际会把一大批纯网页下单的老客标成高危，然后你对着这批人狂发挽回，转化率难看得莫名其妙。流失事件应该定义在跟钱有关的行为上，purchase 或者至少是 checkout started，App 打开率放到特征里让模型自己用，别拿它当标签。
顺带澄清一个概念。BrazeAI 或者说 Sage AI 是 Braze 一整套 AI 能力的品牌名，预测流失、预测购买、发送时机优化都挂在这个名下，它不是 2026 年冒出来的新功能。2026 年 Braze 发的 Customer Engagement Review（2026-02-24）里有个常被引用的数字：表现最好的那批 Braze 客户，“用 AI 预判购买意图”的比例比其他人高出 30%。这是调研里的相关性口径，说的是优等生更倾向于用这类功能，不等于你打开开关就能拿到什么效果，别把它当成产品实测数据往老板面前放。
冷启动：模型要吃多少数据才不是瞎猜
Predictive Churn 本质是个二分类器，它需要两边都有足够样本：足够多确实流失掉的人，和足够多留下来的人。新店卡在前者，因为你还没运营到有人流失；低单量的店两边都卡，因为总人数就不够。Braze 在建模型的时候会告诉你样本够不够，但它不会替你判断样本质量。
我自己的判断线是这样的，算经验值不算官方要求：至少 6 个月的连续行为历史，回看窗口内产生过流失事件的用户在几千人量级，训练人群里有过复购的人占到两成以上。月订单还是三位数的店别指望这东西能给出比 RFM 更聪明的答案，它只会把噪声学成规律。
窗口设置比样本量更容易被搞砸。回看窗口和预测窗口都得跟你品类的复购周期对齐。快消品 30 天合理，耐用品和季节性品类得拉到 90 到 180 天。拿 30 天窗口去预测一个平均一年买一次的品牌，模型每周都会一本正经地告诉你所有人都要流失了，因为按它学到的定义，所有人确实都在流失。
冷启动阶段的正确做法不是干等。先用规则分段跑同一套 Canvas 骨架，距上次购买天数加 RFM 就够用了，把 Audience Path 的条件写成规则条件。等模型训出来、验证过分布合理，再把每个分支的条件从规则换成预测分。Canvas 的结构、文案、频次上限全都不用重搭，只换了那几个条件框。这一步能省掉后面至少一次完整重做。
分数怎么落成 Canvas 的分支
机制层面很简单：预测分在 Braze 里就是用户身上的一个属性，能进 segment filter，也能在 Canvas 里当分流条件。分支要用 Audience Paths 而不是 Decision Split，前者能一次切多路，后者只有是和否两条，你想做六档分层的话用 Decision Split 会嵌套成一坨没人看得懂的东西。
有个设计原则值得单独说：入口触发器别用分数，用行为。预测分是批量刷新的，通常按天，你拿它当实时触发器，进入时机就会飘出去大半天甚至一天。实时的东西是用户行为，浏览了、加购了、退款了、订阅取消了，这些当触发器。预测分只用来决定这个人进来之后走哪条路。触发用行为、分流用分数，这个分工理顺了，后面的时机问题会少很多。
下面这张表是我用过的一套分层，注意这是编排设计示例，不是 Braze 官方推荐的阈值，你得拿自己的数据重新校一遍：
| 流失风险 | 购买意图 | Canvas 分支做什么 | 主渠道 |
|---|---|---|---|
| 高（前 10%） | 高 | 不给折扣，只做提醒和减摩擦 | App 推送 + Content Card |
| 高 | 低 | 分两档递进折扣，间隔 7 天 | 邮件，48 小时无开信补一条推送 |
| 中 | 高 | 品类推荐加免邮门槛提示 | 邮件 |
| 中 | 低 | 内容型触达，这一轮先别掏钱 | 邮件或 Content Card |
| 低 | 高 | 什么都别发，交回常规营销日历 | 不进流程 |
| 低 | 低 | 扔进季度级的慢速唤醒 | 邮件 |
阈值用分位数比用绝对值稳。模型每次重训，分数的分布都会漂一点，你要是写死了 0.7 这个数，三个月后同一条分支圈中的人数可能翻一倍，而你完全不知道发生了什么。写成”前 10%“，人数就锁住了，预算和发送量也跟着可控。另外每条分支都要挂退出条件，最起码是”进入流程后发生过购买就立即退出”，不然你会在人家下单的第二天继续发挽回折扣。
别给本来就会买的人发折扣
预测购买意图最经典的浪费，是把意图分高的人一股脑拉进促销流程。这批人已经要掏钱了，你冲上去补贴一刀，转化率报表会非常好看，因为你圈的本来就是要买的人，而实际发生的事情是你在自己的毛利上开了个洞。
正确用法几乎是反着的。意图高的分支要撤掉折扣，只做提醒和减摩擦：补货通知、购物车恢复、离免邮门槛还差多少、尺码或库存快没了。折扣留给意图低但客户价值够的那一格，那里的钱花出去才有机会改变结果。这个判断在上面那张表里就是第一行和第二行的区别。
怎么证明你没在浪费钱，靠的不是流程内转化率。Braze 有 Global Control Group，留一小撮用户任何 Canvas 都不发，你要比的是这组人和进流程的人之间的差值。流程内转化率高得吓人这件事本身就是个警报，通常说明你的模型精准地找到了那些不需要你打扰的人。想要更细的答案，就在意图高的分支里放一个 Experiment Path，一半发折扣一半只发提醒，跑两周，看的是每用户净利的差，不是转化率的差。这两个数经常给出相反的结论。
邮件和推送分工，以及什么时候别上 Braze
推送是打断，邮件是承载，分工照这个来就不会错得太离谱。推送适合有时效的单点信息，补货了、降价了、订单到哪了，一句话说完，多一个从句都是负担。需要解释的东西全部走邮件：品类推荐、多个 SKU 的对比、内容型的软触达。站内消息和 Content Card 是第三类，它们等用户自己打开 App 才出现，不消耗打扰额度，很适合放那种”说了不亏、没看到也无所谓”的信息。
有条纪律得写死：流失挽回流程里，推送永远是次选。高流失风险的人对推送最敏感，被推烦了直接把权限关掉，而一旦关掉你就永久失去这个渠道，比取关邮件难挽回得多。所以顺序是先邮件，48 小时内没有任何互动再补一条推送，而且整条流程里推送不超过两条。Braze 的 Intelligent Channel 和 Intelligent Timing 可以帮你挑渠道和时间，但别把渠道选择整个交给它，先把”推送只用于时效性内容”这条硬规则写进 Canvas 结构，剩下的余量再交给模型。
最后说什么时候别上。没有 App 的话，Braze 一半的价值就没了，你花企业级的钱买了个贵的邮件工具。Braze 不公开价目表，按年签合同，从谈判到真正上线通常是几周到几个月的工程活：埋点得重新梳理、SDK 要接、用户数据模型要对齐，这些没有一件是营销同事能自己搞定的。判断线我给得直白一点：只有邮件和短信两个渠道、没有工程资源接 SDK、团队里没人专职做生命周期营销，那就留在 Klaviyo，你在 Braze 上能用到的功能连三成都不到；有 App、跨三个以上渠道、月活到了百万量级、有专门的 CRM 或 lifecycle 岗位盯着，Braze 才开始把成本挣回来。介于两者之间的品牌最尴尬，我的建议是先把埋点和事件规范做干净，那件事无论用哪个工具都得做，做完了再决定换不换。
Read this article in English: Braze Retention in Practice: Wiring Predictive Churn and Purchases into Canvas
相关文章
27% 的人根本不给 AI 数据：邮件个性化撞上了信任天花板
2026 Braze Customer Engagement Review 调研显示，27% 的消费者拒绝向 AI 代理提供任何数据，哪怕换来更好的体验；93% 的营销负责人相信 AI 懂客户，认同的消费者只有 53%。这篇讲讲邮件和 CRM 团队该怎么给低授权人群单独铺一条路。
Mailchimp 自动同步 Shopify B2B 公司数据：批发和零售客户终于不用手动分了
2026 年 6 月 Mailchimp 上线了 Shopify B2B 公司数据自动同步，公司信息以 Shop B2B Company 字段进入受众列表。同时做批发和零售的店，不用再靠手动打标签或第三方 App 把批发客户从零售促销流程里摘出来。这篇讲怎么确认同步生效、怎么建分组、怎么拆流程，以及单向同步的几个坑。