為什麼降價沒用：行銷在解決什麼問題

曼谷一位做手工皂的小老闆，最近很苦惱。隔壁攤位的競品開始削價競爭，一塊皂從150泰銖降到99泰銖。他咬著牙跟進降價，心想「至少人流會回來」。結果三個月後，帳算下來：業績確實有微幅成長，但因為單價被拉低、加上包材成本沒變，利潤反而比降價前更薄。更麻煩的是，降價吸來的客人裡，回購率幾乎是零——他們是「比價客」，不是「回頭客」，下一次哪裡便宜，他們就往哪裡去。他開始懷疑：我的產品明明用料實在、口碑也不差，為什麼還是留不住人？

為什麼

這位老闆卡住的地方，是很多中小企業主共同的迷思：「好產品自己會說話」。這句話有一半是對的——爛產品做再多行銷也救不回來。但另一半是危險的誤解：以為只要產品夠好，客人自然會找上門、自然會回購、自然會介紹朋友。現實是，好產品只解決了「值不值得買」這一關，它完全不負責「有沒有人看到你」「看到後願不願意下單」「買完之後願不願意再買一次」這三件事——而這三件事，才是行銷真正在做的工作。

把生意拆成三個齒輪會更清楚：流量（有多少人看到你）、轉換率（看到的人裡有多少人買單）、回購率（買過的人裡有多少人再買一次）。業績＝流量×轉換率×客單價×回購率，四個數字任何一個掉下去，業績就掉下去。降價這個動作，本質上只是在硬拉「轉換率」這一個齒輪，而且是用犧牲利潤的方式硬拉。如果流量本來就不夠、或者回購率本來就是零，降價只會讓你用更低的利潤，換來一群不會再回來的客人——這正是曼谷肥皂老闆遇到的狀況。行銷的工作，不是讓你的東西變便宜，而是讓這三個齒輪同時轉起來。

怎麼做

1. 先把三個數字量出來，不要用感覺判斷

大部分老闆說「生意不好」時，其實不知道問題出在流量、轉換率還是回購率。先花一週時間記錄：本週有多少人接觸到你（來店人數、粉專觸及、LINE 好友新增數）、其中多少人真正下單（成交筆數）、老客戶裡有多少人這個月又買了一次（回購筆數）。沒有這三個數字，任何行銷決策都是用猜的。

2. 找出漏得最兇的那個洞

泰國中小企業常見的漏斗破口有兩種類型。第一種是「有流量沒轉換」——LINE 好友加了不少、FB 粉專追蹤數字好看，但下單的人很少，這通常是頁面資訊不夠清楚、缺乏信任感（沒有評價、沒有實體地址），或購買流程太麻煩（要私訊問價、要等很久回覆）。第二種是「有轉換沒回購」——客人買了第一次就消失，這通常代表你把所有力氣都花在「拉新」，卻沒有任何機制讓客人想起你。先診斷是哪一種洞，再決定要修哪裡，比盲目砸廣告費有效得多。

3. 用泰國在地管道，各司其職

不要把 LINE OA、Facebook、TikTok 當成同一件事重複發。TikTok 適合解決「流量」問題——短影音靠演算法推給陌生人，是你觸及新客最便宜的管道，內容重點是「三秒抓住注意力＋展示產品實際使用畫面」。Facebook 粉專適合解決「轉換」問題——放清楚的價格、真實顧客評價、完整的購買流程說明，是陌生人決定要不要買單的最後一關。LINE OA 則專門解決「回購」問題——透過分眾標籤（買過什麼、多久沒回購）推送個人化訊息、生日優惠、會員點數，這是泰國消費者最常打開、也最願意接收品牌訊息的管道，是養回頭客最有效的工具。

4. 降價之前，先做一次小實驗

如果診斷出來問題其實在轉換率或回購率，降價根本治不了病，只會流血。與其整條產品線降價，不如挑一個小範圍先測試：例如只對 LINE OA 裡「買過一次、超過一個月沒回購」的客人，發一則專屬優惠訊息，觀察打開率和回購率有沒有改善。用小成本驗證假設，比一次性全面降價安全得多。

🔧 AI 動手做

我是一間泰國中小企業的老闆，做的是【填入你的產品／服務類型】。
以下是我這週記錄的數字：
- 流量（來店人數／粉專觸及／LINE好友新增數）：【填數字】
- 成交筆數：【填數字】
- 老客戶本月回購筆數：【填數字】
- 目前平均客單價：【填數字】泰銖
- 我最近正在考慮的行動：【例如：跟進競品降價／加大廣告投放／其他】

請你：
1. 幫我算出轉換率和回購率，並判斷我的漏斗破口主要在「流量不足」「轉換率低」還是「回購率低」。
2. 針對破口所在，給我3個本週就能執行、不需要額外預算的具體行動（可以用LINE OA、Facebook粉專或TikTok）。
3. 告訴我，如果我照原計畫降價，可能會對哪個數字造成什麼影響，值不值得做。

本週就能做的一步：不用急著決定要不要降價，先花七天時間，把流量、成交、回購這三個數字老老實實記下來，哪怕只是用手機備忘錄畫三欄也可以。有了這三個數字，你才知道自己的生意，是流量的問題、轉換的問題，還是回購的問題——這比任何一次降價，都更接近真正的答案。

📎 理論依據：彼得．杜拉克（Peter Drucker）在《管理的實踐》中提出「行銷的目的，是讓推銷變得多餘」；流量×轉換率×客單價×回購率的拆解方式，脫胎自新創圈廣泛使用的 AARRR（海盜指標）成長漏斗模型（Dave McClure, 2007）。