# 身份识别率：邮件营销与留存中容易忽略的指标，以及新增收入估算方法

在浏览、加购、结账等关键时刻，你能通过邮件再次触达多少购物者？如果无法回答这个问题，邮件营销和客户留存就缺少重要依据。

品牌通常追踪转化率、客单价和收入，但这些指标都受到一个基础条件制约：只有识别了购物者，才能尝试促成购买或复购。因此，我们为邮件营销与留存团队推出身份识别率。

## 核心要点

身份识别率衡量每个漏斗事件中，可关联邮箱或已知档案的购物者比例，影响邮件与留存的增长空间。

- 事件级计算：`身份识别率 = 已识别总人数 ÷ 该事件独立访客数（UV）`。
- `已识别总人数 = 原生像素识别人数 + 新增识别人数`。
- 新增识别来自 Recapture（额外已知档案）和 Capture（补全匿名购物者）。
- 掌握新增识别人数后，可估算每月新增收入，并识别再营销受众的流失，尤其是 iOS 流量。

## 容易被忽略的问题

在产品浏览 → 加购 → 结账 → 购买等关键节点，到底有多少购物者之后可通过邮件再次触达？

这个比例决定弃购流程、挽回活动和再营销受众是否有足够覆盖。可触达受众过小，即使文案和优惠很好，留存表现也可能较弱。

## 定义：什么是身份识别率

它表示特定漏斗事件的独立访客中，可关联到已识别档案（通常为邮箱）的比例。

**身份识别率 = 已识别总人数 ÷ 事件级 UV**。

事件 UV 是触发该事件（如加购或开始结账）的独立访客数；已识别总人数则是其中拥有已识别档案的人数。

## 如何计算：原生识别与新增识别

- **原生像素识别**：现有原生追踪或像素识别的档案。
- **Attribuly 新增识别**：Attribuly 额外识别的档案。
- **Recapture**：原生像素遗漏、但 Attribuly 可识别的已知档案。
- **Capture**：补全后变得可识别的匿名购物者，取决于配置。

`新增识别 = Recapture + Capture`。

`已识别总人数 = 原生像素识别 + 新增识别`。

## 为什么重要：流程覆盖是数量问题

邮件及留存收入受进入流程的购物者数量限制：

**邮件收入 = 已识别购物者数 × 转化率 × 客单价**。

识别率低，不仅可能错过收入，也失去了尝试挽回的机会。

## 仪表板揭示什么：各事件的识别提升

按漏斗事件查看识别率，可发现身份信息在哪些环节流失。某真实店铺中，Recapture 在加购前带来明显提升，Capture 则根据配置带来更大提升。

越早在产品浏览或加购等环节提高识别，就有越多购物者可进入弃购流程、构建再营销受众，并向广告平台回传第一方信号。

## 实际使用方法

### 从新增识别入手

无需先调整优惠或素材，就可通过新增识别扩大可触达受众。例如按最佳实践复制表现最好的 Klaviyo 流程，让新增档案进入自动化，提高覆盖。

### 估算每月新增收入

`每月新增收入 ≈ 新增识别人数 × 每位收件人收入`。

更明确的模型：

`每月新增收入 ≈ 新增已识别购物者数 × 流程转化率 × 客单价`。

这些估算可为邮件及生命周期规划提供预测依据。

### 排查再营销受众流失，尤其是 iOS

新增识别也反映当前未到达广告平台的第一方信号。身份与事件缺失会缩小再营销受众，尤其在 iOS 占比较高时。通过服务端向 Meta 等平台发送补充邮箱及事件数据，可改善受众匹配质量，并在 Meta Events Manager 等工具中观察。

### 找到值得优先投入的漏斗环节

- 产品浏览识别率低：漏斗上层身份缺失，影响后续触达。
- 加购或结账识别率低：挽回流程及高意向受众输入不足。
- 购买识别率低：购后留存与 LTV 增长流程存在缺口。

目标不是 100% 识别，而是优先补齐影响最大的缺口。

## 指标对比

| 指标 | 能说明什么 | 不能说明什么 |
| --- | --- | --- |
| 转化率 | 漏斗效率 | 能否在之后触达未转化用户 |
| 客单价 | 每单收入 | 受众覆盖限制 |
| 邮件收入 | 留存活动的产出 | 识别缺口造成的增长上限 |
| 身份识别率 | 各漏斗事件的可触达受众比例 | 不替代归因，而是改善数据基础 |

## 常见误区

### 误区 1：只看一个全站识别率

不同漏斗事件的识别率差异可能很大。应按 PV、ATC、Checkout 等事件分别追踪。

### 误区 2：将识别率当作归因指标

识别率衡量可触达性，不负责分配贡献。应结合归因模型使用，改善归因所依赖的事件数据。

### 误区 3：忽略流量结构变化

付费与自然流量等渠道结构变化会影响识别率。应比较相似流量时期，或按渠道分群。

## 常见问题

### 身份识别率等于邮件订阅率吗？

不等于。订阅率衡量新增订阅者；识别率衡量某事件中可关联已识别档案的购物者，可能包含已有客户和补全的身份。

### 应先追踪哪些事件？

先看 ATC 和 Checkout Started，它们为高意向挽回流程提供受众；再扩展到 Product Viewed，提前构建受众。

### 多少识别率算好？

没有统一基准。流量结构、地区和品类都会影响结果。最有用的参照是自己当前各事件的基线，以及可增加多少识别。

### 识别率更高一定带来更多收入吗？

它扩大可触达受众，提高留存的增长空间。实际收入仍取决于优惠、送达率、流程设计和转化率。

### Recapture 与 Capture 有什么区别？

Recapture 识别原生像素遗漏的额外已知档案；Capture 让更多匿名购物者变得可识别，通常取决于配置。

### 对付费广告有什么帮助？

更高识别率可提供更可靠的第一方信号与受众匹配，尤其结合服务端事件发送时，有助于再营销和衡量质量。

### 提高识别率一定需要服务端追踪吗？

不一定。但当浏览器限制或 iOS 降低客户端信号可靠性时，服务端追踪有助于向广告平台发送更高质量的身份及事件数据。

## 结语

关注留存时，除了转化率，也应问：每个关键事件中，有多少购物者可以再次触达？身份识别率让这个问题变得可见。

如需了解店铺的事件级识别率及可增加的识别，请留言 ID RATE 或私信。

## SEO 与搜索意图备注：用于改编博客

- **主要意图**：信息查询，定义指标并说明邮件和生命周期团队为何需要；兼顾衡量工具的商业评估。
- **核心关键词**：identification rate、email marketing metrics、lifecycle email、identity resolution for ecommerce、email identification、retention marketing metrics、event-level identity lift。
- **查询主题**：邮件营销及留存中的识别率是什么；如何按漏斗阶段衡量可触达购物者；弃购流程为什么遗漏用户；如何改善 iOS 再营销匹配；电商 Recapture 与 Capture 的识别提升区别。
- **建议 URL**：`/blog/identification-rate-email-marketing`。