Identification Rate：大多数 Shopify 品牌忽略的邮件营销关键指标
大多数 Shopify 品牌都会追踪转化率、AOV 和邮件收入。但在这些指标之下，其实还有一个更底层的约束，多数团队从来没有真正测量过：你只能转化那些你实际能够触达的购物者。
相关文章
要点
- **Identification Rate** 指的是，在某个漏斗事件里，例如 Product View、Add to Cart、Checkout，有多少购物者拥有已知邮箱，因此理论上可以被邮件触达。
- 对大多数 Shopify 店铺来说，Add to Cart 事件上的 Identification Rate 大约只有 **14%**。另外 86% 的弃购者根本进不了恢复流程。
- Identification Rate 不是订阅率。它衡量的是某个关键行为节点上的“可触达覆盖率”，不是名单增长速度。
- 在恢复收入里，提升 Identification Rate 往往比优化邮件标题、时机、内容更有杠杆。
- Attribuly 的 **ReCapture** 会补回那些“本来就在你 ESP 里，但当前行为被像素漏掉”的已知订阅者；**Capture** 则补充真正匿名的新访客。
介绍
如果你问大多数电商邮件团队，最大的增长杠杆是什么，常见答案会是：更好的标题、更强的优惠、更合适的发送时间。
这些当然重要。但它们都建立在同一个前提上：这些购物者已经进了你的流程。如果你的流程只能触达 14% 的弃购者，那么即使把邮件转化率提高 20%，总恢复收入的提升也依然非常有限。
真正决定有多少人能进入流程的，是 Identification Rate。它才是后续所有邮件优化的天花板。
这篇文章会把 Identification Rate 讲清楚：它是什么、怎么计算、为什么值得单独追踪，以及你如何用它来预测恢复收入和识别邮件系统里的真正缺口。
什么是 Identification Rate？
Identification Rate 指的是：在某个具体漏斗事件中，有多少唯一访客能够被映射到一个已识别邮箱资料，因此你可以在该事件触发流程时给他们发邮件。
公式
`` Identification Rate = 已识别人数 ÷ 该事件的唯一访客数 ``
其中：
- 该事件的唯一访客数：触发某个事件的购物者，例如 Add to Cart、Checkout Started、Product Viewed
- 已识别人数：这些访客中，已经有已知邮箱资料的人数
举例
一个 Shopify 店铺某个月有 1,000 个 Add to Cart 事件。其中只有 140 个访客能被 Klaviyo 原生像素识别，其余 860 个依旧是匿名的。
Identification Rate = 140 ÷ 1,000 = 14%
这就意味着：即使你的弃购邮件做得很好，仍然有 86% 的弃购者根本收不到邮件。
为什么 Identification Rate 不等于订阅率
这两个指标经常被混淆，但它们衡量的是完全不同的事情。
| 指标 | 它衡量什么 | 示例 |
|---|---|---|
| 订阅率 | 你新增了多少邮件订阅者 | 3% 的站点访客提交了表单 |
| Identification Rate | 在某个漏斗节点上，有多少购物者拥有已知邮箱资料 | 14% 的弃购者是可触达的 |
订阅率是名单增长指标。Identification Rate 是流程覆盖率指标。一个店铺可能有很大的邮件名单，但在 Add to Cart 这个节点的 Identification Rate 仍然很低，因为很多弃购者在其他设备上浏览、cookie 已过期，或者当前访问并没有显式留下邮箱。
收入公式：为什么 Identification Rate 才是第一杠杆
邮件恢复收入其实可以写得很简单：
`` 邮件恢复收入 = 已识别购物者 × 流程转化率 × AOV ``
大多数优化都集中在流程转化率上，例如改邮件内容、改时机、加优惠。但 Identification Rate 有同样的乘数作用，而且在很多店铺里，它的杠杆更大。
| 场景 | 已识别人数 | 转化率 | AOV | 月恢复收入 |
|---|---|---|---|---|
| 基线 | 140 | 5% | $120 | $840 |
| 转化率提升 20% | 140 | 6% | $120 | $1,008（+20%） |
| Identification Rate 翻倍 | 280 | 5% | $120 | $1,680（+100%） |
| 两者同时提升 | 280 | 6% | $120 | $2,016（+140%） |
当 Identification Rate 才是真正的瓶颈时，先解决它，往往能放大后续所有邮件优化。
实际业务里，Identification Rate 是怎么构成的
已识别人数通常可以拆成两部分：
`` 已识别人数 = 原生像素已识别 + 增量识别 ``
而增量识别又来自两个来源：
`` 增量识别 = ReCapture + Capture ``
原生像素已识别
这是 Klaviyo 原生追踪本来就能识别的人：曾经提交过邮箱、最近 90–180 天点击过 Klaviyo 邮件，或当前浏览器仍保留有效 cookie 的购物者。对大多数 Shopify 店铺来说，这一层在 Add to Cart 事件上的覆盖通常只有约 14%。
ReCapture：被像素漏掉的已知订阅者
ReCapture 补回的是那些已经在你 Klaviyo 名单里的订阅者，只是他们当前这次访问没被原生像素识别到。典型情况包括：
- 用户这次用的是和当初订阅时不同的设备
- Klaviyo cookie 过期了，但邮箱资料依然有效
- Safari ITP、Firefox ETP 等浏览器限制让原生像素失效
ReCapture 用更宽的身份图谱去把当前行为重新匹配回现有订阅者资料。它不会给你新增联系人，只是让本来就在名单里的订阅者重新“看得见”。
Capture：新增匿名访客识别
Capture 解决的是另一半问题：那些根本不在你 Klaviyo 名单里的匿名购物者。它会通过身份网络把匿名会话匹配到邮箱地址，再把这些人作为新联系人送进 Klaviyo。
组合起来是什么效果
| 来源 | 已识别人数 | Identification Rate |
|---|---|---|
| Klaviyo 原生像素 | 140 | 14% |
| + ReCapture（已知订阅者补回） | +80 | +8% |
| + Capture（匿名访客新增识别） | +120 | +12% |
| Attribuly 合计 | 340 | 34% |
具体数字会因店铺不同而变化，但结构是稳定的：原生识别会漏掉大部分可恢复机会，而增量识别能显著缩小这个缺口。
如何测量你当前的 Identification Rate
第 1 步：找到你的 Add to Cart 事件量
在 Shopify Analytics 或 GA4 里，查看过去 30 天的唯一 Add to Cart 事件数量。
第 2 步：查看有多少人进入了 Klaviyo 弃购流程
在 Klaviyo 里打开你的 abandoned cart flow，进入 Analytics，查看过去 30 天里收到了第一封邮件的人数。
第 3 步：计算
`` Identification Rate = 流程进入人数 ÷ Add to Cart 事件数 ``
如果结果低于 20%，通常说明你当前最大的恢复瓶颈不是邮件内容，而是识别覆盖率本身。
第 4 步：按漏斗事件分别追踪
不同事件上的 Identification Rate 差异通常很大：
| 漏斗事件 | 常见 Identification Rate | 为什么重要 |
|---|---|---|
| Product Viewed | 8–12% | 影响 browse abandonment 和重定向受众规模 |
| Add to Cart | 12–18% | 直接限制购物车恢复流程触达 |
| Checkout Started | 20–35% | 更高，因为很多人会在结账时留下邮箱 |
| Purchase | 60–80% | 很高，因为多数购买都经过 Shopify checkout |
Product Viewed 与 Add to Cart 之间的差值，决定了 browse abandonment 的机会大小。Add to Cart 与 Checkout Started 之间的差值，则决定了 cart recovery 的机会大小。
如何把 Identification Rate 用到实战里
1. 先找出哪个漏斗事件才是最大瓶颈
比较各个事件的 Identification Rate。那个“触发人数很多，但真正进入流程的人很少”的节点，就是你当前最值得先优化的地方。
对大多数店铺来说，Add to Cart 是第一瓶颈。有些流程已经比较成熟的店铺，问题则会前移到 Product Viewed。
2. 在投资前，先算一遍每月增量收入
当你知道当前 Identification Rate 和目标 Identification Rate 后，预测增量收入其实很直接：
`` 每月增量收入 = 新增已识别购物者 × 流程转化率 × AOV ``
举例：
- Add to Cart：1,000 / 月
- 当前 Identification Rate：14% → 140 人
- 目标 Identification Rate：34% → 340 人
- 新增已识别人数：200
- 流程转化率：5%
- AOV：$150
- 每月增量收入：200 × 5% × $150 = $1,500
这样一来，是否值得投资识别能力就不再是“拍脑袋”，而是可以被量化预测的。
3. 找出重定向受众为什么在漏
Product View 和 Add to Cart 上的低 Identification Rate，不只会影响邮件流程，也意味着更少第一方信号被送回 Meta 和 Google。这会影响：
- 重定向受众规模：识别不到，就进不了受众池
- 匹配质量：浏览器像素对 iOS 流量尤其容易漏；服务端事件交付能明显改善匹配质量
当 Attribuly 识别到某个购物者，并把事件服务端送到 Meta 时，你其实是在补回那些本来会被 iOS 隐私限制吞掉的信号。
4. 把你表现最好的流程复制给增量人群
ReCapture 带来的，是原本就在你名单里的已知订阅者。他们通常可以直接进入你现有流程，不一定需要新内容，只是恢复可见性。
Capture 带来的则是新联系人。对于这一批人，建议在现有流程里做条件分流，给他们更偏行为和商品上下文的内容，因为他们对泛泛的“你遗忘了购物车”类邮件通常不如已知订阅者敏感。
思考 Identification Rate 时最常见的误区
误区 1：把 Identification Rate 当成一个站点总平均数
站点级平均值很难指导动作。真正有意义的是事件级别的 Identification Rate。Add to Cart 的 14% 和 Checkout Started 的 25%，是两个完全不同的问题，也对应不同的解决方案。
更好的做法： 分漏斗事件追踪。Klaviyo flow entry rate 本身就是一个很好的代理指标。
误区 2：把 Identification Rate 和归因混为一谈
Identification Rate 衡量的是 谁可以被你触达，并不是在讨论最终哪个渠道拿到归因。
一个购物者可以被成功识别，从而进入邮件流程或进入广告受众池，但最终可能是通过广告再营销点击完成转化。归因归给广告，并不代表识别能力不重要。没有识别，那个重定向机会本身就不存在。
更好的做法： 用 Identification Rate 看覆盖率，用你的归因模型看哪条路径最终拿到转化。
误区 3：在修覆盖率之前，先花大量精力优化邮件内容
如果 Identification Rate 只有 14%，那么把邮件打开率从 35% 提高到 45%，对总恢复收入的帮助远不如把 Identification Rate 从 14% 提高到 34%。
更好的做法： 先算当前 Identification Rate。如果低于 20%，优先补识别覆盖，再去做重邮件文案优化。
误区 4：忽略流量结构变化
不同渠道带来的访客 Identification Rate 本来就不一样。Paid social 流量通常比 email / direct 流量更难识别。如果你最近大幅提高了广告投放，Identification Rate 看起来下降，并不一定说明系统出问题了，也可能只是流量结构变了。
更好的做法： 在渠道结构变化明显的时期，按流量来源拆开看 Identification Rate。
关于 Attribuly
Attribuly 帮助 DTC 品牌挽回弃购收入。我们识别被你的 ESP（如 Klaviyo）遗漏的匿名访客和已有订阅者，补全他们的画像，并将这些信号回传，让你的弃购流程正常触发、再营销受众持续增长，并帮助你至少多挽回 15% 的收入。 Shopify Featured App，Klaviyo 技术合作伙伴。已获 20,000+ 品牌信任。保证 4× ROI。