这张八折券解决的是“价格”问题，而他遇到的是“时间”问题。给错了药，不仅没用，还让一位忠实会员觉得俱乐部并不了解他。
三个月没买票之前，先看他在这三个月里还做了什么
“没有购票”只是一个结果。在判断原因之前，AI要先回答一个更基础的问题：这个会员还在不在。欧宝体育AI会从CRM数据里调出他同期的其他行为：
- 是否仍在打开App、观看内容、参与投票或讨论。
- 是否浏览过票务页面、看过哪些场次、停留多久。
- 是否在商城有购买，或者把商品加入过购物车。
- 会员是否即将到期、最近一次续费是什么时候。
如果这些行为也同步消失，说明他可能真的在远离；如果内容行为照常甚至增加，说明兴趣还在，只是到场这件事受到了阻碍。两种情况后面的处理方式完全不同。
五种原因，五种不同的信号，五种不同的动作
分析引擎会根据行为证据，把连续不购票的原因归入以下几类。一个会员可能同时符合两类，系统会保留多个原因并标注各自的证据强度。
| 可能原因 | 常见信号 | 更合适的动作 |
|---|---|---|
| 没有感兴趣的比赛 | 过去只在强队对话或德比到场，近三个月对手都较弱 | 在下一场重点比赛前提供优先购票提醒 |
| 时间冲突 | 过去以周末到场为主，近期主场多在工作日 | 推荐周末场次，或提供可转让的票务选项 |
| 价格 | 常坐区域涨价后，多次浏览票务页却未下单 | 推荐替代座位区、会员价或家庭套票，必要时才用优惠券 |
| 转向线上观看 | 直播和集锦观看明显增加，到场减少 | 提供会员独家内容，保留线上关系，不急于拉回现场 |
| 兴趣变化 | 内容打开、社群发言、商品浏览全面下降 | 降低触达频率，在季末或重大节点做一次轻量回访 |
可以看到，优惠券只在“价格”这一类里是合理选项，而且也不是首选。对时间冲突的会员发券，就像开头那位老会员遇到的情况；对兴趣已经变化的会员频繁发券，反而会加速退订。
把他放回生命周期里：处在哪一段，决定了动作的轻重
同样三个月不购票，处在不同生命周期阶段的会员，意义也不同。欧宝体育的会员运营把生命周期分为以下阶段：
一个刚完成首次购票的新会员三个月不再购票，可能说明第一次到场体验不好，应该回访体验而不是发券；一个高价值用户三个月不购票，更值得投入人工关注，例如由会员服务人员单独联系；而一个已经处于沉默阶段一年以上的用户，即使三个月没有动静，也不宜一下子投入大量资源。
预测模型在这里的作用，是估计每个会员在不同动作下重新购票的可能性，以及“什么都不做”时自然回来的可能性。后一个数字经常被忽略，但它决定了一个动作到底有没有额外价值。
优惠券什么时候才是合适的选项
优惠券不是不能用，而是应当有明确的使用条件。在模拟场景中，俱乐部设置了这样几条原则：
- 只有当价格是主要原因、且有浏览未下单等直接证据时，才考虑优惠券。
- 优先使用非价格权益，例如优先购票、座位升级、会员活动名额、积分回馈，这些对会员的吸引力往往不低于折扣。
- 同一会员一个赛季内收到的优惠券有上限，避免养成“不发券就不买”的习惯。
- 高价值用户的优惠动作需要人工审批。
这些原则写进了营销流程之后，AI给出的建议从“发券”变成了一份动作清单，优惠券只是其中一项。完整的会员动作设计可以参考体育会员运营页面。
判断原因时最容易出错的三个地方
- 家庭账号：会员本人没买票，但家人用另一个账号买了，系统会误判为不购票。需要识别关联账号。
- 外部渠道：客场球票、合作渠道售票不在俱乐部系统里，忠实球迷可能被误判为流失。
- 原因归错类：票价上调和赛程变化同时发生时，模型可能只抓住其中一个。这时应当保留多个原因，由运营人员复核。
对于证据不足的会员，合理的选择是暂不触达，放到下一个观察周期。关于AI如何在发现异常后自动分析并等待人工审批，可以阅读体育营销AI为什么会变成Marketing Agent。
用留出组确认“挽回”是真的挽回
三个月不购票的会员里，有相当一部分会在下一场重要比赛前自然回来。如果把这些人都算作挽回活动的成果，效果就会被夸大。因此每个原因分组在执行动作前，都要随机留出一部分会员不做任何触达。
一个周期后，对比执行组和留出组的购票比例、续费比例和退订比例。如果时间冲突组在推荐周末场次后增量明显，说明原因判断正确；如果价格组在发券后与留出组差异很小，说明价格可能不是主要原因，需要回头检查分析逻辑。退订比例同样重要，一个提高了购票却显著增加退订的动作，长期来看并不划算。
在欧宝体育App中，每一轮挽回活动的分组、动作和对照结果都保存在同一个项目下，下一次遇到类似会员时，可以直接参考上一轮哪些判断对了、哪些错了。
