CRM 綁定 LINE 者 — Donor 樣貌、洞察與正反問答

範圍：Salesforce Contact 中 Line_uid__c 已填值（目前在 CRM 綁定 LINE）者，排除 1 筆 QA 測試帳號，全數為台灣市場。｜綁定總人數：690

2026-06-16 ｜ 來源：BigQuery 鏡像 gpea-engage.Matrix.Contact（Salesforce 每日同步、唯讀）

📌 數字標註：查詢 = 實際查詢過的數字（BigQuery 取得）　推算 = 以查詢數字做四則運算得出　需查證 = 尚未查證、需另跑查詢才能確認。推算與需查證的數字不可當成查詢過的事實使用。

① 交叉表（縱軸 Giving Type × 橫軸 Value Tier）

每格 = 人數（佔全體 690 人比例）；顏色越綠＝佔比越高。所有格子數字皆為 查詢，並通過 34 筆抽樣交叉驗證（綁定狀態＋型態＋分層全數符合，0 例外）。

Giving Type ＼ Value TierGeneralMiddle ProspectMiddleMajor T2未分層列計
RG (定期)
302
43.8%
97
14.1%
12
1.7%
2
0.3%
0
0.0%
413
59.9%
Mixed (混合)
145
21.0%
63
9.1%
14
2.0%
5
0.7%
0
0.0%
227
32.9%
SG (單筆)
42
6.1%
0
0.0%
0
0.0%
0
0.0%
0
0.0%
42
6.1%
Other 捐款者
4
0.6%
2
0.3%
1
0.1%
0
0.0%
0
0.0%
7
1.0%
Non-Donor 非捐款
0
0.0%
0
0.0%
0
0.0%
0
0.0%
1
0.1%
1
0.1%
欄計
493
71.4%
162
23.5%
27
3.9%
7
1.0%
1
0.1%
690
100%
佔比低（白）佔比高（綠）

② 綁定率對照（cohort vs 全體 TW base）— 全為 查詢

綁定率 = 該區隔已綁定人數 ÷ 該區隔 TW 全體人數。這是「越投入／越高價值越會綁 LINE」的關鍵證據。

依 Giving Type已綁定TW 全體綁定率
Philanthropy Major2613.279%
Philanthropy Legacy54751.053%
Mixed 混合22732,1410.706%
RG 定期413164,0680.252%
SG 單筆4238,8140.108%
Non-Donor 非捐款11,447,9890.000%
依 Value Tier已綁定TW 全體綁定率
Major Tier 273372.077%
Middle Donor272,0641.308%
Middle Prospect16213,4151.208%
General493219,2800.225%
Major Tier 1060.000%

③ 洞察 Insights

  1. 綁定者幾乎全是「已建立關係」的捐款人
    定期(RG) 413 + 混合(Mixed) 227 = 640 人，佔 92.8%（推算）；單筆(SG) 僅 6.1%、非捐款者幾乎為 0。名單純度高、雜訊極少，投在這份名單上的維繫資源幾乎都打在真捐款人身上。
  2. 綁定率隨「投入度」與「價值」單調上升（最有力的驗證發現）
    型態：Mixed 0.706% > RG 0.252% > SG 0.108%（查詢）— Mixed 約是 RG 的 2.8×、SG 的 6.5×（推算）。價值：Major T2 2.077% > Middle 1.308% > Middle Prospect 1.208% > General 0.225%（查詢）— Major T2 約是 General 的 9.2×（推算）。越投入、越高價值的人越主動綁 LINE。
  3. 但「人數結構」仍由低價值大池主導 — 別把綁定率高當成綁定人數多
    綁定名單中 General 佔 71.4%、Middle Prospect 佔 23.5%（查詢）。高價值層雖綁定率高，絕對數卻很小：Major T2 僅 7 人、Middle 27 人（查詢）。規模操作看「人數」，一對一經營看「綁定率」。
  4. 整體滲透率極低 — 機會大、但代表性有限
    690 / 235,559 名 TW 捐款人 = 0.293%（推算），99.7% 的捐款人尚未被 LINE 觸及。渠道剛起步、天花板高；但反面是：這 690 人是早期「自選」族群，不能外推到全體捐款人。
  5. 這是「三年累積的活動世代」，不是新名單；數字偏低估
    這 690 人是約三年來少數幾波行銷推廣的累計成果，綁定功能近期才重新上線 — 屬「活動世代」樣本，橫跨不同檔期、部分綁定已歷時數年，並非穩定常態綁定。另須注意 CRM 的 Line_uid__c 可能低估真實綁定（2026 年前 Cresclab 的 sticky 綁定未全回寫 Salesforce，僅靠每週對帳補抓）。

④ 正反問答（扮演 Operator ＋ Fundraising Manager）

正 ｜ 機會面（Opportunity）

Q：綁定名單裡哪種捐款型態最值得重押？
A：RG + Mixed 合計 640 人、佔 92.8%（推算），是絕對主力。其中 Mixed 綁定率 0.706%（查詢）為各量級型態之冠、約 RG 的 2.8 倍（推算），代表「同時有定期＋單筆紀錄」的人互動意願最高。把 LINE 當成 RG 續捐維繫與 Mixed 加碼的主力渠道。
Q：高價值捐款人是不是被低估的金礦？
A：是。價值越高綁定率越高：Major T2 2.077%、Middle 1.308%、Middle Prospect 1.208% vs General 0.225%（查詢）。雖然絕對數小（Major T2 7 人、Middle 27 人，查詢），但這正是「高意願×高價值」交集，建議交專人走 LINE 一對一關係維繫，而非群發。
Q：整體綁定率僅 0.293%，是好消息還是壞消息？
A：成長空間角度是好消息：99.7% 捐款人尚未綁定。若把 RG（全 base 164,068 人，查詢）綁定率從 0.252% 拉到 Mixed 現有的 0.706%，綁定人數可從 413 提升到約 1,158 人（推算，164,068×0.706%），近 3 倍。應在捐款流程、感謝頁、定期捐通知中系統性嵌入綁定 CTA。
Q：以 General 為主（71.4%）對升級漏斗是好事嗎？
A：是。General 493 + Middle Prospect 162 = 655 人、佔 94.9%（推算），是健康的培養燃料。尤其 162 位已綁 LINE 的 Middle Prospect（查詢）是升級首選，可設計專屬 LINE 升級旅程（影響力故事＋加碼 ask）。
Q：幾乎沒有 SG 與非捐款者綁定，反而幫我們聚焦？
A：是。SG 僅 42 人綁定、Non-Donor 在 144 萬人中僅 1 人（查詢），名單純度高、ROI 風險低。同時點出新戰場：SG 是全 base 第二大捐款族群（38,814 人，查詢）卻幾乎沒綁定，可設計「單筆轉定期＋綁 LINE」雙 CTA。

反 ｜ 質疑面（Skeptic）

Q：這個 690 人可信嗎？是否低估真實綁定？
A：幾乎確定低估。690 是 Salesforce Line_uid__c 有值者，但 2026 年前 Cresclab 的 sticky 綁定未全回寫 SF，只靠每週對帳抓漏，且漏掉的可能集中於特定時期／管道（系統性偏差），連分層比例都可能被扭曲。對帳補齊前，結論都帶一層未知失真。
Q：是不是在分析一個太年輕、還沒成形的世代？
A：並非如此 — 這點要更正。這份綁定其實是約三年前一次行銷推廣、再加上這幾年陸續幾次推廣的累計成效，綁定功能只是最近才重新上線；所以不是 7 天的新數據，而是橫跨約三年、由少數幾波活動堆疊出來的成熟 cohort。但從質疑角度仍要留意：正因為它來自「少數幾次推廣」而非穩定常態綁定，這 690 人帶有強烈的「活動世代」色彩（不同檔期、不同訴求的受眾混在一起），部分綁定可能已歷時數年、聯絡偏好或捐款狀態早已改變，且重新上線後的新綁定者行為未必與這批歷史累積者相同。可用來看「累積樣貌」，但不宜直接外推到重新上線後的新綁定族群。
Q：「高價值綁定率高」能反推「叫高價值的人綁 LINE 就會更有價值」嗎？
A：不能，這是選擇偏差倒果為因。高綁定率只說明「本來就投入度高的人較願意綁」，不是「綁 LINE 使他們變高價值」。且母體極小（Major T2 全台 337 人綁 7 人；Middle 2,064 人綁 27 人，查詢），後續任何營收差異都可能是雜訊。要證因果需綁定前後同群對照（需查證）。
Q：漂亮的高價值格子背後到底站著幾個人？
A：百分比掩蓋了脆弱的絕對數：Major T2 全表僅 7 人、Middle 層 27 人、Other 捐款者 7 人、Non-Donor 1 人（查詢）。真正撐起 cohort 的是 General 493 人（71.4%，查詢）。針對「高價值 LINE 綁定者」的活動其實是對 7~27 人下注，掉一兩人比例就大跳，不該當可規劃區隔。
Q：全台 235,559 名捐款人只有 690 綁 LINE，這 cohort 有代表性嗎？
A：完全沒有。690 僅佔全體 TW 捐款人 0.293%（推算），是極端非隨機自選樣本——願意主動綁 LINE 的人在通訊偏好、年齡、投入度上明顯異於沉默的 99.7%。只能描述「這 690 人」，不能外推母體，更不能用來預測「全面推廣後會長什麼樣」。