一、项目背景

我们服务的一家区域宠物连锁品牌，旗下三十多家门店各自管理会员，但会员系统和"宠物"是两套彻底割裂的数据。门店店员记的只是手机号，疫苗本、驱虫记录散落在纸质登记本里，或者干脆躺在店员的微信聊天记录中。这种割裂带来一连串问题：该打的疫苗没人提醒，驱虫周期全靠老客户自觉，三个月没到店的客户总部根本无从知晓，复购和连带销售全凭运气和店员记性。更要命的是，客户换一家分店，新店员对客户和宠物一无所知，体验断崖式下跌。我们当时接手这件事的目标很明确：把"人"和"宠"绑定成一份可以跨店共享的电子健康档案，让周期提醒、复购引导、库存协同都被系统驱动，而不是靠人力记忆。这件事本质上不是做一个会员模块，而是把宠物当成和会员对等的经营对象来运营。

二、落地场景

我们把整套能力落到了这家品牌的小程序与门店 POS 之上。每个会员注册后可以登记多只宠物，录入品种、生日、绝育状态，并逐步沉淀疫苗、驱虫、体检等健康记录。围绕这份档案，我们设计了三类核心场景。第一是周期提醒：系统根据每只宠物最后一针疫苗的时间，自动在到期前七天推送"该打加强针了"的通知，并把驱虫、体检也纳入同一套提醒引擎。第二是复购联动：驱虫药、猫粮这类高复购商品，依据该宠物上次购买周期给出"该补货了"的到店券，而不是按全量会员群发。第三是跨店协同：会员去任意一家分店，店员都能看到完整的宠物档案和历史消费，避免重复问诊和重复录入。对总部而言，这第一次让"宠物全生命周期"变成可经营的资产，而不是门店各自的一笔糊涂账。

三、关键技术挑战与解决思路

第一个难点是"人宠绑定"的数据建模。我们当时没有把宠物塞进会员的扩展字段，而是建了一张独立的 pet 档案表，通过 owner_id 关联，支持一只宠物有多个监护人。这样连锁总部做经营分析时，既能按人看客户终身价值，也能按宠看单只动物的生命周期价值，两种视角互不干扰。第二个难点是提醒的准确性。疫苗品类繁多、周期各不相同，纯写死定时任务会爆炸式增长且难以维护。我们最终采用"提醒模板加宠物属性"的方式：每种服务配置一个周期表达式，触发时取该宠物最近一次服务时间做基准计算，新服务上线只是加一条配置。第三个难点是到店核销与线上提醒的闭环。提醒发出去并不算完，我们让券和小程序预约绑定，用户点提醒直接跳转到预约页，到店后 POS 一键核销并把"已服务"回写档案，下一次周期从此刻重新计算，形成真正的闭环。

案例片段（已脱敏）： 疫苗提醒模板配置（节选）： service_key: rabies_vaccine cycle_days: 365 remind_before: 7 notify_channel: [sms, miniprogram] 调度日志片段： 2026-07-12 02:00 cron fired, matched 1,284 pets, enqueued 1,284 reminders, dedup skip 36 (already sent this week)

四、效果数据

上线约半年后，我们拉取了脱敏对比数据。疫苗与驱虫类服务的按时到店率，从原来的约百分之四十一提升到约百分之七十三；这部分高频服务的复购率提升了约二十八个百分点；三个月未到店会员占比从约百分之三十五降至约百分之十九。连锁总部第一次能在一个统一看板上看到全部宠物的健康周期，督导巡店时不再靠口头询问店员。更值得一提的是，跨店消费占比在档案打通后明显上升，说明客户因为体验连续而更愿意在品牌内多店流转，这是之前割裂时代完全看不到的指标。

五、可复用经验总结

其一，做宠物这类"人加对象"的业务，先想清楚对象实体要不要独立建表，别一股脑塞进会员扩展字段，否则后续做生命周期分析会非常痛苦。其二，周期类提醒用"模板加基准时间"远比写死定时任务好维护，新增一种服务只是加一条配置。其三，提醒必须和核销回写形成闭环，否则系统永远不知道用户到底来没来，提醒会越来越像垃圾推送。其四，跨店共享档案要同步解决权限问题，我们当时给店员做了"仅可看本人服务门店的宠物明细"的细粒度控制，既打通了数据又守住了隐私边界。其五，把"宠物"当成经营对象而非会员附属，是整个项目能跑通的前提，视角对了，后续的数据产品和运营动作才顺理成章。

附：规模化落地的几点工程取舍

在把这套宠物健康档案推广到全部门店时，我们踩过一个坑，就是历史数据回填。老门店的疫苗本都在纸上，如果直接让店员手工录入，既慢又容易错，推广期几乎卡死。我们的做法是为每家店提供批量导入模板，并只要求一次性补录"最近一针的时间"，之后系统按周期自动推算后续节点，把日常人工录入降到最低。另一个取舍是提醒渠道。短信打开率虽不如小程序，但对不活跃老客更稳，所以我们用了"短信加小程序"双通道，并对七天内已打开的不再重复短信，既保触达又控成本。第三是健康档案和交易系统的边界。我们刻意不让档案直接写库存，而是只输出"该宠所需品类"信号给补货系统消费，两个团队各管各的数据，避免一处改坏全局。最后是灰度策略，先挑十家数字化程度高的门店试点两个月，把提醒准确率和复购提升跑通后再全量铺开，避免一上线就放大错误。回头看，宠物业务真正难的不在技术，而在让门店愿意持续维护数据，我们靠的是把"维护档案"变成店员接待的自然动作，而不是额外负担。