同業標竿分桶對照 · 會員年齡結構

Curves 會員年齡結構：新會員 vs 在籍會員

全台門店（排除測試店 ClubID=1）｜參照日 2026-07-31｜新會員＝近 6 個月新簽約會籍

新會員 <40歲佔比
13.8% vs 61.0%
同業標竿是 Curves 的 4.4 倍
在籍會員 <40歲佔比
10.7% vs 47.7%
同業標竿是 Curves 的 4.4 倍
樣本規模（Curves）
12,725 / 59,201
新簽約會籍 / 在籍會員
CURVES

年齡結構

滑鼠移到長條上可看精確筆數與佔比

新會員 NEW MEMBERS n = 12,725
在籍會員 ACTIVE MEMBERS n = 59,201
同業標竿

年齡結構

數字為對方公開簡報揭露比例，非 Curves 資料庫查詢結果，樣本數未揭露

新會員 NEW MEMBERS 近一年月均值
在籍會員 ACTIVE MEMBERS 單一快照日
與同業標竿的落差

對比同業標竿，Curves 新客與在籍會員都明顯偏年長

不管新會員還是在籍會員，Curves 40 歲以下佔比都只有同業標竿的約 1/4.4（新會員 13.8% vs 61.0%；在籍會員 10.7% vs 47.7%）。「新客年輕、老客有消費力」這種敘事放在 Curves 身上不太成立——因為 Curves 的新客跟老客本身都偏年長，落差不是出在「新舊差異」，而是整體會員結構相對同業老很多。

進一步看 Curves 自己的兩個 cohort：新會員與在籍會員的年齡分布幾乎重疊（50 歲以上都佔 67–70%），代表新客獲取沒有把整體年齡結構拉年輕——對比同業之後，這件事更值得留意。

口徑：在籍＝CV.Member.IsEnabled=1 AND ClubID<>1；新會員＝CV.Membership.MembershipType=1 AND MoveType<>1 AND ClubID<>1，ContractSignDate 落在近 6 個月，年齡以簽約當下計算。
驗證：獨立 subagent 重寫查詢複核，14 項數字差異 0.00%；量級對帳 TM(9000)=59,305、新銷(10003,近6月)=12,698，誤差 <0.5%。
同業標竿：數字取自對方公開簡報（新會員為近一年月均值、在籍會員為單一快照日），非 Curves 資料庫查詢結果，樣本數未揭露。
資料來源：CV.Member × CV.Membership｜完整方法與 SQL 見 projects/member_年齡結構對比_2026-07/README.md