Marketing

AI 怎么做邮件营销？不用恐吓、不画饼，这是我的实战手册

2026年6月2日

我这辈子发过的邮件超过 5000 万封。Newsletter、自动化 drip campaign、购物车挽回、沉睡唤醒——你能想到的邮件类型我都做过。前 12 年，方法论基本没变：写文案、想标题、手动分群、群发、看数据、再发。然后 AI 来了。

不是说"AI 要取代邮件营销了"。邮件营销的 ROI 至今仍然是所有渠道最高的——每花 1 美元回报 36 美元。AI 改变的不是这个底层逻辑，而是你把想法变成一封发出邮件的速度，以及最终效果的天花板。

上个季度我们团队做了一个实验：把 5 条已有的邮件流程全部用 AI 重建——标题、正文、分群、发送时间、全部重做。结果？打开率 +23%，点击率 +41%，每封邮件的制作时间下降到原来的三分之一。

这篇文章讲的就是我们具体怎么做的。没有空话，只有工具、Prompt 和工作流。

1. AI 写邮件标题：3 秒定生死

一封邮件的命运，基本在收件人看到标题的 3 秒内决定。标题是最短、最容易被忽视、但杠杆最高的营销文案。而大多数人写标题纯靠直觉。

AI 怎么让你做得更好：

批量生成变体。 把邮件的核心信息告诉 ChatGPT，让它从不同情感角度——好奇心、紧迫感、利益承诺、反常识、蹭热点——各生成 5 个标题。30 秒出 25 个候选，你从里面挑，而不是从零开始憋。

用 AI 预测效果。 Phrasee 和 Persado 这类工具基于数十亿封邮件的语言模型，能在你发送之前就预判哪个标题在你的受众中表现最好。这不是玄学，是统计模型。

从自己的历史数据学习。 把你过去所有的邮件标题 + 打开率导出来，扔给 ChatGPT，问它："我表现最好的标题有什么共同特征？表现最差的又有什么特征？"AI 会发现你自己都没注意到的规律。

我用的 Prompt：

你是一个有 10 年经验的邮件营销文案。针对这封邮件的内容 [粘贴内容摘要]，生成 15 个标题。分别从 5 个情感角度出发：好奇心、紧迫感、利益承诺、反常识、个人故事。每个标题不超过 25 个字。标注你推荐的前 3 个，并解释原因。

工具建议：

需求	工具	为什么
选题创意	ChatGPT / Claude	灵活，适合发散思路
标题预测	Phrasee	企业级语言模型，预测准确
快速建议	Klaviyo 内置 AI	如果你已经在用 Klaviyo，顺手好用
国产替代	通义千问 / Kimi	中文标题表现好，免费

2. AI 写邮件内容：不是"帮我写"，是"跟我一起写"

我在很多团队里见过同一个错误：把一句话 prompt 丢进 ChatGPT，把输出直接粘贴到 ESP（邮件发送平台），点发送。这不是 AI 辅助营销——这叫外包你的大脑。

正确的工作流： AI 出框架，你注入灵魂。

我的实际流程：

我列提纲——邮件的核心信息、优惠、CTA 是什么。（5 分钟）
AI 出初稿——基于我的提纲，按我的品牌语气写一版。（30 秒）
我改稿——加入一个个人故事、一个具体数据、或者一个今天刚跟客户聊到的点。这是邮件"有人味"的关键。（10 分钟）
AI 润色——检查可读性、建议更精准的动词、标记过长的句子。（30 秒）

一封邮件的总时间大约 15 分钟。在用 AI 之前，这个流程是 45-60 分钟。而且品质更高了——因为 AI 会抓到我注意不到的细节问题。

写初稿的 Prompt：

根据以下提纲写一封邮件：[粘贴提纲]。品牌语气：直接、温暖、不说官话。短段落。可读性控制在初中水平。在适当位置加一点幽默或自嘲。结尾一个清晰的 CTA，不超过 10 个字。

规模化个性化： 一封促销通知，AI 可以写 3 个版本——给忠实客户（更亲密，"VIP 优先"）、给刚买过的人（"你可能也喜欢"）、给快流失的人（"好久不见"+ 优惠）。同一封邮件的骨架，不同的情感切入点。这件事以前需要一个团队做半天，现在一个人半小时搞定。

3. AI 分群：从"人"到"活的数据"

传统分群方式：你手动建列表。"订阅用户"、"买过 X 的客户"、"弃购用户"。这些是静态桶。能用，但很粗糙。

AI 分群更精细：

行为聚类。 Klaviyo 和 HubSpot 的 AI 功能现在可以自动根据用户的实际行为分群——打开频率、点击偏好、购买节奏、浏览历史。原本 5 个人群变成 25 个微群，每个收到的是他们在客户旅程中真正该看的内容。

预测用户终身价值 (pLTV)。 AI 可以预测哪些订阅者最有可能成为高价值客户，哪些快要流失。这让你可以：

给高 LTV 用户发优质内容和服务（别给本来就愿意付全价的人发优惠券）
在快要流失的用户真的流失之前，自动触发挽回序列
抑制长期不打开的用户，保护你的发送信誉

购买意图识别。 把订阅者的行为数据（点击、浏览、购买记录）喂给 AI，让它给每个用户打出购买意图评分。AI 能相当准确地标记出"这个人最近很可能下单"，然后你在他最热的时候发一封合适的邮件。

我用的分群分析 Prompt：

我有一份邮件列表，包含这些行为数据字段：[列出字段]。基于这些数据，建议 5-8 个有意义的行为分群。对每个分群：命名、描述定义性行为特征、推荐最匹配的邮件内容类型、建议合理的发送频率。

4. AI 发送时间优化：对的时间决定对的打开

谁都知道"在用户醒着的时候发邮件"。但 AI 的发送时间优化远不止于此。

单用户级时间预测。 与其给全列表选一个"最佳时间"（剧透：没有这个东西），AI 学习每个订阅者独特的打开规律。有人早上 6:22 喝咖啡时打开邮件，有人晚上 10:43 躺在床上刷。AI 搞清楚了这些，然后在你邮件最可能被打开的那个时刻发出。

好用的工具：

Seventh Sense — 与 HubSpot 和 Marketo 集成，用机器学习做单用户级时间优化
Klaviyo 智能发送时间 — 内置功能，自动运行
Mailchimp 发送时间优化 — 基于你的发送历史数据确定最佳窗口

实测效果： 在我们的测试中，AI 优化发送时间比批量群发打开率稳定高出 15-25%。这不是本文里最大的杠杆，但它是最容易开启的一个。开关一开，永久增益，不需要做任何创意工作。

5. AI A/B 测试：不仅测得更快，而且测得更聪明

手动 A/B 测试邮件很痛苦。每次只测一个变量，等统计显著性，然后再测下一个。按这个速度，一年能跑 12 个测试就不错了。

AI 从两个层面改变测试：

多元测试规模化。 AI 可以同时测试多个变量——标题 + 预览文本 + CTA + 图片——并精准拆分哪个组合驱动了结果。手动做多元测试是数学噩梦，AI 自动搞定。

持续自动优化。 一些 ESP 现在提供"AI 自动测试"模式：在后台默默测试标题、学习什么有效、逐步优化，你完全不用管。你设好规则，AI 替你迭代。

用 AI 做测试分析：

测完之后，把两个版本 + 数据一起扔给 ChatGPT：

分析这两个邮件版本。版本 A [内容] 打开率 22%、点击率 3.1%。版本 B [内容] 打开率 28%、点击率 4.7%。什么具体差异最可能导致了这个效果差距？我接下来应该测什么？

AI 会发现你很容易忽略的东西——措辞差异、情感框架、CTA 位置、句子节奏。

6. AI 数据分析：别被仪表盘淹死

大部分邮件营销人花在"做报表"上的时间，比花在"基于数据行动"上的时间还多。AI 把这个比例反过来。

AI 怎么做邮件数据分析：

自动异常检测 — "本周打开率下降了 12%。可能原因：标题情感倾向改变、发送窗口偏移、检测到 Gmail 新过滤规则。"
自然语言查询 — "上个月哪个分群的点击率最高？" → 秒出答案，不需要写 SQL
跨 campaign 洞察 — AI 对比你最近 10 次发送，告诉你：标题带问号的邮件比不带问号的打开率高 18%。结论：多问问题。
预测性预报 — 基于你列表的互动趋势，AI 预测如果你什么都不改，30 天后的打开率大概是多少。（剧透：会掉。如果你不主动维护列表健康，它永远在掉。）

我的 AI 邮件营销工具栈

折腾了一大圈，实际在用的是这些：

需求	工具	为什么
ESP（核心平台）	Klaviyo	AI 分群和发送时间优化最强
标题创意	ChatGPT	灵感发散，0 成本
标题预测	Phrasee	企业级，数据量大时准确
文案助手	Claude	长文写作最出色，语感好
发送时间优化	Klaviyo 内置 / Seventh Sense	Klaviyo 用户用内置就够了
数据分析	ESP 自带 + ChatGPT 解读	ESP 出数据，AI 出解读
国产替代	通义千问 + 网易 / SendCloud	中文邮件生态

别买一堆工具。 先把你的 ESP 自带的 AI 功能用透，再加一个 ChatGPT 做内容。这两样就覆盖了本文 80% 的价值。

立刻可以开始的 3 件事

把你最近 10 封邮件的标题和打开率拉出来，扔进 ChatGPT，让它找规律。 然后再让它根据规律写 5 个新标题，下次发送时 A/B 测试。
如果你的 ESP 有 AI 发送时间优化，现在就去打开它。 一个开关，永久增益，零成本，想不到任何不做的理由。
用第 2 节的 AI 工作流重写你表现最好的一封邮件。 对比耗时和品质。我敢赌比你自己写更快、更好。

邮件营销没有死。死的是"一封邮件发给所有人"的群发思维。AI 不替代邮件营销的手艺——它替你干掉所有重复劳动，让你把精力放在真正重要的事情上：理解你的用户，说出一句值得被打开的话。

有问题？评论区聊，每条我都会回。