如果第 13 章在 v3 中缺席，这一章根本就不可能存在。2026 年初，电子邮件营销人员可以使用的 AI 能力，与 18 个月前相比有了根本性的不同。不是那种渐进式改进意义上的不同，而是"这改变了工作流程"意义上的不同。
我会直接说明 AI 真正有用的地方、被过度炒作的地方，以及接下来会发生什么。营销领域的 AI 讨论充斥着极端观点：要么 AI 下周二就会取代每一位营销人员，要么它只是个花哨的自动补全工具，没有任何实质价值。真相，一如既往，在两者之间，而具体细节比笼统概括更重要。
AI 目前的优势所在
主题行生成是最直接的收益。AI 可以在数秒内生成 50 个主题行变体。你的工作是挑出两三个最佳方案进行 A/B 测试。过去需要 20 分钟头脑风暴的事，现在只需 30 秒生成、两分钟筛选。结果是更多测试，意味着更多数据，意味着随着时间推移主题行质量不断提升。
我发现，AI 生成的主题行约有 60% 的时间表现与人工撰写的相当，约 20% 的时间甚至超越人工。剩余 20% 人工胜出的情况，往往是需要文化背景、时事意识，或品牌特有幽默感的场景，而 AI 在这些方面表现欠佳。但以 10% 的时间投入换取 80% 的可比性，这是极为优异的权衡。
发送时间优化已经相当出色。机器学习模型现在可以根据历史互动模式预测每位订阅者的最佳发送时间。大多数主流 ESP 都内置了这一功能。Seventh Sense 更进一步，提供专门分析每个联系人参与时间窗口的专属产品。与批量定时发送相比，开信率通常提升 10% 到 25%。这是 AI 能做到而人类在规模上确实无法实现的功能之一：为 5 万订阅者列表中的每位订阅者优化发送时间。
细分是 AI 识别人类忽略的规律所在。互动群组、流失预测、购买倾向评分。Klaviyo 的预测分析可以估算每位订阅者的客户终身价值、流失风险和预计下次下单日期。HubSpot 可以根据数百个行为信号对线索进行评分。这些数据带来更智能的细分，更智能的细分带来更精准的定向，更精准的定向带来更好的结果。这是一个良性循环，随着数据增长而变得更加强大。
大规模内容个性化意味着由 AI 推荐驱动的动态内容模块。基于浏览和购买行为的产品推荐。根据预测兴趣变化的内容模块。按细分群体变化的主题行。目标是让每封邮件感觉都是专门定制的，而无需真正撰写数千个版本。Netflix 的推荐邮件就是一个很好的例子：每位用户收到的邮件都不同，包含不同的节目推荐，完全由 AI 分析观看模式驱动。
首稿生成解决了空白页面的问题。盯着空白的邮件编辑器是电子邮件营销中无声的生产力杀手。AI 可以在数秒内生成一份可用的初稿。它不会完美，也不应该直接发布，但它给了你一个可以反应、编辑和改进的基础，这比从零开始快得多。
分析与模式识别正在悄然成为 AI 最有价值的应用之一。AI 可以识别活动表现中的异常（这封邮件的点击率比该细分群体的平均水平低 40%），检测活动间的趋势（过去 6 个月里，包含数字的主题行对你的表现提升了 15%），并在问题出现之前标记潜在风险（本月你与 Yahoo 收件人的互动下降了 20%）。
AI 的不足之处
品牌声音一致性是最大的差距，而且我认为短期内不会弥合。通用 AI 文案是可以被辨识出来的。你的订阅者可能不会有意识地识别它为 AI 生成，但他们会感受到差异。AI 生成的营销文案有一种千篇一律的感觉。措辞过于圆滑，过渡过于流畅，个性过于均匀。品牌的温度、个性、特有的表达方式——这些对 AI 来说极难复制，即使经过大量微调，输出仍需要大量人工编辑。
我通过向分组受众发送两个版本的欢迎邮件来测试这一点。AI 起草的版本在开信率和点击率上表现相同。但来自客户调查的定性反馈显示，收件人认为人工撰写的版本"更温暖"、"更真实"。单封邮件的差异是微小的。但经过 12 封欢迎系列邮件，通用声音累积的影响会侵蚀品牌认知。
战略思维仍然牢固地属于人类的领域。AI 可以优化主题行，但它无法决定本周应该发送促销邮件还是增值内容。它可以个性化内容，但它无法在公司当前成长阶段，判断对受众而言教育内容与销售内容之间的适当平衡。战略需要以 AI 目前尚不具备的方式理解背景、目标、品牌定位、竞争动态和客户关系。
情感细腻度比营销人员有时承认的更重要。针对 90 天未开信订阅者的重新互动邮件，需要与客户订阅失效后的挽回邮件不同的情感基调。客服回复中的同理心、处理投诉时的敏感度、产品召回时的恰当语气——这些都需要 AI 只能近似但无法真正拥有的人类判断力。
创意突破不来自 AI。AI 在现有模式中优化。它擅长提取有效的东西并生成变体。但 Duolingo 那只心碎的猫头鹰、Casper 的"回来床上吧"、Patagonia 的"别买这件夹克"——这些创意飞跃来自深刻理解品牌、敢于冒险的人，而没有任何优化算法会推荐这样的冒险。AI 绝不会建议告诉客户不要购买你的产品。而一个深刻理解 Patagonia 品牌的人类会。
人机协作工作流程
最好的结果来自协作，而非完全自动化。以下是我推荐的工作流程，基于我在数十个电子邮件项目中观察到的有效做法：
从向 AI 提供背景信息开始。品牌声音指南、受众信息、活动目标、产品详情、过去表现优秀的邮件示例。AI 生成邮件文案的质量，与输入内容的质量和具体程度直接相关。一个写着"写一封推广我们促销活动的邮件"的提示词会产生通用输出。一个包含品牌声音文档、三个表现出色的邮件示例、具体促销产品、折扣结构和受众细分的提示词，会产生接近可用的内容。
用 AI 生成初稿。让它处理结构、初始文案、主题行选项。在这个阶段不要对输出过于苛刻。你不是在寻找一封完成的邮件，而是在寻找可以处理的原材料。
大量编辑。这是你的品牌声音所在之处。修改措辞以匹配品牌真正的表达方式。添加使你的邮件与众不同的具体细节、趣事或个性。删除任何听起来通用或公式化的内容。一位优秀的编辑可以在 15 分钟内将一份平庸的 AI 草稿变成一封出色的邮件。没有 AI 草稿，同一封邮件从头撰写可能需要 45 分钟。
与人工撰写版本对比测试。运行 A/B 测试，比较 AI 辅助文案与纯人工撰写文案。你通常会发现，AI 辅助版本在开信率和点击率等指标上表现相当甚至更好，而人工撰写版本在品牌感知和定性反馈上得分更高。找到适合你受众的平衡点。
持续迭代。将结果反馈到你的 AI 工作流程中。获胜的邮件成为未来提示词的示例。失败的邮件成为护栏。随着你完善提示词并更好地了解 AI 擅长什么、在哪里需要更多引导，你的 AI 辅助输出应该在每个周期都有所改善。
各平台 AI 功能
每家主流 ESP 现在都提供 AI 功能，但深度差异巨大。一些平台将 AI 洒在现有功能上作为营销宣传点，另一些则围绕 AI 重建了核心工作流程。下表呈现了 2026 年初的全景。
| 平台 | AI 能力 | 深度 |
|---|---|---|
| Klaviyo | K:AI 营销代理（流程、细分、文案）、预测分析（CLV、流失、下次订单日期）、AI 主题行、AI SMS、AI 评论回复、活动分析 | 深度——AI 融入核心工作流程 |
| ActiveCampaign | 34+ 项 Active Intelligence 能力、AI 细分（自然语言）、AI 品牌套件、AI 内容生成、AI 自动化构建器、Claude MCP 连接器 | 深度——广泛 AI 集成 |
| Omnisend | 40+ 项 AI 功能、AI 表单创建、AI 产品推荐、AI 主题行、AI 活动创建、自动化流程优化 | 深度——全栈 AI |
| beehiiv | AI 内容生成、AI 图像生成、AI 翻译、AI 网站构建器（2025 年 11 月）、AI 社交助手、AI 通讯助手 | 中等——面向创作者的 AI 工具 |
| Bento | Tanuki AI（Ask 模式 + YOLO 模式）、MCP 集成（Claude Code、Cursor）、API 驱动的 AI 工作流程 | 中等——开发者优先的 AI 方案 |
| HubSpot | AI 内容写作助手、AI 聊天机器人、预测线索评分、AI 驱动的 CRM 洞察 | 中等——CRM 集成的 AI |
| Mailchimp | Intuit Assist（GenAI 营销助手）、AI 主题行、AI 内容优化器、发送时间/日期优化、QuickBooks 营销代理（2026 年） | 中等——随 Intuit 投资持续改进 |
| Brevo | Aura AI 代理、主题行/CTA 生成、语调调整、多语言翻译、AI 内容起草（免费计划） | 中等——性价比高的 AI |
| Braze | Sage AI、文案生成、渠道优化、发送时间智能 | 中等——企业级 AI 功能 |
| Seventh Sense | AI 发送时间优化、每联系人送达预测、互动预测 | 专项——仅限时间优化 |
| Phrasee | 企业级 AI 文案写作、品牌专属模型训练、多渠道优化 | 专项——仅限文案优化 |
| Kit (ConvertKit) | AI 主题行生成器 | 极少——明显落后于竞争对手 |
从这一全景中，有几点值得注意。
Klaviyo 走得最远、速度最快。他们的 K:AI 营销代理在下方 AI 代理部分有详细介绍。同步推出的还有 K:AI 客户代理——一个全天候 AI 支持代理，跨聊天、SMS 和电子邮件解答运输、尺码和退货问题，并在需要人工审批时附带完整上下文进行升级。预测分析（CLV、流失风险、预计下次订单日期）仍然是电子邮件营销中商业价值最高的 AI 功能。一封向高 CLV、显示早期流失信号的客户发出的精准保留邮件，其价值超过一千封 AI 优化主题行。
ActiveCampaign 在 Active Intelligence 旗下采用了广度优先的方式，推出了 34+ 项能力。AI 细分值得关注：用普通英语描述你想要的细分，平台就会自动构建它。他们的 Claude MCP 连接器（见下文）使他们成为首批官方集成到 AI 编码工具的 ESP 之一。
Bento 的 Tanuki AI 采用了开发者优先的方式。Ask 模式让你以对话方式查询邮件数据；YOLO 模式让 AI 根据你的指令自主行动。它将电子邮件视为 API 问题，而非仪表板问题。更多内容见代理部分。
Omnisend 的 AI 表单创建值得关注——他们的"建议 + 创建表单"功能让用户用普通语言描述需求，生成完整的表单布局，根据早期数据，AI 优化的表单提交率提升了 14% 到 65%。他们的 AI 细分构建器与 ActiveCampaign 的自然语言模式相同。
Mailchimp 在 Intuit 收购后正在追赶。Intuit Assist 是内置在编辑器中的 GenAI 营销助手，QuickBooks 营销代理将于 2026 年推出，负责处理细分、内容起草和活动发送。Intuit 的收购给了 Mailchimp 之前缺乏的 AI 预算。
Kit（前身 ConvertKit）明显落后——根据多项独立评测，截至 2026 年初，没有内置的 AI 写作工具。对于一个服务创作者的平台而言，这一差距令人意外。在考虑 Kit 的简洁性和慷慨的免费套餐时，需要权衡其缺乏竞争对手视为基础配置的 AI 工具这一劣势。
Phrasee 在企业级别运营，与 eBay、Domino's 和 Virgin Atlantic 等品牌合作。他们专门基于你品牌历史邮件数据和受众参与模式训练模型，生成针对特定受众校准的文案。
AI 代理：下一个前沿
AI 辅助功能和 AI 代理之间有一个值得区分的概念，因为整个行业正处于跨越这条线的过程中。
AI 辅助功能是帮助你更快完成工作的工具。生成主题行、对线索评分、建议发送时间。你发起操作，AI 加速它。上表中的每项功能都属于这一类别。
AI 代理不同。它们观察、决策和行动。你设定目标和护栏，代理决定做什么并执行，在不确定或风险足够高需要人工审批时进行报告。
截至 2026 年初，三个平台正在向代理领域迈进：
Klaviyo 的 K:AI 营销代理是最具代表性的例子。K:AI 可以根据自然语言指令构建完整的邮件流程（"为 60 天内未购买的客户创建一个 3 封邮件的挽回序列"），生成细分定义，撰写活动文案，并提供对当前有效和无效内容的分析。它在 Klaviyo 的生态系统内运行，这意味着它对你的客户数据、购买历史和参与模式拥有完整上下文。代理不只是凭空生成内容——它基于你的具体数据提出建议。对于深度使用 Klaviyo 的电商团队，这是最接近全天候拥有一位初级邮件营销人员的体验。
ActiveCampaign 的 Active Intelligence 涵盖 34+ 项 AI 能力，但方向明显朝向代理行为。AI 自动化构建器根据你的目标建议工作流程逻辑。AI 细分让你用自然语言描述受众，系统构建细分规则。AI 品牌套件学习你的品牌特征并一致地应用它。单独来看，这些是功能；整体而言，它们正在向管理你邮件项目执行层的代理发展，而你负责战略。
Bento 的 Tanuki AI 以其双模式系统采用了最明确的代理方式。Ask 模式是对话式智能——查询你的数据，获取洞察，了解表现。YOLO 模式才是有趣的地方：你给 Tanuki 下达指令（"向 30 天内未开信的人发送一封重新互动邮件，语调轻松，包含一个 10% 的折扣码"），它会自主执行。这个命名是刻意的——YOLO 模式适合那些在适当护栏下接受 AI 采取行动的团队。
实际含义是，"邮件营销人员"的角色正在转变。构建活动、建立细分和安排发送的机械性工作正在被 AI 代理吸收。留下的——也变得更有价值的——是战略思维：理解受众、设定正确目标、定义品牌声音护栏，以及做出 AI 无法做出的判断。2028 年的邮件营销人员将减少在活动构建器中的时间，更多地审查 AI 生成的活动建议。最优秀的人将是最好的编辑和战略家，而不是最熟练的按钮操作者。
MCP（模型上下文协议）与电子邮件
这是全新领域，我认为这是自营销自动化本身以来邮件营销工具领域最重要的发展。
Anthropic 的模型上下文协议（MCP）使 AI 模型能够通过标准化接口直接与外部工具和数据源交互。对于电子邮件营销，这意味着 AI 可以读取你的活动数据、分析表现，并在你的邮件平台内采取行动——全部通过自然语言对话完成。不再是点击仪表板，而是直接提问。不再是通过 UI 构建细分，而是描述你想要的。
截至 2026 年初，四个邮件平台拥有 MCP 集成：
ActiveCampaign 是首个在 Claude 连接器目录中拥有官方 MCP 连接器的 ESP。任何 Claude 用户都可以连接他们的 ActiveCampaign 账号，以对话方式与邮件营销数据交互——查询活动、管理联系人、分析表现，全部在 Claude 内完成。不再需要登录仪表板、运行报告、导出数据，你只需向 Claude 提问，就能从实时数据中获取答案。
Bento 提供与 Claude Code 和 Cursor 配合使用的 MCP 服务器集成，对开发者密集型团队构建程序化邮件工作流程特别有用。通过标准化 API 接口查询活动表现、管理联系人和触发发送。对于已经在 AI 编码工具中工作的团队，这消除了在对话和仪表板之间的上下文切换。
Mailjet 拥有一个开源的邮件营销 MCP 服务器，为 AI 模型提供只读访问权限。用普通英语询问邮件表现，从实际数据中获取答案。"过去 12 周我的开信率趋势如何？"会直接给你数据答案，而不是一份需要解读的报告。
Nitrosend（封闭测试版）从一开始就以 AI 原生 ESP 为设计目标，MCP 作为一级集成。关于 Nitrosend 在下方有更多介绍，但 MCP 服务器让你可以在 Claude 内完成创建活动、设计模板、管理联系人、发送测试邮件和触发发送等所有操作。这是邮件领域最完整的 MCP 实现，因为平台是围绕协议构建的，而非事后集成。
本章原始版本的 MCP 论断正在以比预期更快的速度兑现。当我第一次写到 Bento 和 Mailjet 的 MCP 集成时，它们还是孤立的实验。现在，包括主流企业 ESP（ActiveCampaign）在内的四个平台都提供官方 MCP 连接。管理邮件活动的界面正在真正地从仪表板向对话转变。
这些影响意义深远。一位无法证明雇用邮件营销专家合理性的独立创始人，现在可以向 AI 代理描述他们的目标，获得一个专业结构的邮件项目。有经验的营销人员可以通过用自然语言描述复杂流程（而非在构建器界面中点击）来提高效率。代理机构可以通过让 AI 代理处理常规构建工作，同时人类专注于战略和创意方向，服务更多客户。
AI 原生 ESP 愿景
传统 ESP 的工作流程是这样的：人类创建活动，选择细分，撰写文案，设计模板，安排发送，分析结果。每个步骤都需要人类的发起和执行。
AI 原生 ESP 的工作流程颠倒了这一顺序。AI 分析客户数据并识别机会（"你有 2,400 位客户在 45 天前完成了首次购买但未再回购。这是一个建议的挽回序列。"），起草内容，优化时机和定向。人类审查、调整和审批。
转变是从"构建活动"到"审批建议"。
这一转变的早期迹象已经可见。Klaviyo 的 K:AI 营销代理从自然语言构建流程。ActiveCampaign 的 AI 细分让你用普通英语描述受众。多个平台的 MCP 集成让 AI 模型直接查询并操作邮件数据。
Nitrosend：AI 原生 ESP 的样貌
Nitrosend（封闭测试版）从零开始为 AI 时代构建，而非将 AI 改造到现有平台上。完整披露：本项目与 Nitrosend 共享同一位创始人。但该产品展示了一种值得了解的真实架构差异。
传统 ESP 围绕仪表板和手动工作流程设计。Nitrosend 的设计前提是主要界面将是对话式的——通过 Claude 的 MCP、通过内置 AI 聊天，或通过 REST API。
这在实践中意味着：你告诉 Claude "创建一个名为春季促销的活动，定向我的 VIP 细分群体，周四上午 10 点发送"，Claude 就会创建活动、设置受众、配置模板并安排发送。你审查并审批。AI 聊天让你以对话方式迭代邮件设计。UI 中可用的每个操作都可以通过 API 使用，因此 AI 工具拥有对每项平台能力的完整访问权限。
Nitrosend 尚处早期——封闭测试版，仅限早期访问用户。但问题不在于 ESP 是否会变成 AI 原生的，而在于哪些现有平台会适应得足够快，哪些会被专门构建的替代品所取代。
所有这一切中的关键区别仍然是：AI 处理优化（发送什么内容、何时发送、定向谁），而人类处理战略（为什么发送、品牌声音护栏、伦理边界、整体项目方向）。这种分工发挥了双方各自的优势。AI 更擅长处理数据和发现规律，人类更擅长判断、创意和理解背景。
今天的实际 AI 集成
以下是我真正推荐立即实施的内容，按影响力和采用难度排序：
用 AI 生成主题行。 生成 20 到 50 个选项，选出最佳的两三个，进行 A/B 测试。只需五分钟，开信率持续提升 5% 到 15%。这是当今电子邮件营销中付出最少、影响最大的 AI 应用。
用 AI 生成邮件序列的初稿。 尤其适用于欢迎系列、购物车放弃和购后流程等标准流程。大量编辑以匹配品牌声音，但让 AI 承担结构上的重担。一个包含品牌声音示例的好提示词能让你完成 70% 的工作。
使用预测分析进行流失风险和客户终身价值分析。 如果你的 ESP 提供（Klaviyo、HubSpot），就开启它。按预测流失风险细分，在高风险客户离开之前向他们发送有针对性的保留活动。这是以最小努力换取纯粹正向收益。
使用 AI 驱动的发送时间优化。 大多数主流 ESP 都包含这一功能。启用它。每位订阅者的时间调整是人类无法手动复制的，而改进是可测量且一致的。
使用 AI 进行客户细分。 让 AI 识别你不会主动寻找的互动群组和行为模式。然后针对这些 AI 识别的细分群体构建活动。
以下是不应该做的事情：
不要用 AI 替代对客户的理解。 AI 分析数据。理解来自阅读支持工单、与客户交谈、观察用户会话以及对列表中的人建立同理心。数据告诉你人们做什么，理解告诉你为什么。
不要在未经人工审查和编辑的情况下发送 AI 生成的文案。 每封 AI 生成的邮件在发送前都应该由人工阅读、编辑和审批。无一例外。即使是自动化流程也不例外。设置好，审查它，然后让它运行。
不要依赖 AI 做关于邮件项目方向的战略决策。 应该发送更多还是更少的邮件？应该从促销内容转向教育内容？应该推出一份通讯？这些是战略问题，需要对你的品牌、市场和目标进行人类判断。
未来展望（2026-2028）
我将作出预测，这意味着其中一些会是错的。但方向是清晰的，即使时间线不确定。
AI 代理管理完整的邮件项目，而不只是单个活动。 Klaviyo 的 K:AI、Bento 的 Tanuki 和 ActiveCampaign 的 AI 自动化构建器是第一波。到 2028 年，我预计每家主流 ESP 都将提供代理能力，AI 主动识别机会、起草活动，并以人类审批作为门控机制管理日常运营。流程构建器界面不会消失，但它会成为"高级用户"工具。大多数邮件营销人员将审查并审批 AI 生成的活动，而不是从头构建。
大语言模型驱动的实时内容个性化。 每位收件人获得真正独特的文案，而不只是插入同一模板的不同产品推荐。整封邮件——从主题行到正文到 CTA——都是根据该特定用户的行为、偏好和客户旅程阶段生成的。这在今天计算成本很高，但随着推理成本持续下降，将变得切实可行。
预测性送达率监控。 AI 在送达率问题影响收件箱位置之前就发出警告。"过去一周，你与 Gmail 收件人的互动率下降了 12%。以下是可能的原因和建议操作。"这将送达率管理从被动（在问题发生后修复）转变为主动（在问题发生前预防）。
跨渠道 AI 编排。 电子邮件、SMS、推送通知和应用内消息由 AI 协调，为每次客户互动确定最优渠道、时机和内容。营销人员设定目标和护栏，AI 处理跨渠道的执行。
AI 驱动的合规检查。 自动验证每封邮件在发送前符合 GDPR、CAN-SPAM、CASL 及其他法规要求。检查同意记录、验证退订机制、扫描内容合规问题。这消除了电子邮件营销中最令人焦虑的方面之一，尤其是对于跨多个司法管辖区运营的公司。