第 3 章：细分与个性化

个性化策略平均能带来 10-15% 的收入增长，在某些行业甚至可达 25%。但有一个令人不安的事实：只有 35% 的企业认为自己真正能够跨渠道提供个性化体验。大多数企业仍然在向所有人发送相同的邮件。

知道细分很重要与真正做好细分之间的差距，正是商机所在。而且这个差距相当巨大。大多数品牌知道应该个性化。大多数品牌知道细分能带来更好的效果。但大多数品牌仍在向整个邮件列表发送相同的邮件，理由是"我们没有时间设置细分"或"我们的数据不够干净"。这两个借口都偏离了重点。即使是粗略的细分（客户与非客户、活跃与不活跃），也远胜于完全不细分。你不需要完美的数据才能开始。你需要的是立即行动。

超越名字个性化

Kath Pay（Holistic Email Marketing 创始人，Holistic Email Academy 联合创始人）多年来一直强调：停留在"你好 {first_name}"层面的个性化实际上可能会损害效果。她的研究发现被广泛引用：仅在主题行中添加收件人名字、而邮件正文内容没有个性化的邮件，表现可能比完全没有个性化的邮件更差。名字设定了个人相关性的期望，而通用内容无法满足这种期望，从而造成落差。

真正的个性化意味着内容本身根据收件人的不同而变化。动态内容模块向不同细分群体展示不同产品。主题行引用实际行为。发送时间针对个人习惯进行优化。产品推荐基于购买历史，而非随机的畅销品。

数据佐证了这一点：以客户数据驱动邮件营销活动可使开信率提高 29%，点击率提高 41%。80% 的客户更愿意从提供真正个性化体验的品牌购买产品。基于购买历史的产品推荐在收入影响方面比名字个性化高出 10-20 倍。

我建议按以下层级进行个性化，从影响力最大到最小排列：

1. 行为个性化。 根据浏览和购买历史推荐产品。引用客户最近的购买记录。认可其忠诚度等级。这是影响力最高的个性化，因为它基于用户实际的行为。
2. 生命周期个性化。 为新订阅者、活跃客户、VIP 和高流失风险客户提供不同内容。每个阶段都需要本质上不同的信息和优惠。
3. 动态内容模块。 在单一邮件模板中，根据细分群体成员关系展示不同的图片、产品或内容部分。一次发送，多种版本。
4. 发送时间个性化。 在每个个人最有可能打开邮件的时间发送。大多数主流 ESP 都提供此功能。
5. 基于位置的个性化。 引用本地天气、本地活动、附近门店位置、适合时区的内容。
6. 名字和基本人口统计个性化。 使用某人的名字，在其生日时致意。作为深度个性化的补充尚可，但单独使用意义不大。

沿着列表逐级深入。每个层级都能增加价值，但前三个层级贡献了绝大多数的收入影响。

细分类型

人口统计细分。 年龄、性别、收入、位置。这是基础。对于广泛定向有用，但仅凭这一点还不够。地理细分让你能够本地化信息、开展特定地区的促销活动，并在正确的时区发送邮件。对于全球受众而言，单是时区细分就能显著提升开信率。一封纽约时间上午 10 点发出的邮件，到达悉尼时已是凌晨 3 点，这就是为什么等人们拿起手机时，你的邮件已经被压在十四封其他邮件下面。时区调整发送是一个很多品牌忽视的简单解决方案。

行为细分。 人们实际做了什么。购买历史、邮件互动、网站浏览、购物车放弃。这里才是真正的优势所在。行为触发邮件与特定行为挂钩，这使其天然具有相关性。它们始终比任何其他类型的细分产生更高的转化率，因为邮件在行为发生时及时送达。

生命周期细分。 用户在与你的品牌关系中所处的阶段。新订阅者需要的内容与三年忠实客户截然不同。客户生命周期细分认识到这一点并相应调整邮件内容。新订阅者获得入门引导。活跃客户获得交叉销售和忠诚度奖励。即将流失的客户获得挽回活动。已流失客户在被压制之前获得最后一次尝试。每个阶段都需要本质上不同的信息、语气和优惠。

大多数品牌应该追踪的生命周期阶段：

1. 潜在客户（已注册但尚未购买）
2. 新客户（在过去 30 天内完成首次购买）
3. 活跃客户（在过去 90 天内购买过，且不止一次）
4. VIP 客户（高频率和/或高消费金额）
5. 高风险客户（之前活跃，互动度下降）
6. 沉睡客户（90-180 天内无购买或互动）
7. 流失客户（180 天以上无任何活动）

将你的邮件流程与这些阶段对应，你自然会为每个订阅者创造更具相关性的体验。

心理细分。 生活方式、兴趣、价值观、态度。更难获取，但一旦拥有则效果强大。如果你知道某个订阅者关心可持续性，你可以强调你的环保实践，而不仅仅是推送折扣。如果你知道另一个订阅者纯粹以价格为驱动，就以你最优惠的交易为开场。零方数据（下文详述）是收集心理细分信息的最佳方式。问卷、欢迎调查和偏好中心选择都能提供比从行为推断更可靠的心理细分信号。

RFM（近度、频率、货币价值）。 一个借鉴自直销的框架，非常适合邮件营销。根据客户购买的近度、频率和消费金额对客户进行评分。这为你提供了一种结构化的方式来区别对待不同类型的客户。Val Geisler（Fix My Churn 创始人）已经围绕使用基于行为的细分来降低流失率和提高留存率建立了完整的实践体系。

RFM 实施指南

RFM 分析听起来复杂，但实施可以很简单。在三个维度上对每位客户进行 1 到 5 分的评分。

近度。 他们最近一次购买是多久之前？昨天购买的客户得 5 分。上次购买在八个月前的客户得 1 分。

频率。 他们多久购买一次？每月购买的用户得 5 分。只购买过一次的用户得 1 分。

货币价值。 他们消费多少？消费最高的客户得 5 分。消费最低的得 1 分。

将这些分数组合起来，你就能得到每位客户的画像。以下是如何处理关键细分群体：

坦诚地说：简单的 RFM 以 20% 的努力获取了 80% 的价值。你不需要复杂的评分模型来开始。只需按最近购买时间将用户分为 3-4 组：

1. 过去 30 天内购买（活跃）
2. 31-90 天前购买（温暖）
3. 91-180 天前购买（冷却中）
4. 180 天以上前购买（冷淡）

区别对待每组用户，你会立即看到效果。当你准备好更精细化时，再加入频率和货币价值维度。

对于使用 Klaviyo 的电商品牌，预测分析可以自动完成大部分工作。Klaviyo 根据购买历史为每位客户计算预测的下次订购日期、预测生命周期价值和流失风险。对于 SaaS 和产品导向型公司，Vero 采取了不同的方法：它直接连接到你的数据仓库（Snowflake、BigQuery、PostgreSQL、Redshift），并从你的生产事件数据中构建细分，使你的邮件细分始终与用户在产品中的实际行为同步。如果你的 ESP 不提供预测分析或仓库原生细分，上述手动四组近度细分方法能捕获绝大多数价值。

还有一点实用建议：RFM 不必复杂才有效。我见过品牌用精心设计的评分模型和加权公式过度复杂化这一过程。从近度单独开始。如果效果有所改善（会的），再加入频率。如果效果进一步改善，再加入货币价值。你可以随时间积累复杂性，但简单版本现在就能奏效，无需任何额外工具或集成。

动态内容

动态内容让你创建一个邮件模板，根据数据点向不同收件人展示不同内容。一封邮件，却有一百种不同版本。A 细分群体看到产品 X，B 细分群体看到产品 Y，C 细分群体看到案例研究。

这是邮件营销中最强大的工具之一，但大多数人并没有使用它。71% 的美国消费者期望品牌个性化他们的体验。76% 的消费者在没有个性化时感到沮丧。

Backstroke 的客户通过使用高级细分和动态内容，平均每次发送的收入提高了 31%。Brennan Dunn（RightMessage 创始人，This Is Personal 作者）分享了具体案例：实施动态内容模块（在同一封邮件中向不同细分群体展示不同产品或服务）使邮件收入提高了 15-30%。关键洞察：这不仅仅是向不同的人发送不同的邮件，而是让单封邮件中的每个元素都与读者相关。

大多数现代 ESP 通过条件模块支持动态内容。在 Klaviyo 中，你可以根据用户属性使用显示/隐藏模块。在 ActiveCampaign 中，条件内容模块实现相同效果。在 Mailchimp 中，带条件逻辑的合并标签可以实现，但设置不够直观。如果你的 ESP 不原生支持动态内容，你可以通过创建独立细分并向每个细分发送稍有不同的活动版本来近似实现。这需要更多工作，但性能提升证明了这是值得的。

一个实用的起点：为你的产品推荐部分创建两个版本。向非客户展示畅销品，向现有客户展示基于购买历史的个性化推荐。将这个单一动态模块应用于所有促销邮件，将以最少的持续工作改善两个群体的相关性。

瀑布式细分

一个值得了解的技术：瀑布式细分根据重要性对细分进行优先级排序，让客户按顺序移动经过细分，而不是同时落入多个重叠的活动中。这可以防止让订阅者按下退订按钮的"一天三封邮件"问题。

工作原理如下。你为细分定义优先级顺序。符合多个活动条件的客户只会被纳入优先级最高的活动。例如：

1. 放弃购物车（最高优先级，时效性最强）
2. 购后跟进
3. 浏览放弃
4. 挽回活动
5. 常规促销活动（最低优先级）

如果客户放弃了购物车，同时也符合你每周促销活动的条件，他们会收到购物车邮件，而不是促销邮件。一旦购物车序列完成，他们就有资格参与下一个符合条件的活动。

Jay Schwedelson 一贯强调，过度联系是邮件表现最大的破坏因素之一。瀑布式细分是一个实用的解决方案。

大多数 ESP 没有内置的瀑布功能，因此你需要通过流程逻辑来实现。基本方法：在将某人加入新流程之前，检查他们是否已经在高优先级流程中处于活跃状态。如果是，将他们排除在外。当他们退出高优先级流程时，他们就有资格参与下一个符合条件的活动。这需要一些设置，但可以防止订阅者体验感到混乱。

同一理念的简化版本：设置全局频率上限。无论订阅者符合多少流程条件，在 24 小时内不超过一封自动化邮件和一封活动邮件。某些 ESP（Klaviyo、Braze）原生支持此功能。其他 ESP 则需要你使用条件流程步骤手动构建逻辑。

互动评分

互动评分为订阅者行为分配积分，并随时间递减这些积分，从而为你提供每个订阅者与品牌互动程度的滚动衡量指标。

以下是一个简单的起始模型：

应用每周 10% 的衰减率。上周的行为值原始积分的 90%。四周前的行为值约 65%。三个月前的行为几乎没有价值。

这创建了一个反映当前互动情况而非历史行为的动态评分。使用该评分来确定：

• 发送频率。 高分订阅者获得每次活动。低分订阅者只获得你最好的内容。
• 内容类型。 高互动？交叉销售和向上销售。低互动？重新激活和价值丰富的内容。
• 流程资格。 只对互动评分高于最低分的订阅者触发某些自动化。
• 日落时机。 评分降至零的订阅者被移入日落流程。

大多数 ESP 如 Klaviyo 和 ActiveCampaign 都内置了互动评分。如果你的 ESP 没有，你可以使用基于最近一次点击的细分规则来近似实现。

互动评分的关键在于它以简单细分无法做到的方式考虑了近度。一个六个月前点击了五个链接但此后无任何动作的订阅者并不是活跃用户，尽管他们的总点击次数很高。一个昨天点击了一个链接的订阅者是高度活跃的，尽管他们的总点击次数很低。衰减机制捕捉了这种区别。没有衰减，你衡量的是历史兴趣，而非当前互动。

基于互动的发送

这是大多数品牌能够实施的最简单、影响最大的优化之一。不是向整个列表发送每次活动，而是按互动级别分层发送。

第一层：过去 30 天内有点击。 你最活跃的订阅者。他们收到你发送的每次活动。

第二层：过去 60 天内有点击。 仍然活跃，但不是你的日常读者。他们收到大多数活动，大约 75% 的发送。

第三层：过去 90 天内有点击。 显示出脱离参与的迹象。他们只收到你最好的内容，大约 50% 的发送。

第四层：90-180 天内无互动。 将他们移入重新激活流程。不要发送常规活动。

第五层：180 天以上无互动。 日落流程。降低频率，尝试重新激活，然后压制。

注意：我在这里特意使用基于点击的互动，因为 Apple MPP 对开信率可靠性的影响。

基于互动发送的效果始终强劲：

• 开信率提高 15-30%（因为你向更多打开邮件的人发送）
• 垃圾邮件投诉减少 20-40%（因为你向不想收到邮件的人发送更少）
• 总收入变化 0-5%（通常持平甚至正增长，因为改善的邮件送达率对活跃细分的提升超过了减少向非活跃用户发送所带来的损失）

最后一点让人感到惊讶。你发送了更少的总邮件量，而收入持平或增长。机制很简单：更好的互动信号带来更好的收件箱到达率，这意味着你的邮件实际上能够到达重要人群的收件箱。

我在许多 SmartrMail 客户中看到了这种模式。一个品牌从"向所有人发送一切"切换到基于互动的分层，在 4-6 周内，其整体域名信誉得到改善，收件箱到达率上升，收入要么持平要么增加。唯一的代价是创建互动细分和调整发送工作流程所需的少量设置时间。

如果你要从本章实施一件事，那就让它成为基于互动的发送。这是回报最可靠的最简单优化。

零方数据收集

零方数据是订阅者自愿主动提供给你的信息。与推断数据（根据点击猜测某人喜好）不同，零方数据直接来自来源。它更可靠，订阅者也会感谢你询问而非假设。

欢迎调查问题。 在你的欢迎系列（第 2 或第 3 封邮件）中，提一个细分问题。Brennan Dunn 的标志性技术：邀请新订阅者自我识别其角色、最大挑战或他们在寻找什么。使用回答对他们进行标记和细分。他报告说，这个简单步骤可以使后续邮件序列的转化率翻倍，因为内容变得具体相关。

偏好中心。 让订阅者选择他们感兴趣的内容主题以及希望多频繁地收到你的邮件。在获得选项的情况下，20-30% 点击"退订"的人会选择调整偏好而非完全退订。这是一个有意义的订阅者留存数量。

问卷。 "你是哪种类型的 [X]？"接着通过邮件收集获取个性化结果。Interact 和 Typeform 等工具让这些问卷的构建变得简单。问卷形式有较高的完成率，因为人们天生对自己会被如何归类感到好奇。

购后调查。 "是什么让你决定购买？"或"你会用它做什么？"为你提供心理细分和用例数据，驱动更好的推荐和内容。

零方数据相对于推断数据的优势在于准确性。告诉你他们关心可持续性的人一定关心可持续性。点击了一个与可持续性相关产品的人可能只是在浏览。自我报告的数据对个性化更为可靠。

零方数据还具有信任优势。当你直接询问订阅者时，他们感到对自己的数据有控制权。当你在不告知他们的情况下从行为推断时，可能会感觉侵入性很强。这种询问本身就建立了信任："我们想向你发送相关内容，所以我们询问你关心什么。"这是大多数人会积极响应的信息。

偏好中心

我想专门扩展讨论偏好中心，因为它们是邮件营销中使用最不充分的工具之一。

偏好中心是订阅者可以调整他们从你那里接收什么的页面，而不是完全退订。它通常让他们选择：

• 内容主题（产品更新、教育内容、销售和促销、公司新闻）
• 邮件频率（每天、每周、每月、仅基本内容）
• 格式偏好（HTML 与纯文本，尽管这现在不太常见）

关于偏好中心的数据令人信服。当订阅者点击"退订"并看到偏好中心时，20-30% 的人会调整偏好而不是完全退订。这直接减少了列表流失。

但更大的好处是你收集的数据。当订阅者告诉你他们只想要产品更新而不是促销邮件时，你现在拥有了可以永久细分他们的零方数据。他们的体验改善了（只收到他们想要的），你的互动指标改善了（他们更有可能打开和点击），你们的关系增强了（他们感到有控制权）。

大规模细分（10 万+ 列表）

本章中的所有内容适用于任何列表规模。但向 10 万以上订阅者发送邮件的品牌面临较小列表不会遇到的特定挑战。在大规模情况下，错误复合得更快，收件箱提供商审查得更严格，管理细分的运营复杂性显著增加。

互动分层系统变得不可或缺。 在 10 万以上联系人的情况下，向整个列表发送每次活动是积极有害的。你会耗尽域名信誉，触发 Gmail 的过滤，并在数周内看到收件箱到达率下降。将基于互动的分层（本章前面的基于互动的发送部分已涵盖）作为你的首要优先事项。至少，将你的列表分为三个层级：30 天活跃、60 天活跃和 90 天以上不活跃。只有你的 30 天活跃细分应该收到每次活动。

日落政策需要执行，而不仅仅是规划。 在大规模情况下，维护不活跃订阅者的成本是实质性的。10 万人列表的 10% 是 1 万个你付费维护却产生零收入并积极损害邮件送达率的联系人。实施自动压制：在 120 天的零互动（无打开，无点击）之后，将订阅者移入专用重新激活流程。重新激活流程完成无响应后，将他们从所有营销发送中压制。每季度审查，每年删除真正死亡的联系人。

大规模频率管理需要自动化，而非人工监督。 当多个团队成员、产品线和活动类型都针对同一订阅者群时，没有防护措施过度联系是不可避免的。实施频率上限：每个订阅者每天不超过一封营销邮件，每周不超过四到五封。某些 ESP（Klaviyo、Braze）通过全局频率上限原生支持此功能。其他则需要你将逻辑构建到流程条件中。

发送节流很重要。 当你同时发送 10 万封邮件时，收件箱提供商会注意到。使用 ESP 的节流设置将发送分散到一到两小时内。这降低了触发速率限制的可能性，并给你时间在整个列表收到邮件之前发现问题（断开的链接、渲染问题）。

按互动和生命周期细分，而不仅仅是人口统计。 大型列表让人容易想创建精心设计的人口统计细分（年龄 + 位置 + 性别 + 购买类别）。除非你有足够的规模使每个细分具有统计意义，否则要抵制这种诱惑。在 10 万列表中 200 人的细分不是细分，而是舍入误差。将你的细分集中在收入影响最高的维度上：互动水平、购买近度、客户生命周期价值层级和产品类别兴趣。

测试在大规模时变得更加有力。 拥有 10 万以上订阅者，你有样本量可以积极测试。在列表的 5-10% 上运行 A/B 测试，并将胜出者应用于剩余的 90-95%。你可以在数小时而非数天内达到统计显著性。利用这一优势系统地测试主题行、发送时间、优惠结构和内容格式。在大规模情况下，10 万订阅者中点击率提高 2% 会产生有意义的增量收入。

按 ISP 监控邮件送达率。 在高发送量时，你与 Gmail、Yahoo 和 Outlook 的信誉可能出现分歧。你可能在 Gmail 上有出色的收件箱到达率，但被 Yahoo 节流。使用 Google Postmaster Tools 和 Microsoft SNDS 独立监控每个提供商。如果某个提供商的指标下降，你可以专门针对该提供商调整发送，而不改变整体计划。

订阅者生命周期价值

了解订阅者的生命周期价值有助于你在获取支出、内容投资和留存努力方面做出更好的决策。基本计算：每位订阅者每月平均收入乘以平均订阅者生命周期（月数）。简单，但大多数品牌从未做过这个计算。

按获取来源追踪生命周期价值。来自有机搜索的订阅者可能与来自付费 Facebook 活动的订阅者具有完全不同的生命周期价值。我见过企业在首次进行这项分析后重新分配 40% 的获取预算。第 9 章详细介绍了生命周期价值计算、获取成本基准以及你应该目标的 LTV:CAC 比率。