如果第 13 章在 v3 中缺席，這一章根本就不可能存在。2026 年初，電子郵件行銷人員可以使用的 AI 能力，與 18 個月前相比有了根本性的不同。不是那種漸進式改進意義上的不同，而是「這改變了工作流程」意義上的不同。
我會直接說明 AI 真正有用的地方、被過度炒作的地方，以及接下來會發生什麼。行銷領域的 AI 討論充斥著極端觀點：要麼 AI 下週二就會取代每一位行銷人員，要麼它只是個花俏的自動補全工具，沒有任何實質價值。真相，一如既往，在兩者之間，而具體細節比籠統概括更重要。
AI 目前的優勢所在
主旨行生成是最直接的收益。AI 可以在數秒內生成 50 個主旨行變體。你的工作是挑出兩三個最佳方案進行 A/B 測試。過去需要 20 分鐘腦力激盪的事，現在只需 30 秒生成、兩分鐘篩選。結果是更多測試，意味著更多資料，意味著隨著時間推移主旨行品質不斷提升。
我發現，AI 生成的主旨行約有 60% 的時間表現與人工撰寫的相當，約 20% 的時間甚至超越人工。剩餘 20% 人工勝出的情況，往往是需要文化背景、時事意識，或品牌特有幽默感的場景，而 AI 在這些方面表現欠佳。但以 10% 的時間投入換取 80% 的可比性，這是極為優異的權衡。
發送時間優化已經相當出色。機器學習模型現在可以根據歷史互動模式預測每位訂閱者的最佳發送時間。大多數主流 ESP 都內建了這一功能。Seventh Sense 更進一步，提供專門分析每個聯絡人參與時間視窗的專屬產品。與批次定時發送相比，開信率通常提升 10% 到 25%。這是 AI 能做到而人類在規模上確實無法實現的功能之一：為 5 萬訂閱者名單中的每位訂閱者優化發送時間。
細分是 AI 識別人類忽略的規律所在。互動群組、流失預測、購買傾向評分。Klaviyo 的預測分析可以估算每位訂閱者的客戶終身價值、流失風險和預計下次下單日期。HubSpot 可以根據數百個行為訊號對潛在客戶進行評分。這些資料帶來更智慧的細分，更智慧的細分帶來更精準的定向，更精準的定向帶來更好的結果。這是一個良性循環，隨著資料增長而變得更加強大。
大規模內容個人化意味著由 AI 推薦驅動的動態內容模組。基於瀏覽和購買行為的產品推薦。根據預測興趣變化的內容模組。按細分群體變化的主旨行。目標是讓每封郵件感覺都是專門定製的，而無需真正撰寫數千個版本。Netflix 的推薦郵件就是一個很好的例子：每位使用者收到的郵件都不同，包含不同的節目推薦，完全由 AI 分析觀看模式驅動。
首稿生成解決了空白頁面的問題。盯著空白的郵件編輯器是電子郵件行銷中無聲的生產力殺手。AI 可以在數秒內生成一份可用的初稿。它不會完美，也不應該直接發布，但它給了你一個可以反應、編輯和改進的基礎，這比從零開始快得多。
分析與模式識別正在悄然成為 AI 最有價值的應用之一。AI 可以識別活動表現中的異常（這封郵件的點擊率比該細分群體的平均水準低 40%），檢測活動間的趨勢（過去 6 個月裡，包含數字的主旨行對你的表現提升了 15%），並在問題出現之前標記潛在風險（本月你與 Yahoo 收件人的互動下降了 20%）。
AI 的不足之處
品牌聲音一致性是最大的差距，而且我認為短期內不會彌合。通用 AI 文案是可以被辨識出來的。你的訂閱者可能不會有意識地識別它為 AI 生成，但他們會感受到差異。AI 生成的行銷文案有一種千篇一律的感覺。措辭過於圓滑，過渡過於流暢，個性過於均勻。品牌的溫度、個性、特有的表達方式——這些對 AI 來說極難複製，即使經過大量微調，輸出仍需要大量人工編輯。
我透過向分組受眾發送兩個版本的歡迎郵件來測試這一點。AI 起草的版本在開信率和點擊率上表現相同。但來自客戶調查的定性回饋顯示，收件人認為人工撰寫的版本「更溫暖」、「更真實」。單封郵件的差異是微小的。但經過 12 封歡迎系列郵件，通用聲音累積的影響會侵蝕品牌認知。
策略思維仍然牢固地屬於人類的領域。AI 可以優化主旨行，但它無法決定本週應該發送促銷郵件還是增值內容。它可以個人化內容，但它無法在公司當前成長階段，判斷對受眾而言教育內容與銷售內容之間的適當平衡。策略需要以 AI 目前尚不具備的方式理解背景、目標、品牌定位、競爭動態和客戶關係。
情感細膩度比行銷人員有時承認的更重要。針對 90 天未開信訂閱者的重新互動郵件，需要與客戶訂閱失效後的挽回郵件不同的情感基調。客服回覆中的同理心、處理投訴時的敏感度、產品召回時的恰當語氣——這些都需要 AI 只能近似但無法真正擁有的人類判斷力。
創意突破不來自 AI。AI 在現有模式中優化。它擅長提取有效的東西並生成變體。但 Duolingo 那隻心碎的貓頭鷹、Casper 的「回來床上吧」、Patagonia 的「別買這件夾克」——這些創意飛躍來自深刻理解品牌、敢於冒險的人，而沒有任何優化演算法會推薦這樣的冒險。AI 絕不會建議告訴客戶不要購買你的產品。而一個深刻理解 Patagonia 品牌的人類會。
人機協作工作流程
最好的結果來自協作，而非完全自動化。以下是我推薦的工作流程，基於我在數十個電子郵件專案中觀察到的有效做法：
從向 AI 提供背景資訊開始。品牌聲音指南、受眾資訊、活動目標、產品詳情、過去表現優秀的郵件範例。AI 生成郵件文案的品質，與輸入內容的品質和具體程度直接相關。一個寫著「寫一封推廣我們促銷活動的郵件」的提示詞會產生通用輸出。一個包含品牌聲音文件、三個表現出色的郵件範例、具體促銷產品、折扣結構和受眾細分的提示詞，會產生接近可用的內容。
用 AI 生成初稿。讓它處理結構、初始文案、主旨行選項。在這個階段不要對輸出過於苛刻。你不是在尋找一封完成的郵件，而是在尋找可以處理的原材料。
大量編輯。這是你的品牌聲音所在之處。修改措辭以符合品牌真正的表達方式。添加使你的郵件與眾不同的具體細節、趣事或個性。刪除任何聽起來通用或公式化的內容。一位優秀的編輯可以在 15 分鐘內將一份平庸的 AI 草稿變成一封出色的郵件。沒有 AI 草稿，同一封郵件從頭撰寫可能需要 45 分鐘。
與人工撰寫版本對比測試。執行 A/B 測試，比較 AI 輔助文案與純人工撰寫文案。你通常會發現，AI 輔助版本在開信率和點擊率等指標上表現相當甚至更好，而人工撰寫版本在品牌認知和定性回饋上得分更高。找到適合你受眾的平衡點。
持續迭代。將結果回饋到你的 AI 工作流程中。獲勝的郵件成為未來提示詞的範例。失敗的郵件成為護欄。隨著你完善提示詞並更好地了解 AI 擅長什麼、在哪裡需要更多引導，你的 AI 輔助輸出應該在每個週期都有所改善。
各平台 AI 功能
每家主流 ESP 現在都提供 AI 功能，但深度差異巨大。一些平台將 AI 灑在現有功能上作為行銷宣傳點，另一些則圍繞 AI 重建了核心工作流程。下表呈現了 2026 年初的全景。
| 平台 | AI 能力 | 深度 |
|---|---|---|
| Klaviyo | K:AI 行銷代理（流程、細分、文案）、預測分析（CLV、流失、下次訂單日期）、AI 主旨行、AI SMS、AI 評論回覆、活動分析 | 深度——AI 融入核心工作流程 |
| ActiveCampaign | 34+ 項 Active Intelligence 能力、AI 細分（自然語言）、AI 品牌套件、AI 內容生成、AI 自動化建構器、Claude MCP 連接器 | 深度——廣泛 AI 整合 |
| Omnisend | 40+ 項 AI 功能、AI 表單建立、AI 產品推薦、AI 主旨行、AI 活動建立、自動化流程優化 | 深度——全堆疊 AI |
| beehiiv | AI 內容生成、AI 圖像生成、AI 翻譯、AI 網站建構器（2025 年 11 月）、AI 社群助手、AI 電子報助手 | 中等——面向創作者的 AI 工具 |
| Bento | Tanuki AI（Ask 模式 + YOLO 模式）、MCP 整合（Claude Code、Cursor）、API 驅動的 AI 工作流程 | 中等——開發者優先的 AI 方案 |
| HubSpot | AI 內容寫作助手、AI 聊天機器人、預測潛在客戶評分、AI 驅動的 CRM 洞察 | 中等——CRM 整合的 AI |
| Mailchimp | Intuit Assist（GenAI 行銷助手）、AI 主旨行、AI 內容優化器、發送時間/日期優化、QuickBooks 行銷代理（2026 年） | 中等——隨 Intuit 投資持續改進 |
| Brevo | Aura AI 代理、主旨行/CTA 生成、語調調整、多語言翻譯、AI 內容起草（免費方案） | 中等——性價比高的 AI |
| Braze | Sage AI、文案生成、頻道優化、發送時間智慧 | 中等——企業級 AI 功能 |
| Seventh Sense | AI 發送時間優化、每聯絡人送達預測、互動預測 | 專項——僅限時間優化 |
| Phrasee | 企業級 AI 文案寫作、品牌專屬模型訓練、多頻道優化 | 專項——僅限文案優化 |
| Kit (ConvertKit) | AI 主旨行生成器 | 極少——明顯落後於競爭對手 |
從這一全景中，有幾點值得注意。
Klaviyo 走得最遠、速度最快。他們的 K:AI 行銷代理在下方 AI 代理部分有詳細介紹。同步推出的還有 K:AI 客戶代理——一個全天候 AI 支援代理，跨聊天、SMS 和電子郵件解答運輸、尺碼和退貨問題，並在需要人工審批時附帶完整上下文進行升級。預測分析（CLV、流失風險、預計下次訂單日期）仍然是電子郵件行銷中商業價值最高的 AI 功能。一封向高 CLV、顯示早期流失訊號的客戶發出的精準留存郵件，其價值超過一千封 AI 優化主旨行。
ActiveCampaign 在 Active Intelligence 旗下採用了廣度優先的方式，推出了 34+ 項能力。AI 細分值得關注：用普通英語描述你想要的細分，平台就會自動建構它。他們的 Claude MCP 連接器（見下文）使他們成為首批官方整合到 AI 編碼工具的 ESP 之一。
Bento 的 Tanuki AI 採用了開發者優先的方式。Ask 模式讓你以對話方式查詢郵件資料；YOLO 模式讓 AI 根據你的指令自主行動。它將電子郵件視為 API 問題，而非儀表板問題。更多內容見代理部分。
Omnisend 的 AI 表單建立值得關注——他們的「建議 + 建立表單」功能讓使用者用普通語言描述需求，生成完整的表單版面，根據早期資料，AI 優化的表單提交率提升了 14% 到 65%。他們的 AI 細分建構器與 ActiveCampaign 的自然語言模式相同。
Mailchimp 在 Intuit 收購後正在追趕。Intuit Assist 是內建在編輯器中的 GenAI 行銷助手，QuickBooks 行銷代理將於 2026 年推出，負責處理細分、內容起草和活動發送。Intuit 的收購給了 Mailchimp 之前缺乏的 AI 預算。
Kit（前身 ConvertKit）明顯落後——根據多項獨立評測，截至 2026 年初，沒有內建的 AI 寫作工具。對於一個服務創作者的平台而言，這一差距令人意外。在考慮 Kit 的簡潔性和慷慨的免費方案時，需要權衡其缺乏競爭對手視為基礎配置的 AI 工具這一劣勢。
Phrasee 在企業級別運營，與 eBay、Domino's 和 Virgin Atlantic 等品牌合作。他們專門基於你品牌歷史郵件資料和受眾參與模式訓練模型，生成針對特定受眾校準的文案。
AI 代理：下一個前沿
AI 輔助功能和 AI 代理之間有一個值得區分的概念，因為整個產業正處於跨越這條線的過程中。
AI 輔助功能是幫助你更快完成工作的工具。生成主旨行、對潛在客戶評分、建議發送時間。你發起操作，AI 加速它。上表中的每項功能都屬於這一類別。
AI 代理不同。它們觀察、決策和行動。你設定目標和護欄，代理決定做什麼並執行，在不確定或風險足夠高需要人工審批時進行回報。
截至 2026 年初，三個平台正在向代理領域邁進：
Klaviyo 的 K:AI 行銷代理是最具代表性的例子。K:AI 可以根據自然語言指令建構完整的郵件流程（「為 60 天內未購買的客戶建立一個 3 封郵件的挽回序列」），生成細分定義，撰寫活動文案，並提供對當前有效和無效內容的分析。它在 Klaviyo 的生態系統內運作，這意味著它對你的客戶資料、購買歷史和參與模式擁有完整上下文。代理不只是憑空生成內容——它基於你的具體資料提出建議。對於深度使用 Klaviyo 的電商團隊，這是最接近全天候擁有一位初級郵件行銷人員的體驗。
ActiveCampaign 的 Active Intelligence 涵蓋 34+ 項 AI 能力，但方向明顯朝向代理行為。AI 自動化建構器根據你的目標建議工作流程邏輯。AI 細分讓你用自然語言描述受眾，系統建構細分規則。AI 品牌套件學習你的品牌特徵並一致地應用它。單獨來看，這些是功能；整體而言，它們正在向管理你郵件專案執行層的代理發展，而你負責策略。
Bento 的 Tanuki AI 以其雙模式系統採用了最明確的代理方式。Ask 模式是對話式智慧——查詢你的資料，獲取洞察，了解表現。YOLO 模式才是有趣的地方：你給 Tanuki 下達指令（「向 30 天內未開信的人發送一封重新互動郵件，語調輕鬆，包含一個 10% 的折扣碼」），它會自主執行。這個命名是刻意的——YOLO 模式適合那些在適當護欄下接受 AI 採取行動的團隊。
實際含義是，「郵件行銷人員」的角色正在轉變。建構活動、建立細分和安排發送的機械性工作正在被 AI 代理吸收。留下的——也變得更有價值的——是策略思維：理解受眾、設定正確目標、定義品牌聲音護欄，以及做出 AI 無法做出的判斷。2028 年的郵件行銷人員將減少在活動建構器中的時間，更多地審查 AI 生成的活動建議。最優秀的人將是最好的編輯和策略師，而不是最熟練的按鈕操作者。
MCP（模型上下文協定）與電子郵件
這是全新領域，我認為這是自行銷自動化本身以來郵件行銷工具領域最重要的發展。
Anthropic 的模型上下文協定（MCP）使 AI 模型能夠透過標準化介面直接與外部工具和資料來源互動。對於電子郵件行銷，這意味著 AI 可以讀取你的活動資料、分析表現，並在你的郵件平台內採取行動——全部透過自然語言對話完成。不再是點擊儀表板，而是直接提問。不再是透過 UI 建構細分，而是描述你想要的。
截至 2026 年初，四個郵件平台擁有 MCP 整合：
ActiveCampaign 是首個在 Claude 連接器目錄中擁有官方 MCP 連接器的 ESP。任何 Claude 使用者都可以連接他們的 ActiveCampaign 帳號，以對話方式與郵件行銷資料互動——查詢活動、管理聯絡人、分析表現，全部在 Claude 內完成。不再需要登入儀表板、執行報告、匯出資料，你只需向 Claude 提問，就能從即時資料中獲取答案。
Bento 提供與 Claude Code 和 Cursor 配合使用的 MCP 伺服器整合，對開發者密集型團隊建構程式化郵件工作流程特別有用。透過標準化 API 介面查詢活動表現、管理聯絡人和觸發發送。對於已經在 AI 編碼工具中工作的團隊，這消除了在對話和儀表板之間的上下文切換。
Mailjet 擁有一個開源的郵件行銷 MCP 伺服器，為 AI 模型提供唯讀存取權限。用普通英語詢問郵件表現，從實際資料中獲取答案。「過去 12 週我的開信率趨勢如何？」會直接給你資料答案，而不是一份需要解讀的報告。
Nitrosend（封閉測試版）從一開始就以 AI 原生 ESP 為設計目標，MCP 作為一級整合。關於 Nitrosend 在下方有更多介紹，但 MCP 伺服器讓你可以在 Claude 內完成建立活動、設計範本、管理聯絡人、發送測試郵件和觸發發送等所有操作。這是郵件領域最完整的 MCP 實現，因為平台是圍繞協定建構的，而非事後整合。
本章原始版本的 MCP 論斷正在以比預期更快的速度兌現。當我第一次寫到 Bento 和 Mailjet 的 MCP 整合時，它們還是孤立的實驗。現在，包括主流企業 ESP（ActiveCampaign）在內的四個平台都提供官方 MCP 連接。管理郵件活動的介面正在真正地從儀表板向對話轉變。
這些影響意義深遠。一位無法證明雇用郵件行銷專家合理性的獨立創辦人，現在可以向 AI 代理描述他們的目標，獲得一個專業結構的郵件專案。有經驗的行銷人員可以透過用自然語言描述複雜流程（而非在建構器介面中點擊）來提高效率。代理商可以透過讓 AI 代理處理常規建構工作，同時人類專注於策略和創意方向，服務更多客戶。
AI 原生 ESP 願景
傳統 ESP 的工作流程是這樣的：人類建立活動，選擇細分，撰寫文案，設計範本，安排發送，分析結果。每個步驟都需要人類的發起和執行。
AI 原生 ESP 的工作流程顛倒了這一順序。AI 分析客戶資料並識別機會（「你有 2,400 位客戶在 45 天前完成了首次購買但未再回購。這是一個建議的挽回序列。」），起草內容，優化時機和定向。人類審查、調整和審批。
轉變是從「建構活動」到「審批建議」。
這一轉變的早期跡象已經可見。Klaviyo 的 K:AI 行銷代理從自然語言建構流程。ActiveCampaign 的 AI 細分讓你用普通英語描述受眾。多個平台的 MCP 整合讓 AI 模型直接查詢並操作郵件資料。
Nitrosend：AI 原生 ESP 的樣貌
Nitrosend（封閉測試版）從零開始為 AI 時代建構，而非將 AI 改造到現有平台上。完整揭露：本專案與 Nitrosend 共享同一位創辦人。但該產品展示了一種值得了解的真實架構差異。
傳統 ESP 圍繞儀表板和手動工作流程設計。Nitrosend 的設計前提是主要介面將是對話式的——透過 Claude 的 MCP、透過內建 AI 聊天，或透過 REST API。
這在實踐中意味著：你告訴 Claude「建立一個名為春季促銷的活動，定向我的 VIP 細分群體，週四上午 10 點發送」，Claude 就會建立活動、設定受眾、設定範本並安排發送。你審查並審批。AI 聊天讓你以對話方式迭代郵件設計。UI 中可用的每個操作都可以透過 API 使用，因此 AI 工具擁有對每項平台能力的完整存取權限。
Nitrosend 尚處早期——封閉測試版，僅限早期存取使用者。但問題不在於 ESP 是否會變成 AI 原生的，而在於哪些現有平台會適應得足夠快，哪些會被專門建構的替代品所取代。
所有這一切中的關鍵區別仍然是：AI 處理優化（發送什麼內容、何時發送、定向誰），而人類處理策略（為什麼發送、品牌聲音護欄、倫理邊界、整體專案方向）。這種分工發揮了雙方各自的優勢。AI 更擅長處理資料和發現規律，人類更擅長判斷、創意和理解背景。
今天的實際 AI 整合
以下是我真正推薦立即實施的內容，按影響力和採用難度排序：
用 AI 生成主旨行。 生成 20 到 50 個選項，選出最佳的兩三個，進行 A/B 測試。只需五分鐘，開信率持續提升 5% 到 15%。這是當今電子郵件行銷中付出最少、影響最大的 AI 應用。
用 AI 生成郵件序列的初稿。 尤其適用於歡迎系列、購物車放棄和購後流程等標準流程。大量編輯以符合品牌聲音，但讓 AI 承擔結構上的重擔。一個包含品牌聲音範例的好提示詞能讓你完成 70% 的工作。
使用預測分析進行流失風險和客戶終身價值分析。 如果你的 ESP 提供（Klaviyo、HubSpot），就開啟它。按預測流失風險細分，在高風險客戶離開之前向他們發送有針對性的留存活動。這是以最小努力換取純粹正向收益。
使用 AI 驅動的發送時間優化。 大多數主流 ESP 都包含這一功能。啟用它。每位訂閱者的時間調整是人類無法手動複製的，而改進是可測量且一致的。
使用 AI 進行客戶細分。 讓 AI 識別你不會主動尋找的互動群組和行為模式。然後針對這些 AI 識別的細分群體建構活動。
以下是不應該做的事情：
不要用 AI 替代對客戶的理解。 AI 分析資料。理解來自閱讀支援工單、與客戶交談、觀察使用者工作階段以及對名單中的人建立同理心。資料告訴你人們做什麼，理解告訴你為什麼。
不要在未經人工審查和編輯的情況下發送 AI 生成的文案。 每封 AI 生成的郵件在發送前都應該由人工閱讀、編輯和審批。無一例外。即使是自動化流程也不例外。設定好，審查它，然後讓它執行。
不要依賴 AI 做關於郵件專案方向的策略決策。 應該發送更多還是更少的郵件？應該從促銷內容轉向教育內容？應該推出一份電子報？這些是策略問題，需要對你的品牌、市場和目標進行人類判斷。
未來展望（2026-2028）
我將作出預測，這意味著其中一些會是錯的。但方向是清晰的，即使時間線不確定。
AI 代理管理完整的郵件專案，而不只是單個活動。 Klaviyo 的 K:AI、Bento 的 Tanuki 和 ActiveCampaign 的 AI 自動化建構器是第一波。到 2028 年，我預計每家主流 ESP 都將提供代理能力，AI 主動識別機會、起草活動，並以人類審批作為門控機制管理日常運營。流程建構器介面不會消失，但它會成為「進階使用者」工具。大多數郵件行銷人員將審查並審批 AI 生成的活動，而不是從頭建構。
大型語言模型驅動的即時內容個人化。 每位收件人獲得真正獨特的文案，而不只是插入同一範本的不同產品推薦。整封郵件——從主旨行到內文到 CTA——都是根據該特定使用者的行為、偏好和客戶旅程階段生成的。這在今天運算成本很高，但隨著推理成本持續下降，將變得切實可行。
預測性郵件送達率監控。 AI 在郵件送達率問題影響收件匣位置之前就發出警告。「過去一週，你與 Gmail 收件人的互動率下降了 12%。以下是可能的原因和建議操作。」這將郵件送達率管理從被動（在問題發生後修復）轉變為主動（在問題發生前預防）。
跨頻道 AI 編排。 電子郵件、SMS、推播通知和應用內訊息由 AI 協調，為每次客戶互動確定最優頻道、時機和內容。行銷人員設定目標和護欄，AI 處理跨頻道的執行。
AI 驅動的合規檢查。 自動驗證每封郵件在發送前符合 GDPR、CAN-SPAM、CASL 及其他法規要求。檢查同意記錄、驗證退訂機制、掃描內容合規問題。這消除了電子郵件行銷中最令人焦慮的方面之一，尤其是對於跨多個司法管轄區運營的公司。