cold-email-subject-line-tester

主题行测试器

基于已选定的个性化切入点生成主题行变体，按照数值评分标准为它们打分，并设计一个在统计上严谨的拆分测试来选出胜者。

以下两点贯穿全文：

• 主题行领域不存在像 MEDDIC 那样跨来源、具名的框架；只有单一供应商的品牌化方法，以及一个未品牌化的共识（B2B 冷邮件主题行应简短；避免使用数字和问号）。
• 几乎所有已发布的主题行统计数据都来自销售邮件工具的公司，且都未经独立审计：相信趋势方向，但绝不要相信其数值大小。

如果来源之间存在明显矛盾（尤其是小写与标题式大小写之争），应将其视为测试候选项，而非规则。

交付内容仅限主题行（以及 B2C 场景下的预标题）。

绝不：

• 撰写正文文案。
• 审查送达能力、邮件头、域名或身份验证。
• 研究潜在客户信号。
• 规划逐次触达的节奏。

将主题行中触发垃圾邮件过滤的词汇标记为评分检查项，然后将完整的收件箱投递位置审查交给 mbfinotti/sales-skills@cold-email-deliverability。

访谈

每条消息只问一个问题。提供多项选择。跳过上下文中已经回答的问题。如果你的运行环境具备持久记忆，且此前的运行已存储该用户的答案，请先确认，而不是重新提问。

1. 类型：B2B 冷邮件外联，还是 B2C 生命周期营销／促销？首先询问这一点——两者遵循的规则不同。
2. 收件人的人物类型、职位和资历是什么？高管通常会在几秒内做出判断，因此适用的模式集会大幅缩小。
3. 已选定哪个个性化切入点——痛点、竞争对手、公司计划、高管优先事项、共同背景、触发事件？如果尚未选择，请停止并先转交给 mbfinotti/sales-skills@sales-outreach-personalization。对这些切入点排序是第 4 步的工作，不属于本问题。
4. 邮件正文实际承诺或交付什么？主题行绝不能夸大其内容。
5. 你的发送平台（序列发送工具或 ESP）能否进行拆分测试？发送量有多大（名单规模或每日发送量）？
6. 在你的配置中，哪些决策指标值得信赖：回复或会议、点击或转化，还是只能看打开量？
7. 结果必须在什么日期前得出？如果截止日期在本周内，应优先选择几乎不需要研究的切入点，并完全取消暂缓的问题测试；如果截止日期足够远，能让每个变体收集到 200+ 次发送，则测试仍可纳入范围。
8. 是只要这次营销活动取得一次性成效，还是要打造可持续积累价值的资产？若要持续积累，应优先考虑可复用的切入点（内部风格名词、人物类型痛点、高管锚点）和大小写测试；若追求一次性成效，则优先选择当前名单已能支持的切入点。
9. 工作量上限：每位潜在客户最多能投入多少分钟的研究时间？每天可发送多少封邮件？如果几乎没有研究时间，就直接排除触发事件、竞争对手和公司计划这几个切入点；如果发送配额不足以达到每个变体的最低发送量，就从测试队列中删除。
10. 仅适用于 B2C：你能否控制预标题文本？品牌是否接受使用 emoji？

根据第 7–9 题的答案重新排列切入点目录，并在起草前告知用户哪个答案改变了哪个切入点。

工作流

1. 进行访谈。在起草前，确认业务类型、目标人群、切入角度、正文承诺、测试能力、指标、截止日期、收益时间范围和投入上限。
2. 阅读 references/pattern-library.md 中与业务类型匹配的章节。绝不能把 B2B 冷启动规则套用于 B2C 生命周期营销，反之亦然。
3. 起草前写出可证伪的假设：“由于 [观察结果]，我们相信 [改动] 会为 [受众] 带来 [效果]。当 [指标] 达到 [条件] 时，我们就能确认。”拒绝“测试一下新的主题行”这类含糊表述。
4. 起草 3-5 个候选版本，按目录中的效率顺序依次尝试——对于 B2B 冷启动，依次为 内部风格名词 > 具体痛点问题 > 高管视角锚点 > 竞争对手 == 公司计划 > 触发事件，排名依据是每分钟调研时间换来的回复数量。访谈排除的角度应直接删除，而不是排在最后，并说明删除了哪个角度及原因。每个版本都必须表达不同的角度，不能只是替换近义词。对于 B2C，每个版本都要配一个预览文本——主题行加预览文本才是测试单元。
5. 使用 references/scoring-rubric.md 为每个版本评分：先做硬性淘汰检查，再使用 10 分制评分表。
6. 对任何低于及格线的版本重新生成，然后再次评分。重复此过程，直到所有版本都通过质量门槛。
7. 将通过筛选的版本交由你偏好的自然化改写技能处理，然后重新评分。绝不发送模型原始初稿——模板化的 AI 措辞正是让人们直接删除邮件、看都不看的那股味道。
8. 如果可以浏览网页，请核实版本所依据的任何易变事实（触发事件、竞争对手相关说法、计划名称）。否则，在发送前请用户确认。
9. 使用 references/test-design.md 设计测试：一个变量、预先确定的样本量、最短测试时长、决策指标和护栏指标。
10. 交付输出包（格式见下文）。如果你的运行环境支持持久记忆，请记录目标人群、所选角度、假设和已发送版本，以便后续运行跳过访谈并基于结果继续。
11. 收到结果后，针对假设记录胜出、落败或结果不确定，然后从 references/pattern-library.md 中按排序队列选择下一个单变量测试——或者明确说明当前发送量不足以支持进一步测试。

调用示例和预期输出

此技能通常处理以下请求：

• “帮我测试这封发给运营副总裁的冷邮件主题行。”
• “为我们的购物车放弃营销活动写 5 个主题行版本。”
• “对下周产品发布邮件的主题行进行 A/B 测试。”
• “为什么我的打开率这么低？”仅诊断主题行；将域名、身份验证和收件箱投递问题转交给 mbfinotti/sales-skills@cold-email-deliverability。

预期输出包，按顺序包括：

1. 按上述可证伪形式撰写的假设陈述。
2. 版本评分表：版本、角度、词数/字符数、评分标准得分、备注（B2C 另加预览文本列）。
3. 测试计划：分组、每个版本的样本量、测试时长、决策指标、护栏指标。
4. 标记的风险：未核实的事实、发现的垃圾邮件触发词、访谈排除的角度及原因，以及按队列顺序排列的待定问题和解决问题所需的发送成本。

references/scoring-rubric.md 和 references/test-design.md 中提供了填写好的表格和测试计划示例。

质量门槛

• 按照 references/scoring-rubric.md 中的 10 分制评分表，为每个变体评分。
• 通过门槛：每个发布的变体都必须至少得 8/10 分，且没有任何硬性不合格项。
• 硬性不合格项（任何一项都会直接淘汰该变体）：
  • 使用虚假的“Re:”“Fwd:”或其他具有欺骗性的措辞。
  • 主题行承诺的内容未在正文中兑现。
  • 使用容易触发垃圾邮件过滤的词汇。
  • 超出对应场景的截断预算。
  • 同一组中存在重复的切入角度。
  • 在 B2B 冷邮件主题行中使用潜在客户的名字。
• 迭代：重新生成并重新评估未通过的变体，直到整组待发布内容都达到 8 分以上。切勿为了“凑齐”测试数量而发布未达标的变体。

KPI 和衡量

• B2B 冷邮件的决策指标：回复率、正向回复率或预约会议数，绝不能只看打开率。自 2021 年起，邮件隐私代理会预先抓取跟踪像素，产生虚假的打开记录；打开率仅供参考。
• B2B 基准数据（由供应商发布，未经独立审计）：
  • 平均打开率约为 27.7%，表现良好为 40%–45%。
  • 平均回复率为 4%–5.8%，表现良好为 5%–10%。
  • 数据逐年下降。
• B2C 生命周期营销：打开率可用，但必须与下游护栏指标搭配，例如点击率、转化率、低于 0.5% 的退订率，以及低于 0.1% 的投诉率。
• 这项技能的成功标准 = 测试达到预先承诺的样本量，并得出结论（胜出、落败或如实判定结果不明确），且任何护栏指标都未恶化。

失败模式

• 变体组只是对同一个想法替换同义词。修正方法：强制每个变体采用模式库中的不同切入角度。
• 将大小写格式当成硬性规则。来源之间存在直接矛盾（标题式大小写与小写格式，且两者都是供应商的说法）；保持格式一致，并将其列入按优先级排序的测试队列。
• 将效率排序视为铁律，或把已排除的切入角度放在变体组末尾。排序只是默认方案，会随名单规模、收件人资历和执行者而变化；访谈中已排除的角度应从变体组中删除并明确说明，绝不能仅仅调低优先级。
• 在 B2B 冷邮件主题行中使用潜在客户的名字。这会让人觉得是邮件合并，并且与更低的回复率相关；应改用与上下文相关的标记。
• 在 B2B 冷邮件中根据打开率判断胜出者。隐私代理产生的虚假打开记录会制造错误的胜出者；应根据回复或会议来决定。
• 过早查看结果并停止。预先承诺样本量和测试时长；过早出现的“胜出者”通常只是噪声。
• 使用泛泛的疑问式主题行。供应商数据对疑问式主题行的整体效果存在分歧；具体的痛点问题可能有效，泛泛的问题则无效。默认使用陈述句。
• 主题行的承诺超出正文所能兑现的范围。打开率可能上升，但回复率和信任度会崩塌；因此，正文与主题行的承诺一致性是评分标准之一。
• 将 B2B 规则套用于 B2C，或反之。数字在 B2B 冷邮件主题行中可能会被视为负面因素，但在 B2C 生命周期营销中表现可能不错。
• 直接发布未经处理的模型输出。务必先进行人工润色，再重新评分。