email-marketing

邮件营销专家

全面掌握邮件营销策略与执行。

核心能力

策略

• 邮件列表构建与细分
• 邮件日历规划
• 生命周期营销
• 个性化策略
• A/B 测试框架

自动化

• 欢迎邮件序列
• 培育营销活动
• 基于触发条件的邮件
• 重新互动流程
• 挽回邮件序列

可送达性

• 发件人信誉管理
• 身份验证（SPF、DKIM、DMARC）
• 邮件列表卫生
• 避免垃圾邮件陷阱
• ISP 关系管理

邮件类型

营销邮件

• 新闻简报
• 促销活动
• 产品公告
• 活动邀请
• 内容分发

自动化序列

• 欢迎系列
• 入门引导序列
• 潜在客户培育
• 弃购挽回
• 重新互动
• 挽回

事务性邮件

• 订单确认
• 发货更新
• 密码重置
• 账户通知

邮件身份验证设置

# SPF Record
v=spf1 include:_spf.google.com include:sendgrid.net ~all

# DKIM Record
selector._domainkey.example.com IN TXT "v=DKIM1; k=rsa; p=MIGfMA0GCSqGSIb3..."

# DMARC Record
_dmarc.example.com IN TXT "v=DMARC1; p=quarantine; rua=mailto:[email protected]"

关键指标

指标	基准	说明
打开率	20-25%	唯一打开次数 / 已送达邮件数
点击率	2-5%	唯一点击次数 / 已送达邮件数
点击打开率	10-15%	点击次数 / 打开次数
退订率	<0.5%	退订数 / 已送达邮件数
退信率	<2%	退信数 / 已发送邮件数
垃圾邮件投诉率	<0.1%	投诉数 / 已送达邮件数
转化率	不定	转化次数 / 点击次数

细分策略

Behavioral Segmentation:
  - Purchase history
  - Email engagement
  - Website activity
  - Product preferences
  - Cart abandonment

Demographic Segmentation:
  - Location/timezone
  - Job title/industry
  - Company size
  - Age/gender

Lifecycle Stages:
  - New subscribers
  - Active customers
  - At-risk (declining engagement)
  - Churned (re-activation target)
  - VIP/high-value

自动化工作流

欢迎序列

Day 0 - Welcome Email:
  trigger: subscription_confirmed
  content: Brand introduction, expectations
  cta: Complete profile

Day 2 - Value Email:
  trigger: previous_opened OR time_delay
  content: Top content, quick wins
  cta: Explore resources

Day 5 - Social Proof:
  trigger: time_delay
  content: Customer stories, testimonials
  cta: See case studies

Day 7 - Soft CTA:
  trigger: time_delay
  content: Product introduction
  cta: Start free trial

弃购流程

Hour 1 - Reminder:
  trigger: cart_abandoned
  content: Items in cart reminder
  cta: Complete purchase

Hour 24 - Urgency:
  trigger: no_purchase
  content: Items may sell out
  cta: Secure your items

Hour 72 - Incentive:
  trigger: no_purchase
  content: Special discount offer
  cta: Get 10% off

A/B 测试框架

测试元素

Subject Lines:
  - Length (short vs long)
  - Personalization
  - Emojis
  - Questions vs statements
  - Urgency words

Content:
  - Layout (single vs multi-column)
  - Image count and placement
  - CTA button color/text
  - Copy length
  - Personalization depth

Timing:
  - Send day
  - Send time
  - Timezone optimization

统计显著性

import scipy.stats as stats

def calculate_significance(control_opens, control_sent,
                          variant_opens, variant_sent,
                          confidence=0.95):
    """Calculate if A/B test result is significant."""

    control_rate = control_opens / control_sent
    variant_rate = variant_opens / variant_sent

    # Pooled proportion
    pooled = (control_opens + variant_opens) / (control_sent + variant_sent)

    # Standard error
    se = (pooled * (1 - pooled) * (1/control_sent + 1/variant_sent)) ** 0.5

    # Z-score
    z = (variant_rate - control_rate) / se

    # P-value
    p_value = 2 * (1 - stats.norm.cdf(abs(z)))

    return {
        'control_rate': control_rate,
        'variant_rate': variant_rate,
        'lift': (variant_rate - control_rate) / control_rate * 100,
        'p_value': p_value,
        'significant': p_value < (1 - confidence)
    }

最佳实践

主题行

• 少于 50 个字符
• 激发好奇心或营造紧迫感
• 适当时进行个性化设置
• 持续进行 A/B 测试
• 避免使用触发垃圾邮件过滤的词语

邮件文案

• 明确的价值主张
• 单一主要 CTA
• 针对移动设备优化的布局
• 使用标题打造便于浏览的格式
• 个性化标记
• 为图片添加替代文本

可送达性

• 定期清理列表（移除退信地址和未互动联系人）
• 验证域名身份（SPF、DKIM、DMARC）
• 保持发送量稳定
• 监控发件人信誉
• 使用双重确认订阅
• 立即处理退订请求

发送时间优化

def optimize_send_time(subscriber_data):
    """Analyze historical engagement to find optimal send times."""

    engagement_by_hour = {}

    for subscriber in subscriber_data:
        local_time = convert_to_local(subscriber['open_time'],
                                      subscriber['timezone'])
        hour = local_time.hour

        if hour not in engagement_by_hour:
            engagement_by_hour[hour] = {'opens': 0, 'total': 0}

        engagement_by_hour[hour]['opens'] += 1
        engagement_by_hour[hour]['total'] += 1

    # Calculate open rates by hour
    for hour, data in engagement_by_hour.items():
        data['rate'] = data['opens'] / data['total']

    # Find best hours
    sorted_hours = sorted(engagement_by_hour.items(),
                         key=lambda x: x[1]['rate'],
                         reverse=True)

    return sorted_hours[:3]  # Top 3 hours

邮件列表卫生

互动度评分

-- Calculate subscriber engagement score
SELECT
    subscriber_id,
    email,
    COUNT(CASE WHEN event_type = 'open' THEN 1 END) as opens_30d,
    COUNT(CASE WHEN event_type = 'click' THEN 1 END) as clicks_30d,
    MAX(event_date) as last_activity,
    CASE
        WHEN COUNT(CASE WHEN event_type = 'open' THEN 1 END) >= 5 THEN 'highly_engaged'
        WHEN COUNT(CASE WHEN event_type = 'open' THEN 1 END) >= 2 THEN 'engaged'
        WHEN COUNT(CASE WHEN event_type = 'open' THEN 1 END) >= 1 THEN 'somewhat_engaged'
        ELSE 'unengaged'
    END as engagement_tier
FROM email_events
WHERE event_date >= CURRENT_DATE - INTERVAL '30 days'
GROUP BY subscriber_id, email;

退出策略

Re-engagement Campaign:
  trigger: no_opens_60_days
  sequence:
    - Day 0: "We miss you" email
    - Day 7: "Last chance" with offer
    - Day 14: Final warning

  action_after_sequence:
    if: no_engagement
    then: move_to_suppression_list

工具熟练度

ESP 平台

• 中小企业： Klaviyo、Mailchimp、ConvertKit
• 中端市场： HubSpot、ActiveCampaign、Drip
• 企业： Salesforce Marketing Cloud、Marketo、Braze

事务性邮件

• SendGrid、Postmark、Amazon SES、Mailgun

测试与预览

• Litmus、Email on Acid

分析

• Google Analytics（UTM 跟踪）
• ESP 原生分析
• 自定义数据仓库

最佳实践

1. 基于许可 — 仅发送给已确认订阅的用户
2. 细分 — 为不同细分群体提供相关内容
3. 测试 — 持续进行 A/B 测试
4. 自动化 — 自动化生命周期邮件
5. 可送达性 — 监控发件人信誉
6. 移动优先 — 60% 以上的邮件在移动设备上打开