你用 AI 写了一千封邮件,客户却一封都没回——为什么?

我给你讲个事。

去年,一个做 SaaS 的朋友跟我吐槽:他用大模型批量生成了一千封个性化营销邮件,每一封都根据客户行业、公司规模、过去购买记录做了定制。

他满心欢喜地点了「发送」。

结果呢?打开率 12%,回复率 0.3%。比他过去手写的群发邮件还差。

他拿着这个数据来找我:「我用的是最新的大模型啊,个性化都做到了啊,为什么没人理我?」

为什么?

天呐,问题不在于 AI 不够强,在于他理解的「个性化」,跟客户期待的「个性化」,根本不是一回事。

一、什么叫「真正的个性化」?

很多人把「个性化」想窄了。

他们以为——在邮件开头加一句「亲爱的张总」,在结尾加一句「祝您本周工作顺利」,就叫个性化了。

错。

那叫「邮件合并」,20 年前 Word 就能做。

真正的个性化,是整个内容、整个时机、整个渠道,都是为「这一个具体的人」量身定制的。

举两个真实例子。

亚马逊——他们 2021 年的销售额里,35% 来自推荐系统。但他们的推荐不是「买了 A 的人也买了 B」这种粗放的协同过滤。他们的推荐是:如果你上周买了孕妇装,这周首页会推婴儿车;如果你两周前搜过露营装备,今天首页会出现「这个周末天气不错,适合露营」的装备组合。

网飞(Netflix)——他们 80% 的观看时长,来自 AI 推荐。但网飞的推荐不只是「你喜欢科幻片」,而是「你周三晚上 9 点之后喜欢看 30 分钟以内的科幻短片,因为第二天要上班」。

看到了吗?

真正的个性化,知道你是谁,知道你现在想要什么,知道什么时候给你。

二、生成式 AI 把这件事拉到了一个新高度

老 AI 的个性化,本质上是「分类」——把你贴上「30 岁男性白领」的标签,然后推这个标签下的内容。

生成式 AI 的个性化,是「创造」——为你一个人,生成一份独一无二的内容。

这两件事有本质区别。

举个最直接的例子。

老 AI 给一个「户外爱好者」推产品,推的是「登山鞋、冲锋衣、帐篷」——因为标签数据库里这些都是户外的。

生成式 AI 给同一个人推产品,推的是「针对你这周末去秦岭露营、气温 5-15 度、可能有雨、你上次买的鞋底偏滑,我们推荐这款抓地力更强的徒步鞋 + 这款轻量雨衣」。

前者是标签匹配,后者是为一个人现场写一段话。

L'Oréal(欧莱雅)2023 年用生成式 AI 做内容,省了 12 万小时的人工,同时 SEO 效果还提升了。他们不是用 AI 写通用文案,而是为每一个客户、每一个搜索意图,生成不同的落地页。

12 万小时是什么概念?相当于 60 个人一年的工时。

天呐。

三、个性化的三层「魔法」

生成式 AI 在客户旅程里,可以分三层发挥威力。

第一层:内容生成

最基础,也最容易被滥用。

AI 能批量生成邮件、商品描述、社媒文案、落地页文案——这件事所有人都知道。

但用得好和用得差,差出十万八千里。

用得差的公司,生成 1000 篇差不多的文案,群发,被客户当成垃圾邮件。

用得好的公司,生成 1000 篇完全不同的文案,每一篇都对应一个具体客户的真实需求。

差别在哪?在「输入」——你给 AI 喂的是什么数据,它产出就是什么质量。你只喂它客户的「姓名、公司」,它就只能写出「张总您好」的开头。你喂它客户的全旅程数据,它就能写出真正个性化的内容。

第二层:推荐

老推荐是「商品-商品」关联,新推荐是「人-场景-商品」匹配。

举个例子,亚马逊不再推「买了 A 也买 B」,而是推「母亲节快到了,你妈妈喜欢这类东西,而且你去年这个时候给她买过」。

推荐的颗粒度,从「品类」变成了「场景」。

这种推荐的杀伤力有多大?

• 可口可乐「分享可乐」活动,把名字印在瓶子上,社交媒体互动量涨了 8.7 倍,销量涨 2%。
• 耐克的 Nike Fit,用 AI 扫脚推荐尺码,数字渠道转化率涨了 40%。
• 法拉利的汽车定制器,用大模型帮客户定制每一处细节,定制流程快了 20%。

这些不是科幻故事,是 2023-2025 年真实发生的事。

第三层:动态界面

这是最酷的一层。

同一个网站,不同的人看到的是不同的界面。

• 经常买户外装备的客户,首页是「这周末适合徒步」。
• 刚搬了家的客户,首页是「新房必备 10 件」。
• 凌晨 2 点还在刷 App 的客户,看到的是「深夜舒缓系列」。

整个 UI 都在为「此刻的你」重新排列。

AI 营销行业到 2028 年,预计会达到 1075 亿美元的市场规模。这不是因为大家都在追风口,是因为这玩意真的能让转化率涨 50%、让客户留存涨 7%。

四、但 80% 的公司,都死在「数据」上

讲到这,你可能已经心动了——「我也要上生成式 AI!」

慢着。

我必须告诉你一个反直觉的事实:生成式 AI 的成败,90% 取决于数据,10% 取决于模型。

• 80% 的公司,数据散落在不同系统的「孤岛」里——CRM 一份、客服系统一份、电商后台一份、社媒一份,根本没打通。
• 没打通的数据,AI 看到的就是「同一个客户的五个碎片画像」,生成出来的内容必然是「四不像」。
• 这就好比你给一个顶配的大厨,只递给他半根蔫了的胡萝卜和一块发霉的面包,让他做米其林三星。巧妇难为无米之炊。

所以,在你买任何 AI 工具之前,先回答三个问题:

1. 我能不能在 30 秒内,拿到一个客户的完整旅程数据?
2. 我的客户数据,是不是统一在一个地方管理?
3. 我能不能一键删除某个客户的所有数据(合规要求)?

这三个问题,80% 的公司答不出来。

那就别急着上生成式 AI。先回去打地基。

五、三个朴素的执行原则

如果你已经决定要做,我给你三个朴素的执行原则:

原则一:小处入手,别一上来就「全面 AI 化」。

选一个具体的客户旅程(比如购物车放弃后的挽回邮件),把它做透。一个场景跑通了,再复制到下一个。不要一上来就想把所有客户、所有渠道、所有内容都 AI 化——你会死在复杂度上。

原则二:人在回路(Human in the Loop)。

生成式 AI 会「幻觉」,会生成不符合品牌调性的内容。必须有人审,人改,人定规则。一个真实的例子:某金融公司让 AI 自动生成投资建议,结果 AI 给一个保守型客户推荐了高风险产品——这种错误,代价就是客户直接走人。

原则三:衡量对的东西。

不要只看「打开率」「点击率」——这些是虚荣指标。

真正该看的是:

• **客户终身价值(LTV)**涨了多少?
• 转化率涨了多少?
• **客户满意度(CSAT)**涨了多少?
• 获客成本降了多少?

这些才是 AI 该交付的价值。

六、最后一个判断

写到这,我想给你一个反共识的判断。

未来三年,「会用 AI」不再是竞争力,「会判断什么时候不用 AI」才是。

AI 让个性化的边际成本趋近于零,这意味着所有人都会用。当所有人都在用,「个性化」本身就不再是差异点。

真正的差异点在哪?

在于——你能不能在某些关键时刻,不用 AI,而是用真人、用慢、用粗糙。

比如客户第一次投诉的时候,不是 AI 客服秒回,而是一个真人 5 分钟内打电话过去。比如客户生日那天,不是 AI 生成的精美贺卡,而是一张手写的、丑丑的、但带着温度的明信片。

AI 让效率起飞,但让人味儿成为稀缺。

谁能同时把这两件事做好,谁就能在未来三年,真正赢下客户的心。

回到我那个 SaaS 朋友。

我让他把 1000 封 AI 邮件,改成 50 封——但每一封,让 AI 写完之后,人工审一遍、改一遍,加上一句「我注意到您公司上周刚发了新产品,恭喜」之类的真人观察。

两周后他告诉我:回复率从 0.3% 涨到了 4.7%。

15 倍。

天呐。

这就是 AI + 人味的威力。