Email-рассылки с ИИ: сегментация и тексты

Email считают старомодным каналом, но у многих компаний он по-прежнему даёт заметную долю повторных продаж. Проблема не в канале, а в том, как им пользуются. Типичная картина: база в несколько тысяч адресов, раз в две недели — письмо со скидкой всем подряд, открываемость 12%, переходы 0,8%, и с каждым разом всё больше отписок.

ИИ меняет здесь две вещи. Во-первых, позволяет сегментировать базу не по формальным признакам вроде города, а по смыслу — что человек искал, о чём спрашивал, на каком этапе остановился. Во-вторых, позволяет быстро писать разные письма для разных сегментов, не раздувая штат. Ниже — как это выглядит на практике.

Почему массовые рассылки теряют эффективность

Каждое нерелевантное письмо снижает доверие к следующему. Почтовые сервисы следят за реакцией: если письма от вас часто удаляют не читая, они начинают отправлять их в «Промоакции» или спам. Получается спираль: чем хуже вовлечённость, тем меньше людей вообще видят ваши письма.

Выход — отправлять меньше писем, но точнее. Для этого нужна сегментация, а для сегментации — данные о том, чего хочет каждый подписчик.

Сегментация: от формальной к смысловой

Классическая сегментация опирается на то, что легко посчитать: пол, город, дата последней покупки, сумма заказов. Это полезно, но не отвечает на главный вопрос — что этому человеку сейчас интересно.

Источники данных для смысловой сегментации

• Переписки с клиентами. О чём спрашивал, какие возражения высказывал, какую задачу описывал.
• Поведение в письмах. Какие темы открывает, по каким ссылкам переходит.
• Поведение на сайте. Какие категории смотрел, что добавлял в корзину.
• История заказов. Что купил и что логично предложить следом.

ИИ умеет обрабатывать свободный текст переписок и присваивать клиенту теги: «интересует рассрочка», «сравнивает с конкурентом», «покупает в подарок», «беспокоится о сроках». Если в компании работает ИИ-сотрудник, такие теги проставляются прямо во время диалога и уходят в CRM — подробнее на странице квалификации лидов.

Пример набора сегментов

Тексты: где ИИ помогает, а где нет

Писать отдельное письмо для каждого из пяти сегментов вручную — долго. ИИ позволяет подготовить варианты за минуты. Но качество результата напрямую зависит от задания.

Что отдавать ИИ

1. Адаптацию базового письма под сегменты. Одно ядро — пять версий с разными акцентами.
2. Темы писем. 10–15 вариантов для A/B-теста.
3. Прехедеры. Короткая строка после темы, которую часто забывают и которая заметно влияет на открываемость.
4. Сокращение. Большинство маркетинговых писем вдвое длиннее, чем нужно.

Что оставить человеку

• Суть оффера и условия — их нельзя доверять генерации.
• Проверку фактов, цен и сроков.
• Финальное решение о тоне: письмо должно звучать как ваша компания, а не как «любая».

Триггерные цепочки вместо разовых рассылок

Самые эффективные письма отправляются не по календарю, а в ответ на действие или событие. ИИ помогает здесь и в определении триггера, и в подготовке текста.

• После диалога без покупки — через сутки письмо, отвечающее на вопрос или возражение, которое прозвучало в чате.
• Брошенная корзина — напоминание с ответом на типичное сомнение по этому товару.
• После покупки — инструкция, через 2 недели — просьба об отзыве, через месяц — сопутствующее предложение.
• Окончание срока — подписки, гарантии, сезонного обслуживания.
• Возврат интереса — человек снова зашёл на сайт после долгого перерыва.

Первый триггер особенно сильный. Клиент пообщался с консультантом, получил ответы, но не решился. Письмо, которое продолжает именно этот разговор, воспринимается как забота, а не как реклама.

Пример письма после диалога

Клиент спрашивал в чате про робот-пылесос, переживал, справится ли он с шерстью собаки, и ушёл подумать. Через сутки он получает письмо:

Тема: Про шерсть и робот-пылесос — ответ инженера
Прехедер: Три модели, которые не наматывают шерсть на щётку
Вчера вы спрашивали, справится ли пылесос с шерстью. Короткий ответ — да, если у модели резиновая щётка без ворса. Мы отобрали три таких модели в вашем бюджете и добавили видео, как они убирают после линьки хаски. Если остались вопросы — просто ответьте на это письмо.

Письмо короткое, отвечает на конкретное сомнение и приглашает продолжить разговор. Ядро такого письма пишется один раз на сегмент «сомневается в эффективности», а ИИ подставляет детали из конкретного диалога.

Пример: интернет-магазин товаров для дома

База — 18 тыс. подписчиков. Раньше раз в неделю уходило одно письмо с подборкой акций. Открываемость — 14%, конверсия в заказ — 0,3% от отправленных.

Базу разделили на шесть сегментов по истории покупок и тегам из переписок. Для каждого готовилось своё письмо: ядро писал маркетолог, адаптацию и темы — ИИ. Дополнительно запустили три триггерные цепочки.

Самым результативным оказался сегмент «отложили покупку»: людям, которые в чате говорили «куплю после ремонта» или «посмотрю ближе к сезону», письмо приходило через 3–4 недели с напоминанием о товаре и фиксацией прежней цены на неделю. Этот сегмент составлял всего 7% базы, но дал почти пятую часть выручки от рассылок.

Через два месяца открываемость сегментных писем составила 24–31%, конверсия в заказ — 0,9–1,4% в зависимости от сегмента. Количество отписок снизилось почти вдвое. Время маркетолога на подготовку рассылок выросло незначительно — примерно на два часа в неделю.

Метрики, за которыми стоит следить

Открываемость стала менее надёжной метрикой: часть почтовых клиентов автоматически подгружает изображения и засчитывает открытие. Поэтому ориентируйтесь на комплекс показателей.

• Кликабельность — доля переходов от доставленных писем.
• Конверсия в целевое действие — заказ, запись, ответ на письмо.
• Выручка на одно отправленное письмо — удобна для сравнения сегментов.
• Отписки и жалобы — индикатор нерелевантности.
• Доля ответов — если письма приглашают к диалогу, ответы показывают реальное вовлечение.

Отдельно стоит проставлять UTM-метки во всех ссылках писем, чтобы в аналитике видеть, какой сегмент и какое письмо привели к покупке.

Ошибки при автоматизации

• Слишком много сегментов. Двадцать сегментов по 200 человек дают статистически бессмысленные результаты. Начните с 4–6.
• Генерация без контроля. ИИ может «пообещать» доставку за сутки или скидку, которой нет. Каждое письмо перед отправкой читает человек.
• Одинаковая частота для всех. Активные покупатели готовы получать письма чаще, спящие — реже.
• Нет связи с другими каналами. Если клиент уже обсуждает заказ в мессенджере, массовое письмо с другой скидкой только путает. Сведения о диалогах должны учитываться в рассылках — для этого пригодится аналитика диалогов.

Итоги

ИИ делает email-маркетинг точнее, а не просто быстрее. Смысловая сегментация на основе переписок и поведения позволяет отправлять каждому подписчику письмо о том, что ему действительно интересно. Генерация текстов снимает проблему ресурсов: вместо одного письма на всех — несколько версий под разные задачи. Условие одно: оффер и факты остаются за человеком, а ИИ работает как быстрый и аккуратный помощник.