设计. 这是一个示意性的推演示例，并非客户成果。8 人的 A 轮 B2B 销售团队和这里的每个数字都是假设。设计是一个调研加起草层，根据每位销售的通话名单预先生成外联邮件草稿。销售编辑后发送。
假设团队有 8 位客户经理，每人每天的第一个小时都花在调研潜在客户和从零写陌生邮件上。有了这个设计，这一个小时主要变成编辑那些已经引用了潜在客户近期融资、招聘或产品动态的草稿。
对营收负责人来说重要的是回复率和销售的时间，而这个示例对两者都不做任何断言。处于这种位置的团队会在改变之前记录两者，之后再对比。发送量保持不变，在每位销售 30 到 80 个潜在客户这一人工范围内，这是一个假设。这不是靠量取胜的做法。
#AI 能在不损害送达率的情况下提升回复率吗？
用 AI 起草外联邮件会损害送达率吗？
如果用它来多发，就可能。如果发送量不变，就不必然。在这个设计里，每位销售保持在 30 到 80 个潜在客户的人工范围内，从自己已预热的邮箱发送。AI 改变的是每封邮件的内容，而不是发送数量，所以垃圾邮件投诉没有理由上升。
对送达率的担心是真实的。从一个新域名每天群发 500 封几乎相同的邮件，Google 和 Microsoft 很快就会把你送进垃圾箱。所以这个设计反其道而行：同样的人工规模发送量，同样是销售已经在 HubSpot 里使用的预热邮箱，只是每次发送的内容经过了更好的调研。
这个设计由什么组成？
三个模块，都不复杂。一个研究步骤，抓取每个潜在客户的近期动态。一个起草步骤，写一封以第一人称引用某条动态的邮件。以及一个同步步骤，把草稿以可编辑任务的形式写入销售代表的 HubSpot 序列。
- 研究：为明天拨打名单上的每个账户抓取融资、人员规模和招聘信号，使用 Clay 数据丰富加上 Claude 来挑选出最相关的一个切入点。
- 起草：以销售代表的语气为每位潜在客户写一封简短邮件，引用那个切入点，无合并标签的堆砌。
- 同步：把草稿写回 HubSpot，作为销售代表上午 9 点前审核的任务。不会自动发送任何内容。
We are
一个研究加起草的工具层，让每位销售代表拿到更好的第一版去编辑。每封邮件都由真人阅读后发送。
We aren't
一台批量发送垃圾邮件的机器——自动发出数千封模板邮件，用来完成发送指标、烧毁你的域名声誉。
这个有人参与的环节才是关键。销售会阅读每一份草稿，并重写或弃用切入点薄弱的那些。保留下来的草稿应该效果更好，因为切入点具体，而这正是需要检验、不能直接假设的论断。这与我们 AI implementation 工作背后的原则相同：系统起草，操作者决定。
你怎么知道它有效？
不是第一天，说不是的人在推销东西。在这样的设计里，调研环节一开始可能给出薄弱的切入点，销售便不再信任草稿。第一项调优工作，是决定哪些信号算数，并砍掉那些产生泛泛开场白的信号。
提升如果出现，是在切入点具体到销售愿意信任之时。编辑耗时下降，而要观察的数字是回复率。如果有销售负责人告诉你 AI 外联立刻见效，请要求看从上线之初起的数据。
风险最大的是开头。不再信任草稿的销售就不会再用它们。解决办法是调整切入点，而不是手工重写每一份草稿。
我们用两种方式交付这样的层。有时我们构建流水线然后移交。有时我们进驻营收团队，根据真实的回复数据来调优。更多这样的文章在期刊里。
如果你管着一支销售或收入团队，正在权衡 AI 能否在不损害送达率的情况下提升回复率，诚实的答案是：可以，前提是保持人工发送量、每封邮件都有人把关。这正是我们构建的那个版本。告诉我们你在构建什么。
