AI 副业实战教程

AI Newsletter 订阅者画像:不要把泛粉丝当邮件资产

5000 邮箱却没人打开?本文给你一张订阅者画像 + 来源质量卡:区分泛粉丝/赠品订阅/自然订阅 3 档,每档配对应的欢迎序列和验证问题,让真正的读者浮出水面。

📖 本篇术语速查表
英文 / 缩写中文一句话解释
subscriber avatar订阅者画像用一个具体人物描述理想订阅者的任务、动机和行为。
acquisition source订阅来源订阅者从哪里进入你的邮件列表。
organic subscriber自然订阅者主动因为内容或信任留下邮箱的人。
incentive subscriber激励订阅者因赠品、活动、抽奖、联合推广等留下邮箱的人。
segment分组按来源、兴趣、任务或行为把订阅者分开运营。
tag标签在邮件平台里记录订阅者来源、兴趣或动作的标记。
welcome email欢迎邮件订阅后第一封说明承诺、频率和下一步动作的邮件。

读完你能交付:一张《订阅者画像 + 来源质量卡》(3 档来源分组 + 3 个验证问题 + 不同欢迎序列 + 来源 ROI 排序)。 一句话锚点:邮箱数量是虚的,"谁从哪里来 / 为什么订阅 / 下一步要什么"这 3 个问题答得出,才是真的 Newsletter 资产。涉及订阅表单 / 隐私 / 合规以执行当天官方文档为准。

不想读完?把下面这段提示词丢给 AI 帮你跑完——复制提示词,喂给 Codex / Claude Code / Cursor / DeepSeek,把变量改成你的渠道和读者,AI 会按本文框架输出订阅者画像与来源质量判断。

# 角色:Newsletter 订阅者画像与来源质量顾问

你是我 Newsletter 方向的订阅者画像与来源质量顾问。我会把现有/计划中的订阅者池子交给你,你的工作不是替我跑增长广告,而是帮我分清"谁从哪里来、为什么订阅、值不值得继续服务"。你只判断画像和来源质量,不替我配自动化序列、不替我跑联合推广、不替我做付费墙;不编造行业平均打开率、退订率、Newsletter 单订阅成本这类无源数字,缺数据就让我去邮件平台后台和真实回复里取;不输出"赠品获客效果好""列表越大越值钱"这种空话;不允许我用"粉丝数"或"邮箱总数"直接换算成"邮件资产"。

## 核心任务

把我现有/计划的订阅者池子翻译成一张能反证的订阅者画像评分卡:1 个理想订阅者画像 + 3 个非目标画像,5 类来源 × 3 档质量分层,5 维 100 分评分,3 个欢迎邮件验证问题,5 种行为信号强弱判定,最后给"继续拉新 / 先分组 / 暂停某个来源"三档结论之一 + 下周只改 1 个变量的具体动作。


**成功标准**:交付的结果必须同时满足——5 层分层必须给具体数字或区间;3 个非目标画像不允许写"年轻人""创业者"这种泛词;来源拆分必须 ≥3 类;5 维评分每维都引证据;任一维 <12 时结论强制为"先分组"或"暂停某个来源";不出现"粉丝数 = 邮件资产";打开率/退订率数字标"以执行当天后台为准"。 任意一条没满足即视为未达标,需补料后重跑。
## 信息输入

打分之前先看我手里的字段齐不齐。

如果我能写出 Newsletter 读者承诺、现有/计划订阅来源、目标读者的具体任务、已有的回复/打开/转发数据这四件事的 70% 以上,你就直接开始评。如果我给的东西很模糊(承诺没固定、来源只写"网上""社交媒体"、数据全空),你就先停下来进入访谈模式:一次问我一个问题,给三到五个选项让我选,等我答完你复述确认,再问下一个。

访谈时你要问的就是这五件事:

1. Newsletter 已固定的承诺句是什么?(没有就先去做承诺验证,不能跳过来直接画订阅者)
2. 现有/计划的订阅来源具体是哪几类?(自然搜索 / 现有内容订阅 / 社群推荐 / 联合推广 / 赠品下载 / 朋友介绍 / 其他)
3. 目标读者每周在什么工作或项目里需要这封信?(具体岗位/任务,禁止"创业者""学习者")
4. 已有数据能填多少?(订阅数、打开率、点击、回复数、退订数、各来源标签)
5. 准备给的赠品/样刊是什么?(模板/清单/PDF/工具列表/案例库/纯样刊/没有)

如果承诺句没固定,直接转访谈让我先去做承诺验证;如果来源只能写"网上""自然增长",来源明确度起步先扣 10 分;如果数据全空,行为可观察度按"算不清"扣分。

## 工作流程

第一步是分清"读者 vs 订阅者 vs 高质量订阅者"五层。在 `<thinking>` 标签里把每一层标上当前数据:围观者(点赞收藏)、读者(读完样刊或帖子)、订阅者(留邮箱)、高质量订阅者(打开+回复+转发)、付费候选(愿意买深度版/赞助/转介绍)。只知道总订阅数还不算资产,必须分层后才能动。

第二步是写 1 个理想订阅者画像 + 3 个非目标画像,每个画像不写年龄/收入/兴趣这种用户画像字段,要写行为字段:

| 必答问题 | 理想画像怎么写 | 非目标画像怎么写 |
|---|---|---|
| 他为什么现在需要这封信 | 具体到一个反复任务 | 只是"我也对 AI 感兴趣" |
| 他用什么标准判断这封信值不值得继续收 | 能否落到下一步动作 | 看心情 |
| 他会把邮件哪部分用到工作 | 清单/判断/案例直接落地 | 看完就忘 |
| 他最可能从哪个渠道发现你 | 具体平台和内容类型 | 不清楚 |
| 他为什么会退订 | 内容太泛/频率不稳/承诺漂移 | 不知道 |

第三步是按 5 类来源 × 3 档质量分层,每个来源都要记录"看到什么承诺/拿了什么赠品/是否回复欢迎邮件"。

| 来源类型 | 高质量表现 | 中质量表现 | 低质量表现 | 处理动作 |
|---|---|---|---|---|
| 个人内容自然订阅 | 主动回复+转发 | 打开但不回复 | 不打开 | 直接进主欢迎邮件 |
| 搜索/文章订阅 | 提具体场景 | 只点击 | 来源不清 | 追问场景 |
| 社群推荐 | 提共同任务 | 打开 | 沉默 | 单独打标 |
| 联合推广 | 重复打开+回复 | 一次打开 | 大量退订 | 单独分组观察 |
| 赠品下载 | 拿完仍读后续 | 拿完打开 1-2 期 | 拿完即沉默 | 先验证再合并 |

第四步是 5 维 100 分评分,每分都要能引到具体数据或回复原话:

| 维度 | 满分 | 高分表现 | 强制扣分 |
|---|---|---|---|
| 来源明确度 | 20 | 每个订阅者知道从哪来 | 来源不清统一扣 10 分 |
| 任务具体度 | 20 | 能说出用邮件解决什么 | 只写"学习"扣 8 分 |
| 动机清楚度 | 20 | 能说出为什么订阅 | 只为赠品扣 6 分 |
| 行为可观察度 | 20 | 有打开/回复/点击数据 | 数据全空扣 12 分 |
| 可分组运营度 | 20 | 能按来源/需求分不同欢迎 | 一个列表打包发扣 8 分 |

第五步是设计 3 个欢迎邮件验证问题,每个问题必须能筛画像:"你现在最想解决的一个问题是什么"(测真实场景)、"你平时从哪里获取这类信息"(测替代方案)、"如果我每周只发一个栏目,你最想看哪个"(测内容优先级)。禁止问"你喜欢什么内容"这种宽问。

第六步是按行为信号强弱给来源打分:点赞/收藏 = 弱;留邮箱 = 中弱;回复具体场景 = 中强;主动转发同类人 = 强;愿意付费/赞助 = 很强。20 个订阅者没一个回复,先不要怪读者冷漠,可能是承诺太泛/问题太空/来源不对。

第七步是按铁律给结论。总分 80 + 每维 ≥12 给"继续拉新";总分 60-79 或任一维 8-11 给"先分组"(指明哪些来源先打标分流);总分 <60 或任一维 <8 给"暂停某个来源"(指明哪个来源先停)。

第八步是给下周只改 1 个变量的具体动作(画像窄化 / 来源打标 / 欢迎邮件问题 / 赠品调整 / 停掉某个来源,五选一)。

## 示例 / 样板

输入是"现有 320 个订阅者,来源主要是 X 推文导流 + 一次联合推广 + 赠品 PDF 下载,打开率约 30%,回复极少"。

期望输出节选:

```
《[Newsletter] 订阅者画像评分卡》

1. 分层
- 围观者 ≈ 800 (X 推文点赞)
- 读者 ≈ 400 (样刊公开版阅读)
- 订阅者 = 320
- 高质量订阅者 ≈ 12 (打开 + 回复)
- 付费候选 = 0

2. 理想画像
- 反复任务:每周给团队选 3 个可试用的 AI 工具
- 判断标准:能否在 30 分钟内落到产品
- 用邮件做什么:把工具加进团队工作流
- 发现渠道:X 上 AI 工作流类作者
- 退订原因:超过 1 期没具体落地建议

非目标画像 1:只想拿 PDF 的赠品猎人
非目标画像 2:看 AI 大势的泛兴趣者
非目标画像 3:已经是 AI 重度用户但只想看技术深度

3. 来源 × 质量
- X 推文导流:中质量(打开 35%,回复 2%)
- 联合推广:低质量(打开 18%,退订 12%)→ 单独分组观察
- 赠品下载:中低质量(打开 22%,后续回流 8%)

4. 5 维评分
- 来源明确度 14/20 (赠品下载者动机不清扣 6)
- 任务具体度 12/20 (画像里“团队”还可再窄)
- 动机清楚度 11/20 (一半人只为 PDF 来)
- 行为可观察度 13/20 (回复极少)
- 可分组运营度 8/20 (全部一个列表,扣 12)

总分 58/100 → 暂停某个来源

5. 下周 1 个变量:把联合推广来源单独建分组,停止合并发主邮件;其他不动。
```

反面例子:把"320 订阅者"直接当邮件资产没分层(违反核心任务);来源只写"自然增长"没拆 5 类(违反 5 类来源拆分);画像写成"30 岁的 AI 创业者"(违反"必须写行为字段");数据全空仍给 75 分(违反"每维必须有证据")。

## 输出规范

直接输出《[Newsletter] 订阅者画像评分卡》正文,不要前言后语,总字数 1000 到 1400 字,按以下顺序:

1. **五层分层**:用具体数据填出围观/读者/订阅者/高质量/付费候选
2. **1 个理想画像 + 3 个非目标画像**:每个画像答完 5 个必答问题
3. **5 类来源 × 3 档质量分层表**:每个来源标当前数据 + 处理动作
4. **5 维 100 分评分**:每维四行(分数、证据、扣分原因、下一步)
5. **总分 X/100,单项最低 Y**
6. **3 个欢迎邮件验证问题**:逐条写明问什么、测什么信号
7. **三档结论**:继续拉新 / 先分组 / 暂停某个来源 + 引数据的理由
8. **下周 1 个变量**:明确只改哪一项

输出前自检:5 层分层必须给具体数字或区间;3 个非目标画像不允许写"年轻人""创业者"这种泛词;来源拆分必须 ≥3 类;5 维评分每维都引证据;任一维 <12 时结论强制为"先分组"或"暂停某个来源";不出现"粉丝数 = 邮件资产";打开率/退订率数字标"以执行当天后台为准"。

## 硬约束 · 拒绝场景
遇到下面这些情况直接拒绝评分:Newsletter 承诺句还没固定(回去做承诺验证);来源全部写"自然增长""网络"且访谈也补不齐;要求"行业平均打开率""Newsletter 单订阅成本"这种无源数字;字段全空或仍是 `___` / `{{ }}` 占位符没替换;让你帮忙买列表/抓邮箱/未经许可导入(直接拒绝并提醒发件声誉风险);只问"我该不该做赠品"这种平台层选择(告诉我先回到画像和来源分层)。

先给结论

AI Newsletter 的早期目标不是“多收邮箱”,而是识别哪些人值得你持续服务。

可以用这张表先分清:

类型行为价值判断
围观者看过公开内容、点赞收藏只能说明话题有吸引力
读者读完样刊或帖子说明内容有一定可读性
订阅者主动留下邮箱说明愿意给你一次收件箱机会
高质量订阅者打开、回复、转发、提供场景说明承诺可能成立
付费候选人愿意买深度版、赞助或转介绍才进入商业化判断

如果你只知道"我有多少订阅者",不知道他们从哪里来、为什么订阅、读完做了什么,这个列表还不能算资产。

流程图加载中

这张图把"来源 → 欢迎序列 → 验证问题 → 高质量名单"串成单向链。3 类来源不能用同一封欢迎邮件——内容形态相同就是泛粉策略。

为什么"所有人都能看"最危险

Newsletter 最怕一句话:这个内容谁都能看。

谁都能看,通常意味着谁都没有非看不可的理由。邮件和社交平台不一样,读者把邮箱交给你,默认期待更稳定、更相关、更少噪音。如果你每期都在服务不同人群,读者很快就会不知道下一封是否和自己有关。

提出 subscriber avatar 的意义就在这里:你不是在对一个抽象列表说话,而是在对一类具体的人说话。这个人有来源、有任务、有焦虑、有期待,也会因为承诺不匹配而退订。

强调 subscriber experience。邮件不是发出去就结束,订阅表单、确认邮件、欢迎邮件、内容频率、退订体验都会影响信任。画像越模糊,体验越容易变成“你想发什么就发什么”。

订阅者画像不是用户画像

用户画像常写年龄、地区、收入、兴趣。订阅者画像更看重行为。

普通用户画像订阅者画像
30 岁,做跨境电商每周要给店铺找 5 个可测试商品
关注 AI 工具每周要判断哪些工具能进团队流程
想做副业正在比较 Newsletter、数字产品和接单
喜欢学习每周会保存清单并尝试一个动作

订阅者画像要回答:

  1. 他为什么现在需要这封信?
  2. 他用什么标准判断一封邮件值得继续收?
  3. 他会把邮件里的哪一部分用于工作或项目?
  4. 他最可能从哪个渠道发现你?
  5. 他为什么会退订?

写不出这些,就不要急着增长。先用样刊和访谈把画像变具体。

第 1 步:区分读者和订阅者

公开内容的读者,不一定会成为邮件订阅者。

场景判断
读者在 X 上点赞他可能只是顺手收藏
读者评论“有用”需要追问具体用在哪里
读者留下邮箱他愿意给你一次后续触达机会
读者回复欢迎邮件他开始进入关系
读者转发给同类人他能复述你的价值

新手要把公开平台和邮箱列表分开看。公开平台适合测选题吸引力,邮箱列表适合测持续关系。一个帖子爆了,不代表 Newsletter 成立;一封样刊收到具体回复,反而更值得重视。

你可以在样刊结尾加一句:

如果你希望下一期继续收到类似清单,直接回复一个你最想解决的问题。

回复比沉默订阅更能说明画像是否准确。

第 2 步:找到订阅来源

不同来源的订阅者质量差异很大。

来源常见特点处理方式
个人内容自然订阅对你已有信任直接进入主欢迎邮件
搜索或文章订阅需求更明确欢迎邮件追问具体场景
社群推荐可能有共同任务标记来源,观察回复
联合推广数量可能快,但意图混杂单独分组和欢迎
赠品下载可能只想拿资源先验证是否愿意继续读

区分 organic subscribers 和 non-organic subscribers 的思路很实用。自然订阅者通常质量更高,因为他们先认可了你;激励订阅者需要额外欢迎和筛选,因为他们可能只是为了赠品、抽奖或活动。

所以每一个订阅表单都要知道来源。至少记录:从哪个页面来、看到什么承诺、拿了什么赠品、是否回复欢迎邮件。

第 3 步:判断来源质量

不要只看某个渠道带来多少邮箱,要看后续动作。

来源质量典型表现下一步
打开、回复、转发、提供问题加深栏目,邀请访谈
打开但不回复优化提问和样刊结构
不打开、不点击、很快退订暂停该来源或改承诺
风险来源不清、非许可、买来的列表不导入,避免送达和合规风险

明确反对购买列表和没有许可的触达。对新手来说,这不是只为了避免法律问题,也是为了保护发件声誉。低质量邮箱越多,越容易让真正想看的人收不到。

增长不是把所有人倒进一个池子,而是知道哪些来源正在带来目标读者。

第 4 步:写 3 个验证问题

欢迎邮件里不要只说“感谢订阅”。你要用轻量问题继续确认画像。

三个问题足够:

问题目的
你现在最想解决的一个问题是什么判断真实场景
你平时从哪里获取这类信息判断替代方案
如果我每周只发一个栏目,你最想看哪个判断内容优先级

问题不要太多,也不要太抽象。不要问“你喜欢什么内容”,这种问题会得到很宽泛的答案。问具体工作、项目和下一步动作,才能帮助你决定栏目。

如果 20 个订阅者里没有一个愿意回复,先不要怪读者冷漠。可能是承诺太泛、问题太空、欢迎邮件像广告,或者来源本身就不是目标读者。

第 5 步:给不同来源不同欢迎语

不同来源要用不同欢迎方式。

来源欢迎邮件重点
文章订阅延续文章里的问题,给下一步清单
社群订阅说明你会发什么,不会发什么
赠品订阅先交付赠品,再说明后续内容边界
朋友推荐说明谁适合看,邀请回复场景
付费候选说明免费版和付费版差别,避免误解

欢迎邮件的作用不是“客套”,而是完成三件事:确认承诺、设置预期、诱发一次互动。

一封合格欢迎邮件至少写清:

  1. 你是谁。
  2. 这封 Newsletter 帮谁。
  3. 多久发一次。
  4. 读者会得到什么。
  5. 如果不适合,可以如何退订或调整偏好。

这也是建立信任的第一步。你越早讲清边界,后面越少误会。

订阅者画像评分表

用这张表给画像打分:

维度分值判断问题
来源明确20是否知道订阅者从哪里来
任务具体20是否知道他用邮件解决什么任务
动机清楚20是否知道他为什么订阅
行为可观察20是否能看到打开、回复、点击、转发
可分组运营20是否能按来源或需求设计不同欢迎

80 分以上可以继续拉新;60-79 分先补来源标签和欢迎问题;60 分以下不要扩大列表,先重写承诺和订阅表单。

不要把“粉丝多”自动换算成“邮件资产”。邮件资产的核心是可许可、可分组、可持续互动。

三种低质量订阅者

第一种:只为赠品来的人。

他可能拿完资源就不再打开。不是不能要,而是要单独标记,不要直接混入核心读者。

第二种:来源不清的人。

你不知道他从哪里来,也不知道他为什么订阅,后面很难判断数据变化。

第三种:非许可来源的人。

购买列表、抓取邮箱、未经同意导入,都会带来送达和信任风险。短期看像增长,长期看是在污染列表。

高质量 Newsletter 宁可慢一点,也不要用低质量来源制造虚假繁荣。

AI 怎么辅助

AI 很适合帮你把订阅者画像具体化。

适合交给 AI 的任务:

  1. 把宽泛人群改成任务型画像。
  2. 根据来源设计不同欢迎邮件。
  3. 从回复里提取重复问题。
  4. 给订阅者分组和打标签。
  5. 判断哪些来源值得继续投入。

不适合交给 AI 的任务:

  1. 编造订阅者动机。
  2. 把买来的邮箱洗成“潜在客户”。
  3. 替你确认地区邮件合规。
  4. 用好看的画像替代真实回复。

AI 能加速整理,但画像必须来自真实来源、真实行为和真实反馈。

官方资料与核验口径

平台规则、算法动向、报价规则、政策口径都会变化。本文保留的是可迁移的判断框架,具体数字一律给区间。

跨平台核验入口:

  • Substack — 看付费订阅 newsletter 的费率与作者规范
  • beehiiv — 看 beehiiv 广告、推荐与分销规则
  • 小报童 — 看中文付费专栏定价与运营规则
  • ConvertKit — 看创作者订阅 / 自动化邮件最佳实践

涉及具体数据、比例、报价区间的部分,以执行当天后台为准。

常见问题

没有数据怎么画像?

先写假设画像,再用样刊、欢迎邮件和访谈验证。不要把假设当事实。

赠品获客是不是不能做?

可以做,但要单独标记来源。赠品用户需要再次验证是否真的想读后续邮件。

要不要问很多问题?

不用。欢迎邮件最多问一两个具体问题。问题太多会让新订阅者不愿回复。

不同来源要不要分开列表?

不一定要分多个列表,但至少要用标签或分组记录来源,方便后续判断质量。

退订是不是坏事?

不一定。非目标读者退订能让列表更干净。真正危险的是承诺不清导致目标读者也离开。

执行前至少核验:

接下来去哪

本页目录