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。
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:
- 他为什么现在需要这封信?
- 他用什么标准判断一封邮件值得继续收?
- 他会把邮件里的哪一部分用于工作或项目?
- 他最可能从哪个渠道发现你?
- 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 |
|---|---|---|
| 高 | 打开、回复、转发、提供问题 | 加深栏目,邀请访谈 |
| 中 | 打开但不回复 | 优化提问和样刊结构 |
| 低 | 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:
- 你是谁。
- 这封 Newsletter 帮谁。
- 多久发一次。
- 读者会得到什么。
- 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:
- 把宽泛人群改成任务型画像。
- 根据来源设计不同欢迎邮件。
- 从回复里提取重复问题。
- 给订阅者分组和打标签。
- 判断哪些来源值得继续投入。
不适合交给 AI 的任务:
- 编造订阅者动机。
- 把买来的邮箱洗成“潜在客户”。
- 替你确认地区邮件合规。
- 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:
- Stripe 官方文档 → 海外订阅与支付规则
- Shopify 帮助中心 → 电商运营与店铺合规
- Buy Me a Coffee → 创作者付费墙参考