15 个助力电子邮件营销成功的 Claude 提示词

电子邮件的投资回报率胜过其他渠道，但多数营销计划仍浪费了大部分潜力：泛泛的主题行、被埋没的行动号召，以及躺在草稿文件夹里只写了一半的培育序列。正确的电子邮件营销 Claude 提示词能把这些问题变成一套系统，从赢得打开的主题行，到把冷订阅者转化的序列，产出计划所需的各类邮件。

以下 15 个提示词分为邮件文案、自动化序列、细分与名单健康，以及测试与表现。你可以直接粘贴到 Claude 中，需要快速草稿时使用AI 邮件写作工具，或在 Chat Smith 中运行。这个免费 AI 聊天机器人把 Claude、GPT 和 Gemini 集中在一处，方便比较各自的写法。

Claude 不了解你的受众。高表现邮件与普通邮件之间的一切差别——收件人是谁、他们已经相信什么、优惠真正解决什么——都必须来自你的提示词。

像 Claude Sonnet 5 这样有足够工作空间的模型，可以在一次对话中保持品牌语气、细分定义和六封邮件序列。能返回可直接发送内容的提示词与只会生成填充文字的提示词，有三个关键差别。

说清细分人群，而不是笼统名单——“下载了定价模板但从未预约通话的自由设计师”会得到具体文案；“我的订阅者”只会得到模板。

指定唯一行动——每封邮件只承担一个任务。要求两个行动号召，读者往往一个也不会执行。

说明不要做什么——“不要制造虚假紧迫感”“不要以产品开场”。限制条件能让输出摆脱千篇一律的营销腔。

主题行决定其他内容是否会被阅读，第一句话决定第二句是否会被阅读。这四个提示词处理读者真正看到的部分，更接近AI 广告文案生成器的技巧，而不是长篇写作。发送给名单前，请用AI 语法检查器检查最终草稿。

1. 主题行生成器

为一封关于[描述邮件内容和优惠]的邮件生成 10 个主题行。受众是[他们是谁、关心什么、这封邮件解决什么问题]。每类写两个：(1) 好奇缺口；(2) 直接利益；(3) 确实真实的紧迫或稀缺；(4) 具体性——数字、名称或明确细节；(5) 模式打断。每个不超过 50 个字符。标出最先进行 A/B 测试的两个，并说明原因。

2. 预览文字搭配器

这是我的主题行：[粘贴]。邮件关于[内容和优惠]，受众是[描述]。写八个不超过 90 个字符的预览文字，与主题行搭配而不是重复它：两个补全想法，两个增加第二个打开理由，两个制造刻意对比，两个点出邮件中的具体细节。最后标出在手机上被截断时读起来最差的一个。

3. 促销邮件写作器

为[描述优惠]写一封促销邮件。受众：[他们是谁、关心什么]。优惠所解决的痛点或欲望：[一句话]。以读者处境为钩子开场，不要先讲产品。在中间三分之一把优惠作为解决方案。行动号召前处理最可能的一项异议。以真实的紧迫感收尾。语气：[对话式 / 权威 / 温暖 / 直接]。长度：[200 字以内 / 200-400 字 / 长篇]。包含主题行和预览文字。

4. 邮件文案审阅器

以资深电子邮件营销策略师身份审阅这封邮件。受众：[描述]。目标：[试图实现什么]。邮件：[连同主题行粘贴]。按 10 分制评价主题行吸引力、开场钩子——第一句是否让人继续读第二句、价值清晰度、唯一行动号召的力度，以及读者能否在 30 秒内理解重点。每项指出最弱元素并改写。最后彻底重写主题行和第一段。

序列让邮件价值不断累积：写一次，之后每个新订阅者都会持续收到。每个提示词都会在动笔前要求明确目标和异议；对于电商流程，把AI 产品描述生成器的文案放在旁边，有助于让邮件语言与产品页保持一致。

5. 欢迎序列构建器

为[描述品牌、产品或服务]的新订阅者创建一个包含[数量]封邮件的欢迎序列。用户通过[引流赠品或入口]注册。商业目标是[促成首次购买 / 预约演示 / 在销售邮件前建立信任]。每封邮件给出发送时间、主题行、预览文字、开场钩子、核心信息、行动号召，以及它出现在该位置的策略原因。让订阅者从第一印象走向[目标行动]，又不让序列显得强行推销。

6. 培育序列架构师

为这些潜在客户设计培育序列：[描述来源和状态——下载指南但未预约演示、开始试用但未转化、参加网络研讨会但未购买]。产品：[描述]。阻止他们的主要异议：[描述]。主要信任缺口——他们尚未相信我们什么：[描述]。构建[数量]封邮件，前期弥合信任缺口，中段回答异议，结尾给出优惠。每封邮件提供策略目的、主题行和三句话内容摘要。

7. 弃购序列

为[描述产品和典型买家]写三封弃购邮件。邮件 1（1 小时后）：低压力提醒，以利益而非内疚开场。邮件 2（24 小时后）：处理该价格段最常见的放弃原因——[价格 / 信任 / 比价 / 分心]——并提供与异议相关的社会证明。邮件 3（48 小时后）：给出一个现在行动的具体理由，可以是适度优惠、库存有限或真实截止时间。三封都提供主题行和预览文字。不要捏造紧迫感。

8. 购后序列

为刚购买[产品和价格]的客户写一个包含[数量]封邮件的购后序列。目标优先级：[减少退款 / 获得评价 / 推动二次购买 / 促成推荐]。每封邮件给出发送时间、主题行、唯一任务和行动号召。在客户有时间从首次购买中获得价值前，不要要求再次购买；指出序列中何时适合提出，并说明判断依据。

名单增长与名单活跃是两个不同项目。这些提示词同时处理两者：谁收到哪封邮件，以及收件人是否仍愿意留在名单中。建立通讯结构后，AI 内容生成器会让填满内容日历轻松得多。

9. 细分策略构建器

为我的邮件名单构建细分策略。业务：[电商 / SaaS / 服务 / 内容]。名单规模：[约数]。实际拥有的数据：[购买记录、注册来源、行业、互动程度、位置、免费或付费]。平台：[Mailchimp / Klaviyo / HubSpot / 其他]。根据数据推荐最先建立的 3-5 个高价值细分，给出各自精确标准，以及涵盖频率、内容组合和主要目标的不同策略，并指出我可能忽略但收入机会最高的细分。

10. 再互动活动生成器

为[X 个月]没有打开任何邮件的订阅者写三封再互动邮件。品牌：[描述]。我为订阅者提供的最大价值：[描述]。邮件 1：直接诚实地承认联系中断，以价值而非内疚给出留下理由。邮件 2：一项具体的高价值内容，或给长期订阅者的优惠。邮件 3：清晰选择——留下或退订——并保持尊重。为三封邮件写主题行。不要使用操控性语言。

11. 通讯内容规划器

为[面向谁、涵盖什么、发送频率]设计通讯内容框架。受众阅读它是因为[想了解最新信息 / 想要本周即可使用的技巧 / 想要自己找不到的精选资源]。商业目标：[权威 / 流量 / 潜客 / 转化]。给出可重复的结构和命名版块、教育与促销内容比例及理由、四周日历和每个版块的具体主题，以及一个始终能打动受众的常青类别。

12. 引流赠品与注册文案写作器

我想通过面向[描述受众及其目标]的引流赠品扩大名单。提出三个想法：问题要小到能用一个文件解决，又紧迫到值得用邮箱地址交换。为最强的想法写注册文案：标题、一句话说明、所得内容的项目列表、按钮文字，以及回答未说出口的“你会发垃圾邮件吗”异议的一句话。

多数邮件计划会收集指标，却不据此行动。这三个提示词把数字变成决策：下一步测试什么、在当前名单规模下结果真正意味着什么，以及先修复什么。

13. 邮件表现分析师

分析我的邮件表现并告诉我重点。名单规模：[X]。平均打开率：[X%]。平均点击率：[X%]。每次发送退订率：[X%]。行业与受众：[描述]。找出最落后于行业基准的指标及其通常含义。诊断最可能的根因——主题行、名单质量、内容相关性或发送频率。给出未来 30 天运行的三项测试，以及本周即可上线、预期影响最大的一个改变。

14. A/B 测试设计器

帮我为邮件计划设计 A/B 测试。要改进：[打开率 / 点击率 / 转化 / 退订]。当前数据：[粘贴]。名单规模：[X]，通常发送量：[每周 X]。给出最值得先测试的唯一变量和原因，精确定义两个版本，按我的发送量需要多少次发送结果才有意义，什么结果足以改变默认方案，以及在当前名单规模下哪些测试暂时不值得做。

15. 送达率诊断

我的邮件可能进入垃圾邮件或促销标签，而不是收件箱。已知信息：[发送域名、是否配置 SPF/DKIM/DMARC、平台、名单年龄、名单构建方式、近期打开率趋势、近期发送量是否激增]。按概率顺序诊断可能原因，告诉我今天能自行运行哪些检查以确认或排除每一项，并按正确执行顺序给出恢复计划。

受众具体程度是最大变量。写给“我的邮件名单”的提示词会返回通用文案；写给“下载了定价模板但尚未预约通话的自由设计师”的提示词，会返回明天就能发送的内容。

让模型匹配任务。批量主题行和预览文字需要数量与速度，轻量模型如 Claude Haiku 4.5 正适合。序列架构和表现诊断需要你能提供的最强推理。计划其余部分——落地页、广告文案、产品页——可使用相同的AI 写作工具，让每个接触点的品牌声音保持一致。

每个提示词都针对一种具体失败模式。没有测试计划的主题行让活动永远无法改进，因为没有学习循环。跳过建立信任阶段的欢迎序列，会让订阅者只转化一次就消失。以产品而非读者处境开场的促销邮件，无论优惠多好，表现都会更差。用内疚唤醒用户会换来短暂峰值，随后是大量退订。规律始终相同：从读者的处境开始，而不是从你的优惠开始。

主题行测试、序列搭建、活动写作、细分和表现分析各自需要不同提示词，Chat Smith 可以帮你整理。把本页任一提示词保存为可复用模板，按邮件类型或活动阶段分组，一键运行，并与文案人员或营销团队共享这套库。

Chat Smith 是多模型助手，同一个主题行提示词可以从统一的模型库在 Claude、GPT、Gemini、Grok 和 DeepSeek 上运行，并并排比较选项。对邮件来说这立即实用：两个模型各给十个主题行，比一个模型给二十个更有测试广度。