email-marketing

执行邮件营销任务，包括 AI 智能生成 HTML、个性化群发、自动化回信监控、FAQ 知识库智能匹配、多语种自动对齐。

Install

openclaw skills install @zlrlyy/email-marketing-faq

邮件营销与智能回信 Skill (Email Marketing & Auto-Reply)

本 Skill 用于稳健地执行邮件营销任务及自动化回信闭环，支持 AI 智能生成美观 HTML、个性化批量发送、智能回信监控等功能。

核心功能

AI 智能生成 HTML：根据纯文本文案自动生成美观、响应式的 HTML 邮件模板，自动选择合适的设计风格（正式商务/营销推广/温馨问候）。
个性化群发：自动读取 邮箱.xlsx，根据每行数据动态替换 HTML 中的 【变量名】 占位符，实现一对一精准营销。
自动化回信监控：定期扫描收件箱中的未读邮件，智能识别客户提问。
FAQ 知识库匹配：收到回信后，强制检索 faq.txt。仅针对知识库中有明确答案的问题进行回复，不确定的保持静默。
多语种对齐与商务礼仪：自动识别回信语言（如中、英、日等），以同语种、高标准商务礼貌语气生成回信草案。
防垃圾邮件策略：内置指纹码干扰与模拟人工发信延迟（3-8秒随机），降低进入垃圾箱的概率。

资源依赖

名单：邮箱.xlsx (支持读取 kol name, gender 等用于内容替换)
标题：邮件标题.txt
文案：邮件文案.txt (纯文本格式，AI会自动转换为HTML)
内容：邮件内容.html (依据邮件文案.txt 内容通过AI生成，会自动替换其中的【变量名】占位符并根据内容自动美化设计)
知识库：faq.txt (用于自动回信的标准答案参考)

操作指南

1. 环境检查（首次使用）

运行环境检查脚本，确保所有依赖和配置都正确：

bash

cd email-marketing/scripts
python3 check_setup.py

如果提示缺少依赖，安装所需包：

bash

pip install -r email-marketing/requirements.txt

预期输出：

text

✓ 所有依赖已安装
✓ 环境变量已配置
✓ 测试邮件配置正常

2. AI 智能生成 HTML（推荐）

根据纯文本文案自动生成精美 HTML 邮件：

在 OpenClaw 环境中：直接使用 AI 将文案转换为 HTML

输入要求：

文案位置：~/Desktop/邮件文案.txt
文案格式：纯文本，支持【变量名】占位符

输出文件：~/Desktop/邮件内容.html

AI 生成特点：

🎨 根据文案内容自动选择设计风格（正式商务/营销推广/温馨问候）
📱 自动生成响应式布局，移动端友好
✅ 严格保留原文内容和【变量名】占位符
🎯 兼容主流邮件客户端（Gmail、Outlook、QQ邮箱等）

3. 测试发送

发送一封测试邮件到预设的测试邮箱：

bash

cd email-marketing/scripts
python3 final_sender.py

测试目的：

验证 HTML 渲染效果
检查变量是否正确替换
确认移动端和桌面端显示正常

预期输出：

text

正在发送测试邮件...
✓ 测试邮件已发送至 test@example.com
请检查邮箱确认效果

4. 执行全量群发

批量发送到 Excel 名单中的所有收件人：

bash

cd email-marketing/scripts
python3 final_sender.py run

发送策略：

每封邮件间隔 3-8 秒随机延迟
每 10 封长休息一次
自动记录发送状态

预期输出：

text

开始批量发送...
[1/100] ✓ 发送成功: user1@example.com
[2/100] ✓ 发送成功: user2@example.com
...
✓ 全部发送完成，成功 100 封

5. 扫描并自动处理回信

运行脚本扫描新邮件，并结合 FAQ 进行智能拟稿：

bash

cd email-marketing/scripts
python3 auto_reply_manager.py

工作流程：

扫描收件箱未读邮件
识别客户语言（中/英/日等）
在 FAQ 中搜索匹配答案
生成同语种、商务礼貌的回信草案

预期输出：

text

扫描到 3 封未读邮件
[1] user@example.com - "关于产品价格"
  → FAQ 匹配度: 95%
  → 生成回信草案（已保存）
[2] user2@example.com - "合作细节"
  → FAQ 匹配度: 30%（低于阈值，不回复）

6. 确认并发送回信

人工审核草案后，确认发送回信：

bash

cd email-marketing/scripts
python3 auto_reply_manager.py send "recipient@email.com" "Subject" "Content"

7. 查看统计报表

查看发送统计和回信情况：

bash

cd email-marketing/scripts
python3 check_replies.py

报表内容：

📊 发送统计：总发送数、成功数、失败数
💬 回信统计：真实回信人数、回信率计算
⚠️ 退信分析：退信数量、退信原因分类（账号不存在、垃圾邮件、邮箱已满等）
📋 详细列表：每个回信和退信的详细信息

预期输出示例：

text

--- 邮件营销综合效果报告 ---
统计日期: 2026-03-03
最近一次群发人数: 100
真实回信人数: 5
今日退信数量: 2

[回信详情]:
- 来自: user1@example.com
  标题: Re: 合作邀请
- 来自: user2@example.com
  标题: Re: 产品咨询

[退信分析]:
- 原因: 账号不存在 (Invalid User)
- 原因: 触发垃圾邮件风控 (Spam/Rejected)

关键指标：

回信率 = 真实回信人数 / 总发送数 × 100%
退信率 = 退信数量 / 总发送数 × 100%
有效触达率 = (总发送数 - 退信数量) / 总发送数 × 100%

统计文件位置：

发送日志：assets/email_status.json
回信统计：assets/reply_stats.json

自动化运行准则 (Mandatory)

查重原则：已经回复过的不需要再次回复，避免骚扰用户。
明确性原则：只有明确在 FAQ 中有答案的问题才回复（匹配度 ≥ 80%），不确定时保持静默。
内容一致性：HTML 渲染仅改变样式，严禁更改文案具体内容（变量替换除外）。
稳重降频：正式发送每封间隔 3-8 秒随机延迟，每 10 封长休息 30-60 秒。
安全第一：发送前必须测试，确认无误后再批量发送。

故障排查

问题 1: AI 生成 HTML 效果不佳

症状：生成的 HTML 样式异常或变量丢失

解决方案：

bash

# 检查文案文件是否存在
ls ~/Desktop/邮件文案.txt

# 检查文案内容是否为空
cat ~/Desktop/邮件文案.txt

# 在 OpenClaw 平台中重新让 AI 生成 HTML
# 确保提示 AI 保留所有【变量名】占位符

问题 2: 发送失败

症状：final_sender.py 报错 "Authentication failed"

解决方案：

bash

# 检查环境变量
echo $EMAIL_SMTP_USER
echo $EMAIL_SMTP_PASS

# 确认 SMTP 配置（如使用 Gmail 需要开启"不够安全的应用访问权限"）
# 或使用应用专用密码

# 查看发送状态日志
cat ../assets/email_status.json

问题 3: 变量未替换

症状：收到的邮件中仍显示【kol name】等占位符

解决方案：

检查 Excel 文件列名是否与【变量名】完全匹配（不区分大小写）
确认 Excel 路径：~/Desktop/邮箱.xlsx
确认 Excel 中有数据行（非空）

示例 Excel 格式：

邮箱	kol name	gender
user@example.com	张三	先生

问题 4: 邮件进垃圾箱

症状：收件人反馈收不到邮件，或在垃圾箱中

优化措施：

增加发送延迟时间
减少单日发送量（建议 < 500 封）
优化邮件内容，避免敏感词汇
使用企业邮箱发送（信誉度更高）
添加 SPF、DKIM、DMARC 记录

最佳实践

文案编写技巧

使用变量实现个性化
text
```
亲爱的【kol name】【gender】，
```
保持段落清晰
- 每段 2-3 句话
- 使用空行分隔段落
- 重点内容加粗或列表
避免过长句子
- 单句不超过 30 字
- 复杂信息用列表展示

群发策略

测试优先
- 发送 1 封到自己邮箱
- 检查移动端和桌面端显示效果
- 确认变量正确替换
分批发送
- 首批 10-20 封测试市场反应
- 根据回信率调整文案
- 再执行大批量发送
时间选择
- B2B 邮件：工作日 9:00-11:00, 14:00-16:00
- B2C 邮件：晚上 19:00-21:00
- 避免周一早上和周五下午

FAQ 知识库维护

创建 faq.txt 文件，格式如下：

text

Q: 你们的产品价格是多少？
A: 我们的产品起步价为 XX 元，具体价格根据您的需求定制。

Q: 如何合作？
A: 合作流程包括：1. 需求沟通 2. 方案制定 3. 合同签订 4. 执行交付

Q: 支持哪些语言？
A: 目前支持中文、英文、日文、韩文等主流语言。

更新频率：每周根据新问题补充，保持知识库覆盖率 > 80%。

数据分析与效果优化

1. 定期查看统计报表

建议在每次群发后 24-48 小时查看统计：

bash

cd email-marketing/scripts
python3 check_replies.py

2. 关键指标基准值

指标	优秀	良好	需优化
回信率	> 5%	2-5%	< 2%
退信率	< 2%	2-5%	> 5%
有效触达率	> 95%	90-95%	< 90%

3. 根据数据优化策略

高退信率（> 5%）：

清洗邮箱名单，移除无效地址
使用邮箱验证工具预先验证
检查邮箱格式是否正确

低回信率（< 2%）：

优化邮件标题，提高打开率
调整邮件内容，突出价值主张
优化发送时间（参考最佳实践）
A/B 测试不同文案风格

垃圾邮件问题：

检查退信原因中"Spam/Rejected"占比
如果超过 20%，需要优化邮件内容和发送策略
考虑分批次、小批量发送

4. 回信处理效率

使用自动回信功能处理常见问题（覆盖率目标 80%）
对于 FAQ 无法匹配的问题，及时补充到知识库
每周审核 assets/pending_replies.json，确保无遗漏

5. 持续改进循环

text

发送 → 统计分析 → 识别问题 → 优化调整 → 再次发送

建议每轮群发后记录：

发送时间、数量
文案版本
回信率、退信率
主要退信原因
优化措施

通过数据驱动的持续优化，逐步提升营销效果。

email-marketing

Install

邮件营销与智能回信 Skill (Email Marketing & Auto-Reply)

核心功能

资源依赖

操作指南

1. 环境检查（首次使用）

2. AI 智能生成 HTML（推荐）

3. 测试发送

4. 执行全量群发

5. 扫描并自动处理回信

6. 确认并发送回信

7. 查看统计报表

自动化运行准则 (Mandatory)

故障排查

问题 1: AI 生成 HTML 效果不佳

问题 2: 发送失败

问题 3: 变量未替换

问题 4: 邮件进垃圾箱

最佳实践

文案编写技巧

群发策略

FAQ 知识库维护

数据分析与效果优化

Related skills