思想领袖
最明智的 AI 决策,或许是不发送这条消息

要点为点击率进行优化会奖励发送更多消息,即使克制更能保护客户关系。
查看更多
- 为点击率进行优化会奖励发送更多消息,即使克制更能保护客户关系。
- 在退款尚未解决时发送一封写得好的促销邮件是决策失误,更好的内容也无法弥补。
- 人工审核应关注模糊的上下文和高后果的行为,而不是常规的政策案例。
生成式 AI 大幅降低了撰写个性化消息的成本,却没有让人更容易判断该不该发送这条消息。
随着 AI 承担起更多影响客户互动的决策,这一区别变得至关重要。系统可以生成相关的优惠内容,预测客户会点击,却仍然做出错误的决定。客户可能还在等待退款,可能有尚未解决的投诉,也可能已经使用另一个电子邮件地址购买了该产品。
文案写得更好,并不能解决这些问题。系统需要更深入地了解客户,采用能够体现企业真正重视事项的目标,并明确限定自身可以采取的行动。
你要求系统优化什么?
发送量、打开量和点击量都很容易统计。因此,它们是实用的运营指标,但也很容易被当成企业真正追求的目标的替代品:让客户认可双方关系的价值,并不断回头。
如果 AI 系统以点击总量为优化目标,又几乎不受联系频率的限制,它可能会发现,发送更多消息能提高自己的得分。单看每一次额外发送,似乎都合情合理。但在不同营销活动和渠道中,同一位客户最终可能会收到远超任何人预期的品牌消息。
代价会体现在优化指标之外。根据 Validity 的 2026 年假日季消费者调查,三分之一的受访者表示,仅假日季电子邮件数量过多,就足以让他们取消订阅。这并不能说明消息过载是由 AI 导致的,却说明增加联系可能会损害客户关系。
取消订阅看得见,而此前积累的挫败感往往看不见。如果系统因今天获得一次点击而得到奖励,却不会因为降低客户下个月回头的可能性而受罚,它就几乎没有理由权衡这种取舍。
克制也是一种决策
想想这样一位客户:上周退回了订单,至今仍在等待退款。营销系统看到他最近购买过商品,而且很可能会作出回应,于是安排发送一封促销邮件。从客户的角度看,品牌还没退还欠他的钱,就已经在向他索要更多。
退货记录可能存放在订单系统中,退款状态可能在客服工具里,而购买记录则可能在营销档案中。这些记录甚至可能没有关联到同一个人。模型完全可能按照设计运行,却仍然根据不完整的客户信息做出决定。
关联这些记录,会改变系统能够获知的信息,但不会自动改变系统的行动。决策流程还需要考虑尚未解决的退款问题,并允许暂缓促销作为一种合理结果。否则,你只是给系统提供了更多信息,却没有改变它因何种行为而得到奖励。
因此,必须把客户背景信息与目标一并设计。背景信息说明正在发生什么;目标和决策规则则决定接下来应该做什么。仅仅发生退货,并不意味着所有沟通都应停止。客户可能需要收到退款进度更新。实用的服务通知与又一条促销信息之间的区别至关重要。
邮件写得不好,是内容问题;客户还在等退款时收到一封措辞得体的邮件,则是决策问题。你无法靠把前者做得更好来解决后者。
注册不等于忠诚
忠诚度计划也会带来同类问题。如果成功的定义是增加注册人数,系统可能会学会用折扣吸引用户。注册人数上升了,但这些客户是否会在没有下一次折扣的情况下再次光顾,则是另一个问题。
真正有用的问题需要更长时间才能得到答案:会员会不会再次光顾?扣除激励成本后,他们的消费是否仍能带来利润?该计划改变了他们的行为,还是主要奖励了他们本来就会进行的购买?
要回答这些问题,就需要长期关联忠诚度计划的参与情况、购买记录和服务历史。还需要进行对比,以区分计划带来的影响与本来就很可能发生的行为。单凭会员人数增加,无法得出这些结论。
人工监督必须改变决策
人们有责任决定系统应该优化什么。客户留存率、利润率和客户付出的精力之间存在取舍,管理层必须对此负责。模型可以帮助评估这些取舍,但不能替人承担选择它们的责任。
行动限制也是如此。一个有用的起点问题是:这项行动要撤销,难度有多大?暂缓一条促销消息以供审核,与更改价格、发放抵扣金或取消预订,后果各不相同。行动的后果、客户授予的权限以及现有背景信息的可靠程度,都应决定哪些操作可以自动执行,哪些需要审批。
退款尚未处理完毕,并不意味着每次都必须转为人工审核任务。如果相关政策明确,系统可以通过规则暂缓发送促销信息,同时继续发送服务沟通信息。遇到背景情况模糊、规则相互冲突,或后果超出系统权限的情形时,才应进行人工审核。如果缺少区分这些情形所需的信息,系统就需要预先设定后备处理方式,而不是获准自行猜测。
审核人员需要了解的,不只是置信度评分。他们还需要看到哪些客户记录为这项建议提供了依据、这些记录有多新、系统试图实现什么目标,以及有哪些限制适用。如果一项建议虽然信心十足,却依据过时或不匹配的记录,它仍然是不妥的建议。
人工干预应当成为决策依据。如果人们反复叫停同一类促销活动,就应记录原因。这种模式可能揭示服务数据缺失、身份识别问题,或奖励错误行为的目标设定。与其让某个人无限期地重复发现同一个错误,不如解决造成这一模式的问题。
衡量暂缓发送是否有帮助
团队可以先从一项决策入手,而不必一开始就试图重新设计所有客户互动。以一次促销信息发送为例,明确它所需的背景信息,并设定应当暂缓发送的条件。必要的服务信息不应纳入这项抑制规则。
接下来,测试这一改变是否有帮助。对于符合条件的促销信息,将现行做法与一项在特定条件下暂缓发送的政策进行比较。在符合购买周期的时间段内,跟踪重复购买、客户留存、投诉和利润率。发送量和点击量仍有助于解释发生了什么,但不应成为最终评判标准。
测试可能表明,减少促销信息有助于维护客户关系;也可能表明,某项限制的适用范围过宽。无论哪种结果都有参考价值。不发送不应像发送一样免于评估。两者都是决策,其后果都可以衡量。
这些做法都无法免去工程工作。客户记录必须准确对应到正确的人。近期事件必须及时进入决策流程,才能发挥作用。权限必须限制可采取的行动,团队也需要记录发生了什么以及原因。更好的目标无法弥补背景信息的缺失,正如更充分的背景信息也无法挽救错误的目标。
着眼于客户关系来构建系统
对领导者而言,问题很直接:你的系统将什么视为良好的决策?如果答案是点击,它或许完成了自己的任务,却让客户体验变得更糟。
可信的客户背景信息能为人和 AI 提供更可靠的依据,帮助他们判断该采取什么行动。明确的目标和控制措施则决定如何运用这些认识。最终,系统应能解释为什么某条信息此刻有用,识别它何时并无必要,并从之后发生的事情中不断学习。
有时,AI 系统能做出的最明智决定,就是完全不发送任何信息。












