27% 的人根本不给 AI 数据：邮件个性化撞上了信任天花板
漏斗里有三分之一的人，你根本进不去
2026 Braze Customer Engagement Review 的调研数据里，27% 的消费者表示即便被承诺换来更好的体验，也拒绝向 AI 代理提供任何数据。不是”看情况”，是直接不给。
这个数字对邮件团队的杀伤力比看上去大。过去两年大家做个性化的默认路径是这样的：埋点收行为，行为喂给模型，模型出推荐，推荐塞进邮件模块。整条链路的第一环就是数据授权。授权拿不到，后面全塌。
问题在于，很多团队的仪表盘上看不到这批人。你的个性化引擎覆盖率显示 85%，剩下 15% 归类成”数据不足”，然后就没有然后了。他们照样收邮件，照样在你的列表里占坑，只是每次发的都是最没意思的那一版通用内容。
同一份调研里还有个更扎心的数字：43% 的消费者会因为数据被滥用而彻底停止与品牌互动。注意是”彻底停止”，不是退订某个序列。低授权人群的问题因此不止于”个性化做不了”，他们也是最容易被一个踩线动作直接推走的那批人。
顺手做个粗算。假设你的列表有 10 万人，按调研比例，其中大约 2.7 万人不会给你任何 AI 可用的数据。如果这批人一直只收通用内容，他们的打开率通常比主力人群低一截，久而久之被算法判定为低活跃，发送量再被自动压缩，最后自然消亡。整个过程里没有任何一个环节报错，你只会在年底看到列表规模莫名其妙缩水。
93% vs 53%：营销团队和消费者不在同一个现实里
调研里最值得贴在会议室墙上的对比是这个：93% 的营销负责人认为 AI 能准确理解客户，而认同这一点的消费者只有 53%。40 个百分点的认知差。
这个差距的实际后果，是团队在用一套自我感觉良好的标准验收个性化效果。你觉得推荐很准，收件人觉得你在猜，而且猜得让人不太舒服。
我见过一个典型场景。品牌方拿浏览记录做了一封”你上次看的那款还在等你”的邮件，A/B 测出来点击率涨了。但同期客服工单里冒出一批问”你们怎么知道我看过这个”的咨询。点击率是真的，反感也是真的，只是后者不进你的报表。
这就是个性化的 uncanny valley。触发它的通常是信息来源的不可解释性，跟精准度关系不大。用户主动填过的信息，你用得再深他也不觉得奇怪；用户没意识到自己留下过的痕迹，你用得越准他越警觉。跨境场景里这条线更敏感，欧盟收件人对”这个数据你从哪来、拿去干什么”的追问频率明显高于北美收件人，所以同一封邮件在两个市场的观感可能完全相反。
AI 代理的使用率还在往上走。调研预计从 19% 涨到年底的 46%。用的人多了，被 AI 代理代表着去交互的消费者也多了，“这个信息是谁给出去的”会变成更常见的疑问。
顺带说一句，这 40 个百分点的差距也解释了为什么很多个性化项目的内部复盘和外部反馈对不上。内部看模型指标，命中率、CTR 增量、增效实验都很好看；外部看的是感受，而感受里”被理解”和”被监视”只隔一层窗户纸。两套评价体系不打通，团队会一直往错误的方向加码。
如果想验证自己团队有没有这个偏差，有个很便宜的做法：找 20 个真实客户，把最近三封个性化邮件给他们看，问一句你觉得我们是怎么知道这些的。答案会比任何 A/B 测试都直接。
给两类人群分别设计策略，而不是给一类人做降级版
低授权人群最常见的处理方式是”个性化模块留空，回落到默认内容”。这是降级思维，等于承认这批人只配收次品。
换个想法：他们是另一类用户，需要另一套内容逻辑，不是数据缺了一半的高授权用户。
| 维度 | 高授权人群 | 低授权人群 |
|---|---|---|
| 内容依据 | 行为轨迹、购买历史、模型预测评分 | 用户自填偏好、品类兴趣标签、显式订阅选项 |
| 发送频率 | 按行为信号动态调整，可以密 | 固定节奏，宁可少不可乱，让人预期得到 |
| 个性化深度 | 到单品级别，可做动态定价与库存提醒 | 到品类和使用场景级别，不下探到个体行为 |
| 可用信号 | 点击流、加购、站内搜索、跨端识别 | 问卷答案、偏好中心设置、邮件内一键选择 |
| 内容主线 | 我们知道你要什么，直接给 | 我们不知道你要什么，帮你自己挑 |
最后一行是关键。低授权人群的邮件应该更像一个好用的货架，而不是一个自作聪明的导购。品类导航、使用场景归类、清晰的筛选入口，这些东西不需要任何行为数据就能做好，而且对隐私敏感人群来说体验反而更舒服。
实操上还有个细节：这两套策略不该做成两个完全隔离的世界。人是会移动的。今天不给数据的人，用了半年觉得你还行，可能在某次偏好中心访问里主动补上三个字段。所以低授权序列里要一直留着”升级入口”，让愿意多给一点的人随时能走过去，而不是等你下一次群发问卷。
反向的路也要留。已经授权的人应该能随时降级，把个性化调低而不是只能全退订。给一个”少一点个性化”的选项，能救回相当一部分本来要点退订的人。
发送频率那一栏也值得单独说。低授权人群没有行为信号帮你判断”这人现在有兴趣”，那就不要试图猜，改成固定节奏的可预期投递。每月两封、每次都在同一个时间窗口，这种确定性本身是一种尊重信号。
零方数据在这批人身上比追踪管用
行为追踪在低授权人群身上收不到东西，但零方数据可以。区别在于前者是拿，后者是要。
一次三题的偏好问卷，能拿到的有效信息经常比三个月的浏览记录还多。问卷答案是用户主动给的，他们知道自己给了什么，所以你后续用得再明显都不会触发反感。这一点跟行为数据完全相反。
具体怎么做，几个能马上落地的动作：
一是把 preference center 从”退订缓冲页”改造成真正的偏好收集入口。多数品牌的偏好中心只有频率选项和退订按钮，白白浪费了一个用户主动来访的页面。加上品类兴趣、购买阶段、内容类型这三组多选，覆盖率会比你想的高。
二是每个字段旁边写一句为什么要这个数据。不是隐私政策链接，是一句人话。比如”告诉我们你关注哪些品类，我们就不会把婴儿用品的促销发给你”。这一句话的转化提升往往比整个页面的视觉改版还大，因为它把数据采集从索取变成了交换。
三是在邮件正文里做一键偏好收集。一行”这类内容对你有用吗”配两个按钮，点击直接写入属性。不跳转、不填表、不登录。这是低授权人群唯一愿意付出的交互成本。
四是问卷问题要能直接映射到内容分发逻辑。问了但用不上的字段不如不问，用户填完发现邮件没变化，下次就不填了。
五是给零方数据设过期时间。半年前填的品类偏好现在可能已经不准，与其一直用旧答案，不如每 6 个月发一封”确认一下你的偏好还是这些吗”的邮件。这封邮件本身的打开率通常不低，因为它传递的信息是你在按用户说的做，而不是按你猜的做。
还有一个容易忽略的点：零方数据的采集时机比采集方式更重要。刚下完单的那几分钟是意愿最高的窗口，订单确认页放一个两题的小问卷，完成率往往是后续任何一次单独邀请的数倍。
越个性化越好，这个默认设置在 2026 已经过期
行业里流传了很多年的假设是：个性化程度和转化率正相关，所以能做多深就做多深。这个假设在有充足授权的人群上仍然成立，在整体人群上已经不成立了。
真实的曲线是有拐点的。个性化深度超过用户认为你应该知道的范围，收益开始转负，而且负得很快。43% 的彻底断联比例说明，越线的代价是这个人以后都不来了，而不只是这封邮件没人点。
实操上建议做几件事。给个性化深度设一个显式上限，比如邮件里最多引用一条行为信号，并且这条信号必须是用户能自己回忆起来的动作（下过的单、点过的收藏），而不是系统推断出来的画像。AI 生成的个性化文案要过一道检查：这句话里的信息，用户知不知道自己给过你。答案是否定的就重写。
这个检查听起来很软，但它是目前唯一能拦住 uncanny valley 的东西。模型不知道什么信息会让人不舒服，它只知道什么信息相关度高，这两件事不是一回事。
指标层面也要改。只看打开率和点击率看不出信任损耗，建议把退订率、投诉率、以及低授权人群占比这三个数一起放进周报。个性化跑得太猛的时候，前两个指标会先动，转化率往往还在涨，等你发现的时候人已经走了一批。
最后一句话给做跨境的同行：不同市场对这条线的容忍度差别很大，欧盟收件人对数据用途说明的期待明显更高，同一套个性化策略直接复制过去容易翻车。分市场设不同的个性化上限，比全球统一一套要稳得多。
Read this article in English: The Personalization Trust Ceiling: 27% of Shoppers Will Not Feed AI Any Data
相关文章
Braze 电商留存实操：把预测流失和预测购买挂进 Canvas
站上第一篇 Braze。不讲流失评分的原理，只讲 Braze 特有的那部分：预测模型冷启动要吃多少数据、分数怎么变成 Canvas 的 Audience Path 条件、怎么避免给本来就会买的人白发折扣，以及什么规模的品牌压根不该上 Braze。
Mailchimp 自动同步 Shopify B2B 公司数据：批发和零售客户终于不用手动分了
2026 年 6 月 Mailchimp 上线了 Shopify B2B 公司数据自动同步，公司信息以 Shop B2B Company 字段进入受众列表。同时做批发和零售的店，不用再靠手动打标签或第三方 App 把批发客户从零售促销流程里摘出来。这篇讲怎么确认同步生效、怎么建分组、怎么拆流程，以及单向同步的几个坑。