Omnisend AI Segment Builder 教程 | 自然语言建立邮件受众分群

AI Segment Builder 解决的是什么问题

传统分群界面有个共同的问题：你脑子里想的是”上个冬天买过外套、最近 3 个月没有打开邮件的客户”，但翻译成系统过滤条件之后，要一层层嵌套：购买品类包含”coats”、购买时间在 2025-10-01 到 2026-02-28 之间、邮件打开事件最近一次在当前日期减 90 天之前……每加一个维度都要多点几个下拉菜单，搞错一个运算符整个分群就偏了。

对于不写 SQL 的小团队来说，这个门槛比看起来高。很多独立站的邮件营销只有 1-2 个人在管，他们能写文案、能看报表，但不一定有耐心在条件构建器里反复调试，最后就放弃细分，一封邮件发给所有人，效果当然差。

Omnisend 在 2026 年 4 月推出 AI Segment Builder，思路是直接绕过这个界面：你用文字描述你想要的人群，系统把它翻译成实际的过滤逻辑。输入框是自由格式的，不需要按照模板填写。官方给的几个示范提示词：

“customers who bought jeans last winter”
“subscribers who haven’t opened emails in 3 months”
“people who placed more than 2 orders but never clicked a promotional email”

系统会调用实时的购买记录和行为数据，把这段描述转成对应的分群条件，然后给你一个即时的受众规模预估。你可以直接确认，也可以在生成结果里手动微调某个条件。

目前这个功能面向所有付费计划开放，Shopify、WooCommerce、BigCommerce 的数据同步都能用，不需要额外配置。

用自然语言建分群：实操步骤和有效提示词

实际用起来，入口在 Omnisend 后台左侧菜单的 Audience 里，选 Segments，右上角有一个”Create with AI”的按钮，2026 年 4 月之前这里只有手动构建。

点进去之后是一个文本框，直接输入描述就行。几个在实际操作中比较有效的写法：

时间要写具体。“last winter”比”a few months ago”精确，系统解析自然语言时对模糊时间的处理不稳定。最好直接说”between October 2025 and February 2026”，或者用相对时间”in the past 90 days”。

行为和属性分开描述。“customers who bought skincare products and opened more than 3 emails in the last 60 days”这种把购买属性和邮件行为放一句话里的写法，比”active skincare buyers”的识别效果好很多。

用否定做排除。“subscribers who have not made a purchase in 6 months but are still opening emails”这样的描述能很准地命中沉默但未流失的人群，适合做回购激活。

系统生成分群之后会显示预估人数，通常在 5-10 秒出结果。生成的条件可以展开查看，格式和手动构建的分群一样，你能看到每一条过滤逻辑是什么。如果有一条条件解析错了，可以直接在条件编辑界面修改，不需要重新输入自然语言。

建议第一次用的时候先测几个你已经知道答案的分群，比如”all customers who ordered in the last 30 days”，对比一下系统生成的条件和你自己手动构建的是否一致，确认系统对你们店的数据字段理解准确，再去做更复杂的分群。

AI 主题行生成器和 AI Writer：配套使用

分群做好之后，邮件内容还是要写。Omnisend 同时提供了两个 AI 内容工具，都在创建 Campaign 的流程里，不需要单独找。

AI Subject Line & Preheader Generator 在邮件设置步骤里，点”Generate with AI”之后会出 3-5 个主题行候选。生成逻辑基于你账户里历史邮件的实际打开率数据，Omnisend 知道哪些主题行风格在你的受众里表现好。用了 3-6 个月、有足够历史数据之后，生成结果会比新账户准确很多。

具体操作：选好分群、设定邮件类型之后，在主题行输入框旁边点 AI 图标，填一下这封邮件的核心内容（比如”夏季新品到货，主推防晒服”），系统会生成候选，还会标注哪一条的历史相似主题行打开率更高。

AI Writer 用来生成邮件正文。它会读取你账户里最近 5-10 封邮件的内容风格和常用措辞，加上你填写的品牌信息，生成对应风格的草稿。支持多语言输出，如果你的客户群里有说西班牙语的，可以直接让它生成西班牙语版本，省去单独翻译。

两个工具输出的都是草稿，需要人工确认。AI Writer 生成的内容通常要调整品类名称、具体促销条件、落地页链接，直接用原稿发的风险是内容太通用。把它当第一稿，节省的是从空白开始的时间。

个性化商品推荐器：怎么接入邮件流程

Omnisend 的 Personalized Product Recommender 是 2026 年 4 月更新里的另一个功能，AI Recommendation Banners 跟着一起进了 beta。

基本逻辑：系统分析每个收件人最近的浏览记录和购买历史，在邮件里插入对应的商品推荐模块，每个人看到的商品不一样。比如一个最近一直在看运动鞋的用户，收到的促销邮件里推荐位显示的是运动鞋；另一个最近买过护肤品的用户，推荐位显示的是护肤新品。

接入方式在邮件编辑器里，拖一个 Product Recommendations 内容块进来，选”Personalized”模式，设置显示几个商品（通常 2-4 个效果最好，太多反而分散注意力），保存就行。发送时系统会在实际渲染邮件的时候实时查询每个用户的推荐列表。

有一个限制要注意：个性化推荐需要每个联系人有足够的浏览/购买数据才会生效，新注册用户或者长期不活跃的用户，系统会退回到”热门商品”或者你手动设置的备用商品。所以对于冷启动用户，推荐模块里最好手动设置几个当季主推，不要完全依赖 AI。

连接 Shopify 的话，商品数据同步是自动的，价格、库存、上下架状态都会实时更新，不存在推荐了一个已下架商品的问题。WooCommerce 的同步频率是每小时，有轻微延迟，促销期间如果商品变动频繁，手动同步一次比较保险。

和 Klaviyo 的自然语言分群有什么不同

Klaviyo 2025 年也发布了自然语言分群（AI Segmentation），和 Omnisend 的方向一样，但有几处差异值得关注。

最明显的区别是数据覆盖范围。Klaviyo 的 AI 分群主要依赖它自身积累的购买和邮件行为数据；Omnisend 的 AI Segment Builder 同时接入了实时购买数据流，分群结果反映的是当前状态，不是上次数据同步时的快照。对于商品更新频繁或者订单量波动大的店铺来说，这个差异有实际影响。

精准度上，两个工具对简单描述的处理都比较稳定，差异主要在复杂多条件描述上。Klaviyo 在处理”预测客户生命周期价值”这类涉及预测模型的分群时更强，因为它积累了更大规模的电商行为数据。Omnisend 在处理”最近 X 天的购买/行为组合”这类基于实时数据的条件时反应更快。

价格比较也要算进来：

维度	Omnisend	Klaviyo
AI 分群入口计划	Standard（$16/月起）	Core（$45/月起）
自然语言分群	2026 年 4 月全面开放	2025 年底开放
数据基础	实时购买 + 行为流	历史数据 + 预测模型
预测 CLV 分群	基础版	更完整
多语言 AI 写作	支持	支持
适合规模	150K+ 品牌覆盖，中小团队友好	大规模电商更常用