- name
- email-marketing
- description
- 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。
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：
cd email-marketing/scripts
python3 check_setup.py如果提示缺少依赖，安装所需包：
pip install -r email-marketing/requirements.txt预期输出：
✓ 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：
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：
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：
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：
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：
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：
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：
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：
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：
--- 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：
# 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：
# 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
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：
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：
cd email-marketing/scripts
python3 check_replies.py2. 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
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。