Email Marketing 還有效嗎？B2B 開發客戶實戰

摘要

Email 沒死，但「買名單、廣撒網」那套死了。2024 年起 Gmail 與 Yahoo 強制寄件端通過網域驗證（SPF、DKIM、DMARC）、提供一鍵退訂，並以垃圾信率決定信件能否進收件匣——技術面先把亂槍打鳥的路堵死，接著 AI 生成的罐頭信又把收件人的防禦心推到新高。對台灣 B2B 中小企業來說，Email 仍是單位成本最低、可逐年累積的開發資產，只是它不再是「廣播」，而是一對一對話的起點。這篇文章不談理論，直接給你策略、步驟與常見陷阱。

主題說明

B2B 生意的本質是「決策者難找、決策週期長、客單價高」。一封 Email 的價值在於：它不佔用對方時間，在對方方便時出現，而且留下文字紀錄——這三點電話與實體拜訪都做不到。對業務人力只有兩三個人的中小企業，Email 是把參展名片、詢價紀錄、離職業務留下的聯絡人重新變現的唯一低成本管道。

為什麼多數老闆覺得「寄了沒效」？三個原因：一是買來的名單從未同意收信，進不了收件匣更別說回覆；二是只寄一封、沒有追蹤序列，時機不對就永久錯過；三是內容從頭到尾在講「我們多好」，而不是對方「現在卡在哪」。把這三點反過來做，就是有效的起點。

另一個被忽略的現實：B2B 採購者自己整天在用 Email 工作，一天處理數十封郵件，對「看起來像人寫的、切中痛點的信」反而珍惜。門檻不在技術，在於你願不願意花時間研究對方。

實際應用

應用一：陌生開發信（Cold Outreach）

目標不是成交，是拿到一次對話。一封有效陌生信的原則：五句話以內；開頭直接點出你與對方產生關聯的具體理由（他徵才了、他獲獎了、他的產品線變了）；中間一句你的價值主張；結尾只問一個低門檻問題（「方便寄一份適用貴公司產業的案例嗎？」）。寄出後第三天追蹤一封，第七天再一封，之後停手。三封沒回應就放入 90 天後的再啟動序列。

應用二：名單孵化（Nurturing）

真正的高報酬在「已經認識你的人」。參展交換名片、網站詢價、下載過型錄的名單，轉換率遠高於陌生名單。對這群人設計 4–6 封序列：第一封感謝與 recap，第二封給一個具體產業案例，第三封邀請線上說明會或索取樣品。每封信只做一件事，並放上退訂連結——這不是客氣，是法規要求，也保護你的寄件評分。

應用三：客戶維繫與再行銷

續約提醒、升級提案、年度健檢邀請，用 Email 自動化可以取代人工追蹤。例如設備保養公司設定「合約到期前 90 天」自動寄出保養紀錄與續約報價，業務只處理有回覆的人——把人力放在會回應的客戶上。

應用四：AI 輔助個人化

AI 真正的用途不是「一鍵生成一百封」，而是把個人化成本降下來：讓 AI 依客戶產業草擬第一版，再人工改寫成自己的語氣 [S1]；用 API 串接 CRM 與寄件工具，讓不同名單自動帶入不同內容 [S2]。導入前先想清楚風險管理：客戶資料進到 AI 工具後的存放位置與使用權限 [S3][S4]；未經校對的 AI 草稿可能寫出錯誤規格或承諾，等於自製商譽風險，這正是 [S5] 提醒的生成式 AI 內容失控問題。原則是：AI 做初稿，人做最後一關。

導入步驟

1. 盤點名單來源：既有客戶、詢價紀錄、參展名片、官網表單——只用對方主動留下的聯絡資訊。來源不明或買來的名單直接跳過，省下的退訂與封鎖成本遠高於名單費。

2. 做好寄件基礎建設：用專用寄件網域（不要拿公司主網域試水溫）設定 SPF、DKIM、DMARC，從少量開始暖機，先寄最熱的名單再逐步放大。

3. 選擇工具：規模小先從月費級工具開始，功能重點放在分眾、排程、自動退訂與回覆通知，而不是花俏模板。業務量穩定後再導入 CRM 串接。

4. 寫出第一封：拿最有把握的 50 個名單，手寫一封、追蹤兩封，記錄回覆與退訂。

5. 定義指標：回覆率、退訂率、垃圾信率、最終成交數。開信率參考就好——蘋果與多數郵件服務早已不誠實回報開信。

6. 設定檢核節奏：30 天看回覆率有無 1% 以上的實際對話；60 天看有無會議或報價機會；90 天結算成交與成本，決定放大或調整。

常見問題

Q：直接買名單可以嗎？

不建議。買來的名單沒同意、易退訂、傷網域評分，對方收到時根本不知道你是誰——第一印象就是垃圾信。台灣《個資法》對未經同意蒐集與使用個資有明確界線，企業名單不是免死金牌。

Q：寄 B2B 企業信箱，也要管個資法嗎？

企業聯絡人仍屬個資範疇。合法基礎、蒐集目的、退訂機制三件事做到，風險就可控；來源不明的名單，風險不在「會不會被告」，而在出事時你拿不出蒐集紀錄。

Q：開信率很低，是不是沒用？

先檢查是否進了垃圾郵件匣（用另一個信箱把自己加入名單測試），再檢查主旨是否像廣告。但真正的關鍵指標是回覆率：一封能帶來對話的信，比一千封「被看過」的信有價值。

Q：怎麼避免被當垃圾信？

三個字：像個人。用真名、簽名檔附公司與電話、不夾帶一堆圖片與附件、寄送量與頻率穩定、每封信都提供退訂。平台看的是行為模式，不是內容關鍵字。

Q：客戶都不回，要繼續寄嗎？

設停損點。三封沒回就停，90–180 天後用新理由（新產品、新案例）再啟動一次。持續用同一句話騷擾，只會累積封鎖。

Q：AI 寫的信會不會很假？

會，如果你直接複製貼上。AI 適合當第一版起草人，語氣、產業細節、對客戶的具體觀察必須人工補上 [S1]。收件人一眼就能分辨罐頭信，寧可寄十封真誠的，也不要寄一百封完美的。

行動建議

• **本週**：把散落在業務手機、名片盒、Excel 裡的聯絡人集中成一張表，標註來源與最後接觸時間。
• **本月**：完成網域驗證與暖機，用最熟的 50 個名單發出第一封手寫信，記錄回覆與退訂。
• **本季**：把參展與詢價名單建成孵化序列，每月一次檢核會議，用數據決定下一季放大還是收縮。
• **決策者判斷標準**：三個月內，Email 帶來的對話數是否超過投入的時間成本？若否，問題九成在名單或內容，而不是管道本身——先修這兩件事，再談放棄。

Email 之於 B2B 開發，像名片之於社交場合：單獨一張名片換不到訂單，但沒有名片，你連對話的門票都沒有。把它當作對話的起點、而非成交的終點，它依然是你工具箱裡性價比最高的一件。

參考來源

[S1] OpenAI: https://openai.com/business/guides-and-resources/a-practical-guide-to-building-ai-agents/

[S2] OpenAI: https://platform.openai.com/docs/quickstart/make-your-first-api-request

[S3] NIST: https://www.nist.gov/itl/ai-risk-management-framework

[S4] NIST: https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence

[S5] OWASP GenAI Security Project: https://genai.owasp.org/resource/owasp-top-10-for-agentic-applications-for-2026/

session_id: 20260824_192319_bb90ea