平均 B2B 專業人士現在每天會收到 。冷郵件回覆率呢？依據不同來源，大約落在 到 之間。你的主旨列，就是精心撰寫的訊息和垃圾桶之間的唯一防線。
但在 這些年做外聯工具的經驗，讓我學到一件事：大多數「冷郵件主旨」文章只會給你一份可直接複製貼上的清單，僅此而已。沒有公式，沒有送達率建議，也沒有誠實面對那些其實已經過時的萬用句。這篇不一樣。
我會帶你看 2026 年仍然有效的 20 個冷郵件主旨、背後可重複使用的公式、你在寫第一個字之前就該做的送達率檢查，以及 Reddit 上大家吵個沒完的那些句子到底值不值得用。除此之外，我也會示範 AI 和智慧資料蒐集，如何讓這一切真正能規模化——就算你只有一個人也辦得到。
在你寫任何冷郵件主旨之前：先做送達率現實檢查
我看過太多銷售團隊只在意用字，卻沒發現自己的信件默默掉進垃圾郵件匣。 顯示，全球平均收件匣投遞率只有 83.5%——也就是大約每六封信就有一封根本進不了收件匣。由 Microsoft 託管的信箱更嚴格，平均收件匣投遞率只有 75.6%。
直白地說：如果你的郵件進了垃圾郵件或促銷分類，全世界最棒的冷郵件主旨也沒有用。所以在碰主旨之前，先跑一次這份起飛前檢查清單。
送達率起飛前檢查清單
冷郵件主旨中要清除的垃圾觸發詞
這些字詞和格式在眼中都很可疑：
| 垃圾觸發詞 | 範例 | 為什麼有風險 |
|---|---|---|
| 「Free」 | 「Free demo inside」 | 經典垃圾信號 |
| 「Act now」／「Urgent」 | 「Act now before it's too late」 | 人為製造急迫感 |
| 「Limited time」 | 「Limited time offer」 | 促銷語氣太強 |
| 全大寫 | 「OPEN THIS NOW」 | 像在大吼＝像垃圾信 |
| 過多標點 | 「Ready???」或「Don't miss out!!!」 | 會被過濾器模式比對 |
| 「Guaranteed」 | 「Guaranteed results」 | 過度承諾 |
| 偽造「RE:」或「FWD:」 | 「RE: Our conversation」（其實根本沒有） | 有欺騙性——越來越容易被過濾器抓到，也會傷害信任 |
| 「Click here」 | 「Click here for your gift」 | 接近釣魚信件的語氣 |
還有一個多數文章都略過的重點：建立乾淨、精準的潛在客戶名單，是送達率的起點。 寄給已驗證、相關性高的聯絡人，能維持低退信率與穩定寄件信譽。這也是我們打造 的原因之一——讓團隊能從公司網站和目錄建立已驗證的潛在客戶名單，而不是買那些會拖垮寄件信譽的低品質名單。如果你想更深入了解名單建立，可以看看我們的 。
2026 年什麼樣的冷郵件主旨才算有效
在花了大量時間翻遍各種基準與 A/B 測試結果之後，數據很清楚地指向幾個能在冷郵件主旨中脫穎而出的模式：
- 保持簡短。 分析了 550 萬封郵件，發現 2–4 個字的主旨平均開信率達 46%，而 9 個字的主旨只有 35%。 建議把重點前置到前 30–40 個字元，因為 的消費者最常在手機上查看電子郵件。
- 個人化不只靠名字。 發現，有個人化的主旨平均 46% 開信率，沒有個人化則是 35%。但光寫「Hi {first_name}」只是基本盤——真正有效的提升來自公司、職位與情境相關性。
- 問句勝過哄抬。 以問題為主的主旨會在讀者心中形成一個未完成的迴圈，邀請對方互動，而不是直接防禦。
- 跳過假急迫感。 發現像「now」和「ASAP」這類急迫字眼，會讓開信率掉到 36% 以下。 也明確警告，冷開發中不要用「Urgent」、「Limited time」或「Act now!!!」。
- 輕鬆口吻勝過過度修飾。 真正會贏的主旨，看起來像內部備忘錄或真實提問，而不是一場行銷活動。
這裡有個值得注意的 caveat：開信率追蹤其實並不完美。 和 都提醒，隱私工具（如 Apple Mail Privacy Protection）和自動掃描會扭曲開信率數據。開信率可以拿來看方向，但真正應該信的是 回覆率，因為它才是更深層的成功指標。
快速參考清單：按下送出前先檢查
- 主旨是否少於 8 個字，理想上是 2–4 個？
- 重點是否出現在前 30–40 個字元？
- 是否有明確、相關的切入點，而不是空泛稱讚？
- 是否沒有垃圾觸發詞和過多標點？
- 如果寄到你自己的收件匣，你會打開嗎？
冷郵件主旨的「神聖教條」——誠實評價
每個銷售社群都有自己最愛的主旨。但有些最常被推薦的句子，要嘛太常見、要嘛太有欺騙性、要嘛高度依賴情境。我看過 Reddit 上對「Quick question」的激烈討論。所以，這裡是我根據數據做出的誠實判斷。
| 主旨 | 2026 年還有效嗎？ | 為什麼／為什麼不行 | 更好的替代方案 |
|---|---|---|---|
| 「Quick question」 | ⚠️ 視情況而定 | Hunter 的測試器 回報 28.7% 開信率 與 2.5% 回覆率。Reddit 使用者 甚至稱它是「秒刪」。只有在內文真的有具體問題時才可能有效。 | 「關於［特定主題］的問題」 |
| 偽造「RE:」／「FWD:」 | ❌ 不建議 | 有欺騙性；傷害信任；而且越來越容易被過濾器抓到。 | 改用真誠的好奇心開場 |
| 「Checking in」 | ❌ 很弱 | 幾乎沒有價值訊號，很容易被忽略。 | 「［名字］，你對［特定主題］有什麼想法嗎？」 |
| 「［名字］」（只放名字） | ✅ 可能有效 | Salesloft 數據顯示，單字主旨有時能拿到很高回覆率——但前提是內文夠強。 | 如果內文真的很扎實就保留 |
| 急迫句（如「Last chance…」） | ⚠️ 風險高 | Belkins 數據：急迫字眼會傷害冷郵件開信率。對暖名單還可以。 | 改成相關性 + 明確性 |
| Emoji 主旨 | ⚠️ 視產業而定 | 在電商／DTC 可接受，但在企業級 B2B 風險較高。 | 用 A/B 測試；B2B 預設先不要用 emoji |
規律很清楚：具體與誠實，勝過聰明與技巧。
如果一個主旨能同時套用在 500 個人身上，那它大概對任何一個人都不夠突出。
冷郵件主旨的四層個人化
「Hi [名字]」不算個人化，那只是合併欄位。以下是我用來思考個人化深度的框架，以及它如何影響開信率。
| 層級 | 你個人化的內容 | 主旨範例 | 所需工夫 | 開信率提升 |
|---|---|---|---|---|
| L1 — 姓名 | 名字 | 「Alex，想問你一件事」 | 低 | 基準線（+10–20%） |
| L2 — 公司 + 職位 | 公司名稱、職稱 | 「Acme 的營運正在擴張？有個想法想給你」 | 中 | +20–35% |
| L3 — 觸發事件 | 最近募資、招募、產品發表 | 「恭喜完成 B 輪——有想過［挑戰］嗎？」 | 高 | +35–50% |
| L4 — 痛點特定 | 根據研究得出的具體挑戰 | 「看到 Acme 正在擴張到歐洲——這是其他人怎麼處理合規的」 | 很高 | +50% 以上 |
這些提升幅度只是方向性估算，綜合了 、 和 的模式。重點很簡單：你越深入個人化，效果通常越好——但要規模化也越難。
對於 L3 和 L4 的個人化，你需要的是 CRM 裡沒有的潛在客戶資料。這就是 的用武之地。我們的 AI 網頁爬蟲可以從網站、目錄和新聞頁面中擷取觸發事件（例如新進員工、產品發布、募資新聞）與公司專屬資訊，然後 或你的 CRM，為個人化外聯提供燃料。這讓 L4 個人化從「理論上很棒」變成一個人團隊也真的做得到。（下面會進一步說明這個流程。）
五個可重複使用的冷郵件主旨公式
大多數文章只會給你一份清單。我想給你的是清單背後的公式——這樣你就能產生無限變體，而不是只會複製貼上大家都在用的那 20 句。
| 公式 | 結構 | 範例 | 最適合使用時機 |
|---|---|---|---|
| 觸發事件 + 價值 | 最近事件 + 值得關注的理由 | 「看到你完成 B 輪——關於外聯有個想法」 | 你有真實且及時的觸發事件 |
| 問題 + 痛點 | 問句 + 已知挑戰 | 「你們現在還在手動追蹤銷售管道嗎？」 | 這個職位有明確痛點 |
| 共同連結 | 人名 + 引介理由 | 「Sarah 建議我聯絡你」 | 你們真的有共同聯絡人 |
| 數字 + 好奇缺口 | 令人意外的數字 + 主題 | 「我替 Acme 找到的 3 個潛在名單」 | 你有可信的證據或資料 |
| 直白拆招 | 誠實、低壓的陳述 | 「不確定這對你是否相關」 | 受眾對模板化外聯已經很反感 |
接下來我會在講解下面 20 個主旨時，反覆引用這些公式。你可以把它們想成每個好主旨背後的 DNA。
以個人化為核心的冷郵件主旨
這些主旨會先抓住收件人的某個具體特徵——名字、公司、觸發事件或共同聯絡人。它們需要最多研究，但通常也能帶來最高的開信率與回覆率。
公式卡：［個人化標記］ + ［相關性切入點］
1. 「［名字］，關於［公司］的［挑戰］有個想法」
範例：「Sarah，關於 Acme 的招募擴張有個想法」
**為什麼有效：**把名字個人化和公司層級的挑戰結合起來。字數不到 7 個字。既有相關性，又不會像釣魚標題。
**適用情境：**對已知決策者做首次冷開發。
**垃圾風險：**低
**可規模化程度：**中——每位潛在客戶都要知道一個具體挑戰。
2. 「注意到［公司］的［觸發事件］」
範例：「注意到 Acme 的 B 輪融資」
**為什麼有效：**引用真實且及時的事件，表示你真的做過功課，而不是群發。簡短，而且能引發好奇。 和 都把觸發事件型主旨列為高表現類型。
**適用情境：**在公開觸發事件後 1–2 週內發送，例如募資、產品發布、高階主管任命。
**垃圾風險：**低
**可規模化程度：**如果工具用對，屬於中高——Thunderbit 可以 ，大規模辨識觸發事件。
3. 「［共同連結］建議我聯絡你」
範例：「Jamie Chen 建議我聯絡你」
**為什麼有效：**運用了社會認同與隱含信任。收件人更可能打開提到自己認識之人的郵件。 和 都把這類主旨標記為高績效。
**適用情境：**轉介紹外聯、溫和引介、網路活動後續聯絡。
**垃圾風險：**低（前提是連結真實；假的社會認同比沒有還糟。）
**可規模化程度：**低——每封信都需要真實的共同連結。
4. 「［名字］，很喜歡你對［主題］的看法」
範例：「Marcus，很喜歡你對 AI 在供應鏈中的看法」
**為什麼有效：**以真誠稱讚開場，且稱讚的是對方具體說過或發表過的內容。這種讚美是有依據的，而不是空泛奉承。
**適用情境：**看過對方的 LinkedIn 貼文、Podcast 露面、會議演講或文章後再聯絡。
**垃圾風險：**低
**可規模化程度：**中——需要先看過潛在客戶近期內容。
以問題為主的冷郵件主旨
問題會在讀者心中打開一個未完成的迴圈，邀請互動，而不是直接推銷。 和 的數據顯示，在冷開發中，問句型主旨往往比陳述句更有效。
公式卡：［開放式問題］ + ［具體性訊號］
5. 「你現在是怎麼處理［痛點］的？」
範例：「你現在是怎麼處理潛在客戶資格判定的？」
**為什麼有效：**把寄件者定位成好奇的同業，而不是業務。痛點越具體，相關性訊號就越強，也更能引導收件人思考自己的流程。
**適用情境：**在探索階段外聯時，想先開始對話，而不是直接推 demo。
**垃圾風險：**低
**可規模化程度：**高——痛點可依 ICP 分段模板化。
6. 「［挑戰］這一季還是優先事項嗎？」
範例：「降低流失率這一季還是優先事項嗎？」
**為什麼有效：**加入時間框架（「這一季」）能提升急迫感，但不會顯得咄咄逼人，也暗示你了解對方的策略優先順序。
**適用情境：**重新喚回或第二次聯絡；對失聯的潛在客戶也很有效。
**垃圾風險：**低
**可規模化程度：**高——很容易依產業客製。
7. 「好奇——你們怎麼處理［產業趨勢］？」
範例：「好奇——你們怎麼處理金融科技的 AI 合規？」
為什麼有效：「好奇」這個詞會降低防備；讓寄件者看起來是真心感興趣。加上產業趨勢後，會顯得更相關、更即時。
**適用情境：**偏向思想領導型外聯；對顧問與代理商尤其有效。
**垃圾風險：**低
**可規模化程度：**中——需要知道各產業的熱門議題。
以價值與成果為導向的冷郵件主旨
這些主旨會先給出具體成果、數字或案例參考。它們回答的是讀者心中的潛台詞：「這跟我有什麼關係？」 指出，帶有數字和具體指標的主旨，通常穩定勝過含糊的說法。
公式卡：［社會認同／指標］ + ［相關性確認］
8. 「［X% 成果］給［相似公司］——有相關嗎？」
範例：「給 Freshworks 帶來 43% 更快的銷售管道——有相關嗎？」
**為什麼有效：**先用具體且可信的數字開場。「有相關嗎？」則降低對方回覆的心理門檻。相似公司會帶出同業比較的好奇心。
**適用情境：**對和既有客戶相同行業或規模的潛在客戶外聯。
**垃圾風險：**低到中（避免誇大；百分比要合理可信。）
**可規模化程度：**高——只要替換公司名稱即可。
9. 「［同業公司］如何解決［特定問題］」
範例：「Drift 是如何解決外聯回覆率問題的」
**為什麼有效：**透過一間可辨識的同業公司建立社會認同。「如何解決」暗示這是一個收件人會想了解的故事。
**適用情境：**當你有一個潛在客戶會認識或欣賞的強案例研究時。
**垃圾風險：**低
**可規模化程度：**中——需要把案例研究和潛在客戶族群配對。
10. 「把［痛點］降低［具體指標］的想法」
範例：「把手動資料輸入每週減少 6 小時的想法」
為什麼有效：「想法」這個詞低壓、不具威脅性。具體指標讓好處更具體可信，而不是空話。（沒錯，這一題我有點偏愛—— 是我們在 Thunderbit 經常思考的事。）
**適用情境：**當你能清楚量化價值主張時。
**垃圾風險：**低
**可規模化程度：**高——指標可依 persona 模板化。
好奇與輕鬆語氣的冷郵件主旨
這些主旨刻意把門檻放低。它們像同事傳來的一則備忘，而不是銷售話術。輕鬆語氣能突破潛在客戶對垃圾信的刻板印象。
公式卡：［觸發事件］ + ［價值主張］ 或［降低門檻的開場］
11. 「看完［特定觸發事件］後想到這件事」
範例：「看完你在 LinkedIn 上關於招募的貼文後想到這件事」
**為什麼有效：**感覺個人且自然——像是真的想到對方。具體觸發點證明這不是群發。
**適用情境：**在觀察到對方活動後做偏溫和的外聯（社群貼文、參加活動、內容發表）。
**垃圾風險：**低
**可規模化程度：**中——每位潛在客戶都需要一個具體觸發點。
12. 「關於［具體目標］的一個想法」
範例：「關於擴張你的 SDR 團隊的一個想法」
**為什麼有效：**簡短、有趣、不具威脅性。「一個想法」表示你有具體內容可分享，而不是泛泛推銷。
**適用情境：**首次聯絡，且你真的有一個具體建議時。
**垃圾風險：**低
**可規模化程度：**高——目標可依 ICP 模板化。
13. 「這可能不太對，但……」
範例：「這可能不太對，但……」（內文提到他們擴張到亞太）
**為什麼有效：**自嘲式誠實會讓讀者卸下心防。省略號制造懸念，也給了收件人一個可以說不的空間，反而更容易收到回覆。
**適用情境：**聯絡不確定是否契合的潛在客戶，或你想在競爭激烈的收件匣中脫穎而出時。
**垃圾風險：**低
**可規模化程度：**中——如果內文也有個人化，效果會更好。
跟進序列的冷郵件主旨
大多數成交發生在跟進之後，而不是第一次聯絡。可惜多數銷售人員寄一封就放棄。 證實，跟進信能顯著拉高整體回覆率——但前提是主旨能重新喚起興趣，而不是惹人厭煩。
公式卡：［回扣參照］ + ［低壓問題］
14. 「跟進：［第一封信中的具體主題］」
範例：「跟進：資料豐富化的想法」
**為什麼有效：**引用第一封信中的具體主題，能喚起收件人的記憶，也證明這不是模板化跟進。冒號格式清楚、易掃讀。
**適用情境：**第一封信後 3–5 天仍未回覆時。
**垃圾風險：**低
**可規模化程度：**高——主題可從序列中自動帶入。
15. 「我上一則訊息是不是傳得不是時候？」
範例：「Alex，我上一則訊息是不是傳得不是時候？」
**為什麼有效：**承認對方很忙，但不會讓人有罪惡感。也提供了一個容易脫身的選項（「對，時機不對」），反而更容易得到回覆。語氣輕鬆又有人味。
**適用情境：**第二或第三次跟進，當你懷疑問題是時機，而不是沒興趣。
**垃圾風險：**低
**可規模化程度：**非常高——不需要客製化。
16. 「還在想［痛點］嗎？」
範例：「還在想潛在客戶回應速度嗎？」
**為什麼有效：**把對話重新錨定在潛在客戶的痛點，而不是你的產品。它暗示連續性——你是真的想幫他們解決問題。
**適用情境：**較後段的跟進（第 3 或第 4 封）；對幾個月前就失聯的潛在客戶也很有效。
**垃圾風險：**低
**可規模化程度：**高——痛點可依 persona 模板化。
約會／會議邀請型冷郵件主旨
這些主旨適合你準備把對話從收件匣移到行事曆時使用。它們通常在序列後段，或當潛在客戶已經釋出某些興趣訊號時最有效。
公式卡：［時間投入］ + ［具體價值］
17. 「針對［具體價值］聊 15 分鐘——值得嗎？」
範例：「針對減少 CRM 資料輸入聊 15 分鐘——值得嗎？」
**為什麼有效：**明確說出你要對方投入多少時間（低承諾），又把時間和具體好處連結起來。「值得嗎？」則給對方一個判斷框架，而不是義務。
**適用情境：**序列中段到後段，當你已經建立一些背景時；針對非常適合的潛在客戶，單獨使用也有效。
**垃圾風險：**低
**可規模化程度：**高——價值主張可依族群替換。
18. 「關於［主題］快速通話——週二還是週四？」
範例：「關於外聯策略快速通話——週二還是週四？」
**為什麼有效：**二選一收尾（週二或週四）是經典銷售技巧，能降低決策疲勞。具體主題再次強化相關性。
**適用情境：**當潛在客戶已經出現互動訊號（開過前幾封信、來過網站、曾正向回覆）。
**垃圾風險：**低
**可規模化程度：**高——日期和主題都很好客製。
反主流與誠實風格的冷郵件主旨
這些主旨靠透明度打破套路。在滿是推銷的收件匣裡，誠實反而最顯眼。對那些已經對銷售手法感到疲乏的懷疑型或高階級潛在客戶，尤其有效。
公式卡：［拆招式誠實］ + ［具體好奇］
19. 「不是推銷——只是想真心問問關於［主題］」
範例：「不是推銷——只是想真心問問關於你們招募流程」
**為什麼有效：**明講「不是推銷」會帶來認知上的落差——因為它不在預期之內。關鍵是內文真的要提出一個真誠問題，而不是偽裝成問題的推銷。
**適用情境：**聯絡高階主管、C-level，或對冷郵件已經很疲乏的產業（SaaS、行銷、招募）。
**垃圾風險：**低
**可規模化程度：**中——每位潛在客戶或每個族群都需要真實且具體的問題。
20. 「關於［公司］的［領域］，想誠實問一件事」
範例：「關於 Acme 的 onboarding 流程，想誠實問一件事」
為什麼有效：「誠實」是一個很有力量的字，暗示寄件者沒有要隱瞞什麼。公司 + 特定領域也證明你做過研究。它瞄準的是他們業務中的某個具體面向，而不是泛泛的推銷。
**適用情境：**當你已經在潛在客戶的業務中辨識出一個真實缺口或機會，而且你能處理它時。
**垃圾風險：**低
**可規模化程度：**中——需要針對每家公司研究特定領域。
20 個冷郵件主旨總覽比較
用這張比較表，快速配對最適合你情境的主旨：
| # | 主旨範本 | 類別 | 個人化工夫 | 開信潛力 | 垃圾風險 | 最佳用途 | 可規模化程度 |
|---|---|---|---|---|---|---|---|
| 1 | 「［名字］，關於［公司］的［挑戰］有個想法」 | 個人化 | 中 | 高 | 低 | 冷開發 | 中 |
| 2 | 「注意到［公司］的［觸發事件］」 | 個人化 | 中高 | 高 | 低 | 冷開發 | 中高 |
| 3 | 「［共同連結］建議我聯絡你」 | 個人化 | 低 | 非常高 | 低 | 轉介紹 | 低 |
| 4 | 「［名字］，很喜歡你對［主題］的看法」 | 個人化 | 中 | 高 | 低 | 冷開發 | 中 |
| 5 | 「你現在是怎麼處理［痛點］的？」 | 問題 | 低到中 | 高 | 低 | 冷開發 | 高 |
| 6 | 「［挑戰］這一季還是優先事項嗎？」 | 問題 | 低到中 | 高 | 低 | 跟進／重新喚回 | 高 |
| 7 | 「好奇——你們怎麼處理［產業趨勢］？」 | 問題 | 中 | 高 | 低 | 冷開發 | 中 |
| 8 | 「［X% 成果］給［相似公司］——有相關嗎？」 | 價值／成果 | 低到中 | 高 | 低到中 | 冷開發 | 高 |
| 9 | 「［同業公司］如何解決［特定問題］」 | 價值／成果 | 中 | 高 | 低 | 冷開發 | 中 |
| 10 | 「把［痛點］降低［具體指標］的想法」 | 價值／成果 | 低 | 高 | 低 | 冷開發 | 高 |
| 11 | 「看完［特定觸發事件］後想到這件事」 | 好奇／輕鬆 | 中 | 高 | 低 | 偏溫和的外聯 | 中 |
| 12 | 「關於［具體目標］的一個想法」 | 好奇／輕鬆 | 低 | 中高 | 低 | 冷開發 | 高 |
| 13 | 「這可能不太對，但……」 | 好奇／輕鬆 | 中 | 中高 | 低 | 冷開發 | 中 |
| 14 | 「跟進：［第一封信中的具體主題］」 | 跟進 | 低 | 中 | 低 | 跟進 | 高 |
| 15 | 「我上一則訊息是不是傳得不是時候？」 | 跟進 | 低 | 中 | 低 | 跟進 | 非常高 |
| 16 | 「還在想［痛點］嗎？」 | 跟進 | 低 | 中高 | 低 | 跟進／重新喚回 | 高 |
| 17 | 「針對［具體價值］聊 15 分鐘——值得嗎？」 | 約會邀請 | 低 | 中高 | 低 | 會議邀請 | 高 |
| 18 | 「關於［主題］快速通話——週二還是週四？」 | 約會邀請 | 低 | 中 | 低 | 會議邀請 | 高 |
| 19 | 「不是推銷——只是想真心問問關於［主題］」 | 反主流／誠實 | 中 | 高 | 低 | 冷開發（高階） | 中 |
| 20 | 「關於［公司］的［領域］，想誠實問一件事」 | 反主流／誠實 | 中 | 高 | 低 | 冷開發 | 中 |
有幾個模式很明顯。
問句型和跟進型主旨最容易規模化——它們需要的每位潛在客戶研究最少。觸發事件與痛點特定型主旨的開信潛力最高，但也最吃研究（或最依賴合適的資料工具）。而這份清單上的每一句垃圾風險都低，因為它們都不靠哄抬、急迫或誤導性格式。
用 AI 大規模生成與測試冷郵件主旨
這一段，是多數競品文章還在完全跳過的地方。到了 2026 年，你不必每一個主旨都親手從零寫起。只要你餵對公式和潛在客戶情境，AI 就能大幅加速整個流程。
我建議的實際工作流程：
步驟 1：資料蒐集
你需要的是潛在客戶資訊與觸發事件：公司名稱、職位、近期新聞、痛點。這正是 最自然的登場位置。我們的 AI 網頁爬蟲可以從網站、目錄和新聞頁面擷取公司資訊、近期新聞與聯絡方式，然後 或你的 CRM。「AI Suggest Fields」功能會先讀取頁面，再建議正確的輸出結構，這也正好對應到你在生成主旨時會想建立變數的方式。
想進一步了解如何建立潛在客戶名單，可以參考我們的 和 。
步驟 2：Prompt 設計
以下是三個可直接使用的 AI prompt，用來生成冷郵件主旨變體：
Prompt 1 — 以公式驅動：
「為一家最近完成 B 輪募資的中型 SaaS 公司銷售副總裁，生成 10 個冷郵件主旨。語氣：輕鬆。最多 6 個字。只使用『觸發事件 + 價值』公式。請回傳一個表格，欄位為：subject_line、why_it_works。」
Prompt 2 — 多公式：
「為電商公司的 RevOps 領導者寫 12 個主旨，只使用以下公式：問題 + 痛點、數字 + 好奇缺口、以及直白拆招。每個都要少於 50 個字元。避免使用 free、urgent、guaranteed 這類垃圾字眼。」
Prompt 3 — A/B 變體：
「建立一組主旨 A/B 測試。控制組主旨：'Quick thought on Acme's pipeline.' 只改一個變數：個人化、語氣、長度，或觸發事件引用。請回傳：hypothesis、control、treatment、what changed、expected risk、primary metric。」
步驟 3：大規模 A/B 測試
主旨 A/B 測試聽起來很簡單，但大多數團隊不是跳過，就是做錯。做一個有用測試時，有幾條基本規則：
- 最小樣本數： 至少 100 個名單總量，或每個變體 50 個，作為方向性起點。若要更有信心，目標可放到每個變體 100–200。
- 一次只改一個變數。 只改主旨；內文、寄件者與寄送時間都保持一致。
- 等待 5–7 天 再下結論。
- 開信率只看方向，但真正要信的是回覆率。
- **持續迭代：**保留贏家、淘汰輸家，並隨著情境改變按 persona 或 offer 更新。
像 、（可支援每一步最多 26 個變體）和 這些平台，都原生支援 A/B 或 A/Z 測試。
步驟 4：回饋迴圈
持續用開信率和回覆率資料來優化你的 AI prompt。如果你的受眾對「問題 + 痛點」的反應一直比「數字 + 好奇缺口」更好，就告訴 AI 增加前者的權重。這會形成一個越跑越好的複利循環。
端到端工作流程
| 步驟 | 會發生什麼事 | 會用到的工具 | 產出 |
|---|---|---|---|
| 潛在客戶研究 | 找出目標公司與職位 | 銷售研究、目錄、公司網站 | 原始目標清單 |
| 資料豐富化 | 蒐集公司、職位、情境、聯絡資訊 | Thunderbit | 結構化潛在客戶工作表 |
| 變體生成 | 把公式 + 資料轉成多個主旨 | AI 模型（ChatGPT、Claude 等） | 依族群分類的主旨組合 |
| 分流測試 | 將變體分配到不同族群 | lemlist、Instantly、Smartlead 等 | 開信／回覆比較 |
| 檢視與迭代 | 保留贏家、淘汰輸家、持續更新 | CRM／外聯平台 + 試算表 | 複利式優化迴圈 |
如何建立乾淨的潛在客戶名單，讓冷郵件主旨表現更好
我一直反覆提這件事，因為它其實是冷郵件裡最被低估的槓桿。即使主旨再厲害，寄錯對象或寄到會退信的地址，一樣白搭。
Thunderbit 在這一環可以幫上幾個忙：
- AI 網頁爬蟲：從網站、目錄和公開資料庫擷取已驗證的 email、電話、公司資訊與觸發事件。
- ：補充更多脈絡資料（例如進入每家公司的關於我們頁面，找出近期新聞）。
- 直接匯出到 、 或 CRM——完全不需要手動複製貼上。
- AI Suggest Fields：根據你正在爬取的頁面，自動辨識適合的資料欄位。
相較之下，購買第三方名單通常會有更高的退信率、更低的相關性，以及更高的垃圾風險。 也證實，名單品質差是送達率問題的主要成因之一。如果你想再找更多建立名單的工具，可以看看我們整理的 。
重點整理：不同情境下怎麼選對冷郵件主旨
如果你只想帶走這篇文章的一件事：
- 送達率先於一切。 再好的主旨也救不了垃圾郵件匣。請先驗證網域、預熱寄件地址，並維持名單乾淨。
- 超越名字層級的個人化，才是開信率提升的最大來源。 公司、職位、觸發事件和痛點，比
\{first_name\}更重要。 - 公式不是模板，才能讓你產生無限變體。 學會這五種公式，你就不會再缺主旨。
- 在冷開發中，問句型和誠實型主旨勝過哄抬和急迫感。 別玩花招；先給相關性。
- A/B 測試不可少，而 AI 能讓它在規模上變得可行。 生成變體、測試、再迭代。
- 乾淨且相關的潛在客戶名單，是一切的地基。 先投資名單品質，再談名單數量。
我的建議是：先從符合你資源的個人化層級開始，這週挑 3–4 個這篇文章裡的主旨做 A/B 測試，並且優先投資名單品質而不是名單規模。如果你想看看現代潛在客戶資料蒐集長什麼樣子， ——你可能會驚訝它能幫你省下多少時間。
祝你寄信順利——也希望你的回覆率永遠高於平均值。
常見問題
冷郵件主旨應該多長？
建議控制在 2–4 個字，或大約 30–40 個字元。 分析 550 萬封郵件後發現，2–4 個字的主旨平均開信率達 46%。把重點放前面，這樣即使在手機上也能看得到； 的人最常在手機上查看 email。
冷郵件主旨放 emoji 有效嗎？
要看你的受眾。emoji 在電商或 DTC 外聯中通常可接受，但在企業級 B2B 裡風險較高。如果不確定，預設先不要用 emoji，並先做小規模 A/B 測試。現有數據仍然很分歧，沒有放諸四海皆準的答案。
哪些冷郵件主旨會觸發垃圾郵件過濾器？
常見觸發詞包括「free」、「act now」、「urgent」、「guaranteed」和「limited time」。全大寫、過多標點（例如「!!!」），以及像偽造「RE:」或「FWD:」這類誤導性格式，也都會引起警示。 和 都有持續更新應避免的詞彙與模式清單。
我應該寄幾封跟進信？
來自 和銷售社群基準的資料顯示，2–3 封跟進信能顯著提高回覆率，而總接觸次數超過 4–5 次後，邊際效益會下降。重點是每次跟進都要提供價值或新的角度，而不是只是「把這封信頂上去」。
AI 可以幫我寫冷郵件主旨嗎？
可以，而且如果你給它正確輸入，效果會越來越好。把目標 persona、明確公式（例如「觸發事件 + 價值」或「問題 + 痛點」）、以及真實潛在客戶資料（公司、職位、近期事件）餵給 AI 模型，再做 A/B 測試。最佳流程是把 AI 生成和 搭配做資料蒐集，再用 或 做分流測試。送出前，一定要先檢查 AI 產出的語氣與準確度。
延伸閱讀
