許多品牌都依賴於電子郵件活動，直接與注冊的消費者開展業務。然而，郵箱提供商對你的電子郵件營銷的有效性有很大的影響。
你的清單可能由你的客戶和領導。但這些客戶和潛在客戶也是郵箱提供商的用戶。
這意味著郵箱提供商首先為用戶服務，而不是您。在過去的二十年裏，這些用戶的數量呈爆炸式增長。1995年，有100萬電子郵件用戶。2015年，這一數字為2.5歐元．
為了應對這種情況，郵箱提供商現在依靠複雜的人工智能(AI)係統來為用戶服務。這些人工智能係統對你．
他們決定你是不是垃圾郵件。他們決定你有多值得信賴。他們甚至為用戶分類你的信息，告訴他們你發送了什麼類型的通信。
簡而言之，人工智能對你所有的電子郵件營銷活動的有效性有發言權。
這意味著營銷人員必須更好地理解如何做到這一點AI在電子郵件營銷中的應用影響他們與列表溝通的努力。有了這些知識，營銷人員就可以建立更聰明的活動，從而獲得更好的指標。
要做到這一點，重要的是要了解人工智能影響電子郵件營銷的兩大方式:
交付能力和參與度。
人工智能和電子郵件發送能力
垃圾郵件過濾器由人工智能驅動。但這些過濾器已經從早期簡單地標記電子郵件“垃圾郵件”或“非垃圾郵件”演變而來。
如今的垃圾郵件機器學習模型考慮了數千個因素和用戶行為，以預測哪些郵件是垃圾郵件，哪些不是。
這是一門不完善的科學。有時，你仍然會看到重要的郵件變成垃圾郵件。但這應該成為所有營銷人員的一個教訓。在許多情況下，誠實、有效的交流仍可能與人工智能係統使用的規則相衝突。
問題是:大部分規則我們都不知道。為郵箱提供商提供動力的人工智能係統是專有的。供應商不會在短時間內透露他們如何運營的秘密。人工智能係統也在不斷地實時調整和改進規則。這將使任何人都難以(如果不是不可能的話)遵循影響我們在收件箱中看到的結果的所有變化和邏輯。
這與穀歌的人工智能搜索非常相似。我們知道一些最佳做法。我們可以密切關注公司所做的更新，這樣我們就可以適應它們。但我們並沒有完整的文件清單，說明這種高度複雜的人工智能用於做出決策的規則。
郵箱提供商(包括穀歌)使用的AI也是如此。供應商可能會提供的指導方針營銷人員可以遵循這些規則來增加產品交付的機會——這些都是值得遵循的好規則。但人工智能用來對你的電子郵件活動進行分類的全部因素並不是公眾所知的。
這比你可能意識到的更重要。
我們在Return Path遇到的一家大型企業的營銷人員告訴我們，在她的活動中，打開率極低。我們調出了她公司的一些數據，發現隻有2%的電子郵件通過了垃圾郵件過濾器。
在你調整其他事情之前——你的支出，你的策略，你的執行——你自己必須解決交付能力問題。
說起來容易做起來難。在上麵的例子中，認識到問題是一個很好的開始。但是，發現可交付性問題的根本原因可能需要花費大量時間和精力。
如果你不發現問題並解決它，你可能會發送數百萬封沒有人點擊的電子郵件，因為他們一開始就沒有看到這些電子郵件。
人工智能和電子郵件參與
郵箱提供商使用的人工智能係統不僅決定電子郵件的可送達性。他們對用戶如何使用你的電子郵件也有很大的權力。
以Gmail為例。
當你發送一封電子郵件時，Gmail的人工智能會根據郵件內容和過去的用戶行為將其分類為不同的類別或“收件箱”。一旦Gmail確定你的郵件不是垃圾郵件，它就會把你分類到主要收件箱或社交、促銷、更新和論壇收件箱。
作為一個品牌，你可能無法控製Gmail或其他供應商最初對你的電子郵件進行分類，特別是如果你發送促銷電子郵件。但提供商對你的電子郵件進行分類的方式可能會隨著時間的推移而改變，因為人工智能會適應用戶行為的信號。
如果用戶始終將你的通信放在主收件箱中，Gmail的人工智能將適應對你未來的通信進行不同的排序。
Gmail並不是唯一一個根據用戶行為進行調整的係統。其他電子郵件客戶端根據用戶如何打開、單擊、排序和參與電子郵件通信做出決定。
一些用於發送電子郵件的營銷自動化平台，如HubSpot，甚至會選擇不向未訂婚的聯係人發送電子郵件。這對品牌來說是有利的，但就像供應商使用的係統一樣，完全由用戶行為驅動。
簡而言之，人工智能幾乎可以讓用戶完全控製電子郵件營銷活動的有效性。
營銷人員再也不能闖入某人的收件箱，然後用一個殺手級的主題來吸引他們。相反，你必須製定一個長期的電子郵件策略，專注於為電子郵件用戶創造巨大的價值。
這意味著你必須發送他們想要收到的郵件，而不是郵件本身你想送。
營銷人員下一步應該做什麼?
好吧，所以人工智能對交付能力和參與度的控製比你想象的要多得多。
這很好，但你會怎麼做呢?
在返回路徑，我們幫助企業更可靠、更有效、更安全地溝通。我們幫助所有類型的企業確保他們的電子郵件以他們想要的方式發送和參與，產生他們需要的結果。
在大多數情況下，我們發現最好的第一步是使用人力專家或機器工具來衡量你當前的交付能力和參與率。你還需要確定發件人的聲譽，這將告訴人工智能模型如何處理你的電子郵件。
為此，我們建議您進行免費的綜合聲譽評估在這裏．
勞倫·麥克庫姆
Lauren McCombs在Return Path工作了3.5年，目前管理著數據科學團隊。