邮件主题行测试：实用的 A/B 测试指南

你正盯着一个预定发送的邮件，但主题行感觉还是像在瞎猜。正文内容已经润色完毕，优惠活动也不错，但收件箱里的那一行字承担了所有初次接触的工作，而这部分内容很多人只是凭感觉处理。

这是一个错误。主题行决定了人们是打开、忽略还是举报这封邮件，其背后的数据非常直观。在一项被广泛引用的基准研究中，47% 的收件人表示他们仅凭主题行就决定是否打开邮件，而 69% 的人表示他们仅凭主题行就将邮件举报为垃圾邮件。在该样本中，个性化的主题行显示出高出 22% 的打开可能性，而在主题行中加入名字可以将打开率从 15.7% 提升至 18.3% Invesp 的邮件主题行基准研究。

如果你有大量的发送需求，这些微小的变化绝非装饰。无论是追讨回复的销售代表、联络候选人的招聘人员，还是明天要开展活动的店主，他们都有同样的痛点：在收件人阅读任何一个句子之前，收件箱就已经决定了太多事情。像 Alignmint 邮件营销文档 中那样的实用活动文档有助于规划，但主题行仍然值得进行独立的对照测试，因为那是通常能产生首次可衡量提升的地方。

实用规则： 将主题行测试视为一种吞吐量优化手段，而非品牌推广活动。在数百次发送中重复进行微小的改进，其累积效果往往比大多数团队预期的要快得多。

这项工作的其余部分描述起来很简单，但要做好却很难：写出一个站得住脚的假设，隔离单一变量，选择合适的拆分方式，挑选一个不会误导你的获胜指标，然后将获胜方案纳入可重复的 Gmail 工作流程中，且不至于烧掉你的列表。

为什么主题行测试会改变一切

在邮件打开之前，主题行可能会起到反作用。它可能在拥挤的收件箱中消失，听起来太模糊而无法引起注意，或者承诺了正文无法兑现的内容。受控测试之所以重要，是因为它用你可以证明的比较取代了猜测。

无论你是发送销售跟进、候选人联络、客户更新还是时事通讯，这一点都很重要。优惠可能很扎实，文案可能很简洁，发送时间可能很合理，但如果收件箱里的那一行字没有给对方一个点击的理由，那么邮件的其余部分就永远不会得到公平的阅读。在实践中，送达率工作和列表清理很有帮助，但主题行仍然是你可以快速更改并清晰衡量的少数杠杆之一。

收件箱只给你一次机会

对于发送跟进邮件的销售人员、联络候选人的招聘人员或分享更新的非营利组织来说，主题行就是标题、过滤器，通常也是忙碌的人在决定是否阅读前扫描的唯一内容。它也是测试意图最快的地方。一行表达得恰到好处的文字，往往能胜过试图显得聪明的主题行。

我最常看到的错误是将主题行的选择当作一种创意投票。一个团队成员喜欢双关语，另一个偏好紧迫感，还有人想要个性化，最终版本成了妥协的产物。那是委员会式的写作，而不是优化。

更好的模式是测试角度本身。询问你的受众是对清晰度、好奇心、具体性还是个人相关性更有反应，然后进行测试，让答案来自行为而非观点。如果你是通过像 Alignmint 邮件营销文档 这样的工作流程发送邮件，主题行仍然是应该首先被隔离的部分，因为它是你在构建其余发送内容之前最容易控制的变量。

为什么微小的提升比从业者预期的更重要

一旦列表规模大到足以显示出真正的差异，主题行测试就不再是虚荣项目了。如果你发送大量邮件，即使在打开率、回复率或下游转化率方面的适度改进，也能改变整个项目的产出。这种效果在冷启动联络和客户活动中表现得很快，因为主题行是第一道关卡。

这就是为什么“足够好”的主题行通常并不够好的原因。你明天发送的主题行可能还可以，但经过测试的主题行可能会好得多，除非你隔离出差异，否则你永远不会知道。在使用 Mail Merge for Gmail 的 Gmail 工作流程中，回报是实实在在的。你可以拆分发送，比较响应，并将更强的主题行应用到下一批次中，而无需更改邮件的其余部分。

获胜的主题行很少是最花哨的。它是唯一在受控比较中幸存下来的那一个。

利用基准数据作为提醒，说明存在上升空间，而不是作为承诺。然后写出一个清晰的假设，测试一个变量，并根据回复率和下游转化率来判断结果，而不仅仅是根据打开率。

根据真实数据建立可测试的假设

当主题行测试反映了真实的活动问题，而不是凭空猜测时，它才开始变得重要。在实践中，这意味着利用你自己发送邮件的模式（无论你是在测试冷启动联络、时事通讯还是客户活动），然后将该模式转化为你可以证明或反驳的主张。

从一个信念开始，而不是五个

选择一个变量并坚持下去。这个变量可以是个性化、长度、紧迫感、问题、陈述或发件人姓名。保持发件人地址、预览文本、邮件正文、链接和发送时间完全一致，这样结果就可以追溯到主题行本身，而不是十几个变动的部分。

一个可用的假设听起来是这样的：“在我们的 B2B 跟进序列中，用收件人的名字个性化主题行，将使回复率比通用主题行提升超过 10%。” 重要的不是措辞，而是具体性。你可以看出发生了什么变化，成功是什么样子的，以及你正在测试什么受众。

实用规则： 如果你不能用一句话解释假设，那么这个测试可能试图回答太多的问题。

一个没有假设的测试会让你在追踪处于闲置状态时比较两个猜测。最强的主题行测试始于一个预期某个版本表现更好的理由，即使这个理由来自你在过去活动中看到的模式。

当列表足够大时，使用 20/80 留存测试

对于较大的列表，一种干净的测试方法是将两个变体发送给最初的 20% 拆分群体，等待结果稳定，然后将获胜者推送到剩余的 80%。这种结构既保留了大部分列表用于更好的主题行，又为你提供了受控的比较。

这是最常破坏测试的版本：团队同时更改主题行文本、预览文本、发件人姓名和发送时间，然后在几次早期打开后宣布获胜者。数据看起来很令人兴奋，但结论毫无用处，因为你无法判断是哪种变化推动了结果。

一个简单的发送前检查清单可以防止这种情况发生：

• 选择一个变量： 测试个性化、长度或语气，不要三者都测。
• 冻结其余部分： 保持正文、链接和发送时间相同。
• 先写获胜指标： 在发布前决定回复率、点击率或下游转化率哪个更重要。
• 注意混淆因素： 如果一个版本触及了不同的受众或时间窗口，请忽略该结果。

一个仔细的假设也使测试后的讨论更容易。团队可以解释它为什么获胜，以及什么原则应该应用到下一次发送中，而不是说某一行“感觉更强”。在 Mail Merge for Gmail 工作流程中，这种纪律让你能够测试一个主题行与另一个主题行的对比，然后在下一批次中重复使用获胜的主题行，而无需猜测发生了什么变化。

为你的列表选择正确的测试设计

并非每个列表都值得采用相同的测试形式。拥有几百个联系人的冷启动联络序列需要与发送给广泛受众的时事通讯不同的结构，而长期运行的客户列表可以支持更保守的推广。

小列表需要干净的 A/B 拆分

如果你处理的联系人不到一千个，简单的 A/B 拆分通常就足够了。它使比较易于阅读，并避免假装你进行了比你的列表所能支持的规模更大的实验。陷阱在于过度复杂化设置，然后削弱了两个变体的效果。

这就是许多优秀团队变得不耐烦的地方。他们检查得太早，看到微小的领先就继续前进，而没有等待参与度稳定下来。一个站得住脚的阅读窗口是 24 到 72 小时，因为 B2B 受众的反应通常比消费者受众慢，而且许多结果在第一波活动平息后看起来会有所不同。

时事通讯和较大的列表可以处理更多变化

如果你正在测试时事通讯的主题行，A/B/n 结构可能是有意义的。当受众足够大且团队希望在单次发送中比较多个角度时，两到三个竞争者可以同时竞争。当你争论主题行应该是以好奇心为主导、以利益为主导还是个性化时，这很有用。

对于已建立的列表，20/80 留存测试通常是更干净的选择。你为获胜者保留了大部分受众，同时仍然获得了受控样本，当糟糕的主题行带来的代价不仅仅是打开率降低，而是下游活动降低时，这一点很重要。

随机化不是可选的

两个变体都需要在同一个窗口内进入收件箱。如果一个版本在早上发送，另一个在下午发送，你就将时间效应与主题行效应混合在一起了。随机分配也是如此，因为非随机拆分可能会使一个细分群体看起来更强，因为它更容易获胜。

一个有用的思考方式是：测试的可信度仅取决于你没有改变的那部分。保持时间一致，保持受众随机，并在宣布获胜者之前给测试足够的时间。

挑选一个你真正可以信任的获胜指标

主题行在收件箱中看起来很强，但可能偏离了重点。打开率是默认指标，因为它很容易看到，而不是因为它总是反映活动质量。在隐私保护严格的环境中，打开率可能存在噪音，仅凭打开率获胜的主题行如果拖累了点击、回复或收入，仍然会失败。

将指标与活动相匹配

对于冷启动联络和销售序列，回复率或正面回复率通常是更诚实的获胜指标。如果目标是对话，那么提高打开率但没有产生回复的主题行就没有完成工作。对于时事通讯和产品更新，点击率通常值得仔细观察，因为主题行可能会在虚增打开率的同时削弱下游参与度。

打开率作为方向性信号仍然有价值，特别是当你随着时间的推移将一次活动与你过去的发送进行比较时。如果你关心合格的响应或转化，它就成为了一个薄弱的单一真理来源。这就是为什么应该在发布前而不是在数字开始向你倾斜后选择指标。

如果你需要一种在 Gmail 内部检查打开数据的方法，如何在 Gmail 中追踪邮件打开情况 提供了具体操作，而无需你使用单独的堆栈。

不要太早宣布获胜者

阈值很重要。一个常见的标准是 95% 的置信度，另一个实用规则是在宣布获胜者之前达到 0.05 或更低的 p 值。这些是表达同一件事的不同方式：你看到的差异不太可能是由随机噪声引起的。

许多测试是因为不耐烦而不是因为文案糟糕而被破坏的。有人在几个小时后看到领先的打开率就发布了获胜者，尽管一旦更多列表参与进来，差距可能会缩小或逆转。等待足够长的时间让结果稳定下来，比在午餐时将结果挤进仪表板更重要。

如果你的指标是打开率，请问问它是在衡量兴趣还是仅仅是邮箱行为。如果它不是一个可靠的代理指标，请在发布前选择一个更好的。

将打开率置于背景中，而不是控制中

这是我在实践中使用的层级：打开率作为支持信号是可以的，点击率对许多时事通讯有帮助，回复率对潜在客户开发很重要，而转化率在邮件是通往收入或行动的直接路径的一部分时很重要。正确的指标取决于活动应该做什么。

该框架使团队保持诚实。它还防止了庆祝一个更漂亮但不能改善业务结果的主题行的常见错误。

在 Gmail 中使用 Mail Merge 运行测试

测试的目的不是建立一个放在文件夹里的理论文档。而是要通过团队无需在工具之间切换即可运行的工作流程，在本周发出一封更好的邮件。

先在表格中设置测试

从一个包含收件人列表和个性化所需字段的 Google Sheet 开始。然后创建两个仅更改一处的主题行变体，例如通用行与使用像 {{First Name}} 这样合并标签的行。保持正文、发送时间和受众相同，以便比较保持干净。

从那里，在 Gmail 内部工作的邮件合并工具（包括 Mail Merge for Gmail）可以从表格中提取收件人数据，发送个性化活动，并将参与状态写回电子表格。如果你需要更详细的设置步骤，请使用 从 Google Sheets 进行邮件合并的指南，并在你计划审查它的同一个地方构建测试。这使测试设置和结果都在一个表格中，从而使报告更容易共享和审计。

在全面推广前发送一个小测试单元

使用你受众的第一部分进行受控比较。如果你使用留存方法，将两个变体发送给初始测试组，等待结果，然后将获胜者推送到剩余部分。如果列表较小，只要组是随机的，直接拆分就可以。

实际的优势是速度。你不需要新的仪表板来了解发生了什么。表格可以显示行通过 Sent（已发送）、Opened（已打开）、Clicked（已点击）和 Replied（已回复）的状态，这使得无需在单独的分析堆栈中搜索即可并排比较变体变得容易。

以你发送的方式阅读结果

如果获胜的主题行获得了更多的打开但更少的回复，那么它对于销售序列来说并没有获胜。如果它获得的打开率较少，但回复或点击更强，那可能是更好的主题行。指标必须与目标相匹配，否则测试就会变成虚荣练习。

干净的 Gmail 工作流程也使推广更简单。一旦获胜者明确，团队就可以在剩余的发送中交换主题行，并保持序列的其余部分完整。这种操作上的简单性使测试在第一次活动后得以延续。

你本周可以测试的主题行模板

截止日期驱动的写作通常会变成循环使用的措辞。模板之所以有帮助，是因为它们为你提供了一个干净的基准来针对真实受众进行测试，而不是因为它们很聪明。

冷启动联络和跟进

对于冷邮件，最强的主题行通常是朴素、具体且短到足以在移动端截断之前显示。一份以基准为重点的指南将最佳点定为 36 到 50 个字符，或约 6 到 10 个单词，另一份指南建议将主题行保持在 50 个字符以下以实现移动端可见性，前 33 个字符在较小的屏幕上承担了繁重的工作 Zeliq 的主题行指南。如果你想要更深入的潜在客户开发起点列表，冷邮件主题行指南 是你在构建变体之前有用的参考。

尝试这样的行：

• 关于 {{Company}} 的快速问题
• 跟进你们团队的招聘计划
• 关于减少手动跟进的想法

个性化值得测试，而不是假设。在一项抽样基准研究中，添加收件人的名字将打开率从 15.7% 提高到了 18.3% Invesp 的主题行基准研究。这并不意味着每个列表的反应都一样，但这足以证明直接测试的合理性。

时事通讯、邀请和客户更新

只要主题行仍然告诉读者他们将得到什么，时事通讯就可以承载更多的好奇心。活动邀请通常需要先清晰，然后给出一个关心的理由。当信息直接且阻力小时，客户更新效果最好。

尝试将这些作为起点：

• 本月更新有哪些变化
• 诚邀您参加我们的现场会议
• 您的账户更新已准备就绪

在这里，问题与陈述的对比值得测试，因为结果取决于受众背景，而不是理论。问题可以创造好奇心缺口，而陈述在拥挤的收件箱中可以感觉更干净、更值得信赖。

实用规则： 如果主题行在手机上无法独立存在，请在测试前缩短它。

将模板库与活动类型挂钩。适用于客户公告的行在销售序列中可能会失败，只有当这些上下文保持独立时，测试才能学到有用的东西。

将一次获胜转化为可重复的优化循环

单一的获胜主题行不是策略。它是一个数据点，之所以有用，是因为它告诉你什么在特定的背景、特定的列表和特定的时刻起作用。

下一步是记录获胜背后的原则，而不仅仅是确切的短语。如果获胜者简短直接，请写下来。如果个性化击败了通用行，请捕捉潜在的模式。这很重要，因为一次有效的行在重复使用后可能会停止获胜，特别是在收件箱变得拥挤且疲劳感产生时。

保持运行原则日志

一个简单的 Google Sheet 可以在每次发送后追踪三件事：主题行、它代表的原则以及你选择的结果指标。这使得避免仅仅因为六个月前表现良好而循环使用某一行变得更容易。它还为团队提供了关于表现的共同记忆。

使用季度审查节奏。扫描过去的获胜者，淘汰感觉陈旧的行，并在可能的情况下为每个活动计划一个新的 A/B 测试。当某一行持续在同一指标下表现不佳时，停止将其强制放入轮换中。

关注疲劳，而不仅仅是获胜

主题行测试中最容易被忽视的问题是获胜者可能会变老。曾经推动强劲回复的行可能会随着收件人一次又一次地看到类似的模式而失去优势。这就是为什么行背后的原则比措辞本身更重要。

如果团队不断发布新的角度，收件箱就会保持新鲜。如果它不断重复使用相同的“获胜”公式，表现通常会开始趋平，然后向下漂移。要建立的习惯不是“找到一次最好的行”，而是“不断询问哪个版本会做得更好”。

那些保持领先的营销人员并没有减少猜测。他们测试得更干净，记录下经验教训，并使下一次发送比上一次更聪明。

---

如果你想在不离开 Gmail 的情况下运行主题行测试，Mail Merge for Gmail 可以让你从 Google Sheets 发送个性化邮件，并按行追踪打开、点击和回复情况。它非常适合这里介绍的工作流程，因此你可以测试主题行，在表格中阅读结果，并以更少的阻力推进获胜者。访问 Mail Merge for Gmail 并在你的下一次活动中尝试一下。