先给结论:当发送频率上升而单条信息量下降时,优先怀疑的不是“用户看腻了”,而是选题被拆得太碎。可执行的收缩方式是先把模板按“一次只解决一个具体决策”重新归类,合并那些只有称呼、折扣和链接差异的变体,再把节省出来的发送位让给有明确触发条件的选题。判断收缩是否有效,看的是每条模板能否独立回答“为什么现在发给我”,而不是看发送总量或打开率本身。
频率增加通常来自一个朴素假设:多触达一次就多一次机会。但模板数量增长往往不是靠新选题,而是靠同一选题的排列组合。例如同一场活动,按“新客/老客”“首购/复购”“工作日/周末”拆出十几个版本,每个版本只改了称呼和截止时间。结果是发送次数上去了,每条承载的信息却只剩“提醒你还有这件事”。
这里要区分两个指标口径:发送频次是运营侧的动作量,信息量是收件人侧的决策增量。动作量上升不等于决策增量上升。如果你只用发送量、到达量来证明节奏合理,就会掩盖选题被稀释的事实,因为这两个数字本来就会随频率上升而上升。
面对“频率上升、信息量下降”,至少有两种成立条件不同的解释,不能混为一谈。
两种解释会导向相反动作:前者要合并,后者要减少非事件型发送、把位置留给真正的新事件。把饱和误判为选题问题,会不断改写文案却始终没有新增量;把拆碎误判为饱和,则会过早砍掉仍可细分的场景。
不要用打开率或点击率单独下结论,它们同时受频率、文案和名单质量影响。更可区分的是下面几组可核对证据:
假设一个场景:某模板库一个月内从 8 条扩到 24 条,但其中 18 条是同一促销的称呼和时间变体,只有 6 条对应真实事件。按上面的证据判断,这属于拆碎型,收缩方向是合并变体、保留事件型选题。这个数字仅用于说明比较方法,不代表任何真实项目的表现。
第一步,给每条模板标注它对应的触发事件和收件人需要做的判断。没有触发事件的模板先进入待合并池。第二步,把待合并池里只差称呼、时间、链接参数的版本合并成一条,用变量处理差异。第三步,把腾出的发送位分配给有明确事件、且事件本身在周期内只发生一次的选题。
这个动作的结果会直接影响下一步:如果合并后单条模板的回复内容更集中、更具体,说明原来是拆碎,可以继续按事件维度补充选题;如果合并后回复依旧稀疏、退订没有改善,说明问题更可能在触达场景饱和或名单匹配度,此时应减少非事件型发送,而不是继续改写文案。
复查时把“发送量”和“有效选题数”分开记录。有效选题数指能对应独立触发事件、且收件人读完能形成新判断的模板数量。若发送量上升而有效选题数不变,说明又在拆碎,需要回到合并步骤。若两者同步上升但回复质量下降,则要检查名单与事件的匹配,而不是继续加频率。
另外,请求量、抓取量或某项统计归零并不能单独证明收缩正确,它也可能来自名单调整、发送通道变化或统计口径变更。判断收缩是否成立,仍要回到“每条模板能否独立回答为什么现在发给我”这一条可核对的标准上。频率本身不是问题,缺少新判断的重复触达才是。