更新于：2026 年 3 月 8 日
TL;DR：Nick Abraham 的策略
Nick Abraham 每月发送 150 万封以上冷邮件，靠他的三层超个性化框架做到 40%+ 的回复率：
第 1 层：社交关注意图 —— 抓取竞品/行业领袖的关注者，这些人身上带着购买意图 第 2 层：同事引用 —— 用抓取到的员工数据提到其同事，制造紧迫感 第 3 层：AI 个性化 —— 用 Quicklines 这类工具生成贴合语境的个性化句子
ColdSend 快速配置：
- 使用 LinkedIn 上的竞品关注者名单
- 通过 Apollo/Clay 补充同事数据
- 用自定义提示词生成 AI 句子
- 通过 ColdSend 的基础设施投放（预预热 IP，无需自行暖箱）
- 目标：2-4% 回复率，20-40% 正面回复率
核心洞察： Nick 证明了——把意图信号 + 自动化 + 成熟基础设施结合起来，个性化是可以规模化的。
Nick Abraham 是谁？
Nick Abraham 是 LeadBird.io 的创始人。这家 B2B 潜客开发机构破解了规模化超个性化的难题。他手上同时服务 200 多个客户，每月发送 150 万封以上冷邮件，把大多数人认为不可能的事变成了现实——在海量发送的同时，让每一封邮件都像是专门写的。
他的成绩单：
- 每月发送 150 万封以上冷邮件
- 200 多个在服务客户
- 个性化营销活动的回复率 40%+
- 打造并出售过多款 SaaS 工具（Quicklines、Scrubby、Golden Leads）
- 被 Smartlead 评为全球回复量第 2 的账户
但 Nick 的特别之处不只是发送量——而是他执着于让自动化邮件读起来完全像真人写的。用他的话说：“个性化的目标，是让潜客相信这封邮件是你专门为他亲手写的。”
三层个性化框架
Nick 的框架建立在一个简单前提上：叠加多个个性化信号，制造“深度调研过”的错觉，而不必真的手工去做。
第 1 层：社交关注意图
第一层通过潜客的社交媒体行为识别购买意图。
策略： “如果你最大的竞品在 LinkedIn 上有 6 万关注者，就把这些关注者全部抓下来，给他们发邮件。我们用这个方法在不到 3 个月里拿到 450+ 个潜客——这是我们表现最好的营销活动之一。”
执行步骤：
- 确定意图来源： 竞品、行业工具（Clay、Apollo）、意见领袖
- 抓取关注者： 用 PhantomBuster 或类似工具导出关注者名单
- 按 ICP 筛选： 去掉不相关的职位/公司
- 撰写开场句：
- “看到你关注了 [公司]——想确认下你是不是也在处理 [痛点]？”
- “看到你和 [行业领袖] 有连接——最近在做 [相关项目] 吗？”
第 2 层：同事引用
这一层通过提到对方的同事，制造紧迫感和社会证明。
Nick 的做法： “我们会说，不确定这封邮件该发给你还是 [同事名字]。这会制造紧迫感——对方要么直接回复，要么把它转给对的人。”
背后的心理机制：
- 社会证明： 他们公司里可能还有别人也感兴趣
- 降低压力： 你并不确定对方是不是对的人
- 提升回复： 对方会澄清或转发
数据采集：
- 从 LinkedIn 抓取公司员工名单
- 找出相关部门里的决策人
- 在邮件中表达“不确定该找谁”的犹豫
第 3 层：AI 生成的个性化
最后一层用 AI 基于近期动态生成贴合语境的个性化内容。
Nick 使用的工具：
- Quicklines.ai： 他自研的个性化引擎
- GPT-4 + Cargo： 用于规模化定制个性化内容
- Clay： 用于复杂的个性化工作流
意图信号的识别方法
Nick 的成功来自找到已经处于购买状态的潜客，而不是漫无目的地冷开发。
方法 1：竞品关注者分析
流程：
- 找出你所在领域的主要竞品
- 用自动化工具抓取他们的 LinkedIn 关注者
- 按职位和公司条件筛选
- 撰写差异化话术
Nick 的真实案例： “我们把最大竞品的关注者全抓了下来，然后跑营销活动说：‘他们不提供按效果付费的服务，但我们提供。’3 个月里我们签下了 450+ 个潜客。”
方法 2：工具/平台关注者
策略： “关注 Clay 的人，大概率对潜客开发感兴趣。关注 HubSpot 的人，多半需要营销方面的帮助。关键是把意图信号找对。”
执行步骤：
- 抓取你生态内工具的关注者
- 定向互补平台的使用者
- 在个性化内容里提到他们在用的工具
方法 3：招聘意图
Nick 的洞察： “如果一家 150 人的公司在招 SDR，他们大概率需要潜客开发方面的帮助。这是一个很强的购买信号。”
流程：
- 监控招聘网站上的相关岗位
- 找出招聘公司的决策人
- 在外联中点出他们的招聘需求
- 把你的方案定位成解决他们扩张难题的答案
AI 驱动的个性化引擎
Nick 把 AI 个性化系统化，让它在海量规模下仍能保持质量。
针对特定行业的自定义 GPT 提示词
App 开发类提示词： “分析 [网站]，想一个与他们业务相关的 App 创意。按这个格式写：‘如果我们能做一个 [具体功能] 的 App，你会感兴趣吗？’”
SEO 服务类提示词： “分析 [网站]，找出 3 个在相关关键词上排名高于他们的竞品。写：‘我看到 [竞品] 在 [关键词] 上排在你们前面——有兴趣改变这个局面吗？’”
Salesforce 实施类提示词： “分析 [网站]，找出他们可以如何利用 Salesforce。写：‘你们有没有考虑过用 Salesforce 来做 [具体场景]？’”
质量控制框架
Nick 的 70/30 法则： “大约 70% 的 AI 生成句子可以直接用。剩下 30% 需要修改，或者根本不能用。但这仍然比手工写高效得多。”
质量判断标准：
- ✅ 贴合他们的业务/行业
- ✅ 读起来像真人会说的话
- ✅ 与你的产品相关
- ❌ 泛泛的恭维
- ❌ 过度热情的表达
- ❌ 奇怪的 AI 腔
规模化 AI 个性化
工具组合：
- Cargo + Google Sheets： 用于批量个性化
- Clay： 用于复杂的个性化工作流
- Quicklines： 用于基于 LinkedIn 的个性化
- GPT-4 API： 用于自定义个性化提示词
哪个 ColdSend 套餐适合这套打法？
Nick 的三层框架在上游极度吃量，下游又要求精准定向——每月 10 万封的发送量足以支撑规模化调研，同时你可以随着业务区域扩张继续加域名。
ColdSend 只有一个套餐，不用算档位差价：
- $179/月 —— 包含 4 个域名、400 个邮箱、每月 10 万封发送量
- 按 $30/域名加购域名（最多 20 个），随发送需求增长
- 无需暖箱 —— 邮箱第一天就能承载发送量
ColdSend 实操指南
基础设施配置
与那些拼量的打法不同，Nick 的个性化路线要求基础设施在质量上取胜，而不是数量。
推荐配置：
- 域名策略：先用套餐包含的 4 个域名（营销活动跑通后，按 $30/域名最多加到 20 个）
- 邮箱分配：先用 10-20 个导入邮箱（重质不重量）
- 每日发送量：每个邮箱 50 封（个性化邮件送达率的最优区间）
- 每月发送量：10 万封的额度，按这个节奏可支撑 60 个以上邮箱
- 好处：企业级基础设施能让个性化邮件获得最好的收件箱位置
为什么 ColdSend 适合个性化打法：
- 没有暖箱等待 —— 用导入邮箱立刻开跑个性化营销活动
- 高送达率 —— 个性化邮件只有进到收件箱才有效
- 易扩展 —— 营销活动验证成功后，任何套餐都支持无限导入账户
- API 集成 —— 接入 Quicklines、Clay 和 Cargo，实现自动化个性化
营销活动结构
邮件模板框架：
主题：关于 {{company}} 的一个小问题
你好 {{first_name}}，
{{layer_1_intent_signal}}——{{layer_3_personalization}}
不确定这封邮件该发给你，还是发给 {{layer_2_colleague}}，但想着你们中可能有人会觉得有用。
我们刚帮 [相似公司] 用 [方法] 做到了 [具体结果]。
值得花几分钟聊聊，看看对 {{company}} 是否适用吗？
祝好，
[你的名字]
PS：{{additional_personalization_signal}}
Nick Abraham 的完整三层邮件模板
以下是落地 Nick 超个性化框架、经过验证的邮件模板：
模板 1：社交关注意图 + 同事引用
主题：Re: [公司] 的增长
你好 {{first_name}}，
看到你在 LinkedIn 上关注了 Clay——猜你也在处理潜客开发上的难题，就像大多数规模过了 50 人的公司一样。
不确定这封邮件该发给你，还是发给你们销售团队的 {{colleague_name}}，但想着你们中可能有人会觉得有用。
我们刚用类似 Clay 所教授的方法，帮 Zapier 把合格潜客提升了 40%，不过是专门针对你们这个规模的公司。
值得快速聊一聊，看看对 {{company}} 是否适用吗？
祝好，
[你的名字]
PS：看到你们在招 SDR——这个时间点聊这件事应该正合适。
模板 2：竞品情报 + AI 个性化
主题：关于 {{company}} 的一个小问题
你好 {{first_name}}，
看到你和 Outreach 团队有连接——想了解下，考虑到他们最近的定价调整，你们是不是在看替代方案。
不确定这封邮件该发给你，还是发给 {{sales_ops_colleague}}，但想着你可能会想知道：我们如何帮 {{similar_company}} 在维持同样结果的同时，把成本砍掉了 60%。
{{ai_personalization_line}}
值得简单聊一下你们目前的配置吗？
祝好，
[你的名字]
PS：你最近那篇关于 {{recent_post_topic}} 的 LinkedIn 帖子说得很到位。
模板 3：行业活动 + 社会证明
主题：[活动名称] 后续
你好 {{first_name}}，
看到你参加了 {{industry_event}}——猜你和大多数参会者一样，想把现场学到的东西真正落地。
这封邮件该发给你，还是发给 {{marketing_colleague}}？不太确定 {{company}} 的潜客开发由谁负责。
我们帮另外 3 位 {{industry_event}} 参会者，把新策略在活动后第一个月变成了 25+ 场合格会议。
{{ai_insight_about_company}}
有空通个短电话，聊聊最近哪些做法有效吗？
祝好，
[你的名字]
PS：注意到你们在用 {{tech_stack_tool}}——我们有一些具体的集成思路，可能帮得上忙。
模板 4：招聘意图 + 同事不确定
主题：新员工入职
你好 {{first_name}}，
从你们最近的招聘帖看，{{company}} 正在积极招销售代表——团队扩张总是让人兴奋。
不确定这封邮件该发给你，还是发给 {{hr_colleague}}，但想着团队里可能有人会觉得有用。
我们刚帮 {{similar_company}} 用我们的入职框架，把新员工的爬坡期从 3 个月缩短到 6 周。
{{ai_personalization_about_growth}}
值得为你们的新员工研究一下吗？
祝好，
[你的名字]
PS：{{phone_number}}——如果更方便，电话里聊几句更直接。
模板 5：技术栈 + 性能问题
主题：{{company}} 的技术栈
你好 {{first_name}}，
看到你们在用 {{current_tool}}——从 {{data_source}} 看，最近性能不太稳定（这个平台出现这种情况并不少见）。
这封邮件该发给你，还是发给 {{technical_colleague}}？不太确定 {{company}} 这块由谁负责。
我们帮 {{competitor_company}} 换到了更可靠的方案，30 天内核心指标提升了 35%。
{{ai_insight_about_current_challenges}}
想听听他们是怎么做到的吗？
祝好，
[你的名字]
PS：{{recent_company_milestone}}——恭喜增长！
模板 6：内容互动 + 社会证明
主题：你们的 {{content_type}} 策略
你好 {{first_name}}，
很喜欢你最近那篇关于 {{topic}} 的 {{content_type}}——尤其是关于 {{specific_insight}} 的那一点，很有共鸣。
不确定内容策略是不是你负责，还是归 {{content_colleague}}，但想着你会想知道我们最近在测试什么。
我们帮 {{similar_company}} 落地了类似的做法，2 个月内互动量提升了 150%。
{{ai_comment_on_their_content}}
值得快速聊聊他们具体哪些做法奏效吗？
祝好，
[你的名字]
PS：那篇关于 {{recent_post_topic}} 的 LinkedIn 帖子互动很好——显然戳中了受众的痛点。
超个性化营销活动的跟进序列
跟进 #1（4 天后）：
主题：Re: {{original_subject}}
你好 {{first_name}}，
接着我上封关于 {{original_pain_point}} 的邮件再跟一句。
想确认一下——这件事是该找你聊，还是 {{colleague_name}} 更适合对接 {{specific_initiative}}？
无论哪种，这是我提到的案例：[链接]
{{additional_personalization_signal}}
祝好，
[你的名字]
跟进 #2（1 周后）：
主题：{{company}} 与 {{similar_company}} 的对比
你好 {{first_name}}，
再回到 {{original_topic}}——想到应该分享这个和 {{company}} 高度相关的具体案例。
{{similar_company}} 当时在 {{specific_pain_point}} 上遇到了一模一样的问题。这是帮他们解决的三步流程：[附件/链接]
{{ai_insight_about_recent_company_activity}}
值得花 15 分钟看看是否适用于你们的情况吗？
祝好，
[你的名字]
用于 A/B 测试的主题行变体
像内部邮件的主题行：
- Re: {{company}} 的指标
- {{first_name}}——一个小问题
- {{company}} 增长近况
- FWD: {{industry}} 基准数据
- {{colleague_name}} 建议我联系你
提问式主题行：
- 问个 {{department}} 的小问题
- {{company}} 与 {{competitor}} 的做法对比
- 你怎么看 {{industry_trend}}？
- {{recent_company_news}} 的影响
- {{mutual_connection}} 的连接
自动化所需的数据字段
必填字段：
- first_name
- company
- email
- job_title
- colleague_name（同部门）
- colleague_title
- social_follow_signal
- recent_company_activity
- phone_number
- tech_stack_tool
- recent_content/post
可选增强字段：
- mutual_connections
- recent_job_postings
- company_funding_stage
- employee_count
- industry_specific_pain_points
数据 CSV 格式：
email,first_name,company,intent_signal,colleague_name,personalization_line,phone_number
效果基准
Nick 的目标：
- 回复率： 2-4%（普通邮件为 1%）
- 正面回复率： 20-40%
- 约到的会议： 每 350-500 个联系人 1 场
- 退订率： <1%
进阶规模化策略
支撑每月 150 万封邮件的技术栈
数据采集：
- Ocean.io： AI 驱动的相似公司发现
- Apollo： 联系人补全与邮箱查找
- Golden Leads： LinkedIn Sales Navigator 抓取
- Drop Contact： 针对 LinkedIn 资料的邮箱补全
个性化引擎：
- Quicklines.ai： 基于 LinkedIn 的个性化
- Cargo + GPT-4： 自定义个性化工作流
- Clay： 复杂的数据补全与个性化
基础设施：
- Smartlead： 营销活动管理与发送
- 基于 Outlook： 首选基础设施
- 邮箱与域名 1:1 配比： 以实现最高送达率
规模化下的质量控制
三步流程：
- 搭建账户名单： 用 Ocean.io 找相似公司
- 补全联系人： 上传到 Apollo/Clay 查找联系人
- 人工复核： 按相关性和质量筛选联系人
Nick 的质量框架： “我们先搭账户名单，再找联系人，然后逐个联系人人工复核。这是规模化下保证质量的唯一办法。”
个性化团队的岗位结构
关键角色：
- 研究员： 识别意图信号，搭建账户名单
- 个性化经理： 管理 AI 工具和质量控制
- 营销活动经理： 执行营销活动并处理回复
- 销售团队： 把回复量增长带来的会议转化成订单
结论
Nick Abraham 证明了，个性化和规模化并不互斥。他的三层框架——社交关注意图、同事引用、AI 个性化——在每月发送 150 万封以上邮件的同时，做到了 40%+ 的回复率。
关键洞察：
- 意图信号比完美的文案更重要 —— 找到已经处于购买状态的人
- 叠加个性化才能效果最大化 —— 多个信号共同构建可信度
- AI 是工具，不是替代品 —— 用它提效，而不是用它伪造真实感
- 高质量的基础设施才能承载高质量的个性化 —— 高送达率没有商量余地
为什么这套打法适合 ColdSend：
- 没有暖箱等待 —— 立刻开跑个性化营销活动
- 高送达率 —— 个性化邮件必须进到收件箱
- 可扩展的基础设施 —— 营销活动验证成功后随时加量
- 成本可控 —— 把预算花在个性化工具上，而不是基础设施上
准备好落地 Nick 的超个性化框架了吗？ 试用 ColdSend，看看我们的基础设施如何在无需传统配置等待和复杂度的前提下，支撑你的个性化营销活动。
想聊聊如何为你的具体市场落地超个性化？预约通话，获取针对性的策略设计和营销活动规划。
2025年7月26日
4 分钟阅读