Shopify 独立站
Klaviyo Composer 实测:5 个场景里它做到了通用 LLM 做不到的事
一家邮件营销代理把 Klaviyo 的 AI 代理 Composer 和第三方 LLM 同题对比,跑了归因分析、BFCM 分群、表单批量更新、RFM 分层和迁移预热五类任务。结论是 Composer 因为直接读账号内的客户、Flow 和投放数据,能发现 LLM 漏掉的关键细节,比如 opt-in 设置变更导致的业绩拐点。
今天就能做
- 排查邮件归因异常时,先检查 opt-in 设置这类账号内变更,别只看 campaign 数据
- 做 RFM 分层时把邮件点击行为叠加上去,避免对不互动的人白白发信
- 批量改表单或 Flow 后,让 AI 自查桌面端、移动端、链接和 alt text 再上线
归因分析:找到 LLM 漏掉的根因
- 让两个工具分析同一账号两年的 campaign 数据,解释业绩起伏,两者结论大体一致
- Composer 额外发现有人把 newsletter 列表从 single opt-in 改成了 double opt-in,这正好解释了邮件归因曲线的拐点
- 第三方 LLM 没抓到这一点,因为它看不到账号内的设置变更
- Composer 会展示答案背后的数据来源,方便人工验证
BFCM 老客召回:更快、还带下一步链接
- 目标是重新触达去年 BFCM 买过的季节性客户,任务包括分析 campaign 表现和扩大受众
- Composer 完成两个任务明显更快,因为它知道该查什么、该问什么
- 动手前先在界面里给出预览,第三方 LLM 做不到
- 完成后不是问你要不要下一步,而是直接给出可点击的链接,衔接更顺
批量更新 6 个 BFCM 弹窗
- 任务是把一个品牌 6 个触发条件各不相同的 BFCM 报名弹窗换成新图、新标题和新 CTA
- Composer 先做一个并给出预览,过程中主动指出该弹窗没开短信的 Smart Opt-in 并建议加上
- 再让它把同样的改动套用到其余 5 个弹窗,同时保留各自原有的筛选条件,并给出每个的预览链接
- 代理机构 Andzen 的 CEO 反馈:Composer 把原本 3 小时的项目压缩到 30 分钟,还会自查桌面端、移动端、链接、alt text 和动态商品 feed
RFM 分层叠加邮件互动信号
- 常见做法是按 RFM 分出 champions、loyal 等组,但容易忽略其中一部分人根本不点邮件
- 作者只告诉 Composer 目标是扩大触达且不伤送达率、用 RFM 数据做分层,它自动把购买行为和点击行为结合了起来
- 用第三方 LLM 则必须显式写明要合并这两类行为,还要解释最终目的是提升 campaign 表现
- Klaviyo Personalization 会持续更新每个 profile 的 RFM 分组,Audience Optimization 会剔除易退订的 profile,让 Inactive 组也能安全纳入
Flow 规划与迁移预热
- 设计 next best product flow 时,Composer 额外提醒了与 browse abandonment 等现有 Flow 的冲突,并考虑了客户中途退货的情况
- 迁移场景下,作者把品牌 campaign 日历喂给 Composer,让它规划预热节奏、分群方式,以及适合预热期的高点击 campaign
- Composer 支持按周期重复执行任务,可把验证过的 prompt、品牌规范存成 custom skills 复用
和第三方 LLM 的核心差异
- Composer 跑在 Klaviyo 账号内部,天然结合客户、campaign、Flow 和业绩数据
- 不需要花时间教它该看什么,上下文是现成的
- FABO 的邮件负责人评价:它能把分析和那些要花时间挖的细节连起来,给决策一个更好的起点
原文:5 Composer Use Cases Where Klaviyo AI Caught What an LLM Missed - Klaviyo
来源:Klaviyo · 2026-11-20
查看原文本文由 AI 阅读原文后整理,未经人工逐字核对,内容以原文为准。平台规则和费用以官方最新公告为准。
登录后可以点赞、查看和发表评论