Klaviyo 做 AI 短信个性化：为什么放弃逐条生成，改成按人群写变体

Klaviyo 团队复盘了 Personalized Content 的构建过程：最初给每个收件人单独生成短信，结果既学不到东西也扛不住百万级发送量，于是改成按购物意图分组写可复用变体，再用四道自动检查兜底、与原版做对照测试。文章给出了分组逻辑、校验规则和灰度上线的具体做法。

从逐条生成退回到按组写变体

• 第一版在流程发送时给每个收件人现写一条短信，理念上接近一对一，但暴露三个问题：每条都不同就无法判断哪个版本有效；活动几分钟内触达百万人，来不及写百万条；一次性内容无法沉淀成可复用的资产。
• 现在的做法是按购物意图把收件人分成高、中、低、未知四组，再为每个人选一个切入角度，文案按组复用。
• 规划中的版本会按 RFM 分成 8 组、每组写 5 个角度，一个流程就有 40 条可用文案，5 万和 500 万档案用同一套写法，成本随组数增长而不是随名单增长。

个性化读哪些信号

• 依据是档案里已有的数据：近期浏览和购物车行为反映离下单有多近，RFM 分组反映长期购买习惯。
• 同一个购物车挽回流程，第三次回来看同一双靴子的人收到的是「还在犹豫吗，已经在购物车里」这类直接推进的文案；首次浏览的人收到的是更轻的「看到你在逛新品，随时再看」。
• 原始文案里的链接、优惠和变量标签保持不变，只改措辞和角度。

发送前的四道自动检查

• 长度不超过原文，避免短信费用上升。
• 保留原有全部链接，且不新增任何链接。
• 通过与其他消息相同的合规检查。
• 符合品牌语气设置。
• 任何一项不通过，收件人收到的就是原版文案，与控制组完全一致。

用对照测试证明自己值得留下

• 每条个性化文案都与原版做 A/B 测试，收件人在整个测试期内固定在同一组，保证对比成立。
• 转化是最终指标，点击率是早期信号；同时监控退订、送达率和内容质量，防止某一项提升掩盖另一项恶化。
• 样本量不足时产品里结果保持灰色不可见，直到统计上显著才展示。

下一步：用 grader 模型决定发哪条

• LLM 负责写，选哪条交给另一个用历史短信内容和互动数据训练的模型，预测每个收件人最可能互动的版本。
• 对收得频繁的人会轮换到第二、第三选择，避免文案重复。
• grader 先以 shadow 模式在后台打分、不改变实际发送内容，跑赢 holdout 对照后才正式启用。
• 长期方向是让选人群、选时间、选内容三个模型协同，而不是让运营逐个调参。

怎么上手

• Personalized Content 包含在 Klaviyo Personalization 里，支持英文 SMS 和 RCS 文本，覆盖六类流程：加入购物车、浏览商品、发起结账、到货通知、降价、唤回。
• 在流程里打开某条短信，启用「Personalize this message」，先设好品牌语气，预览示例文案。
• 官方建议至少跑两个月再判断效果。