Недавно мне нужно было сделать email-рассылку по базе примерно из 5 000 компаний. Компания занимается автомобильными кондиционерами, отопителями, предпусковыми подогревателями и оборудованием для спецтехники. Запускать массовую рассылку сразу по всем адресам я не стал. Если первое письмо окажется слабым, большая часть базы будет потрачена. Поэтому начал с небольших групп.

Unisender и настройка с ChatGPT Для рассылки выбрал Unisender. В нём можно загрузить базу, разделить контакты на группы, подготовить письма и назначить время отправки. Сервис настраивал вместе с ChatGPT. Когда появлялся вопрос по интерфейсу, я описывал, что вижу на экране. ChatGPT подсказывал, какой раздел открыть и куда нажать. Тексты писем тоже генерировал с его помощью, поэтому на них уходило мало времени.

Три сегмента базы В списке находились компании из разных направлений. Одно общее письмо получилось бы слишком широким. Я разделил контакты на три сегмента: грузовая техника; спецтехника; снабжение и оптовые поставки. Для каждого направления нужен был свой акцент. После разделения стало проще смотреть, откуда приходят ответы и каким компаниям предложение сейчас ближе.

Четыре варианта письма Для первых отправок подготовил четыре варианта: A, B, C и D. В них менялись тема и основной текст. Хотелось посмотреть, какой вариант будут чаще открывать и на какой будут чаще отвечать. Удачная тема привлекает внимание, но после прочтения человек может ничего не написать. Поэтому я смотрел на оба показателя. Отправки по 100 компаний Каждый вариант отправлял примерно на 100 компаний. Этого хватило, чтобы получить первые цифры и сохранить основную часть базы для следующих писем.

Если бы рассылка по базе клиентов сразу ушла всем 5 000 получателям, я получил бы результат только одного текста. Небольшие группы позволили сравнить четыре варианта.

Средняя открываемость составила примерно 30–40%. Каждый день приходило около четырёх-пяти ответов. Чаще всего писали: -сейчас не актуально; -этим не занимаемся; -уже есть поставщик.

На третий день пришли два интересных ответа. Обе компании оставили номера телефонов для дальнейшего общения. После этого уже было видно, какие темы чаще открывают и какие письма приносят больше ответов.

Больше всего времени уходило на настройки Тексты быстро создавались через ChatGPT. Основное время уходило на настройку каждой отправки в Unisender. Нужно было выбрать сегмент, отметить контакты, выбрать письмо, назначить дату и время, затем всё проверить. При работе с тремя сегментами и четырьмя вариантами эти действия постоянно повторялись. Через несколько дней я решил автоматизировать эту часть.

Автоматизация через Codex Для этого подключил Codex. Это ИИ-инструмент, которому можно поставить задачу обычным языком. Дальше он выполняет нужные действия внутри Unisender.

Команду можно написать или продиктовать голосом. Например: Сделай рассылку по сегментам «грузовая техника» и «спецтехника». Возьми по 100 контактов. Подготовь письмо A и B. Запланируй отправку завтра на 10:00 по Москве. Codex выбирает сегменты и контакты, подготавливает письма, назначает дату и время. После этого я проверяю настройки и подтверждаю отправку. Контроль сохранил за собой. Перед запуском хочу видеть, какой сегмент выбран, какое письмо получит группа и на какое время назначена рассылка.

Главный вывод Теперь на вопрос, как сделать рассылку по большой базе, я отвечаю из своего опыта: сначала несколько вариантов писем и небольшие группы, затем остальная база. В моём случае средняя открываемость составила 30–40%, каждый день приходило около четырёх-пяти ответов, а на третий день две компании оставили номера телефонов.

Unisender использую для отправки. ChatGPT помогает с текстами и настройками. Codex выполняет повторяющиеся действия, после чего я всё проверяю.

Если вы тоже хотите автоматизировать подобную рассылку или настроить её под свою компанию, можете написать мне. Покажу, как это работает, и помогу собрать такую же систему.