今天翻邮件消息，看到我之前经常用的一家邮件订阅服务商 MailerLite 开放了 MCP 功能，觉得可以就着将 AI 能力融入邮件营销这个点展开聊聊。
MCP 理解起来挺简单的，就是一个让 AI 与外部软件沟通的标准接口。
比如现在 MailerLite 开放了 MCP 功能，那我们便可以使用 AI 工具通过其 MCP 接口与之连接，连接之后 AI 模型就可以在权限允许的范围内直接调用 MailerLite 所提供的功能，不再需要手动复制、导出和整理数据。
最简单的一个应用场景，我们可以通过自然语言查询邮件列表中的订阅者相关信息，也可以针对订阅者画像来起草相应的营销邮件。
且营销邮件发送出去之后，还可以让 AI 模型来跟踪后续的营销效果。
但我觉得觉得真正有价值的部分，不是这种简单的自然语言问答，而是我们可以通过 MCP 连接来完成那些需要同时查阅多个报表、手动交叉核对的复杂任务。
比如我现在在对话框中输入“找出上周营销邮件中点击了结账链接、但之后没有下单的人，并为这些人创建一个分组后再起草一封简短的跟进邮件”。
有了这样的输入之后，AI 会依次去：找出点击结账链接的订阅者、查询这些人后来有没有下单、排除已经购买的人、把尚未购买的人放进一个新客户分组、为这个分组起草一封提醒或挽回邮件，并把结果交给我审核。
类似这样的场景，对应着的就是电商营销中常见的“温暖线索挽回”。
毕竟网站访客已经点击产品结账链接，侧面说明该访客有一定购买意向，但对方并没有完成最终成交，可能还在顾虑什么。
此时如果能及时跟进，其转化率通常会比向普通订阅者群发更高一些。
针对这个营销场景，过去如果想去做这个任务，可能需要分别导出营销报告和订单报告，再用表格匹配邮箱地址来筛选出目标受众。
但是现在可能只需要通过一句自然语言指令便可以完成大部分工作。
类似这样的营销场景还有很多，比如欢迎邮件、产品介绍、案例分享、优惠分享、购买邀请，等等。
这些场景都是可以通过 AI 助力，来大幅度提升工作效率与工作成效的。
