先给结论：ChatGPT 写的开发信没人回，九成不是文笔问题，是画像问题。AI 写信的能力早就够用了，够不到回复率，是因为你喂给它的客户信息太少——它只能写出一封"谁收到都觉得还行、谁收到都不会回"的信。
读者真正卡在哪
- 让 AI 写了 50 封开发信，一封回复没有，开始怀疑 AI 找客户是噱头。
- 信写得越来越花哨，回复率反而越来越低。
- 同一个产品，老业务员手写的回复率明显更高，不知道差在哪。
差在哪：一封对照
| 维度 | 喂画像前的 AI 信 | 喂画像后的 AI 信 |
|---|
|---|---|---|
| 开头 | 泛泛的"希望与贵司合作" | 点出客户业务里的具体事实（新品线、市场动作） |
|---|---|---|
| 价值主张 | 我们价格优、质量好、交期快 | 针对客户类型的顾虑给对应解法 |
| 判断依据 | 无——AI 在猜 | 有——基于背调信息的合理推断 |
| 结尾 | 求回复、求联系 | 给一个低成本的下一步（一份对照资料、一个问题） |
差异的来源不是 AI 变聪明了，是你给它的输入变了。开发信的回复率，在点发送之前就由两件事决定了：客户选得对不对（画像），信息给得全不全（输入）。
改进三步
- 写信前先背调：客户的业务、近期动态、可能的采购动机，用 AI 做背调比用 AI 写信更重要。背调的底料从哪来，先看站内《AI找出来的客户名单怎么验证真假？四源交叉法》——名单可靠，画像才可靠。
- 给 AI 的输入加两块料：一是客户的具体事实，二是"这封信最想让对方相信什么"——一句话说清。
- 人工审一遍再发：AI 不知道哪些话在你们行业是忌讳，也不知道哪个数字不能承诺。发送前过目，责任在人。
一个检验标准
写完问自己一句：把信里的公司名换掉，这封信还能发给任何一家公司吗？能——说明画像没喂进去，这封信就是群发，回复率自然趋近于零。
什么情况不适用
- 高度标准化的低价产品、靠量取胜的品类，模板信+批量逻辑有其生存空间，但天花板明显。
- 客户关系深的老客户维护，别让 AI 代写——那不是效率问题，是关系问题。
常见问题
开发信到底多长合适？
长短不是关键，"有没有一句让对方觉得你懂他"才是。没有这句话，短也白短；有这句话，长一点也值得读完。
要不要用 AI 批量个性化？
可以做，但个性化的事实必须真实存在——编造的"个性化"被识破一次，这个客户就没了。
开发信是画像的最后一次考试，考不好回去补课，别在考场上加时。这篇是「外贸 + ChatGPT/Codex」系列的第九篇，下一篇讲展会名片的 AI 清洗，见《展会收了500张名片怎么跟？先用AI做清洗分层》。
想聊你自己的具体业务场景，联系大宗师网络（外贸社媒训练营）：微信 Dazongshi98。
本篇常见问题
ChatGPT写的开发信为什么没人回？问题出在画像不在文笔
先给结论：ChatGPT写的开发信没人回，九成不是文笔问题，是画像问题。AI写信的能力早就够用了，够不到回复率，是因为你喂给它的客户信息太少——它只能写出一封"谁收到都觉得还行、谁收到都不会回"的信。
读者真正卡在哪？
让AI写了50封开发信，一封回复没有，开始怀疑AI找客户是噱头。信写得越来越花哨，回复率反而越来越低。同一个产品，老业务员手写的回复率明显更高，不知道差在哪。
什么情况不适用？
高度标准化的低价产品、靠量取胜的品类，模板信+批量逻辑有其生存空间，但天花板明显。客户关系深的老客户维护，别让AI代写——那不是效率问题，是关系问题。