京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据教你如何让大忙人及时回复邮件
“我每天都收到成百上千封邮件,大多数邮件都很重要,我却没有精力一一回复。”在线视频学习平台One Month的联合创始人和首席执行官Mattan Griffel表示,要想让那些每天被邮件轰炸的大忙人也能及时回复你的邮件,也是需要技巧的。
网上教人们如何写邮件的建议不少,但大多还没有数据做支撑。最近,邮件效率服务商Boomerang通过分析5300多万封邮件数据,找出了一些影响邮件回复率的窍门。总结起来就是两大点,方便他人及勾起兴趣。
首先,不要让对方觉得回复你邮件是件耗时耗力的麻烦事。要缩短的就是对方阅读邮件内容的时间,其中就涉及内容的长度和阅读难度。
比如Mattan Griffel曾提出,缩短内容有助于提高回复率。“如果邮件只有两到三句话,收件人读起来会更轻松。如果一封邮件超过两段,收件人可能会过会儿再读,收到回复的时间也就拖长了。”此次Boomerang的研究也发现,一封英文邮件字数最好是50至125个单词之间,这时回复率将可能高于50%。
由于Boomerang统计的都是英文邮件篇幅。按照翻译时中文原稿的字数约为英文译稿的1.5倍,我们只能大概估算下,中文邮件最佳长度可能在75到188字之间。
当邮件长度超过2500个英文单词时,回复率就低于35%了。如果想发长篇大论,最好以附件形式发送;另一方面,当邮件长度低于50个单词时,邮件回复率也会迅速降低,一封只有25个单词的邮件,与一封2500词长的邮件一样只有44%的得到回应机率;而如果邮件只有标题没有内容,得到回应的机会更小,只有 11%。
字数要求同样还体现在邮件主题上。数据显示,不包括自带的“转发”字眼时,只有3到4个英文单词的主题回复率最高。标题越长,得到回应的机会越小。当然,主题也是不能为空的,通常没有标题的邮件回复概率只有 14%。
除了控制字数,此次研究最大发现之一就是,电子邮件的阅读难度也会影响回复率。像一个小学3年级学生一样写作时效果最好。
阅读难度越大或者废话越多的内容越容易耗费对方的时间,从而降低对方立刻回应的意愿。按照大学程度阅读水平撰写的邮件中,得到反馈的只有39%,还不及充满语法错误的幼儿园水平邮件的反馈率。
即使是给知识能力水平高的人发送邮件,也应当尽量简化缩短语句,使用最简单明了的词汇。“要让收件人一目了然地知道自己到底需要做什么。”Mattan Griffel建议,如果不得不写一封非常冗长的邮件,那就把希望对方做的事情放在最前面。将段落拆成短句,将重要部分加粗或者斜体。“一两个句子成段好过一大段文字。”
当然,具体还是要根据邮件的写作背景来看。如果你是要与教授讨论你的博士论文细节,而他还将参与你的博士后奖学金评估,那还是要注意每个用词都尽可能专业;但如果你是写给一个足球迷来吐槽上次球队糟糕的表现,那就最好用三年级小学生都能看懂的大白话。
勾起收件人兴趣也是提高回复率的好方法。比如可以在邮件中向对方提出几个好问题。统计数据显示,当你在邮件中提出一到三个问题,邮件会有 50% 的概率得到回复。“当人们不忙的时候,让人产生好奇的邮件吸引他们;但当人们忙的时候,好奇心减弱,实用主题的邮件更多地被阅读。”宾夕法尼亚大学沃顿商学院教授Adam Grant表示。不过贪多可没什么好处,包含8个问题的邮件比只有3个问题的回复率要少20%。
另外,别以为客观讲事实才是最好的,其实影响回复率的关键因素还有邮件的表达情感和写作角度。Boomerang发现,邮件内容稍显积极或消极,是最容易得到回应的。此外,主观内容一般比客观内容的回复率要高 8%。
统计数据显示,相比于完全中性的邮件内容,轻微积极或者轻微消极的邮件内容,可以让回复率提高 10% 到 15%。比如投诉时适当的消极态度最容易获得商店经理的回应。当然情绪也不能过度,否则回复率也会随之降低。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27