Email-цепочка с персонализацией через Claude: 7 писем которые продают без участия менеджера

Средний open rate в России — 18%. Это значит, что 82 письма из каждых 100 отправленных никто не открывает. И маркетологи годами отправляют одно и то же всем подряд, удивляясь почему цифры не растут.

Почему персонализация работает, но её никто не делает

Я периодически слышу: «у нас персонализация есть, мы имя подставляем». Это не персонализация. «Привет, Иван» — это просто шаблонная переменная. Настоящая персонализация — когда человек, который смотрел страницу с тарифами, получает письмо про ROI, а тот кто читал блог про инструменты — письмо с примерами кейсов.

Проблема простая: это невозможно делать руками в масштабе. База в 5 000 человек, 7 писем в цепочке — это 35 000 уникальных текстов. Даже если разбить на 4 сегмента по 4 письма — 16 уникальных сообщений, и это уже неделя работы копирайтера.

Claude это решает за часы, а не за неделю. Промпт описывает контекст подписчика, Claude генерирует письмо под него. Стоимость — около 1 рубля за письмо через API.

Структура цепочки: 7 писем за 30 дней

Это не произвольное число. 7 касаний за месяц — достаточно чтобы провести человека от «зашёл посмотреть» до «готов купить», не перегрузив его. Каждое письмо решает одну задачу.

Сегментация базы: четыре разреза

Перед тем как писать промпты для Claude — нужно понять какие данные есть о подписчике. Схема сегментации зависит от того, что можно собрать.

Минимальный рабочий вариант — два разреза: источник подписки + тип бизнеса. Это даёт 8–12 комбинаций, для каждой из которых Claude генерирует отдельный вариант каждого письма.

Как устроена схема

Python собирает профиль подписчика из базы данных или CRM, формирует промпт для Claude и передаёт JSON с данными. Claude возвращает HTML-текст письма. Python отправляет его через Unisender API как транзакционное сообщение с нужной задержкой.

Важный момент по архитектуре: Claude не обращается к Unisender напрямую и не работает с базой данных. Он получает готовый структурированный контекст и возвращает текст. Это упрощает отладку — если письмо получилось не то, понятно где искать проблему: в данных или в промпте.

Код: Python + Claude + Unisender

import anthropic
import requests
import json

CLAUDE_API_KEY = "YOUR_CLAUDE_KEY"
UNISENDER_API_KEY = "YOUR_UNISENDER_KEY"

UNISENDER_URL = "https://api.unisender.com/ru/api/"

def build_subscriber_context(subscriber: dict) -> str:
  """Формируем контекст подписчика для промпта."""
  pages_visited = subscriber.get("pages_visited", [])
  page_summary = ", ".join(pages_visited[:5]) if pages_visited else "главная страница"

  return f"""
Данные о подписчике:
- Имя: {subscriber.get("name", "подписчик")}
- Тип бизнеса: {subscriber.get("business_type", "не указан")}
- Источник подписки: {subscriber.get("source", "органика")}
- Просмотренные страницы: {page_summary}
- Этап воронки: {subscriber.get("funnel_stage", "холодный")}
- Дней с подписки: {subscriber.get("days_since_signup", 1)}
"""

def generate_email(subscriber: dict, email_number: int) -> dict:
  """Генерируем персонализированное письмо через Claude."""
  client = anthropic.Anthropic(api_key=CLAUDE_API_KEY)

  email_types = {
      1: "приветственное письмо с немедленной пользой",
      2: "образовательное письмо — описание проблемы сегмента",
      3: "кейс или история успеха из того же типа бизнеса",
      4: "практический инструмент: шаблон или чеклист",
      5: "вопрос для активации диалога",
      6: "сравнение и снятие возражений",
      7: "финальный оффер с конкретным предложением",
  }

  context = build_subscriber_context(subscriber)
  email_type = email_types.get(email_number, "информационное письмо")

  prompt = f"""Ты email-маркетолог. Напиши {email_type} для подписчика.

{context}

Требования:
- Тема письма (subject): цепляющая, под контекст подписчика, до 60 символов
- Тело письма: 150-250 слов, живой разговорный тон
- Персонализация — не имя в начале, а содержание под тип бизнеса и поведение
- Один чёткий CTA в конце
- Формат ответа — JSON:
{{"subject": "тема письма", "body": "текст письма в HTML"}}

Пример: если подписчик из онлайн-школы смотрел страницу тарифов —
пиши про ROI обучения и возврат инвестиций, не про общие преимущества."""

  message = client.messages.create(
      model="claude-sonnet-4-6",
      max_tokens=1024,
      messages=[{"role": "user", "content": prompt}]
  )

  try:
      result = json.loads(message.content[0].text)
      return result
  except json.JSONDecodeError:
      # Claude иногда оборачивает JSON в markdown — чистим
      text = message.content[0].text
      start = text.find('{')
      end = text.rfind('}') + 1
      return json.loads(text[start:end])

def send_via_unisender(email: str, subject: str, body: str,
                     sender_name: str = "Лёха Маркетолог",
                     sender_email: str = "hello@axdigital.ru") -> dict:
  """Отправляем письмо через Unisender API."""
  params = {
      "format": "json",
      "api_key": UNISENDER_API_KEY,
      "email": email,
      "sender_name": sender_name,
      "sender_email": sender_email,
      "subject": subject,
      "body": body,
      "list_id": "YOUR_LIST_ID",  # ID списка в Unisender
  }
  r = requests.post(UNISENDER_URL + "sendEmail", params=params)
  r.raise_for_status()
  return r.json()

def process_subscriber(subscriber: dict, email_number: int):
  """Основной пайплайн: генерация + отправка."""
  print(f"Генерируем письмо #{email_number} для {subscriber['email']}...")

  email_content = generate_email(subscriber, email_number)

  result = send_via_unisender(
      email=subscriber["email"],
      subject=email_content["subject"],
      body=email_content["body"],
  )

  print(f"Отправлено: {email_content['subject']}")
  return result

# Пример запуска
if __name__ == "__main__":
  subscriber = {
      "email": "ivan@example.com",
      "name": "Иван",
      "business_type": "онлайн-школа",
      "source": "реклама Яндекс.Директ",
      "pages_visited": ["тарифы", "о нас", "кейсы"],
      "funnel_stage": "тёплый",
      "days_since_signup": 1,
  }

  process_subscriber(subscriber, email_number=1)

Несколько деталей из практики.

Unisender API принимает HTML в теле письма — Claude хорошо генерирует простой HTML без лишних стилей. Попросите его использовать только <p>, <b>, <a> — большинство почтовых клиентов это рендерят корректно.

JSON-парсинг иногда ломается, если Claude оборачивает ответ в markdown-блок. В коде выше есть обработка этого случая. Надёжнее — просить Claude отвечать строго JSON без преамбулы, добавив в промпт: «Отвечай только JSON, без объяснений и markdown».

Для запуска по расписанию — cron или n8n. Письмо 1 уходит в день подписки, письма 2–7 по расписанию через нужные интервалы.

Три варианта первого письма под разные сегменты

Вот как выглядит один и тот же «слот» цепочки для трёх разных подписчиков. Всё генерирует Claude — человек написал только промпт и описал сегменты.

Привет!

Большинство магазинов теряют заказы не в рекламе —
а в письмах после покупки. Клиент купил, получил
стандартное «заказ принят» и... больше ничего.

Мы проанализировали 200+ интернет-магазинов и обнаружили:
цепочка из 3 писем после покупки поднимает повторные
заказы на 23% в течение 60 дней.

Не потому что письма «напоминают» о бренде. А потому что
правильно выстроенная цепочка решает страхи покупателя
и предлагает следующий шаг в нужный момент.

Завтра пришлю шаблон такой цепочки — его можно
настроить за день в любой платформе.

— Лёха

Привет!

Исследование EdTech-рынка показало: 68% студентов
бросают курсы на втором модуле. Не потому что курс плохой.
А потому что нет правильной поддержки в первые 2 недели.

Email-цепочка онбординга — один из самых дешёвых способов
это исправить. Правильно выстроенные 5 писем в первые
14 дней поднимают доходимость на 34%.

Я собрал разбор трёх школ, которые это сделали —
с конкретными письмами и цифрами до/после.

Посмотреть разбор →

До связи,
Лёха

Привет!

Большинство команд смотрят на open rate и кликабельность.
Это полезно, но не это делает воронку прибыльной.

Три метрики которые я слежу в первую очередь:
revenue per email, время до конверсии,
и unsubscribe rate по сегментам — не общий.

Последнее особенно показательно: если один сегмент
отписывается в 3 раза чаще других — у вас проблема
не с письмами, а с качеством трафика.

Завтра расскажу как настроить отслеживание этих трёх
метрик в Unisender и GetResponse без программирования.

Лёха

Обратите внимание: тема у каждого письма разная, аргументы разные, CTA разные. Это одна и та же «позиция» в цепочке — день 1, приветственное письмо. Claude сгенерировал три варианта за один запуск.

Как это работает: диагностика вашей базы

Кейс: онлайн-школа, 2 месяца, open rate с 19% до 31%

Онлайн-школа по маркетингу, база 4 200 подписчиков. До запуска — одна универсальная цепочка из 5 писем, одинаковая для всех. Open rate 19%, конверсия в пробный урок — 3.2%.

Разбили базу на три сегмента по типу работы: наёмные маркетологи, собственники бизнеса, фрилансеры. Источник подписки добавили как второй разрез: платная реклама vs органика. Получили 6 комбинаций.

Для каждой написали промпт с описанием болей сегмента. Claude сгенерировал 42 уникальных письма (7 × 6 сегментов) за три часа работы. Редактор прошёлся по каждому — не переписывал, только проверял фактуру и убирал совсем уж шаблонные фразы. Всего правок на 4–5 часов.

Через два месяца: open rate вырос с 19% до 31%. Конверсия в пробный урок — с 3.2% до 4.5%, рост на 40%. Отписки упали с 0.8% до 0.4% за рассылку.

Что сработало сильнее всего: тема письма под сегмент. Собственник бизнеса открывал письмо с темой «Сколько стоит ваш email-маркетинг в пересчёте на заявку», а наёмный маркетолог — с «Как показать ROI email-маркетинга руководству». Одно и то же письмо внутри, разные темы — разный open rate.

152-ФЗ: что нужно учесть

Персонализация через поведенческие данные — это обработка персональных данных по смыслу 152-ФЗ. Три требования которые нужно закрыть.

Штрафы за нарушение: по КоАП ст. 14.3 (рассылка без согласия) — до 500 000 рублей для юрлиц. По ФЗ-152 (нарушение обработки ПД) — до 300 000 рублей. На практике проверки редки, но в 2024–2025 годах активность Роскомнадзора выросла.

Простое правило: две галочки при подписке (ПД + рекламные рассылки), рабочая отписка, cookie-баннер с настройками. Этого достаточно для базовой защиты.

Персонализация через Claude — не революция, а логичный следующий шаг после сегментации. Если база разбита на сегменты, данные о поведении собираются, а API-интеграция есть — Claude просто убирает человека из процесса генерации текста. Редактор остаётся, копирайтер — нет.

За три часа работы получаете 42 письма, которые раньше заняли бы неделю и стоили бы 150–200 тысяч рублей за копирайтинг. Open rate с 18–19% до 29–31% — это не магия, это просто релевантность.

Источники

• Unisender — Email Marketing Benchmarks, Россия 2025
• GetResponse — Email Marketing Benchmarks
• Claude API — Messages API, Anthropic
• Unisender API — документация v1
• ФЗ-152 «О персональных данных»
• ФЗ-38 «О рекламе», ст. 18