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
CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22CDA数据分析师 出品 作者:李诗怡 1. 金字塔原理 定义: 一种“先总后分、先结论后原因”的思考和表达方式。顶层为核心观点,中 ...
2026-09-22