用途
personalized-outbound-ab-test 用于回答一个具体问题：个性化消息是否真的胜过通用消息。它被设计在让 AI 代理大规模撰写外联之前运行，目的是用测量结果而非主观断言来判断个性化的实际效果。若有人声称 AI 个性化能提升回复率，或准备让代理规模化撰写外联内容时，适合使用此技能。
主要能力与方法
该技能的核心方法是将名单拆分为三个部分：
- 对照组（Control）：例如 100 个线索，接收通用基线消息。
- 个性化组（Personalized）：例如 100 个线索，接收经过调研撰写的个性化消息。
- Holdout 组（其余线索）：等待结果产生后，再接收胜出的版本。
技能明确指出：没有对照组就不是测试，只是花钱。因此必须运行对照组。
在实验设计上，技能要求先构建禁止联系名单，在数据充实之前完成。需排除已经在进行中的对话线程、CRM 中标记为活跃商机的对象，以及近期已被序列触达的人。这样做可以避免向现有客户发送“很高兴认识你”这类错误信息，也避免为无法联系的人付费做调研。
数据充实只针对个性化组进行，需按线索拉取当前职位、标题、雇主和近期活动。对照组不需要任何充实，因此可省去一半的充实成本。
消息质量校验
每条消息按线索单独撰写，然后必须通过全部六项检查，否则会静默降级为基线消息：
- 账户安全：无链接、无电话号码、无群发模板感。
- 事实有据：每个个性化引用都可追溯到检索到的数据，零编造事实。
- 像人写的：没有 AI 痕迹，符合发件人自己的节奏。
- 尊重对方：温暖但不过度熟悉、不令人不适。
- 规则合规：长度上限、CTA 位置、禁用词等由发件人设定的规则。
- 明显属于对方：钩子内容是只有该对象才会认为是关于自己的。
生成之后需要程序化复验，不能信任模型的自我报告。需重新计算长度、破折号数量、CTA 位置、姓名大小写和禁用短语。任何未通过的项要么修正，要么降级为基线。
发送与结果评估
发送时需设置回退机制，将通用消息设为个性化变量的回退值，这样缺失字段时会降级为已验证的文案，而不是向潜在客户发送 {PERSONAL_MSG} 之类的占位符。
阅读回复而非打开率，比较两组之间的回复率和正面回复率，然后将胜出版本发送给 holdout 组。
适用场景与质量判断
该技能适用于外联效果评估，尤其是需要客观证据来判断个性化是否有效时。技能指出，一条“有明显 AI 味”或错误归因事实的消息，代价高于什么都不发，它会损害关系和发件人声誉，而这些不会出现在打开率里。平庸的做法是只个性化第一行、其余仍是模板，潜在客户会立刻看出接缝。校验门是交付物而非装饰，预期会有 10-30% 的生成消息被降级为基线；一个从不拒绝任何内容的校验门说明它没有被真正执行。
判断其是否奏效的标准是：能够用一个数字说明提升幅度、能给出产生该数字的对照组，并能为所使用的排除名单做出说明。
规则
- 必须运行对照组，仅发送个性化消息无法产生证据。
- 必须在充实之前构建排除名单。
- 必须在生成之后以程序化方式复验约束条件。
- 绝不允许消息引用调研未返回的事实。
- 绝不允许在 A/B 结果出来之前全量发送，这正是 holdout 组存在的意义。
限制
本技能资料未提供具体的平台支持范围、集成方式、价格、计费模式或安装命令等信息。