我做了 GEO 的流量，做了 Klaviyo 的 Flow 优化，弃单 Flow 转化提升 1 倍

最近品牌在 GEO 上的投入越来越大。怎么让 ChatGPT、Claude、Perplexity 推荐你的品牌而不是竞品，正在变成一门正经的预算科目。ChatGPT 也正式推出了广告平台，品牌可以直接在 AI 回答里买位置。

我们也在这件事上花了精力。内容改了，结构调了，站外信号也铺了。效果确实有——来自 ChatGPT、Claude、Perplexity 的访问开始出现在后台。不多，但能看到趋势在往上走。

但很快我发现一个问题：这些从 AI 推荐进来的用户，到了 Klaviyo 里，跟 Google 广告点进来的人收到的是完全一样的邮件。

同一个 Welcome Flow。同一个 Browse Abandonment。同一个 Cart Abandonment。

加购了没买？一封”10% off today”甩过去。

我当时就觉得不对。一个已经被 AI 筛选过一轮、带着明确购买意图进来的人，跟一个被广告弹窗吸引、随便逛两下就走的人，你用同一封邮件去承接——这不是浪费是什么？

所以上个月我集中做了一件事：在 Klaviyo 里识别 AI 来源用户，只改了弃单 Flow 里一封邮件的方向和节奏。两周后看数据，AI 来源用户的弃单回收转化率翻了一倍。

这篇文章把我做这件事的完整思路拆出来。不复杂，每个用 Klaviyo 的品牌都能做。

Mike 最近想买一台红光治疗仪。

他没去 Google 搜”best red light therapy device”。他打开 ChatGPT，问了一句：

I’m looking for a red light therapy device for home use. Budget under $300. Which brands should I consider?

ChatGPT 给了三个推荐，附了简短说明：哪个适合护肤、哪个适合肌肉恢复、哪个性价比最高。Mike 比较了一下，点进了其中两个品牌的网站，各浏览了三四分钟。他在第一个品牌加了购物车，但犹豫了一下没结账——想再确认一下尺寸和功率。

第二天，Mike 的邮箱收到一封邮件：

Your cart is waiting — 10% off if you order today.

一个通用折扣。没有回答他的功率和尺寸疑问，没有任何关于红光治疗仪的选购建议。

Mike 删了邮件。一周后买了另一个品牌——那个品牌没打折，但在 Mike 结账前发了一封邮件，里面有一段 FAQ 专门说明”不同功率适合什么人群”“如何选择照射距离和时间”“灯珠数量和有效面积的关系”。

这就是大部分品牌现在的状态。

前端花钱做 GEO，好不容易被 ChatGPT 推荐了，用户带着明确的购买意图进来了。但到了 Klaviyo，你不认识他，不知道他从哪来的，不知道他已经做过功课了。你觉得他是一个普通弃购用户，给了他一封所有人都收到的折扣邮件。

然后他就跑了。

我们做 GEO 的时候，默认的逻辑是：让 AI 把用户推过来，然后靠产品和网站本身的体验去转化。

但这个逻辑缺了一环。

一个从 Google 广告进来的用户，他的状态可能是”偶然看到，有点兴趣”。他可能需要品牌故事、需要建立信任、需要折扣来推动决策。

一个从 ChatGPT 推荐进来的用户，他的状态完全不同。他已经在 AI 上问过问题了，看过比较了，做过预筛选了。他不是”要不要买”，他是”不知道选哪个型号”“不确定这个尺寸合不合适”“想确认这个品牌靠不靠谱”。

这两种人的沟通方式，不能一样。

前者需要”推”——推品牌、推产品、推折扣。后者需要”拉”——拉近信任、拉平信息、拉掉顾虑。

如果你用同一套邮件承接这两种人，折扣对前者有效，对后者没用——甚至会起反效果。Mike 看到折扣的第一反应不是”便宜了”，是”你根本不关心我为什么没买”。

Klaviyo 支持基于用户行为和 Profile Properties 创建 Segment，也可以通过自定义属性过滤 Flow。

我们只做了几件很小的事。通过 UTM 参数和 referrer 识别 AI 来源用户，在 Klaviyo 里打上几个标签：

• traffic_origin — 是否来自 AI Assistant
• ai_source — ChatGPT / Claude / Perplexity / Gemini
• ai_landing_page — 他进入的第一个页面
• ai_entry_product — 他第一个浏览的产品
• last_ai_visit_date — 最近一次 AI 来源访问时间
• ai_intent_level — 浏览、加购、结账、购买

工作量很小。但这一步做完，你的 Klaviyo 就不再是”瞎子”了。

然后建了三个 Segment：

AI Assisted Visitors — 过去 30 天来自 AI 工具访问过的所有用户。看整体规模。

AI High Intent Visitors — AI 来源访问后浏览过产品、加购或结账，但还没买的。Mike 就在这个人群里。这是最值钱的 Segment。

AI Assisted Customers — 购买前 7 天内有 AI 来源访问记录的用户。用来验证两件事：AI 推荐到底有没有参与成交，以及这类客户的客单价和复购率跟普通用户有没有差异。

三个 Segment 建完，先看了一周数据。发现 AI 来源用户的加购率和浏览深度确实高于普通流量，但弃单率也高——不是因为不想买，而是最后一步决策卡住了。

Klaviyo Flow 支持 Conditional Split，可以根据用户属性把不同人群分到不同邮件分支。

我们没有单独新建一套 AI Flow。现在的 AI 流量规模还不值得搭独立系统。我们只是在现有的 Cart Abandonment Flow 里加了一个分支：如果用户来自 AI 工具，第二封邮件换内容方向。

原来整个弃单 Flow 的结构是：

• 第一封：提醒你有东西在购物车 + 折扣
• 第二封：趁折扣还在，赶紧下单
• 第三封：最后提醒

问题出在第二封。

对于普通弃购用户，”趁折扣还在快下单”是合理的——他用折扣驱动购买。但对于 AI 来源用户，折扣不是他的真实障碍。

所以我们把 AI 分支的第二封邮件换成了这个方向：

不是”快回来买”，是”你在犹豫什么，我帮你搞清楚”。

具体做了三个调整：

1. 猜测他可能的顾虑点。 根据他浏览的产品品类，自动匹配一个顾虑清单。比如看了红光治疗仪但没有加购某款，邮件会说”有些用户在 A 和 B 之间犹豫，主要区别是 XX”。

2. 给出对比依据，不是促销理由。 不是”最后机会”“限时折扣”，而是”不同型号适合什么场景”“功率和照射面积的关系”“材质区别和使用寿命”。

3. 折扣放在第三封，而不是第二封。 让他先消除顾虑，再考虑价格。顺序一换，结果完全不一样。

第一封和第三封的内容没有动，只改了第二封。两周后拉数据：AI 来源用户的弃单回收转化率翻了 1 倍。

不是流量变多了，不是折扣变大了，是对的人收到了对的邮件。

GEO 和 Klaviyo，不能是两拨人各干各的。

过去品牌的组织方式天然是割裂的：市场团队做 GEO、做内容、做站外曝光；运营团队做 Klaviyo、做 Flow、做 Campaign。中间没有连接点。

但 AI 推荐用户最需要的就是这个连接点。

你花了精力让 ChatGPT 推荐你，好不容易用户进来了，结果 Klaviyo 不认识他、没打标、没分支、一封通用邮件把人送走——GEO 的前半段白做了。

反过来也一样。Klaviyo 的 Flow 再精细，如果接入的都是 Google、Meta 来的泛流量，你的优化空间是有限的。AI 推荐用户转化率本身就高于普通流量——前提是你得识别他、接住他、说对话。

把两件事接起来，才是完整路径。

大部分品牌现在在第一档和第二档之间。不需要上复杂系统，不需要独立 Flow，不需要开会讨论 AI 战略。

需要做的只有一件事：当 Mike 这样的人加购了没买，你的 Klaviyo 不是给他发一封所有人都收到的折扣邮件，而是知道他在犹豫什么，给他一个真正有用的回答。

未来一两年，GEO 的竞争只会越来越激烈，ChatGPT 的广告平台也会越来越成熟。花在”让 AI 推荐你”上的钱会越来越多。

但比”有没有被推荐”更重要的问题是：被推荐之后，你有没有接住。

你花一万块做 GEO，换来一百个 Mike 这样的人点进你的网站。然后你的 Klaviyo 给他们每人发了一封”10% off”。

这不是 ROI 的问题。这是前半段在跑步、后半段在睡觉的问题。

我们现在做的事不复杂：识别、打标、分支、对的人收到对的邮件。弃单转化翻了一倍。

你也可以。