Automatizace e-mailů pomocí AI: Jak psát, odesílat a optimalizovat e-maily automaticky

16. duben 2026

AI Email Automation: How to Write, Send & Optimize Emails Automatically | KissMySkills

Email je stále kanálem s nejvyšší návratností investic — AI ji ještě zvyšuje

Emailový marketing přináší v průměru 36–42 dolarů za každý utracený dolar — což je v roce 2026 více než u jakéhokoli jiného digitálního marketingového kanálu. AI automatizace emailů tento poměr návratnosti nemění. Naopak ho zesiluje: stejná investice do emailu, s lepším načasováním, lepší personalizací a lepším textem, přináší úměrně více příjmů.

Tato příručka pokrývá všechny vrstvy AI automatizace emailů — od psaní emailů přes inteligentní odesílání až po optimalizaci na základě výkonu — s konkrétními nástroji a kroky nastavení pro každou vrstvu.

Vrstva 1: Psaní emailů s AI

Vrstva psaní je místo, kde většina emailových týmů používá AI, a kde je největší rozdíl v kvalitě mezi dobrým a špatným využitím AI. Rozdíl mezi AI napsaným emailem, který je otevřen, a emailem, který je ignorován, spočívá téměř výhradně v promptu.

Pracovní postup psaní emailů s Claude

Pro jakoukoli emailovou kampaň nahrajte do Claude svůj soubor dovedností v emailovém marketingu (dostupný na KissMySkills) a použijte tuto strukturu promptu:

Napiš [TYPE] email pro [AUDIENCE SEGMENT].
Cíl: [CÍL KONVERZE — např. "přimět je k rezervaci demo" nebo "znovu zapojit neaktivní odběratele"].
Předmět: dej mi 5 variant využívajících různé psychologické mechanismy (zvědavost, naléhavost, přínos, sociální důkaz, přímý).
Náhledový text: 3 varianty do 90 znaků každá.
Tělo: do [POČET SLOV]. Úvodní věta musí vzbudit zvědavost nebo potvrdit, že jsou na správném místě. Pouze jedno CTA.
Tón: [TÓN ZNAČKY].
Co tento email NESMÍ dělat: nezačínat "Doufám, že se máte dobře," nepoužívat vykřičníky, ani nezačínat názvem naší společnosti.

Tato struktura promptu vytváří text emailu připravený k lehké úpravě při prvním použití — nikoli k přepisování.

Kdy použít AI a kdy psát ručně

Použijte AI pro: sekvence péče, transakční šablony, kampaně pro znovuzapojení, návrhy newsletterů, varianty pro A/B testy, sezónní kampaně
Pište ručně (s AI doladěním): klíčové launch emaily, osobní zprávy od konkrétního odesílatele, krizová komunikace, oslovení vyžadující silné vztahy

Vrstva 2: Odesílání emailů s AI načasováním

Kdy email odešlete, je měřitelně stejně důležité jako co říká. Optimalizace odesílacího času pomocí AI analyzuje chování jednotlivých odběratelů — kdy historicky otevírají emaily, které dny jsou aktivní, v jakých časových pásmech se nacházejí — a odesílá každý email v předpokládaný optimální okamžik pro každého příjemce.

Platformy, které stojí za použití

Klaviyo Smart Send Time: Analyzuje historické otevírání každého kontaktu a odesílá v definovaném časovém okně, kdy je nejpravděpodobnější otevření. V testech stabilně zvyšuje míru otevření o 10–20 % oproti pevným časům odeslání.
HubSpot Send Time Optimisation: Podobná prediktivní funkce odesílacího času. Aktivujte v jakékoli emailové kampani. Vyžaduje 90+ dní historie odesílání kontaktům, aby byla plně prediktivní.
ActiveCampaign Predictive Sending: Funguje na stejném principu. Nejlépe se hodí do sekvencí péče, kde načasování každého emailu v sekvenci ovlivňuje zapojení.

Vrstva 3: Personalizace poháněná AI

Statický obsah emailu, který říká všem kontaktům na vašem seznamu totéž, nechává na stole značné příjmy. AI personalizace využívá informace o každém kontaktu, aby mu ukázala verzi zprávy nejrelevantnější pro jeho kontext.

Úrovně personalizace podle složitosti implementace

Personalizace pomocí merge tagů — jméno, název firmy, používaný produkt. Již v každém ESP. Není AI, ale základní vrstva.
Obsah založený na segmentech — různé varianty emailů pro různé segmenty kontaktů (odvětví, fáze životního cyklu, historie nákupů). AI vybírá variantu. Dostupné v Klaviyo, HubSpot a ActiveCampaign.
Dynamické obsahové bloky — v rámci jednoho emailu se různé sekce zobrazují různým kontaktům podle jejich vlastností. Blok případové studie ukazuje nejrelevantnější příklad z odvětví. CTA se mění podle fáze životního cyklu.
AI doporučení produktů — pro e-commerce AI doporučuje produkty na základě historie prohlížení, nákupů a prediktivní afinity. Podporují Klaviyo a Shopify Email. Nejvyšší složitost implementace, ale největší dopad na příjmy u transakčních emailů.

Vrstva 4: Optimalizace řízená AI

Optimalizace uzavírá smyčku. Bez ní se AI automatizace zlepšuje při nastavení, ale neprogresuje. S ní každý cyklus přináší lepší výsledky než ten předchozí.

Měsíční pracovní postup optimalizace emailů

Audit výkonu (30 min): Exportujte míru otevření, míru prokliků a míru konverze pro každý aktivní automatizovaný email. Označte všechny emaily, které dosahují výkonu o více než 20 % pod vaším benchmarkem.
Diagnóza s Claude (15 min): Vložte podprůměrný email spolu s jeho výkonnostními daty do Claude: „Tento email má míru otevření [X] % oproti našemu benchmarku [Y] %. Zkontroluj předmět, úvodní větu a CTA. Řekni mi konkrétně, co změnit a proč.“
Přepište a otestujte A/B: Implementujte navržené změny od Claude jako variantu B. Testujte 2 týdny. Použijte vítěze.
Zdokumentujte vzorec: Zaznamenejte, co se změnilo a jak se výkon posunul. Během 6 měsíců se z toho stane knihovna vzorců ukazující, které struktury emailů fungují pro vaše konkrétní publikum.

Frequently Asked Questions

What are the four layers of AI email automation and what does each one do?

The four layers are: writing (using Claude with a structured prompt and email marketing skill file to produce subject lines, preview text, and body copy ready for light editing on the first run); sending intelligently (AI send time optimisation analysing each subscriber's historical open behaviour to send at their individual predicted optimal moment, consistently improving open rates 10–20% versus fixed send times); personalisation (ranging from merge tags through segment-based variants to dynamic content blocks and AI product recommendations, each layer adding implementation complexity and revenue impact); and optimisation (a monthly audit cycle identifying underperforming emails, diagnosing them with Claude, A/B testing the improved variant, and documenting what changed — compounding improvement over time).

What prompt structure produces AI-written email copy that requires minimal editing?

The structure that consistently produces ready-to-edit output: specify the email type and audience segment; define the conversion goal precisely; request five subject line options each using a different psychological mechanism (curiosity, urgency, benefit, social proof, direct); request three preview text options under 90 characters; specify word count with instructions that the opening line must create curiosity or confirm the reader is in the right place and that there should be one CTA only; state the brand tone; and explicitly list what the email must not do — starting with pleasantries, using exclamation marks, or leading with the company name. Loading a brand voice skill file before running this prompt improves output quality further.

When should email teams use AI to write and when should they write manually?

Use AI for the high-volume, repeatable formats: nurture sequences, transactional templates, re-engagement campaigns, newsletter drafts, A/B test variants, and seasonal campaigns. Write manually with AI polish for situations where the personal relationship is the point: critical launch emails, personal messages from a named sender, crisis communications, and highly relationship-dependent outreach where the authenticity of a human voice matters to the recipient. The distinction is between emails where quality and volume are the goal versus emails where a specific human relationship is on the line.

Which AI send time optimisation tools are worth using and what do they require?

Three platform implementations deliver consistent results: Klaviyo Smart Send Time analyses each contact's historical open behaviour and sends within a defined window when that individual is most likely to open, producing 10–20% open rate improvements in tests versus fixed send times. HubSpot Send Time Optimisation works on the same principle but requires 90 or more days of contact send history before becoming fully predictive. ActiveCampaign Predictive Sending functions similarly and works best in nurture sequences where timing momentum across the sequence matters for engagement. All three require sufficient historical send data per contact — below that threshold they default to statistical averages rather than individual prediction.

What does an effective monthly AI email optimisation cycle look like?

Four steps taking under an hour total: a 30-minute performance audit exporting open rate, click rate, and conversion rate for every active automation email and flagging anything performing more than 20% below benchmark. A 15-minute Claude diagnosis session pasting the underperforming email plus its performance data and asking specifically what to change in the subject line, opening line, and CTA and why. Implementing the suggested changes as a B variant and running an A/B test for two weeks before applying the winner. Documenting what changed and how performance shifted — over six months this builds a pattern library showing which email structures work for your specific audience, compounding improvement with every cycle.