我们做的是服装类独立站，一个款有十几个颜色和尺码，商品页和购物车已经有推荐位，但推荐位始终只推那几款，加购后页面也不刷新，之前按数据层、缓存、推荐逻辑分了三层排查，基本定位到问题。现在想正式把自动化做起来，但资源只够先推一个方向。
方案A是站内 AI 个性化推荐：商品详情页做关联搭配、购物车做交叉推荐、首页和列表页做个性化排序，目标是提高客单和整体转化。方案B是自动化邮件流：弃购召回、浏览放弃、上新定时推送，目标是挽回已经流失的意向客户。两条路都要依赖同一套用户行为数据，所以我不太确定判断顺序。
我比较关心的判断条件是：站点月访问量到什么量级，推荐位才有足够样本可以跑起来；弃购率和加购率处在什么区间时，邮件流的边际收益更高；SKU 结构偏宽（颜色尺码多、单款深度大）时，推荐位的冷启动是不是会更难。另外就是取舍问题——推荐位影响全站但见效慢、调参周期长；邮件流见效相对快，但受名单规模、频控和内容产能限制，发多了还容易伤体验。
想请教的是：在数据埋点还没完全打通的阶段，这两条路应该按什么条件二选一，还是先把共用的行为数据层做扎实再决定？如果有实际跑过的同学，希望能说说各自的前置条件和踩过的坑。
