7 praktycznych przykładów, jak zacząć korzystać z marketing automation w e-commerce

Zakupy internetowe wydłużają się oraz do podjęcia decyzji potrzebne jest coraz więcej wizyt w sklepie. Konsekwencją tego trendu jest potrzeba „przypominania” o sobie potencjalnym klientom po ich kolejnej wizycie. Jak wykorzystać Marketing Automation?

Potrzeba automatyzacji działań marketingowych e-sklepu staje się koniecznością. Wymusza to przede wszystkim proces zakupowy, który jak pokazują badania Retailing Today, staje się przemyślanym działaniem, który wymaga coraz więcej czasu. Upatrzony przez odwiedzającego produkt jest porównywany średnio w co najmniej 3 sklepach.

Ponad 61% kupujących deklaruje przed zakupem musi jeszcze przeczytać opinie o sklepie.

To wszystko sprawia, że zakupy internetowe wydłużają się oraz do podjęcia decyzji potrzebne jest coraz więcej wizyt w sklepie. Konsekwencją tego trendu jest potrzeba „przypominania” o sobie potencjalnym klientom po ich kolejnej wizycie. Między innymi do tego celu warto wykorzystywać marketing automation w e-commerce.

Sprzedaż B2C zwykle nie wymaga skomplikowanych systemów scoringowych, czy wielotygodniowych kampanii zachęcających i edukujących klientów, jak to ma miejsce w świecie B2B. Dzięki temu można zdecydowanie łatwiej i szybciej wdrożyć podstawowe scenariusze markeing automation (MA), które już w ciągu pierwszych tygodni pozwolą odczuć pierwszy wzrost sprzedaży.

1. Wiadomość powitalna

To najbardziej klasyczne działanie stosowane powszechnie w sklepach internetowych. Wiadomość jest wysyłana po zapisaniu się na newsletter. Najbardziej powszechną techniką jest wyzwalanie zachęty do zapisania się na listę zaraz po wejściu na stronę sklepu.

Takie podejście nie jest zbyt efektywne ponieważ zwykle przy pierwszym wejściu odwiedzający jeszcze nie zdąży się zapoznać z ofertą, zdobyć zaufania a już go zachęcamy do zapisu.

Dużo skuteczniejszy scenariusz, to wyzwalanie takiej samej zachęty ale w trakcie dłuższej wizyty lub nawet dopiero przy kolejnej wizycie.

Bardziej zaawansowany scenariusz polega np.: na karcie produktu pod ceną umieszczamy dodatkowy link tylko dla nowych odwiedzających:

„Za drogo? Sprawdź jakie oferujemy rabaty”.


Jeśli odwiedzający kliknie w link to pojawi się pop-up z zachętą

„Zapisz się do newsletteru i odbierz xy zł rabatu na pierwsze zakupy”.

Wysyłka maila powitalnego jest oferowana przez większość platform sklepowych czy narzędzi do kampanii mailingowych. Po co konfigurować takie proste i oczywiste działanie w ramach platformy do marketing automation? Ponieważ od tej chwili MA zaczyna monitorować aktywność odwiedzającego i przestaje on być anonimowy. To działanie to swoista brama, która przygotowuje do kolejnych zautomatyzowanych działań.

2. Rekomendacje produktowe na bazie zachowania na stronie

To jedno z najskuteczniejszych działań i podstawowa przewaga MA nad ręcznymi kampaniami mailowymi. Niezbędna jest tu platforma z obsługą rekomendacji na bazie historii zakupowej. Możliwych scenariuszy jest kilka:

  • Rekomendacje są ustalane na bazie przeglądanych kategorii. W efekcie odwiedzający dostanie po prosu bestsellery dla przeglądanych kategorii. Jest to najlepszy scenariusz dla sklepów o niezbyt licznym asortymencie (kilkadziesiąt produktów) lub dla sklepów o małej liczbie zamówień w ciągu miesiąca (do dwustu zamówień)

  • Rekomendacje na bazie przeglądanych produktów. To najpopularniejszy wariant. Rekomendowane są produkty dla osób, które w ramach ostatniej sesji nie dokonały zakupów. Bazą do ustalenia, dla których produktów uzyskać i przesłać rekomendacje, mogą być : przeglądane produkty, dodane do listy życzeń czy nawet to koszyka. Do efektywnego działania potrzebny jest liczny asortyment oraz co najmniej kilkaset ze wskazaniem na kilka tysięcy zamówień miesięcznie.

  • Najprostszym scenariuszem, jeśli nie można uzyskać dynamicznych rekomendacji, jest serwowanie stałej oferty np.: promocyjnej lub bestsellerów dla wszystkich osób, których głębokość ostatniej wizyty była do poziomu kategorii lub karty produktu

3. Obsługa porzuconego koszyka

Obsługa porzuconego koszyka to jedno z najważniejszych działań do zaadresowania ponieważ bardzo odczuwalnie przekłada się na wzrost sprzedaży. Nie da się wyeliminować tego zjawiska, ponieważ niejednokrotnie jest to część procesu zakupowego. Odwiedzający lubią porównywać oferty między sklepami, a często dopiero na poziome koszyka mają dostęp do pełnej informacji o kosztach zakupu i warunkach jego realizacji (czas realizacji czy sposoby płatności). Z taką informacją idą do innych sklepów na poszukiwania, gdzie mogą dostać najkorzystniejszą ofertę. Porzucają więc wiele koszyków w różnych sklepach, ale z pewnością do któregoś powrócą. Projektując strategię dla porzuconych koszyków warto najpierw zapoznać się z najnowszymi badaniami e-consultancy:

  • 99% osób, które pierwszy raz odwiedzają sklep, deklaruje, że nie chce zakończyć tej pierwszej wizyty zakupem

  • 75% osób porzucających koszyk, zakłada możliwość dokończenia zakupów w późniejszym terminie Przy drugim porzuceniu koszyka 47% osób ma zamiar jeszcze wrócić oraz co czwarty wracający z tej grupy dokona zakupu

  • 72% osób porzucających koszyk najczęściej dokonuje decyzji o powrocie i dokończeniu zakupów w ciągu pierwszych 19 godzin

  • Najniższy współczynnik porzuceń koszyka (55%) jest dla produktów w cenie pomiędzy 100 $ -250$

  • Bardzo ważna jest polityka promocyjna również dla darmowej dostawy jako elementu zachęcającego do dokończenia zakupów. Współczynnik porzuceń, gdy darmowa dostawa jest na poziomie 76$ - 100$, wynosi niecałe 60%, ale dla przedziału 100$ - 150$ wynosi już blisko 80%

Konstruując zachęty na porzucenie koszyka warto rozważyć nawet 3 lub 4 maile. W ciągu pierwszych 2-3 h po porzuceniu. Kolejny w ciągu 12-19h. Od trzeciego maila warto rozważyć dodatkowe zachęty jak kody rabatowe, czy darmowa dostawa (w zależności od zawartości koszyka).

Skuteczne jest również połączenie działań on-site oraz off-site. Na porzucenie strony można np.: wyświetlać bezpośrednio zachętę do zapisania się na newsletter.

Można również stosować bardziej perswazyjne działania np.: ankietę z pytaniami o powód porzucenia koszyka wraz z zapytaniem na koniec, czy odwiedzający nie potrzebuje obsługi indywidualnej. Jeśli tak, to prosimy o dane kontaktowe, które przekazujemy do BOK oraz do systemu MA.

4. Up-Selling i Cross-Selling

Warto opracować zachęty do dalszych zakupów na bazie dotychczasowej historii zakupowej. Po zakupie można np.: przesyłać dodatkowe informacje z instrukcjami, jak korzystać z produktu z dodatkowymi usługami czy zachętami, jakie inne produkty kupiły osoby, które zdecydowały się właśnie na ten asortyment.

Warto również znać trwałość oferowanych produktów. Przykładowo 8-12 miesięcy po sprzedaży męskich butów można przesłać klientowi nową ofertę.

Wśród ubrań dziecięcych wskazane jest przesyłać oferty na kolejne przedziały wiekowe aktywując jednocześnie klientki do ponownych odwiedzin.

5. Informacja o dostępności produktów lub rozmiarów

Bardzo ciekawa funkcjonalność można uzyskać w systemach MA, które integrują się ze stanem magazynowym sklepu. W ten sposób możemy słać maile informacyjne do odwiedzających zainteresowanych w trakcie wizyty konkretnym produktem, który akurat był niedostępny.

6. Ankiety

Kolejnym dobrym powodem do kontaktu i zachęty do powrotu i aktywowania klienta są ankiety. Trzeba je stosować rozważnie np.: wysyłać po kontakcie z BOK. Inny dobry powód to wysłanie 2-3 tygodnie po zakupie ankiety Net Promoter Score, czyli badania, które określa poziom lojalności i zadowolenia klienta i przypisuje go do jednej z trzech kategorii : krytyk, neutralny, fan. Jeśli z odpowiedzi wyniknie, że mamy do czynienia z fanem, warto go odpowiednio otagować i kierować do niego dodatkowe zachęty zarówno off-site jak i on-site. Przykładowo można mailem zachęcić go do odwiedzin przesyłając specjalny kupon dostępny tylko dla „fanów”. Przy wizycie na stronie dodatkowo wyświetlić baner z wiadomością powitalną i podziękowaniem za pozytywną opinię o sklepie.

7. Program lojalnościowy

Dbać należy nie tylko o fanów z badania Net Promoter Score, ale również o osoby, które dokonały większych zakupów lub częściej niż raz. Przy pomocy systemów MA, możemy skonstruować programy lojalnościowe nagradzające klientów w zależności od ich historii zakupowej.

Bardzo dobrze się sprawdzają krótkoterminowe promocje organizowane tylko dla lojalnych klientów.

Tym sposobem możemy również próbować aktywować do powrotu osoby, które kupiły tylko raz.

Monitoring i Optymalizacja

Dobry system MA musi posiadać możliwość mierzenia efektów każdej kampanii. Oczywiście takie statystyki jak Open Rate czy CTR to absolutna podstawa. Warto jednak mierzyć dużo więcej np.:

  • W jakim typie urządzenia otwarto maila i na niego zareagowano

  • Ile osób realnie dokonało zakupu w wyniku komunikacji mailowej

  • Jakie konkretnie produkty zostały kupione i za jaką kwotę

  • Ile osób się wypisało z bazy mailingowej po wysyłce

Konfigurując opisane działania należy testować, ile maili wysyłać w każdym scenariuszu, w jakich odstępach czasu oraz w jakiej oprawie graficznej, czy z jakimi treściami poprzez testy AB. Każdy z powyższych scenariuszy pozwala zwiększyć sprzedaż, tylko nie należy spocząć na laurach czyli pierwszej działającej konfiguracji, tylko zoptymalizować ją tak, aby efekty były maksymalnie jak najlepsze.

Na koniec warto zatroszczyć się również o to, aby nie zostać spamerem. Globalne ustawienia ograniczające częstotliwość maili z różnych kampanii dziennie, tygodniowo i miesięcznie mogą zdecydowanie pomóc utrzymać niski współczynnik wypisywania się z bazy mailingowej.

Powyższe przykładowe realizacje zostały zrealizowane w systemie Edrone


O Autorze:

Loopa.eu istnieje od 2011 r. Od samego początku naszą misją jest „wspieranie inteligentnych i przemyślanych zakupów w internecie”.

image

Komentarze

Debug turned on!

0.13 select * from `eventjuicer_hosts` where `eventjuicer_hosts`.`host` = ? limit 1
0.07 select * from `bob_event_groups` where `bob_event_groups`.`id` = ? and `bob_event_groups`.`id` is not null limit 1
0.05 select * from `bob_organizers` where `bob_organizers`.`id` = ? limit 1
0.07 select * from `eventjuicer_settings` where `eventjuicer_settings`.`settingable_id` = ? and `eventjuicer_settings`.`settingable_id` is not null and `eventjuicer_settings`.`settingable_type` = ?
0.06 select * from `eventjuicer_settings` where `eventjuicer_settings`.`settingable_id` = ? and `eventjuicer_settings`.`settingable_id` is not null and `eventjuicer_settings`.`settingable_type` = ?
0.05 select * from `eventjuicer_texts` where `eventjuicer_texts`.`textable_id` = ? and `eventjuicer_texts`.`textable_id` is not null and `eventjuicer_texts`.`textable_type` = ?
0.05 select * from `eventjuicer_texts` where `eventjuicer_texts`.`textable_id` = ? and `eventjuicer_texts`.`textable_id` is not null and `eventjuicer_texts`.`textable_type` = ?
0.06 select * from `eventjuicer_pages` where `eventjuicer_pages`.`pageable_id` = ? and `eventjuicer_pages`.`pageable_id` is not null and `eventjuicer_pages`.`pageable_type` = ?
0.05 select * from `eventjuicer_pages` where `eventjuicer_pages`.`pageable_id` = ? and `eventjuicer_pages`.`pageable_id` is not null and `eventjuicer_pages`.`pageable_type` = ?
0.09 select * from `editorapp_posts` where `editorapp_posts`.`id` = ? limit 1
0.11 select * from `editorapp_post_meta` where `editorapp_post_meta`.`post_id` in (?)
0.1 select * from `eventjuicer_users` where `eventjuicer_users`.`id` in (?)
0.11 select * from `editorapp_posts` where `group_id` = ? and `is_published` = ? order by `published_at` desc limit 10 offset 0
0.1 select * from `editorapp_post_meta` where `editorapp_post_meta`.`post_id` in (?, ?, ?, ?, ?, ?, ?, ?, ?, ?)
0.05 select * from `eventjuicer_users` where `eventjuicer_users`.`id` in (?)
0.08 select `bob_tags`.*, `editorapp_post_tag`.`xref_id` as `pivot_xref_id`, `editorapp_post_tag`.`tag_id` as `pivot_tag_id`, `editorapp_post_tag`.`group_id` as `pivot_group_id`, `editorapp_post_tag`.`organizer_id` as `pivot_organizer_id`, `editorapp_post_tag`.`published_at` as `pivot_published_at`, `editorapp_post_tag`.`is_published` as `pivot_is_published` from `bob_tags` inner join `editorapp_post_tag` on `bob_tags`.`id` = `editorapp_post_tag`.`tag_id` where `editorapp_post_tag`.`xref_id` = ?
1.23