Case study: marketing transakcyjny setki razy bardziej skuteczny niż zwyczajny newsletter

Skuteczność setki razy wyższa niż newsletter? Witamy w świecie big data. W artykule przedstawiam dane pokazujące co można osiągnąć stosując system marketing automation.

W czasie rzeczywistym reaguj na zachowania klientów - takie jak przeglądane produkty czy porzucone koszyki - i angażuj swoich klientów.

Jak prowadzić skuteczny marketing bazując na wiedzy o klientach?

Komunikacja marketingowa z klientami przynosi wymierne korzyści dla e-sklepu, ale trzeba wiedzieć, jak ją prowadzić. Powszechnym sposobem stosowanym przez sklepy internetowe jest wysyłanie newslettera do bazy swoich klientów. Jest to metoda sprawdzona i łatwa w implementacji. Niestety niekoniecznie jest najbardziej skuteczna. Jakie są najskuteczniejsze sposoby na angażowanie klientów? Systemy, które posiadają szeroki repertuar gotowych scenariuszy marketingowych.

Scenariusze marketingowe to gotowe plany komunikacji e-mailowej kierowanej do klientów sklepu. Co ważne, są to techniki o przetestowanej skuteczności. Obecny trend w marketingu jest taki, aby komunikować się z klientami poprzez spersonalizowane komunikaty, a przy tym robić to w sposób zautomatyzowany.

E-maile seryjne oraz bazujące na wiedzy o kliencie

W systemach dostępnych na rynku rozróżnia się scenariusze marketingowe oraz behawioralne. Różnica między nimi wynika ze źródła danych, jakie są na ich wejściu oraz tego, w jakim momencie z tych danych korzystamy.

W przypadku strategii marketingowych to Marketer projektuje przekaz, który zostanie wysłany do konkretnej grupy docelowej (np. do wszystkich klientów danego sklepu bądź zdefiniowanej grupy, jak trendsetter’zy czy klienci wydający najwięcej). Informacje, które otrzymają klienci sklepu są takie same dla wszystkich - z dokładnością do pewnych dynamicznych elementów e-maila jak wersja językowa. Również marketer decyduje o momencie wysłania e-maila. Do opisywanych technik należy klasyczny newsletter. Przykładem jest wiadomość typu “Kupon rabatowy z okazji walentynek”. Rozwinięciem newslettera jest newsletter A/B. Pozwala on przetestować 2 wersje maila, różniące się np. layout’em maila, na ograniczonej liczbie klientów i lepszą wersję wysłać do pozostałych.

Druga kategoria to tzw. engagementy behawioralne. Ich siłą jest to, że opierają się na realnych działaniach użytkowników sklepu internetowego. Nie mają określonej daty wysyłki. Trigger’em jest konkretne działanie użytkownika sklepu. Engagementy behawioralne nazywane są również transakcyjnymi, dlatego że często są związane z transakcjami wykonywanymi przez klientów sklepu.

W przypadku scenariuszy behawioralnych jeszcze większa część przekazu w porównaniu do maili marketingowych jest dynamiczna i spersonalizowana. Przykładem strategii behawioralnej jest przywracanie porzuconych koszyków: Pan Mateusz odwiedza nasz sklep i dodaje produkt do koszyka. Jeśli nie dokona zakupu, to po 3 godzinach otrzyma maila z informacją, czy chciałby sfinalizować zakup lub czy jest dalej zainteresowany danym produktem. Jeśli dokona zakupu, to otrzyma rabat.

Poniżej przedstawiamy gotowe scenariusze, w podziale na marketingowe i behawioralne:

Marketingowe:

  • "Newsletter dynamiczny" - klasyczny newsletter ulepszony o elementy dynamiczne, takie jak placeholder z ostatnio oglądanymi produktami, bestsellerami, kuponami jednorazowymi

  • "Newsletter dedykowany" - bazuje na engagemencie "Newsletter dynamiczny", ale pozwala dotrzeć do bardzo specyficznych grup odbiorców

  • "Newsletter A/B" - "Newsletter dynamiczny" z funkcją testowania wersji e-maila przed wysyłką do szerszego grona klientów

Behawioralne:

  • "Przywracaj klientów": kontakt z klientem po określonej ilości dni odkąd przeglądał produkty w sklepie i nie dokonał zakupu

  • "Przeglądane produkty": jest to rozbudowana wersja "Przywracaj klientów". Marketer ma możliwość ustawienia aż 4 różnych wiadomości, które będą wysyłane do klienta jego sklepu. Przykładowo po 1 dniu, po 3 dniach, po 7 dniach i po 14 dniach.

  • "Porzucone koszyki": przywracanie porzuconego koszyka

  • "Po zakupie" - wiadomość wysłana po zakupie

  • "Program lojalnościowy" - wiadomość zachęcająca do ponownych zakupów; po przekroczeniu określonego progu wydatków w sklepie klient otrzymuje kupon rabatowy

  • "Zapis do newsletter'a" - użytkownik pozostawia swój e-mail w odpowiedzi na pop-up na stronie sklepu lub w osadzonym polu na stronie sklepu do wpisania adresu e-mail. W odpowiedzi otrzymuje 2 e-maile - pierwszy z prośbą o potwierdzenie adresu i drugi z podziękowaniem za zapis do newsletter’a.

  • "Rekomenduj" - sugerowanie klientom produktów, które mogą ich zainteresować. Rekomendacje tworzone są na podstawie produktów zakupionych przez innych użytkowników.

Uszeregowaliśmy funkcjonalności edrone - systemu CRM i marketing automation pod względem wartości sprzedanego towaru przypadającego na jeden wysłany mail. Najskuteczniejszy jest "Newsletter dedykowany". Jego wysoka skuteczność wynika z możliwości dotarcia do bardzo specyficznych grup docelowych, n.p. klientów, którzy w przeszłości reagowali pozytywnie na akcje marketingowe. Niewiele ustępuje mu scenariusz “Po zakupie”. Skuteczność tego engagementu nie jest zaskakująca - jeśli klient dokonał zakupu i jest z niego zadowolony, to istnieje duża szansa, że dokona następnego. Średnią skutecznością odznaczają się "Newsletter A/B" oraz "Porzucone koszyki".

Z kolei najniżej w zestawieniu jest "Newsletter dynamiczny", który jest około 400 razy mniej skuteczny niż "Newsletter dedykowany" i "Po zakupie" (sic!).

Czy to oznacza, że nie warto korzystać z funkcji "Newsletter dynamiczny"? Niekoniecznie, ale jeśli mamy możliwość zadecydowania, lepiej użyć "Newsletter A/B" lub "Newsletter dedykowany" (które pozwalają dokładniej odpowiedzieć na potrzeby klientów kosztem niewiele większego nakładu pracy ze strony marketera).

Wykres 1. Wartość produktów per 1 e-mail.

Dla uzyskania pełni obrazu popatrzmy jeszcze na wartość sprzedanych produktów per engagement (zob. wykres 2 poniżej).

"Po zakupie", który na poprzednim wykresie zajmował drugą lokatę, przesunął się na 1 miejsce. Duże korzyści sklepom internetowym przynosi "Newsletter dynamiczny". Wartość sprzedanych produktów z tego engagementu stanowi blisko 70% kwoty wygenerowanej przez "Po zakupie”. Tak duża wartość może wydawać się paradoksalna, jeśli pamiętamy, że "Newsletter dynamiczny" przynosi najmniej pieniędzy per jeden wysłany mail. W tym wypadku działa efekt skali - "Newsletter dynamiczny" wysyłany jest często do wszystkich zidentyfikowanych klientów w bazie e-sklepu. W tym wypadku ilość przeradza się w jakość - a przynajmniej w przychód. Wysokie wartości osiągają również 2 engagementy związane z przywracaniem klientów ("Porzucone koszyki" i "Przywracaj klientów") oraz “inteligentne” newsletter’y ("Newsletter dedykowany" i "Newsletter A/B"). "Rekomenduj" przynosi póki co najmniej pieniędzy, ale należy pamiętać że jest to nowo uruchomiony engagement.

Wykres 2. Łączna wartość sprzedanych produktów dzięki większemu zaangażowaniu odwiedzających sklep.

Lepsza snajperka niż działo

Pora na wnioski. Myślę, że nie musiałem Państwa przekonywać, że spersonalizowana komunikacja kierowana do klientów jest znacznie skuteczniejsza, niż masowy mailing. Nawet jeśli wysyłamy zwykły "Newsletter dynamiczny", to możemy to zrobić znacznie skuteczniej. Kluczowe jest posiadanie wiedzy o klientach i umiejętność korzystania z niej. Choć "Newsletter dynamiczny" przynosi realne pieniądze dla biznesu, to tak prosta idea jak testy A/B znacznie podnosi jego skuteczność. A przecież w tym przypadku wykorzystujemy dodatkowo tylko jedną informację - która wersja wiadomości e-mail jest bardziej przekonywująca dla naszych klientów.

A "Newsletter dedykowany" wypadł najlepiej ze wszystkich engagementów pod względem liczby wartości sprzedanych produktów na jeden e-mail! Jest w tym względzie nawet minimalnie lepszy niż "Po zakupie". "Newsletter dedykowany" jest taki dobry, ponieważ pozwala na targetowanie wiadomości na podstawie wyłonionych segmentów.

Pod względem całkowitej kwoty sprzedanych produktów to jednak scenariusze behawioralne są absolutnymi mistrzami performance’u. Łącznie 60% wartości sprzedanych produktów pochodzi ze scenariuszy behawioralnych.

Sam scenariusz "Po zakupie" przynosi 1.5 razy większy przychód, niż najlepszy pod tym względem z newsletterów: "Newsletter dynamiczny"!

Narzędzia, którymi dysponują marketerzy stają się coraz bardziej wyrafinowane. W efekcie również klienci są bardziej zadowoleni, ponieważ zamiast niechcianej, seryjnej korespondencji otrzymują wiadomości, które mogą odnieść do siebie i które są dla nich interesujące. Aby jednak móc personalizować przekaz marketingowy, należy korzystać ze strategii opartych na wiedzy o klientach. Potrzebny jest więc system do zbierania wiedzy o użytkownikach sklepu, reagowania w czasie rzeczywistym na ich działania i wreszcie automatyzacji komunikacji marketingowej. Taki jak edrone.

Trend Fashion Group | eButik



Butik damskiej odzieży online oraz sieć ponad 160 butików stacjonarnych. eButik.pl to największy w Polsce i Europe Środkowo-Wschodniej sklep internetowy zrzeszający marki modowe z klasy ekonomicznej. Domena eButik.pl ma obecnie ponad 1 milion UU/ miesięcznie.



Prezentowane Case Study nie obejmuje listy subskrybentów newslettera. Oznacza to, że wyniki dotyczą tylko wiadomości transakcyjnych, czyli powiadomień wysyłanych na skutek konkretnego zachowania klienta.



W pierwszym tygodniu wykorzystania edrone uruchomiliśmy trzy scenariusze marketing automation:

  • Ratowanie porzuconych koszyków


  • Program lojalnościowy


- Przypomnienia o przeglądanych produktach

Nadawcą wiadomości była znana w regionie celebrytka Sarah Faray. W każdej wiadomości Sarah zwracała się do klientek po imieniu. Wiadomości sprawiały wrażenie personalnych komunikatów wysyłanych przez znaną modelkę (Odkrycie roku magazyny Maxim Polska oraz Maxim Australia). Sarah proponowała klientkom, aby zamówiły produkty, które już dodały do koszyka z możliwością darmowego zwrotu. Personalny nadawca stał się sprzymierzeńcem klientek, a wiadomości uzyskały bardzo wysoki CTRO (Współczynnik kliknięć otwartych wiadomości) na poziomie ponad 55%.



W drugim tygodniu od uruchomienia scenariuszy sklep internetowy eButik odnotował znaczny wzrost sprzedaży w kanale email.



Grupa klientów:


25.400 adresów email (To adresy email, nowych zalogowanych użytkowników w ciągu pierwszego tygodnia od wdrożenia edrone). Tylko do tej grupy klientów wysyłane były personalizowane wiadomości email marketing automation za pomocą edrone.



O Autorze:

image

Komentarze

Debug turned on!

0.19 select * from `eventjuicer_hosts` where `eventjuicer_hosts`.`host` = ? limit 1
0.14 select * from `bob_event_groups` where `bob_event_groups`.`id` = ? and `bob_event_groups`.`id` is not null limit 1
0.06 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` = ?
0.07 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_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` = ?
0.07 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` = ?
0.1 select * from `editorapp_posts` where `editorapp_posts`.`id` = ? limit 1
0.12 select * from `editorapp_post_meta` where `editorapp_post_meta`.`post_id` in (?)
0.1 select * from `eventjuicer_users` where `eventjuicer_users`.`id` in (?)
0.12 select * from `editorapp_posts` where `group_id` = ? and `is_published` = ? order by `published_at` desc limit 10 offset 0
0.16 select * from `editorapp_post_meta` where `editorapp_post_meta`.`post_id` in (?, ?, ?, ?, ?, ?, ?, ?, ?, ?)
0.06 select * from `eventjuicer_users` where `eventjuicer_users`.`id` in (?)
0.13 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` = ?
1.55