E-mail маркетинг для интернет?магазина. Инструкция по внедрению - читать онлайн книгу. Автор: Алексей Ефимов cтр.№ 31

• Запрос отзыва

Третий лист «Статистики» посвящаем обработке результатов автоматизированного запроса отзывов:

Таблица заполняется так же, как и для welcome e-mail, за исключением последних столбцов. Конечно, отправка этого письма также может приводить к заказам, но нас больше интересует, насколько эффективно оно работает с точки зрения обратной связи.

Кол-во отзывов – указываем количество отзывов, полученных через рассылку.

Если отзывы собираются с помощью анкеты, подсчитать их несложно – достаточно заглянуть в сводку ответов.

Если отзывы размещаются на сайте или стороннем ресурсе, нужно подсчитывать их вручную (в случае сайта можно попробовать настроить соответствующую цель в сервисе веб-аналитики). Пусть значение окажется неточным, но если придерживаться одной и той же методики подсчета, наблюдать за эффективностью письма в динамике оно поможет.

% отклика = Кол-во отзывов/Отпр × 100 % (округляем до одного знака после запятой).

Абсолютные величины всегда должны дублироваться относительными. На них не влияют такие переменные факторы, как рост базы или качество доставки, поэтому они позволяют проводить оценку точнее.

• Стимулирование второго заказа

Следующий лист заполняется для писем, стимулирующих второй заказ через N дней после совершения первого:

В таблицу вносятся те же показатели, что и для welcome e-mail. Здесь нас в первую очередь интересует количество заказов. Данные по трафику можно не указывать.

• Прочие письма

Думаю, принцип понятен: если у вас действуют дополнительные письма, то для аналитики каждого из них нужно завести отдельный лист в «Статистике автоматических рассылок».

Информацию о доставке и показатели эффективности стоит фиксировать повсеместно. Заключительные столбцы могут варьироваться в зависимости от целей письма.

Например, в случае welcome e-mail нас интересует, удается ли возвращать подписчиков на сайт и как они себя там ведут. При запросе отзывов считаем % отклика. Во время стимуляции второго заказа мы сосредоточены на продажах. Дальше следуем той же логике: приглашаем в соцсети – смотрим за динамикой вступления новых участников в сообщества. Даем промокод на день рождения – отслеживаем % его использования и заказы. И так далее.

Пример «Статистики автоматических рассылок» для всех основных видов писем вы можете посмотреть в приложении 8Б.

Метод анализа автоматических писем повторяет аналитику для массовых рассылок: мы по очереди рассматриваем каждый показатель, сравниваем его с предыдущими значениями (соревнуемся сами с собой) и поставленными целями.

• Бонус за подписку и напоминание о бонусе

Процент использования промокодов в среднем составляет 5–10 (не так много, но стоит вспомнить, что многие получают его на всякий случай). Если эта величина ниже 5 % и от месяца к месяцу ситуация не меняется, пора заняться корректировкой.

• Welcome e-mail

Поскольку приветственное письмо отправляется исключительно новым подписчикам, его показатели эффективности в целом выше, чем у массовой рассылки.

Коэффициент просмотров

Высоким считается уровень 50–60 %. Хороший средний результат – 30–40 %. Если просмотры ниже 30 %, надо работать с темой письма и моментом отправки.

Коэффициент кликов

Высокие клики >20 %. Нормальные – 10–20 %. Если Ккл<10 %, потенциал welcome e-mail не раскрыт, нужно дорабатывать содержание. Впрочем, не стоит забывать, что средние показатели отрасли значат очень мало – настоящие величины вы увидите, когда включите собственные письма.

Параметры трафика

Одна из задач welcome – рассказать больше о магазине. Устроить своеобразную экскурсию по сайту. Поэтому, конечно, показатель отказов хочется видеть поменьше, а количество просмотренных страниц и длительность посещения – побольше. Это покажет, что заинтересованность подписчиков высока.

Тем не менее по факту придется работать с чем придется. «Наращивать обороты» здесь можно с помощью полезного контента, ссылки на который размещаются в письме.

• Запрос отзыва

Как правило, отзыв запрашивается через 2–3 недели после покупки. Здесь эффект новизны, как в случае с welcome e-mail, уже теряется, поэтому показатели эффективности не так высоки, однако в среднем все равно выше, чем у массовой рассылки.

Наиболее пристального внимания заслуживает % отклика. Если 5–10 % подписчиков, которым вы отправили письмо, поделились с вами обратной связью – хорошо. Если отклик <5 %, пора подумать о дополнительном бонусе.

• Стимуляция второго заказа

Это письмо отправляется в среднем через полгода после первого заказа, и ожидать от него какой-то фантастической отдачи не стоит. В конце концов, ваши активные покупатели совершат второй заказ и без подсказки. Если понадобился стимул – значит, аудитория письма уже не так активна и вряд ли будет интенсивно реагировать на предложение.

Показатели эффективности здесь ожидаются на уровне массовой рассылки, а вот % конверсии, вероятно, будет пониже. Установите разумное значение, которого можно достигнуть, и, если не вписываетесь в него после нескольких сотен отправленных писем, дорабатывайте содержание.

• Прочие письма

Автоматические рассылки обладают одним полезным свойством: в среднем отклик на них выше, чем на письма массовой рассылки. Это связано и с подходящим моментом отправки, и с более высоким уровнем персонализации, и с каким-то особым контентом, который отличается от рядового содержания писем.

Поэтому, проводя измерение показателей своих автоответчиков, стоит ориентироваться на уровень массовой рассылки как на нижнюю границу прогнозируемого результата.

Процент конверсии по цели каждого письма во многом будет зависеть от глубины проработки предложения и точного выбора момента для отправки. Здесь нужно ставить реалистичные цели и продвигаться к ним путем последовательного улучшения контента.

О том, как это сделать, будет довольно подробный разговор в заключительной, девятой главе.

Нотификации имеют свою специфику. Во-первых, они, как правило, отправляются через CMS (как и письма о бонусе за подписку) и по ним нет подробной статистики. Во-вторых, их попросту слишком много, чтобы детально анализировать каждое сообщение. Ограничимся периодическими сокращенными замерами, которые позволяют нам оставаться в курсе событий, не утопая в цифрах.