Сегодня e-mail является каналом, показывающим год от года все более высокую эффективность. Согласно последним международным исследованиям, в числе действенных маркетинговых тактик, направленных на увеличение конверсии, его использует почти каждая вторая компания. Это неудивительно: несмотря на обилие новых платформ и сервисов для связи, e-mail остается одним из главных каналов коммуникации для людей по всему миру. Согласно статистическому отчету Radicaty Group, в 2018 году пользователи ежедневно отправляли 280 млрд писем, а через пять лет этот показатель вырастет до 333 млрд.
Почему это происходит? Во-первых, спам все реже можно увидеть благодаря умным фильтрам почтовых провайдеров. Во-вторых, пользователи становятся грамотнее и постепенно приучаются отписываться от лишних рассылок, следя за чистотой почтового ящика. Таким образом, фоновый шум снизился до минимума, а климат в почтовом ящике стал более «теплым».
Вместе с тем подписчики по-прежнему требовательны к коммерческим рассылкам. Письмо не соответствует интересам и ожиданиям – получатель в лучшем случае тут же отписывается. Ритм жизни все выше, подписчик готов слушать и покупать, но только быстро и то, что ему нужно и знакомо, – нет времени на эксперименты. Поэтому важен четкий «выстрел», сразу в цель. Чтобы этого достичь, email-маркетинг использует три основы: глубокую сегментацию, персонализацию и автоматизацию, которые в связке работают эффективнее.
Глубокая сегментация «рисует» детализированные портреты пользователей
Что такое сегментация, знают сегодня более или менее все, кто использует инструмент email-рассылок. Если обычную сегментацию, которую предлагают большинство рассылочных платформ, можно сравнить с арифметикой (как основу работы с клиентской базой), то глубокая сегментация – это уже высшая математика. Она позволяет гораздо точнее идентифицировать посетителя, а значит – предложить именно то, что ему нужно.
Рассмотрим на конкретных примерах. Обычная сегментация показывает ситуацию в статике, что есть по состоянию «на сейчас». Например, когда было открыто последнее письмо – ни больше, ни меньше, дата последнего открытия. Но если это произошло вчера, а общее число ранее отправленных писем – сотни, как же маркетологу понять, имеет ли он дело с действительно лояльным подписчиком? В этом случае все решает именно глубокая сегментация, специфика которой – хранение данных обо всех активностях пользователя и раскладывание их во времени. И только начав использовать глубокую сегментацию, маркетолог увидит, допустим, что основное число из этой сотни рассылок было прочитано несколько лет назад, а вчерашнее письмо – единственное открытое за последний год. Следовательно, лояльность подписчика снизилась, и сейчас его можно отнести скорее к неактивным. И общаться с ним уже нужно совсем по-другому, тогда будет шанс его вернуть.
Что же нужно для обработки таких подробных данных о своих клиентах?
Прежде всего, конечно, необходимо выбрать Customer Data Platform для Retention-маркетинга. Платформу, которая умеет получать, собирать, хранить и обогащать данные об онлайн- и офлайн-продажах, поведении посетителей во всех возможных каналах возвратной коммуникации от электронной почты до мессенджеров, собирать поведенческие данные в мобильных и web-пушах, а еще на сайте и в mobile app.
К выбору такой платформы автоматизации маркетинга надо подходить с особой тщательностью, заранее имея представление о стратегии вашего бизнеса на ближайшие 3-5 лет, а также понимая:
• в каком направлении планирует развиваться сама платформа;
• соответствует ли она тенденциям рынка,
• активна ли ее разработка,
• готова ли команда такой платформы участвовать в успехе вашего бизнеса и создании успешных клиентских кейсов.
У вас может быть и небольшая база клиентов, но при грамотной организации работы с подписчиками и инструментами наращивания базы использование глубокой сегментации окупит себя многократно.
Если попытаться структурировать и дифференцировать подходы и методологии продвинутой сегментации, в том числе и по принципу технической реализации их сбора и хранения, то они будут выглядеть следующим образом. Важно понимать, что пользовательский сегмент может строиться на объединении части этих подходов, и даже используя все их вместе:
• Базовые признаки – имя, пол, возраст, язык, цвет волос, дата рождения бабушки, имя любимого кота и т.д. Любые статические признаки и сведения о пользователе, которые можно передать из CRM, CMS, 1С или непосредственно с сайта. Сюда же входят и ответы на вопросы всех возможных анкетирований, даты регистрации, последних логинов и покупок (всё, что имеет собственное дополнительное поле, данные в котором перезаписываются при обновлении информации).
• CRM-признаки – это уже данные, которые не перезаписываются, а накапливаются в платформе, их результаты можно суммировать, делить и т. д. Например, выделить сегмент тех, у кого «более 10 покупок на сайте», «средний чек не ниже 5 тыс. руб.», «заказов более трех и они совершались не реже, чем раз в 3 месяца». Также к этому можно давать уточняющие условия, например, «совершено более трех покупок в определенной категории товаров» или «общий доход от клиента свыше 40 тыс. руб. и использован скидочный купон».
Что же нам со всеми этими данными делать? Например, онлайн-магазин может выявить группу с высокой посещаемостью, но низким чеком (иными словами тех, кто любит шопинг, но стеснен в средствах) – и информировать их о программах лояльности, счастливых часах и распродажах. А вот посетители с высоким чеком и низкой частотой, скорее всего, могут позволить себе многое, но у них нет времени на онлайн-шопинг. С этой категорией нужно работать иначе, тестируя разные механики вовлечения и отслеживая группу в динамике.
• Поведенческая (на сайте, в приложении, в каналах коммуникации). Здесь все о действиях и перемещениях наших пользователей. Где был, что смотрел, в каком количестве, сколько раз, что добавлял в корзину или избранное. Использование поведенческой сегментации поможет выявлять активных и пассивных подписчиков, определять предпочтительные каналы коммуникации (т.е. если у нас подписчик регулярно кликает в пушах, но редко читает емейлы, мы снижаем частоту отправки емейлов), сегментировать пользователей по просмотренным категориям товаров, по количеству посещений сайта или открытий мобильного приложения, использованию строки поиска по каталогу и многое другое.
По сути, этот вид сегментации дает неограниченные возможности по тестированию и отладке каналов связи с подписчиками, поскольку учитывает буквально каждый их шаг: переходы на сайт из того или иного канала, просмотры групп товаров, отложенные покупки, реакции на скидки и программы лояльности и т.д. И это один из самых важных способов сегментации при настройке персонализации контента в рассылках и триггерах – отправляем только то, что пользователю было интересно и нужно. А что ему было интересно – знаем по поведению.
• RFM-сегментация. Слышали про RFM-анализ? Да, есть платформы, которые способны самостоятельно строить RFM-графики, формировать сегменты по вовлеченности подписчиков и даже настраивать автоматическую отправку писем при переходе из сегмента в сегмент (от более вовлеченных к менее вовлеченным).
• Сегментация по временным интервалам. С ее помощью любой прогресс и ряд событий мы можем отследить в динамике и делать выборки по диапазону дат. То есть мы уже будем знать не только количество продаж или дату последней, но и дату и время каждой транзакции, каждого логина, каждого просмотра товара на сайте, знать каждую открытую рассылку. Сколько рассылок было открыто с 1 января по 1 февраля 2019 года? Легко. Сколько товаров просмотрено подписчиком на сайте за весь 2018 год? Пожалуйста.
Строя сегменты по поведению на сайте в заданных временных отрезках, бренд сможет понять, как аудитория реагировала на период скидок или любое другое изменение политики продаж, что крайне полезно для оценки бизнес-эффекта от внедрений. Если говорить о рассылках, то выборка по заданному периоду покажет тенденции в реакции на коммуникацию. Например, контакты, которые «охладели» к емейлам в последние 3-6 месяцев. А значит, время снижать по ним частоту отправки писем и пытаться вести диалог в других каналах.
• Предсказательная сегментация с использованием искусственного интеллектавозможна тогда, когда Customer Data Platform накапливает знания о пользователях и сама выбирает, в какое время отправить письмо, чтобы его с максимальной долей вероятности открыли. Или же к какому сегменту отнести пользователя – при этом сегментация строится по принципу статуса покупателя.
Как это выглядит на практике? Платформа в течение определенного времени анализирует поведение всех ваших посетителей на сайте или в мобильном приложении, запоминает как ведут себя посетители, которые со временем перешли в статус «вип» (самых высокодоходных клиентов), и начинает прогнозировать уже на ранних этапах регистрации новых пользователей, кто же из них с наибольшей вероятностью станет «вип», и сразу запускает для них соответствующие рассылки, работая, по сути, на опережение.
Продолжение следует
Источник: retail-loyalty.org
Добавить комментарий