Задача
Интернет-магазины отправляют слишком много лишних маркетинговых писем, которые никогда не будут открыты. В результате компании теряют деньги, репутация отправителя снижается, а подписчики отписываются от сообщений, в которых они не видят ценности.
Решение
Команда eSputnik разработала на базе искусственного интеллекта (ИИ) систему ранжирования пользователей по прогнозируемой активности в прочтениях емейлов — Frequency Recommendation Engine (FRE). Эта система предсказывает, откроет подписчик емейл или нет, основываясь на данных о его предыдущем поведении в емейлах.
Результаты
FRE помогает оптимизировать частоту рассылки и отправлять более релевантный контент, что увеличивает вовлеченность подписчиков и ROI. Чем выше вовлеченность подписчиков, тем лучше репутация отправителя. В итоге всё больше писем попадают во Входящие.
Алгоритмы фильтрации невовлеченных подписчиков в действии
Предыстория
Один из клиентов eSputnik, онлайн-магазин одежды и обуви, отправлял до 100 миллионов емейлов в месяц. При этом каждый подписчик получал от 1 до 3 писем в день. Чтобы сузить аудиторию рассылок, компания попыталась отфильтровать получателей, которые не открывали никаких писем в течение 6 месяцев. Тем не менее, подписчики продолжали получать слишком много промо и триггерных емейлов, в то время как уровень открытий и переходов оставался низким. Наши клиенты решили настроить таргетинг с использованием более широкого спектра параметров, включающего поведение подписчиков в емейлах.
Как это работает
Чтобы помочь клиентам eSputnik повысить эффективность рассылок, наша команда инженеров машинного обучения разработала на базе ИИ систему ранжирования пользователей по прогнозируемой активности в прочтениях емейлов (FRE). Система использует алгоритмы машинного обучения, чтобы найти оптимальную частоту промо и триггерных рассылок на основе расчета вероятности того, что письма будут открыты. Для этого FRE анализирует уже имеющиеся о пользователе данные по набору разных параметров. Среди них: общий срок жизни клиента, общее количество емейлов, полученных пользователем в рамках кампании, типы емейлов, которые пользователь открывает чаще всего, и время, прошедшее с последнего открытия.
Таким образом, FRE помогает идентифицировать получателей, которые скорее всего будут заинтересованы в получении определенного сообщения, и предлагает отфильтровать тех, кто может отписаться или просто проигнорировать емейл.
Использование FRE на практике повысило Click Rate на 63% и сократило рассылку на 40%. При этом погрешность составила всего 2% — столько из отфильтрованных получателей всё же открыли бы письмо.
Выводы
Система фильтрации получателей eSputnik помогает повысить ROI емейл-маркетинга и улучшить репутацию отправителя, сокращая рассылку ненужных писем.
Алгоритмы машинного обучения FRE гарантируют, что вы можете сократить расходы на емейл-маркетинг до 40%, одновременно повысив его эффективность.
ИИ выполняет большую часть работы, и вам не нужно тратить время и усилия на рутину. Все, что вам нужно сделать — это выбрать сегмент для рассылки, и FRE отфильтрует контакты, которым кампания, которую вы собираетесь проводить, не интересна.
Хотите узнать больше о возможностях eSputnik и о том, как они могут помочь вашему бизнесу?
Обратитесь по адресу info@esputnik.com.