Динамический контент в письмах. Введение

Динамический контент в письмах. Введение

Динамический контент (Dynamic Content) — элемент персонализации в рассылках, когда для группы пользователей (или отдельного пользователя) показывается наиболее подходящее содержимое.

Я выделяю 4 типа использования динамического контента:

  • простая персонализация;
  • индивидуальный блок с учётом характеристики контакта;
  • товарные рекомендации;
  • письмо, основанное на данных

Сегодня я расскажу о каждом из этих блоков с точки зрения:

  • где использовать
  • как технически реализовать
  • о сложностях анализа эффективности

Обычная персонализация

Самый популярный способ использования динамического контента (назвать его так можно с большим трудом) — обращение по имени, с возможными альтернативными вариантами.

Использование персонализации в письме

Когда в базе есть имя клиента, оно подставится вместо FIRSTNAME. Если же имени нет, то в письме будет обращение к клиенту "дорогой клиент" Всё что нужно — хранить у каждого контакта корректное имя в базе.

Разный блок в зависимости от характера контакта

Гораздо сложнее в рамках одного письма, в соответствии с городом подписчика показывать разный основной телефон для связи или адрес. Не хранить же эти данные у каждого контакта (возможны дубликаты, тяжело поддерживать, ошибки, ....).

Можно, конечно, создать несколько писем для отдельных групп пользователей, но поддерживать их и менять довольно проблематично. Кроме того, неудобно смотреть общую статистику по рассылке.

А если у вас 2 отдельных блока с разным контентом, блок А (3 варианта) и блок Б (2 варианта), то количество возможных комбинаций писем перемножается 3*2=6

Технически, этот блок письма создается или нет, в зависимости от заданных условий.

<!--%TOWN%-->

#if($data.get('TOWN')=='Днепр')
(html блока)
#else
(html блока)
#end

Используя эту конструкцию, в одном письме можно прорабатывать тонкости для разных сегментов. НО, хоть статистика и общая, желательно знать какая эффективность каждого блока. Самое простое — использовать механизм обучающей сегментации и посмотреть после рассылки как каждый из выделенных сегментов отреагировал на рассылку. Но если комбинаций много, этого не поймешь в полной мере.

А как оценить эффективность за рамками email системы? Скорее всего, нужно создавать разные utm метки, в зависимости от того из какого блока был переход, или даже всем ссылкам письма указывать всю комбинацию блоков в письме.

Эффективность надо ещё и оценивать в зависимости от показов блока, а не просто какой блок дал больше переходов, продаж... Для этого я вставляю не просто одну картинку в письмо, а еще и в каждый блок по картинке слежения. Сколько раз картинка загрузилась, столько раз и был прочитан тот или иной блок. Дальше конверсию можно считать по отношению событий или переходов по ссылкам в блоке к показам этого блока.

Письмо основанное на данных

Этот вид динамического контента хорош для триггеров:

  • подтверждения заказа
  • спасибо за заказ
  • брошенные корзины
  • брошенные просмотры

Чаще всего его используют через API, вызывая метод отправки письма и передавая туда HTML динамического блока. Это плохой способ, потому что разделяет логику представления (в том числе html верстки) между шаблоном и платформой, которая отправляет событие.

Правильно передавать только данные письму, а в письме уже их использовать. Значит нужно ещё больше программирования непосредственно в письме. Вот пример использования в письме блока, которому для запуска передали конструкцию json

"data": {"cart" [ {"price": 200, "name":"имя товара"},{}]}

а в письме это

‪#‎foreach‬($item in $data.get('cart'))
...html... <td><span>$item.get('price')</span> грн</td> ...html...
#end

Использование динамического контента в письме

От количества товаров в брошенной корзине можно по-разному оформить письмо. Эффективность такого типа динамического контента оценивать можно по письму целиком. Очень легко смотреть в Google Analytics на продажи, а в ESP важно уметь группировать такие письма в общую статистику с графиками. В eSputnik график строится таким образом:

Статистика по триггерной рассылке

Карты кликов для таких писем построить сложно, потому что каждое письмо разное, но мы сделали так, что все переходы из внешней части письма считаются отдельно, а переходы из динамического контента отдельно. В GA utm_campaign мы добавляем суффикс, что переход был из динамического блока, а не внешней ссылки.

Товарные рекомендации

Когда вы делаете общую рассылку и для каждого клиента появляется индивидуальный блок:

  • "Вам скорее всего понравится"
  • "Вы смотрели"
  • "Топ продаж"

Особенность этого типа ДК в том, что рассылка делается в группу, а не триггером, и содержимое для блока неизвестно до момента отправки письма. Это сложнее чем предыдущий тип письма основанного на данных. Кроме того, что блок надо запрограммировать, данные ещё нужно получить. Выходит так: перед рассылкой для каждого контакта отправляетс запрос на внешний сервис и на основе полученных данных уже формируется персонализированное письмо. Мы это делаем интегрировавшись с SoftCube, сервисом который готовит рекомендации основываясь на поведении контакта на сайте.

Рекомендации могут быть получены разными способами, например, на основе поведения контакта на сайте, или поведения других пользователей похожих на контакт, или подставить топ продаж за последнее время. Всё зависит от того, насколько глубокий "след" оставил контакт в системе. Для анализа также надо знать, какой алгоритм персонализации отработал лучше. Это позволит понимать куда тратить усилия.

Как обычно, хотел коротко, "Введение" ведь, а получилось как всегда:) В системе eSputnik возможность динамического контента реализована с помощью библиотеки apache velocity. А вообще, чем больше используется ДК, тем сложнее анализировать, сплит-тестировать, упрощать ...

P. S. Напоминаю, что статья не носит академического характера, я допускаю, что ошибаюсь в некоторых моментах, потому буду рад вашим комментариям и осуждениям обсуждениям.

Только для подписчиков: 
НЕ Только для подписчиков
Тип писем: 

Добавить комментарий

Динамический контент в письмах. Введение