29 августа 2024
352
18 мин
0.00
Как повысить эффективность массовых рассылок в 2 раза благодаря персональным рекомендациям
Триггерные письма имеют более высокую эффективность по сравнению с массовыми рассылками.
Согласно статистике eSputnik, основанной на исследовании 610 ecommerce-проектов, CTR в массовых email-рассылках составляет 0,02%, а в триггерных — 0,21%.
Это означает, что одно ваше триггерное письмо получит почти в 10 раз больше переходов, чем одно массовое. Это связано с двумя причинами:
- Большая релевантность и точный тайминг. Триггерная коммуникация осуществляется как ответ на действие клиента — регистрацию, покупку, просмотр страниц и т.п. Поэтому содержание письма более актуально и попадает к подписчику тогда, когда он наиболее заинтересован во взаимодействии.
- Персонализация. Триггерные email часто содержат персонализированную информацию, основанную на предыдущей активности и интересах пользователя. Это может быть обращение по имени, напоминание о просмотренных товарах, подборка подобной продукции и другое.
Вместе с тем массовые письма генерируют почти вдвое больше трафика на сайты и в приложения, поскольку рассылаются на большую аудиторию.
Стремясь увеличить эффективность коммуникации, маркетологи сталкиваются с низким привлечением и конверсиями. Массовые рассылки не работают полноценно из-за их несоответствия потребностям и интересам получателей — каждый подписчик получает письмо с одинаковым содержанием. Поэтому показатель конверсии все еще выше в триггерных письмах: по данным eSputnik, конверсия в массовых email достигает 3,06%, а в триггерных — 5,22%.
Похожая ситуация и с двумя другими показателями — AOV (средний чек) и LTV (пожизненная ценность клиента). В отличие от массовых, в триггерных письмах гораздо чаще используют техники увеличения чека: апсейл и кроссейл. А благодаря персонализации и своевременной коммуникации приветственные, послепродажные и прочие триггерные email повышают лояльность и вовлеченность клиентов, побуждая их остаться с вами дольше.
Мы привыкли, что можем получить высокую эффективность рассылок только, если у нас достаточно информации о клиенте и сообщение попадает к нему в нужный момент или как реакция на определенное событие.
Однако массовые рассылки могут приносить больше продаж, прибыли и лояльности клиентов, если вы добавите в свои письма только один блок — персональные товарные рекомендации.
Товарные рекомендации в массовых email-рассылках
— это блоки с товарами, подобранными алгоритмами AI для конкретного подписчика. Ассортимент рекомендаций формируется на основе истории клиентского поведения, выявленных потребностях и интересах покупателя. Email с персональной подборкой товаров становится более релевантным для получателей, увеличивая вероятность покупок и повышая уровень удержания клиентов.
Далее расскажем, какие задачи помогает решать бизнесу этот инструмент, и рассмотрим процесс генерации персональных товарных рекомендаций в массовых рассылках. Кроме того, на примерах компаний Comfy, «Книгарня «Є» и Liki24 продемонстрируем, каких результатов можно достичь, добавив рекомендательные блоки в email.
Преимущества персональных рекомендаций в массовых рассылках
Рекомендательные блоки часто используют на сайтах, в мобильных приложениях и триггерных рассылках. Добавив персональные подборки к массовым email-кампаниям, вы можете сделать этот канал еще более прибыльным. Товарные рекомендации решают несколько задач:
- Улучшение персонализации. 49% потребителей испытывают разочарование, когда получают нерелевантный контент. 42% недовольны, когда в контенте не учитываются их желания и потребности.
Благодаря товарным рекомендациям массовые рассылки подстраиваются к индивидуальным запросам и интересам каждого подписчика. Это повышает эффективность канала email, ведь 80% потребителей с большей вероятностью совершат покупку в компании, предлагающей персонализированный опыт.
- Сокращение времени на создание рассылки. Подготовка проморассылки состоит из двух ключевых этапов: выбора целевой аудитории (сегментация базы) и наполнения письма контентом.
Если базовая сегментация (по гендеру, возрасту, локации и т.п.) не занимает много времени, то создание микросегментов требует от маркетолога тщательной работы. Но даже такая проморассылка не будет персонализирована для каждого отдельного подписчика.
Чтобы персонализировать контент вручную, нужно увеличить количество версий писем, а потом и сегментов, которые будут состоять только из 3–10 контактов. Это очень кропотливая и неэффективная работа.
Искусственный интеллект освобождает маркетологов от лишних действий — специалисту не нужно самостоятельно создавать подборку товаров для проморассылки. Алгоритмы подбирают рекомендованные позиции для каждого подписчика, а все необходимые элементы (цены, названия и изображения товаров) автоматически подставляются в email из фида товаров.
Кроме того, снижается вероятность ошибки при подборе релевантных товаров. Искусственный интеллект распознает паттерны поведения человека и точнее подбирает продукты, которые могут заинтересовать конкретного клиента.
Важно
AI-алгоритмы CDP eSputnik генерируют персональные товарные рекомендации для каждого подписчика при отправке email-рассылки как на малый, так и на большой сегмент контактов. Искусственный интеллект предлагает индивидуальные предложения каждому клиенту, если есть данные о его поведении. Новые подписчики, о которых еще мало информации, увидят в блоке рекомендаций бестселлеры, акционные продукты и т.д. Маркетолог может самостоятельно установить такую категорию.
Как генерируются товарные рекомендации для массовых рассылок
Работа математической модели, стоящей за AI-алгоритмами eSputnik, базируется на анализе большого массива клиентских данных. В частности, она прорабатывает онлайн-поведение человека:
- взаимодействие с товарами — просмотры, добавление в список пожеланий, добавление в корзину, совершенные покупки;
- действия на сайте и в приложении — поисковые запросы, любимые категории товаров и т.д.
Изучая историю поведения клиента, нейронная сеть обнаруживает шаблоны в последовательности его действий и распознает предпочтения. Это позволяет алгоритмам прогнозировать, какие продукты могут заинтересовать конкретного человека.
Вывод о релевантности товаров осуществляется на основе скоринга. Каждому товару модель присваивает показатель того, насколько продукт подходит человеку как рекомендация. Разработчики eSputnik устанавливают нижний порог скоринга, отсекая нерелевантные варианты.
Хочу использовать товарные рекомендации
Маркетолог может самостоятельно в системе eSputnik настроить дополнительные условия, которые алгоритмы учитывают при добавлении продуктов в рекомендательные блоки. Это могут быть следующие параметры товаров:
- размер минимальной скидки;
- бренд, которым недавно интересовался клиент;
- категория, которую он просматривал и т.д.
Детальнее о формировании персональных товарных рекомендаций >>
Как украинские ритейлеры увеличивают показатели массовых рассылок: опыт Comfy и Liki24
Чтобы измерить эффективность внедрения рекомендаций в проморассылках, за два месяца мы сравнивали показатели писем:
- с персональными подборками, сформированными AI-алгоритмами eSputnik;
- с одинаковыми для всех подписчиков товарами, которые маркетологи наших клиентов выбрали самостоятельно.
О том, как нововведение повлияло на конверсии, средний чек и переходы на сайт компаний, читайте дальше.
Опыт Comfy
Известный украинский ритейлер Comfy добавил персональные товарные рекомендации в проморассылки к рубрикам «Товар дня» и «Дневная/Ночная распродажа». Такие письма рассылались более чем для 2,2 млн подписчиков.
Алгоритмы подбирали товары для рекомендательных блоков на основе поведенческих данных клиентов. Команда eSputnik внедрила возможность учета кастомного условия для формирования блока рекомендаций: добавление в подборку 4 товаров из категории «Лучшее». Для новых подписчиков, у которых еще не было истории активности на сайте, в рассылку добавляли до 6 бестселлеров.
После того, как Comfy ввели персональные рекомендации в массовые рассылки, компания получила следующие результаты:
Опыт Liki24
Компания Liki24 решила использовать блок с персональными рекомендациями вместе с собственной подборкой товаров. Такие письма были отправлены более 70 000 подписчиков.
Мы получили такие результаты:
Итоги
Массовые email-рассылки — эффективный источник генерации трафика на сайт и в приложение. Однако такие письма проигрывают триггерным email, поскольку имеют меньший CTR и конверсию. Это происходит из-за отсутствия персонализации — именно того, чего ожидают клиенты. Чтобы сделать массовые рассылки более эффективными и прибыльными, используйте персональные товарные рекомендации.
АІ-алгоритмы eSputnik автоматизируют большой объем работы маркетолога, экономят время, помогают избежать ошибок при создании рассылок и индивидуально подбирают товары для каждого клиента. Кейсы ритейлеров Comfy и Liki24 демонстрируют, что персонализированные блоки работают лучше, чем стандартные подборки:
- генерируют больше переходов на сайт и в приложение;
- имеют более высокую конверсию;
- способствуют увеличению средней стоимости заказа.
Чтобы использовать товарные рекомендации в массовых email-рассылках с максимальной эффективностью, важно учитывать специфику бизнеса и целевой аудитории.
Специалисты eSputnik индивидуально подберут алгоритмы и стратегии создания товарных рекомендаций для вашей компании. Определившись с набором алгоритмов, разработчики создадут специальный модуль, который маркетолог сможет самостоятельно добавлять к проморассылкам в drag-n-drop редакторе.
Если вы хотите внедрить персональные рекомендации в своих рассылках, запишитесь на демо или обратитесь к своему customer success менеджеру.