Як збільшити ефективність масових розсилок у 2 рази завдяки персональним рекомендаціям

Відомо, що тригерні листи мають вищу ефективність, як порівнювати з масовими розсилками. Згідно зі статистикою eSputnik, яка ґрунтується на дослідженні 610 ecommerce-проєктів, CTR у масових емейлах становить лише 0,02%, а в тригерних — 0,21%.

Це означає, що на один тригерний емейл ви отримаєте майже в 10 разів більше переходів, ніж на один масовий. Для цього є кілька причин:

1. Більша релевантність і влучний таймінг. Тригерна комунікація відбувається як відповідь на дію клієнта — реєстрацію, покупку, перегляд сторінок тощо. Тож вміст листа актуальніший і потрапляє до підписника тоді, коли він найбільш зацікавлений у взаємодії.
2. Персоналізація. Тригерні емейли часто містять персоналізовані рекомендації чи пропозиції, що ґрунтуються на попередній активності або інтересах користувача. Це може бути звернення на ім’я, історія покупок, інформація про переглянуті товари, добірка схожої продукції тощо.

Натомість масові листи генерують майже вдвічі більше трафіку на сайти та в застосунки, оскільки розсилаються на більшу аудиторію.

Прагнучи збільшити ефективність комунікації, маркетологи зіштовхуються з низьким залученням і конверсіями.

Масові розсилки не працюють на повну через їхню невідповідність потребам та інтересам одержувачів — кожен підписник отримує лист з однаковим вмістом. Тож показник конверсії все ще більший у тригерних листах: за даними eSputnik, конверсія у масових емейлах сягає 3,06%, а в тригерних — 5,22%.

Схожа ситуація і з двома іншими показниками — AOV (середня вартість замовлення) та LTV (пожиттєва цінність клієнта). На відміну від масових, у тригерних листах набагато частіше використовують техніки збільшення чека: апсейл і кроссейл. А завдяки персоналізації й вчасній комунікації вітальні, післяпродажні та інші тригерні емейли підвищують лояльність і залученість клієнтів, спонукаючи їх залишитися з вами надовше.

Ми звикли, що можемо отримати високу ефективність розсилок лише тоді, коли маємо достатньо інформації про клієнта й повідомлення потрапляє до нього в потрібний момент чи як реакція на певну подію.

Однак масові розсилки можуть приносити більше продажів, прибутку і лояльності клієнтів, якщо ви додасте у свої листи лише один блок — персональні товарні рекомендації.

Далі розповімо, які завдання цей інструмент допомагає вирішувати бізнесу, і розглянемо процес генерації персональних товарних рекомендацій у масових розсилках. Крім того, на прикладах компаній Comfy та Liki24 розкриємо, яких результатів можна досягти, додавши рекомендаційні блоки в email.

Переваги персональних рекомендацій у масових розсилках

Рекомендаційні блоки часто використовують на сайтах, у мобільних застосунках і тригерних розсилках. Додавши персональні добірки до масових email-кампаній, ви можете зробити цей канал ще прибутковішим. Товарні рекомендації вирішують декілька завдань:

1. Покращення персоналізації. 49% споживачів відчувають розчарування, коли отримують нерелевантний контент. 42% незадоволені, якщо в повідомленнях не відображаються їхні бажання та потреби.

Завдяки товарним рекомендаціям масові розсилки підлаштовуються до індивідуальних запитів та інтересів кожного підписника. Це підвищує ефективність каналу email, адже 80% споживачів із більшою ймовірністю зроблять покупку в компанії, яка пропонує персоналізований досвід.

2. Скорочення часу на створення розсилки. Підготовка проморозсилки складається з двох ключових етапів: вибір цільової аудиторії (сегментація бази) та наповнення листа контентом.

Якщо базова сегментація (за гендером, віком, локацією тощо) не займає багато часу, то створення мікросегментів потребує від маркетолога ретельної роботи. Але навіть така проморозсилка не буде персоналізованою для кожного окремого підписника.

Щоб персоналізувати контент вручну, потрібно збільшити кількість версій листів і сегментів, що складатимуться лише з 3–10 контактів. Це дуже кропітка і неефективна робота.

Натомість штучний інтелект звільняє маркетологів від зайвих дій — спеціалісту не потрібно самостійно створювати добірку товарів для проморозсилки. Алгоритми підбирають рекомендовані позиції для кожного підписника, а всі необхідні елементи (ціни, назви й зображення товарів) автоматично підставляються в email з фіда товарів.

Крім того, знижується вірогідність помилки під час підбору релевантних товарів. Штучний інтелект розпізнає патерни поведінки людини й точніше підбирає продукти, що можуть зацікавити конкретного клієнта.

Як генеруються товарні рекомендації для масових розсилок

Робота математичної моделі, що стоїть за AI-алгоритмами eSputnik, базується на аналізі великого масиву клієнтських даних. Зокрема вона опрацьовує онлайн-поведінку людини:

• взаємодію з товарами — перегляди, збереження в списку бажань, додавання в кошик, здійснені покупки;
• дії на сайті та в застосунку — пошукові запити, улюблені категорії товарів тощо.

Вивчаючи історію поведінки клієнта, нейронна мережа виявляє шаблони в послідовності його дій і розпізнає вподобання. Це дозволяє алгоритмам прогнозувати, які продукти потенційно можуть зацікавити конкретну людину.

Фіксація релевантності товарів для рекомендаційного блоку відбувається на основі скорингу. Кожному товару модель присвоює показник того, наскільки продукт підходить людині як рекомендація. Розробники eSputnik встановлюють нижній поріг скорингу, відсікаючи нерелевантні варіанти.

Маркетолог може самостійно в системі eSputnik налаштувати додаткові умови, які алгоритми враховують під час додавання продуктів у рекомендаційні блоки. Це можуть бути такі параметри товарів:

• з визначеним розміром мінімальної знижки;
• бренд, яким нещодавно цікавився клієнт;
• новинки категорії, що він переглядав тощо.

Детальніше про формування персональних товарних рекомендацій >>

Як українські ритейлери збільшують показники масових розсилок: досвід Comfy та Liki24

Щоб виміряти ефективність впровадження рекомендацій у проморозсилках, упродовж двох місяців ми порівнювали показники листів:

• з персональними добірками, сформованими AI-алгоритмами eSputnik;
• з однаковими для всіх підписників товарами, які маркетологи наших клієнтів обрали самостійно.

Про те, як нововведення вплинуло на конверсії, середню вартість замовлення і переходи на сайт компаній, читайте далі.

Досвід Comfy

Відомий український ритейлер Comfy додав персональні товарні рекомендації у проморозсилки до рубрик «Товар дня» і «Денний/Нічний розпродаж». Такі листи розсилалися для понад 2,2 млн підписників.

Алгоритми підбирали товари для рекомендаційних блоків на основі поведінкових даних клієнтів. Команда eSputnik впровадила можливість врахування кастомної умови для формування блоку рекомендацій: додавання в добірку 4 товарів з категорії «Кращ». Для нових підписників, у яких ще не було історії активності на сайті, у розсилку додавали до 6 бестселерів.

Після того, як Comfy впровадили персональні рекомендації у масові розсилки, компанія отримала такі результати:

Досвід Liki24

Компанія Liki24 вирішила використати блок із персональними рекомендаціями разом із власною добіркою товарів. Такі листи були надіслані понад 70 000 підписникам.

Тож ми отримали такі результати:

Підсумки

Масові email-розсилки — ефективне джерело генерації трафіку на сайт і в застосунок. Однак такі листи програють тригерним емейлам, адже мають менший CTR і конверсію. Це стається через брак персоналізації — саме того, чого очікують клієнти. Аби зробити масові розсилки ефективнішими й прибутковішими, використовуйте персональні товарні рекомендації.

АІ-алгоритми eSputnik автоматизують великий обсяг роботи маркетолога, зекономлять час, допоможуть уникнути помилок під час створення розсилок і індивідуально підберуть товари для кожного клієнта. Кейси ритейлерів Comfy та Liki24, демонструють, що персоналізовані блоки працюють краще, ніж стандартні добірки:

• генерують більше переходів на сайт і в застосунок;
• мають вищу конверсію;
• сприяють збільшенню середньої вартості замовлення.

Щоб використовувати товарні рекомендації в масових email-розсилках по-максимуму, важливо врахувати специфіку бізнесу й цільової аудиторії. Спеціалісти eSputnik індивідуально підберуть алгоритми й стратегії генерування товарних рекомендацій для вашої компанії. Визначившись із набором алгоритмів, розробники створять спеціальний модуль, який маркетолог самостійно зможе додавати до промоемейлів у drag-n-drop редакторі.

Якщо ви бажаєте впровадити ці інновації у своїх розсилках — запишіться на демо або зверніться до свого customer-success менеджера.

Special Request Inline