E-mail маркетинг для интернет?магазина. Инструкция по внедрению - Алексей Ефимов

• Запрос отзыва

Третий лист «Статистики» посвящаем обработке результатов автоматизированного запроса отзывов:

Таблица заполняется так же, как и для welcome e-mail, за исключением последних столбцов. Конечно, отправка этого письма также может приводить к заказам, но нас больше интересует, насколько эффективно оно работает с точки зрения обратной связи.

Кол-во отзывов – указываем количество отзывов, полученных через рассылку.

Если отзывы собираются с помощью анкеты, подсчитать их несложно – достаточно заглянуть в сводку ответов.

Если отзывы размещаются на сайте или стороннем ресурсе, нужно подсчитывать их вручную (в случае сайта можно попробовать настроить соответствующую цель в сервисе веб-аналитики). Пусть значение окажется неточным, но если придерживаться одной и той же методики подсчета, наблюдать за эффективностью письма в динамике оно поможет.

% отклика = Кол-во отзывов/Отпр × 100 % (округляем до одного знака после запятой).

Абсолютные величины всегда должны дублироваться относительными. На них не влияют такие переменные факторы, как рост базы или качество доставки, поэтому они позволяют проводить оценку точнее.

• Стимулирование второго заказа

Следующий лист заполняется для писем, стимулирующих второй заказ через N дней после совершения первого:

В таблицу вносятся те же показатели, что и для welcome e-mail. Здесь нас в первую очередь интересует количество заказов. Данные по трафику можно не указывать.

• Прочие письма

Думаю, принцип понятен: если у вас действуют дополнительные письма, то для аналитики каждого из них нужно завести отдельный лист в «Статистике автоматических рассылок».

Информацию о доставке и показатели эффективности стоит фиксировать повсеместно. Заключительные столбцы могут варьироваться в зависимости от целей письма.

Например, в случае welcome e-mail нас интересует, удается ли возвращать подписчиков на сайт и как они себя там ведут. При запросе отзывов считаем % отклика. Во время стимуляции второго заказа мы сосредоточены на продажах. Дальше следуем той же логике: приглашаем в соцсети – смотрим за динамикой вступления новых участников в сообщества. Даем промокод на день рождения – отслеживаем % его использования и заказы. И так далее.

Пример «Статистики автоматических рассылок» для всех основных видов писем вы можете посмотреть в приложении 8Б.

Метод анализа автоматических писем повторяет аналитику для массовых рассылок: мы по очереди рассматриваем каждый показатель, сравниваем его с предыдущими значениями (соревнуемся сами с собой) и поставленными целями.

• Бонус за подписку и напоминание о бонусе

Процент использования промокодов в среднем составляет 5–10 (не так много, но стоит вспомнить, что многие получают его на всякий случай). Если эта величина ниже 5 % и от месяца к месяцу ситуация не меняется, пора заняться корректировкой.

• Welcome e-mail

Поскольку приветственное письмо отправляется исключительно новым подписчикам, его показатели эффективности в целом выше, чем у массовой рассылки.

Коэффициент просмотров

Высоким считается уровень 50–60 %. Хороший средний результат – 30–40 %. Если просмотры ниже 30 %, надо работать с темой письма и моментом отправки.

Коэффициент кликов

Высокие клики >20 %. Нормальные – 10–20 %. Если Ккл