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

К примеру, так может выглядеть тест призыва к действию:

А: Отправиться на сайт за покупками

Б: Использовать скидку

Последовательно проводим замеры показателей эффективности для этих вариантов и сравниваем их по Ккл:

Проводим тесты до тех пор, пока не достигнем намеченной цели или не упремся в потолок. Так же, как и в случае с темой, количество отправленных писем для каждого варианта должно быть достаточным (десятки и сотни).

• Время отправки

Момент срабатывания автоответчика влияет на уровень просмотров и в какой-то степени на уровень кликов. Он складывается из:

• дня отправки;

• времени отправки в течение дня.

Эти параметры тестируются раздельно, при этом никакие другие элементы в письмах не меняются (принцип изменения одного параметра за один цикл тестирования).

Начинаем с дня отправки: например, передвигаем welcome e-mail с первого дня подписки на второй, затем на третий и т. д. Сравниваем Кпр. Когда нащупали оптимальный день, переходим ко времени в течение дня: 8 утра, полдень, 16 часов и т. д.

Конечно, варьировать время отправки стоит в определенных пределах. Тот же welcome должен быть отправлен в течение первой недели после подписки, поэтому отодвигать его на более дальний срок нежелательно, как и пытаться сместить время отправки за полночь.

Подобно массовой рассылке, влияние времени отправки на просмотры и клики может быть не столь очевидным. Поэтому за этот инструмент стоит браться, лишь исчерпав другие возможности (дойдя до предела в оптимизации темы).

Если с автоматическими рассылками все не так просто, то с нотификациями еще сложнее! Эти письма у нас отправляются через CMS (в редких исключениях – через специализированный сервис, но тогда ситуация полегче). Таким образом, мы не знаем ни уровня доставки, ни просмотров, ни жалоб на спам. Чтобы узнать количество отправленных писем, нам, скорее всего, придется выуживать эту информацию из системы с помощью программиста.

Единственное, о чем мы можем судить достаточно точно, – это количество кликов и заказов. И то и другое нам доступно в сервисе веб-аналитики (благодаря utm-меткам, использованным при внедрении).

Стратегия первых трех месяцев работы с нотификациями – наблюдение. Мы просто набираем статистику, тем более нам есть чем заняться в это время: массовая и автоматические рассылки идут полным ходом.

После сбора данных переходим непосредственно к тестированию (рассмотрим только случай отправки писем через CMS – сервисы обычно дают больше статистики, и, если мы используем для отправки нотификаций специализированный сервис, то тестируем их по тому же принципу, что и автоответчики).

Отвечаем на вопрос: устраивает ли нас то, что мы видим, – количество кликов и заказов? Если нет, устанавливаем конкретные, достижимые цели и беремся за работу.

В качестве объекта для экспериментов выбираем один тип нотификаций – лучше тот, который отправляется чаще всего. Разрабатываем несколько вариантов для теста. Предмет тестирования нотификаций – это тема и содержание (в основном футер). Например, мы можем сделать иконки крупнее, поменять их цвет или состав. Речи о времени отправки не идет, поскольку письма рассылаются сразу после инициирующего события (регистрации, заказа, смены статуса).

Ставим задачу программисту внести изменения в нотификации. Ждем неделю или столько, сколько нужно для отправки не менее сотни писем. Измеряем результат: оцениваем количество кликов и заказов за этот период.

Важно: скорее всего, тестовый период длится меньше месяца, в то время как все предыдущие замеры нотификаций мы проводили раз в месяц. Поэтому пересчитываем средние показатели на количество дней, которое заняло тестирование. Если за месяц нотификация «новый заказ» собирает 400 кликов, то за неделю можно ожидать порядка 100.

Сравниваем пересчитанные показатели с нынешними результатами (не забываем учесть количество отправленных писем в том и другом случае).

Делаем вывод об эффективности нового варианта:

Если результаты неоднозначны, увеличиваем время тестирования (ждем большего объема отправленных писем).

Далее пробуем варианты В, Г и т. д. Конечно, работаем с ограниченным количеством версий, иначе тестирование затянется до бесконечности. По итогам выбираем самый действенный вариант, готовим задание и с помощью программиста внедряем наработки во все нотификации. Через месяц смотрим на общий результат. Если показатели выросли по сравнению с предыдущими значениями – тестирование прошло удачно.

Идеи об усовершенствовании нотификаций могут возникать постоянно, однако нужно уметь остановиться. Это не самый эффективный путь роста. Поэтому, повысив показатели хотя бы на несколько процентов, стоит этим удовлетвориться и отложить новое тестирование как минимум на пару месяцев.

Раз уж речь зашла об эффективности путей роста, то оптимизация источников подписки – один из лучших путей.

От темпов пополнения базы зависят практически все показатели, и чем быстрее она увеличивается (конечно, за счет качественных e-mail адресов), тем больших успехов можно достичь.

Тестирование источников подписки проводится в последовательном режиме. Но если есть техническая возможность, организуйте сплит-тест, который позволит быстрее получить результаты.

Принципы тестов те же, что и у рассылок. Только вместо подписной базы тестируется отклик входящего трафика на сайт.

Тестирование pop-up-формы – то, с чего следует начинать работу над оптимизацией источников подписки. Поскольку именно всплывающая форма дает наиболее мощный приток e-mail адресов.

Проверке подлежат:

• условия демонстрации формы: время, проведенное на сайте, и количество просмотренных страниц;

• содержание: бонус за подписку (% скидки, подарок, условия предоставления), заголовок, призыв к действию;

• оформление: размеры, кнопки, иконки.

При последовательном тестировании фиксируйте время начала и завершения каждого цикла теста, чтобы можно было четко отследить число новых подписчиков в базе.