Cum să creșteți veniturile generate de e-mail cu 237% și să optimizați cheltuielile publicitare

Procesul de e-mail bine optimizat poate oferi companiilor cel mai mare ROI posibil pe acest canal de vânzare. Cu toate acestea, trebuie să ajustați campaniile de marketing prin e-mail pentru a realiza acest lucru: conținutul ar trebui să fie personalizat pentru publicul dvs. În caz contrar, există șanse mari ca eforturile tale de e-mail să pună bani la scurs.

În acest caz, descriem soluția oferită de echipa OWOX BI pentru un mare lanț de retail de electrocasnice, electronice și bunuri de uz casnic, care are peste 600 de magazine în peste 200 de orașe. Compania a avut dificultăți în a afla cum să își îmbunătățească rata de conversie și să optimizeze costurile de publicitate prin aplicarea e-mailurilor declanșate.

Într-un mediu de afaceri extrem de competitiv, scopul principal este atragerea de noi clienți, creșterea LTV-ului și optimizarea bugetului de publicitate. Analiștii de afaceri au dorit să analizeze eficiența canalelor lor de achiziție de clienți ținând cont de câștigul rezultat din fiecare dintre campaniile de publicitate. Modelele standard de atribuire nu erau adecvate pentru această sarcină, deoarece ignoră următorii factori:

1. Vizitatorii site-urilor web de comparare a prețurilor caută să cumpere produse la cel mai mic preț. Acest lucru înseamnă că, în timp ce își iau în considerare următoarea lor achiziție, clienții ar putea dori să aleagă din nou după preț și, în loc să viziteze magazinul online al companiei, pot revedea un site web de comparare a prețurilor. În evaluarea acestei surse de trafic, ar trebui să se ia în considerare LTV-ul clientului de peste 180 de zile și costul total de achiziție și reținere, deoarece compania poate cheltui bani de fiecare dată când aduce clienți înapoi prin intermediul site-urilor web de comparare a prețurilor.
2. Clienții care au cumpărat un produs mai ieftin cu o marjă redusă se pot întoarce ulterior pe site pentru a cumpăra produse mai scumpe. Astfel, deși marja produsului mai ieftin s-ar putea să nu acopere costul de achiziție, în cele din urmă (peste 180 de zile) astfel de campanii de publicitate sunt mai rentabile.

Având în vedere cele de mai sus, echipa de analiști și-a dezvoltat propriul model de atribuire bazat pe LTV, care ia în considerare costurile de publicitate și marja din achiziții pe o perioadă de 180 de zile. Mai mult, se testau modalitățile de a transforma potențialii cumpărători, care erau interesați de un anumit produs sau categorie de produse, în clienți fideli. Unii dintre vizitatori au navigat pe site, dar nu au cumpărat niciun produs. Unii dintre vizitatori au început procesul de casă, dar nu au terminat procesul (cărucioare abandonate). S-a decis să se configureze e-mailuri declanșate pentru a aduce astfel de vizitatori înapoi pe site și pentru a-i motiva să facă o achiziție:

1. Mementouri ale cărucioarelor abandonate, pentru utilizatorii care au început dar nu au terminat finalizarea comenzii.
2. Recomandările se bazează pe produsele vizualizate, către utilizatorii care au răsfoit anumite tipuri de pagini (pagini de catalog sau pagini de produse).

Conținutul e-mailurilor declanșate ar trebui să fie personalizat pentru a răspunde nevoilor curente ale fiecărui client. Nu ar trebui să existe întârzieri în colectarea datelor despre acțiunile vizitatorilor site-ului pentru a asigura acest lucru.

Datele necesare pentru atingerea acestor obiective au fost stocate în diferite sisteme — Google Analytics și o serie de servicii de publicitate. A fost necesar nu numai îmbinarea datelor, ci și asigurarea accesului rapid la acestea și prelucrarea datelor în timp aproape real.

Compania a trebuit să rezolve următoarele sarcini pentru a atinge obiectivele:

• Colectați date din mai multe surse într-un singur sistem și structură optimă.
• Obțineți toate datele necesare pentru modelul de atribuire și asigurați-vă că datele pot fi actualizate istoric.

S-a decis verificarea ipotezelor într-un interval de 180 de zile.

Datele au fost obținute din următoarele sisteme:

1. Google Analytics: datele de pe site sunt disponibile în Google Analytics printr-un container Google Tag Manager.
2. Surse de publicitate: Google AdWords, Criteo.

Ca stocare unică de date, s-a decis să se utilizeze Google BigQuery:

1. Această stocare în cloud permite colectarea și procesarea rapidă a unor cantități masive de date.
2. Oferă un set mare de soluții și instrumente gata făcute pentru integrarea cu sistemele CRM și ERP.
3. Datele sunt protejate în siguranță.

Următoarele instrumente și funcții au fost utilizate pentru a colecta toate datele din Google BigQuery:

1. Google BigQuery Export pentru Google Analytics 360 — pentru a primi date de la Google Analytics în Google BigQuery, inclusiv date istorice de 13 luni.
2. OWOX BI Pipeline — compania primește date aproape în timp real despre accesări de pe site-ul web în Google BigQuery, împreună cu date despre costuri, clicuri și afișări din surse de publicitate, care sunt disponibile în Google Analytics și apoi în Google BigQuery.

Ca urmare, toate datele necesare sunt colectate în Google BigQuery și apoi trimise către sistemele interne de analiză ale companiei.

Datele obținute în Google BigQuery prin exportul standard pentru Google Analytics 360 și prin OWOX BI Pipeline, au fost organizate într-un cub de date. Un astfel de cub, creat într-o structură optimă, permite reducerea semnificativă a costului procesării datelor.

Diagrama de mai jos arată cum sunt colectate și îmbinate datele necesare:

Analiștii OWOX BI au dezvoltat două vederi folosind interogări SQL pentru a configura e-mailurile declanșate. Interogările reunesc datele despre acțiunile utilizatorilor de pe site, obținute prin OWOX BI Pipeline și datele obținute prin Google BigQuery Export, într-o structură optimă pentru sarcină.

Eficiența e-mailurilor a fost măsurată prin testare A/B. E-mailurile declanșate către primul grup de utilizatori au fost trimise a doua zi după vizitarea site-ului web. Celălalt grup a primit e-mailuri declanșate în puțin mai puțin de o oră, deoarece e-mailurile au fost trimise folosind datele din tabelele din Google BigQuery și din cubul de date. În ambele cazuri, e-mailurile au fost trimise prin același serviciu.

Spre deosebire de Google Analytics, valoarea câmpului userID din tabelele pivot din Google BigQuery poate fi actualizată retroactiv prin suprascrierea tabelelor. Odată ce un utilizator este autentificat pe site-ul web pe orice dispozitiv (odată ce valoarea userID este cunoscută), sesiunile anterioare ale aceluiași utilizator dobândesc și valoarea userID, dacă această valoare nu a fost specificată sau definită anterior. Datorită actualizărilor retroactive ale câmpului userID, s-au obținut date mai precise despre utilizatori și au fost trimise e-mailuri personalizate declanșate unui număr mai mare de vizitatori.

Echipa și-a dezvoltat propriul model de atribuire cu următoarele caracteristici:

• Repartizarea costurilor de achiziție a vizitatorilor pe vizitele numai din surse de trafic plătite.
• Evaluarea marjei totale per utilizator pentru 30, 60, 90 și 180 de zile.
• Luând în considerare în calcule doar datele de la cumpărătorii pentru prima dată. La o achiziție repetată, valoarea comenzii este atribuită canalului care a adus utilizatorul pe site pentru prima dată.

Acest model de atribuire a fost posibil datorită actualizărilor retroactive ale datelor din Google BigQuery, inclusiv actualizărilor la câmpul UserID și a datelor despre costurile de achiziție a vizitatorilor.

Ca rezultat al colectării datelor într-un singur stoc de date, al creării de noi e-mailuri declanșate și al actualizărilor istorice ale datelor, aceste obiective au fost atinse:

1. Îmbunătățiți KPI-urile de e-mail declanșate.

Notificările prin e-mail despre produsele abandonate sunt trimise în decurs de o oră către majoritatea utilizatorilor care au adăugat produse în coșul de cumpărături, dar nu au finalizat achiziția. Datele pentru e-mailurile declanșate sunt colectate automat, de două ori pe oră.

Eficiența noii metode de corespondență a fost confirmată prin testarea A/B:

• Numărul de vizite pe site prin e-mailuri livrate a crescut cu 76%.
• Rata de conversie pentru achizițiile de la utilizatorii care au vizitat site-ul prin e-mailuri livrate a crescut cu 12%.
• Numărul de achiziții după optimizarea e-mailului coșului abandonat a crescut cu 85%.
• Ponderea cifrei de afaceri în grupul țintă a crescut cu 237%.

2. Optimizați bugetul de publicitate și reduceți ponderea costurilor de publicitate

Graficele de mai jos prezintă date despre LTV-ul clienților pe sesiune (FM — marjă, COST — costuri) conform modelului de atribuire propriu al întreprinderii care ia în considerare valoarea de viață a clienților care au vizitat diferite grupuri de produse prin intermediul canalelor de trafic plătit. Această valoare crește în timp - un fapt care este ignorat de modelul de atribuire Last-Click. Miza maximă pentru fiecare campanie este limitată la marja obținută de companie pentru 180 de zile, excluzând costurile de reținere a clienților.

După cum se poate observa cu modelul de atribuire bazat pe CLTV pe o perioadă de 180 de zile, la început utilizatorii au venit prin canalele CPC, apoi s-au întors și au făcut achiziții repetate prin canale gratuite. Valoarea unor astfel de canale CPC s-a dovedit a fi de câteva ori mai mare decât cea conform modelului de atribuire Last-Click. Volumul și frecvența achizițiilor repetate, precum și veniturile companiei, au fost diferite pentru fiecare categorie de produs, campanie de publicitate și sursă.