วิธีบรรลุอัตราการแปลงอีเมล 15% สำหรับตัวแทนการท่องเที่ยว

สำหรับบริษัทตัวแทนท่องเที่ยวออนไลน์ ความท้าทายหลักอยู่ที่การทำให้ลูกค้าไม่เพียงแค่เลือกบริษัทตัวแทนนี้เท่านั้น แต่กลับมาใช้บริการในครั้งต่อไปและกลายเป็นลูกค้าประจำ เนื่องจากผู้คนมักจะลืมไปว่าพวกเขาซื้อทริปที่ไหนพร้อมกับความจริงที่ว่ามันเป็นโอกาสที่หายาก (โดยปกติปีละครั้ง) เอเจนซี่จึงพยายามทำให้แน่ใจว่าลูกค้าจะจดจำเรื่องนี้ได้ทุกเมื่อที่ต้องการบริการด้านการเดินทางอีกครั้ง

ในกรณีนี้ เราอธิบายวิธีแก้ปัญหาโดยทีมงาน OWOX BI สำหรับตัวแทนท่องเที่ยวออนไลน์ขนาดใหญ่ที่เป็นพันธมิตรกับผู้ให้บริการทัวร์มากกว่า 130 ราย และให้บริการทัวร์สำหรับทุกรสนิยมในกว่า 80 ประเทศ

เนื่องจากบริการที่บริษัทจัดหาให้นั้นค่อนข้างแพงและการซื้อทริปไม่ใช่สิ่งที่บุคคลทำบ่อย การรักษาลูกค้าและการมีส่วนร่วมใหม่เป็นหนึ่งในเป้าหมายหลักของบริษัท พร้อมกับการดึงดูดลูกค้าใหม่

เว็บไซต์ของหน่วยงานให้บริการด้านการเดินทางและการท่องเที่ยว โดยมีผู้เข้าชมเฉลี่ย 100,000,000 คนต่อเดือน ลูกค้าสามารถชำระเงินสำหรับทัวร์ที่เลือกได้บนเว็บไซต์ ในสำนักงานของบริษัท หรือโดยบริษัทจัดส่ง บริษัทยังมีคอลเซ็นเตอร์ที่ช่วยให้ลูกค้าจองทัวร์หรือรับคำถามทางโทรศัพท์ได้

เมื่อมองหาวิธีเพิ่มอัตราการแปลงและการขาย บริษัทจึงตัดสินใจทำการทดลองสองครั้งและเปรียบเทียบว่าสิ่งใดมีประสิทธิภาพมากกว่า: การให้บริการทางโทรศัพท์หรือส่งอีเมล

เครื่องมือวิเคราะห์ที่ดำเนินการโดยหน่วยงาน ได้แก่

• Google Analytics — ใช้เพื่อติดตามการโต้ตอบของผู้ใช้กับเว็บไซต์: การคลิก การดูหน้าเว็บ การค้นหาภายใน ความลึกในการเลื่อน เวลาระหว่างเซสชัน จำนวนภาพที่ดู การเข้าชมจากอุปกรณ์ต่างๆ ข้อมูลเกี่ยวกับธุรกรรมทั้งหมดของลูกค้า รวมถึงธุรกรรมของศูนย์บริการ จะถูกส่งไปยัง Google Analytics ผ่าน Measurement Protocol
• OWOX BI Pipeline — ใช้เพื่อรวบรวมและรวมข้อมูลที่ได้รับทั้งหมดใน Google BigQuery ในเวลาที่ใกล้เคียงกัน

ข้อมูลเกี่ยวกับทัวร์และราคาทัวร์ในช่วง 14 วันที่ผ่านมาจะถูกเก็บไว้ในคลังสินค้าของบริษัท ClickHouse

นอกจากนี้ หน่วยงานยังเพิ่มโทเค็นให้กับอีเมลทุกฉบับในแคมเปญการตลาดทางอีเมล ซึ่งช่วยให้สามารถติดตามอัตราการเปิด คลิก และปริมาณการใช้งานสำหรับผู้รับอีเมลแต่ละราย ประมาณ 10% ของการเข้าชมเว็บไซต์ถูกระบุโดยใช้การรับรองความถูกต้องโดยใช้โทเค็น

หากผู้ใช้ดำเนินการบางอย่างบนเว็บไซต์ อาจถือว่าผู้ใช้รายนี้กำลังวางแผนการเดินทาง การช่วยเหลือเขาในการซื้อของนั้นคุ้มค่าโดยการโทรออกและเสนอตัวเลือกที่น่าสนใจที่สุดสำหรับสิ่งที่เขากำลังมองหา

นักการตลาดของเอเจนซี่ได้สร้างฐานข้อมูลของหมายเลขโทรศัพท์ที่ใช้คุณลักษณะหลายอย่างซึ่งลูกค้าสามารถเพิ่มลงในการเลือกได้ ตัวอย่างเช่น ลูกค้ายินดีที่จะซื้อทัวร์หากพวกเขา:

• ใช้การค้นหา 5 ครั้งและดูมากกว่า 15 ทัวร์
• ใช้การค้นหา 10 ครั้งในหนึ่งสัปดาห์และดูมากกว่า 15 ทัวร์
• ใช้การค้นหา 10 ครั้ง ดู 20 ทัวร์ ดูรูปภาพ หรือเลื่อนลงเพื่ออ่านรีวิว 10 ทัวร์

ต่อไป นักการตลาดจะเลือกเฉพาะลูกค้าที่ทราบหมายเลขโทรศัพท์เท่านั้น คนเหล่านี้คือคนที่เคยใช้เอเจนซี่เพื่อเดินทางหรือขอบรรจุภัณฑ์แบบไดนามิก จากนั้นจึงสร้างข้อเสนอส่วนบุคคลตามข้อมูลเกี่ยวกับรีสอร์ท โรงแรม และประเภทที่พักที่ลูกค้ารายหนึ่งสนใจ ข้อเสนอถูกส่งไปยังผู้จัดการที่โทรหาลูกค้าและเสนอให้ซื้อทัวร์ที่เหมาะสมที่สุดกับคำขอของพวกเขา

แม้ว่าเอเจนซีจะได้รับผลตอบรับในเชิงบวกเป็นส่วนใหญ่ แต่ก็ไม่สามารถเพิ่มยอดขายได้ เนื่องจากอัตรา Conversion สำหรับการโทรที่เย็นโดยเฉลี่ยอยู่ที่ 3% นอกจากนี้ ผู้ให้บริการคอลเซ็นเตอร์ยังใช้เวลาพูดคุยกับลูกค้ามากเกินไป การทดลองไม่ประสบความสำเร็จ และบริษัทก็ตัดสินใจที่จะทำการทดลองใหม่

สำหรับการทดสอบครั้งที่สอง อีกครั้งที่พฤติกรรมเว็บไซต์ของลูกค้าได้รับการวิเคราะห์ แต่การสื่อสารถูกเปลี่ยนเป็นอีเมล

ทุกวัน มีการเพิ่มแพ็คเกจทัวร์ 40 ล้านรายการในเว็บไซต์ โดยจะแตกต่างกันไปตามจุดหมายปลายทาง วันที่ออกเดินทาง ระยะเวลา โรงแรม ห้องพัก อาหาร จำนวนคนในกลุ่ม และผู้ให้บริการทัวร์ นอกจากนี้ พารามิเตอร์และราคาทัวร์สามารถเปลี่ยนแปลงได้ตลอดทั้งวัน เป็นผลให้มีแพ็คเกจที่ไม่ซ้ำกันมากถึง 220 ล้านรายการบนเว็บไซต์ หน่วยงานสามารถนำเสนอทัวร์ที่น่าสนใจสำหรับผู้ใช้เฉพาะรายได้อย่างไร

ตัวอย่างเช่น หากผู้เยี่ยมชมเว็บไซต์ค้นหาโรงแรมระดับ 5 ดาวแบบรวมทุกอย่างในกรีซเป็นอันดับแรก และจากนั้นเริ่มมองหาโรงแรมที่ถูกกว่า ก็อาจถือว่าเขากำลังมองหาที่พักที่คุ้มค่าที่สุดด้วยงบประมาณที่จำกัด เนื่องจากลูกค้ามักจะตัดสินใจใช้จ่ายเงินมากกว่าที่วางแผนไว้ในตอนแรก หากพวกเขาได้รับข้อเสนอที่สำคัญที่สุดสำหรับพวกเขา การตัดสินใจคือการส่งอีเมลถึงลูกค้าเหล่านั้นด้วยทัวร์ที่เพิ่งมีราคาถูกลงมาก พารามิเตอร์เช่นเวลาหรือระยะเวลาของแผนกถือว่ามีความสำคัญรองสำหรับลูกค้า และสามารถปรับเปลี่ยนได้เล็กน้อยเพื่อรวมข้อเสนอ

อีกตัวอย่างหนึ่งคือลูกค้าที่วางแผนจะไปเที่ยวกรีซกับสมาชิกในครอบครัวสามคนสำหรับการเข้าพัก 10-14 คืนในช่วงสิ้นเดือนกรกฎาคม เขาเข้าชมเว็บไซต์และมองหาโรงแรมริมทะเลที่รวมทุกอย่างแล้ว พร้อมใช้จ่ายสูงถึง 80,000 ดอลลาร์ ข้อมูลเกี่ยวกับการเปลี่ยนแปลงราคาในโรงแรมกรีกในช่วง 14 วันที่ผ่านมาถูกจัดเก็บไว้ในฐานข้อมูลของหน่วยงาน ผู้เชี่ยวชาญด้านการตลาดสามารถเลือกทัวร์ที่ราคาลดลงได้มากที่สุด และรับที่ใกล้เคียงที่สุดกับวันที่ของแผนกและระยะเวลาวันหยุดที่ลูกค้าค้นหา แม้ว่าข้อเสนอจะไม่ตรงกัน แต่ลูกค้ามักจะจัดวันที่ใหม่หากเขารู้ว่าราคาลดลงเท่าใดและโชคดีเพียงใดที่ได้รับข้อเสนอนี้

ในทางเทคนิค การทดลองจะดำเนินการดังนี้:

1. รายชื่อสมาชิกอีเมลถูกสร้างขึ้นโดยการสอบถามฐานข้อมูลเว็บไซต์
2. Google BigQuery ใช้เพื่อสร้างรายชื่อผู้ใช้เว็บไซต์ที่ใช้งานอยู่และวิเคราะห์การค้นหาของพวกเขา
3. สคริปต์ทำงานตามช่วงเวลาปกติที่ตั้งไว้ล่วงหน้า เพื่อให้ตรงกับข้อมูลจากทั้งสองรายการและดูว่าสมาชิกกำลังมองหาอะไรบนเว็บไซต์
4. ถัดไป ข้อมูลเกี่ยวกับทัวร์และราคาใน ClickHouse จะถูกสอบถามเพื่อรับทัวร์ที่ตรงกับการค้นหาเฉพาะของลูกค้าแต่ละราย
5. ข้อมูลที่ได้รับจะใช้เพื่อสร้างอีเมลส่วนบุคคลและส่งออก

ด้วยการส่งอีเมลพร้อมข้อเสนอที่สร้างขึ้นโดยอัตโนมัติ เอเจนซี่สามารถบรรลุ KPI ต่อไปนี้:

• อัตราการเปิดอีเมล — 85%
• อัตราการคลิกอีเมล — 65%
• อัตราการแปลงอีเมล — 15%

ต่างจากการทดลองกับการโทรแบบเย็น หน่วยงานไม่จำเป็นต้องเกี่ยวข้องกับทรัพยากรของคอลเซ็นเตอร์ ด้วยระบบธุรกิจอัจฉริยะที่มีประสิทธิภาพ หน่วยงานยังคงทดสอบสมมติฐานต่างๆ เพื่อปรับปรุงอัตราการแปลงอีเมล