Недитячий досвід: автоматизація e-mail розсилок в Kinderly :: Shopolog.ru

1. близько спаму
2. біль автоматизації
3. Міф # 1: більше тригерів - більше виручка
4. Міф # 2: автоматизовані товарні рекомендації завжди працюють
5. прозорість

Масові e-mail-розсилки для інтернет-магазину - як стрільба з гармати по горобцях: довго, дорого і неефективно. Клієнтська база поступово вигорає, продажу не ростуть і після вже п'яти листів 75% людей не відкривають навіть правильно складений пропозицію. Спрацьовують таргінг розсилки і персоналізація повідомлень, але налаштувати їх вручну - завдання не з легких.

Маркетинг-директор компанії Kinderly Марія ЯДРИХИНСЬКИЙ розповідає, як автоматизація розсилок дозволила розвіяти міфи маркетологів інтернет-магазину і вийти на новий рівень.

близько спаму

У 2011 році проект Kinderly починався як інтернет-магазин дитячого одягу та взуття. Головна проблема цієї категорії товарів - яскраво виражена сезонність (ще сильніше, ніж в продажах одягу для дорослих). Завбачливі батьки купують одяг на зиму в вересні-жовтні, а листопад і грудень - мертвий сезон, коли всі чекають розпродажів. Саме в цей час ми посилювали традиційний маркетинг, побудований на SEO і контекстну рекламу, промо-розсилками для покупців. У міжсезоння ми закуповували стоки продукції і пропонували покупцям товари зі знижками в 50-70%. Продажі росли - розсилки працювали.

З ростом обсягів ми отримали можливість закуповувати ще більше товару за низькими цінами і частіше влаштовувати розпродажі. Ми буквально завалювали наших клієнтів листами, але в якийсь момент зростання продажів з e-mail розсилок сповільнилося, хоча база адрес продовжувала зростати. Аудиторія втратила інтерес до спец-пропозицій і акцій, а самі розсилки перестали залучати нових передплатників і приводили до відмирання старої бази. Намагаючись вирішити проблему, ми пробували реанімувати передплатників контентом - листами з цікавими статтями та корисним змістом. Але це спрацювало ненадовго: статті набридають, до того ж, скільки цікавих матеріалів ви зможе написати про дитячому одязі?

Висновок, до якого ми прийшли - необхідно скоротити кількість розсилок на кожну конкретну людину, при цьому не зменшуючи кількість всіх листів. Це можна зробити за допомогою тригерних розсилок - персоналізованих листів, складених по конкретним сценаріями поведінки користувачів на сайті, з найбільш підходящими кожному з них пропозиціями.

Але як реалізувати це рішення?

біль автоматизації

Ми почали вручну налаштовувати тригерні розсилки через систему ExpertSender . Це зручний інструмент для розсилки листів, але він не дозволяв перенести дані про покупців, побудувати призначені для користувача сегменти (виділити людей, які купили взуття, або людей, які минулого тижня дивилися іграшки), щоб автоматично відправляти листи з вигідними пропозиціями. Сегменти будувалися в адмінці сайту вручну, створювалися тригерні події. Як тільки спрацьовував один з тригерів, в системі управління сайтом через спеціальний додаток-месенджер в ExpertSender йшло автоматичне письмо з проханням реалізувати розсилку по «ось цим людям». Верстка і відправка кожного такого листа займали багато часу. В місяць нам вдавалося реалізувати тільки 4-5 тригерних розсилок. Мало, враховуючи, що до цього промо-розсилки у нас йшли по два рази в день.

Автоматизувати цей складний процес: побудова сегментів, вибірку аудиторії і тут же отримати аналіз ефективності тригерів, за допомогою власних засобів та «розсильників», ми не змогли. Так прийшли до сервісу Mindbox, який пообіцяв перенести повний масив даних про покупців і надати можливість моментально будувати сегменти і запускати тригерні розсилки.

Інтеграція не пройшла гладко, були нюанси, до яких виявився не готовий Mindbox . Наприклад, дані товарів мали безліч параметрів і додаткових характеристик. Колір, сезон, бренд, розмір, підлога - параметри вибору одного товару, які важливо враховувати при аналізі поведінки покупця на сайті і побудові користувальницьких сегментів. Через два місяці після початку роботи з Mindbox ми все ще не могли повноцінно користуватися розсильників і навіть проставляти UTM-мітки в листах. До сих пір є певні складнощі з цією програмою розсилки, коли для підготовки нового листа вам необхідно зайти в три різних місця, щоб задати потрібні параметри. Порівнюючи з ExpertSender, це досить незручно.

Олександр Гірник, виконавчий директор Mindbox

Основна складність - інтеграція з системою управління сайтом Insales. Так, наприклад, всередині цієї програми один користувач міг мати безліч e-mail-адрес, або на один технічний адресу було зареєстровано кілька покупців (оператори call-центру так роблять, коли користувач відмовляється надавати дані). В результаті ми почали "склеювати" і "розклеювати" покупців між собою в розсилках, і листи не завжди йшли за потрібне адресатам.

Але це був один з перших e-commerce клієнтів і наш перший великий досвід в цьому сегменті, який ми купили за свої гроші (інтеграція і обкатка системи проходила безкоштовно). В тому числі, завдяки Kinderly ми зуміли змінити складний інтерфейс розсилок і прискоритися - тепер інтеграція займає 2-4 дні.

Поступово нам вдалося перенести листи з ExpertSender в Mindbox і запустити три механіки: товарні рекомендації, коли після замовлення користувачам приходить інформація про схожі або комплементарних товарах; купони - знижки після замовлення на конкретну категорію товарів; механіку «кинутих переглядів» з тематичної розсилкою - якщо людина переглядав товари з однієї категорії і не здійснював купівлю, ми висилали йому статтю - як правильно вибирати товари з цієї категорії.

Через півроку роботи ми налаштували понад 100 купівельних сегментів, а число тригерних подій в розсилках виросло в 10 разів у порівнянні з ручним режимом. Замість автоматичних товарних рекомендацій, які ми раніше відправляли по базі, ми змогли реалізувати індивідуальні рекомендації з урахуванням складності і специфіки продукту. Автоматизація дозволила побачити ефективність кожної розсилки.

Ми зуміли розвінчати два поширених міфу e-mail-маркетингу.

Міф # 1: більше тригерів - більше виручка

На початку експериментів з розсилками у нас була гіпотеза - прибутковість розсилок зростає з їх кількістю. Ми припускали, що кожна триггерная розсилка принесе додаткові продажу, які відіб'ються на загальній картині.

З переходом на Mindbox ми в рази збільшили кількість тригерів за 2-3 місяці. Виручка з таких листів виявилася вищою. Але більша частина цих розсилок ігнорується користувачами. Необхідно не просто збільшувати кількість тригерів - потрібно розвивати стратегію в цілому.

Для Kinderly спрацювали розсилки статей по механіці «кинутий перегляд» - хороший контент розсилають не всі. Менш успішними були тригери за товарними рекомендацій. Або люди не хочуть знати, що ми можемо додатково запропонувати їм. Або ж необхідно краще оформляти листи. Але я боюся, що справа не в цьому. Люди звикли до того, що товарні рекомендації існують у відриві від реальних очікувань і переваг. Звідси випливає висновок №2.

Міф # 2: автоматизовані товарні рекомендації завжди працюють

Автоматизувати розсилку товарних рекомендацій просто - достатньо скористатися послугами готового сервісу. Але не у випадку, коли ви реалізуєте специфічні товари з масою додаткових параметрів. Жодна система, проаналізувавши поведінку користувача на сайті, не здогадається, що нормальна мама купила б в парі з ортопедичними дитячими сандалями. І навряд чи такий робот згадає, що через три місяці нога у дитини виросте і йому знадобляться нові сандалі. Готові сервіси збирають статистику, але не персональні дані і живуть у відриві від реальності. Уявіть, що раптово потепліло, сніг розтанув і людям стали необхідні гумові чоботи, але розсильників зафіксував в статистиці за минулий період попит на напівкомбінезони і валянки (звідки йому знати, що з напівкомбінезонами варто запропонувати гумові чоботи?).

З переходом на Mindbox ми зуміли налаштувати вручну товарні рекомендації, що враховують складні сценарії. До певного моменту ці тригери будуть «спати». Розсилка спрацює по команді менеджера, як тільки прогноз погоди покаже, що через три дні настане потепління, з'являться калюжі, і людям терміново знадобляться гумові чоботи. Або перед травневими святами покупцям терміново знадобляться легкі черевики. Таким чином, ми навчили програму приймати рішення про товарні рекомендаціях більш класово.

прозорість

Один з показників ефективності маркетингу торгової компанії - кількість замовлень на людину в рік. Протягом останніх двох років ми росли за цим параметром, особливо, коли робили багато розсилок з сезонними знижками і стічними колекціями. І незважаючи на труднощі з автоматизацією ми зуміли вирости на 30% по тригерним розсилок по відношенню до показників минулого року. Плюс, на ці ж 30% збільшилася конверсія самих розсилок. Кращий результат показав сценарій «кинутого перегляду» - OR 43% і CR 17%.

Завдяки автоматизації у нас з'явилося більше вимірних показників для оцінки маркетингу. Так, ми сформували сегмент за накопичувальними знижками і побачили, що люди з першого рівня накопичувальної знижки мають велику частку в обороті компанії. А люди з великим рівнем знижки формують найвищий середній чек. Ми отримали доступ до інформації з того, скільки часу проходить між замовленнями, і як розподіляються частки людей за кількістю замовлень (скільки покупців з одним замовленням, двома і т.д.). Звикання або лояльність до магазину складно формується при першому замовленні, і не так багато людей переходять до другої покупці. Але вже після другого замовлення ймовірність подальших покупок різко зростає. На певному етапі нам вже не треба так сильно підтримувати залучення людей. Вони вже звикли, знають нас і підуть саме до нас. Глобально ці знання дозволяють формувати точні персоналізовані повідомлення та впливати на показники середнього чека і кількості замовлень по одному клієнту. Ми набагато краще бачимо провали і діри, де необхідно докласти максимум зусиль.