Читаем E-mail маркетинг для интернет‑магазина. Инструкция по внедрению полностью

E-mail маркетинг для интернет‑магазина. Инструкция по внедрению

Если ваше среднее – 5 заказов с рассылки, то вы будете понимать, что текущая акция, принесшая 10 заказов, очень удачна, а подборка новинок, после анонса которой последовал только 1 заказ, провалилась.

Хорошо, если на каждую 1000 подписчиков в рассылке приходится 1 заказ – т. е. конверсия к базе составляет 0,1 %. Средние показатели – 0,02–0,03 %. Впрочем, если товары недорогие и пользуются постоянным спросом (книги, сувениры), отклик может быть и выше.

Доход

Как и количество заказов, доход с рассылки – индивидуальный показатель. На первых порах хорошо, если вы будете просто окупать расходы на e-mail маркетинг. С постепенным ростом базы можно рассчитывать выйти в плюс.

Повышение дохода (как и количества заказов) осуществляется за счет экспериментов с предложениями, количеством товаров в письмах и их средними ценниками. Конечно, товары с более низкой стоимостью (до 3–4 тысяч рублей) продаются в рассылке лучше, чем более дорогие товары (свыше 10 тысяч рублей). Для дорогих товаров требуется больше писем («касаний»), больше информации и рычагов убеждения.

Примечание

Итоги рассылки подводим в графе «примечание». Последовательно оцениваем каждый показатель, двигаясь по таблице слева направо (начинаем с коэффициента доставки). Формулируем мысли кратко и намечаем возможные корректировки.

Например:

Доставка высокая (99 %), просмотры и клики приличные (привлекла скидка в теме), отписка и жалобы на спам в норме, количество заказов и доход – лучшие за последнее время (распродажа сработала). Хорошо. Добавить напоминание про акцию в следующее письмо.

Статистика автоматических рассылок

Сбор и анализ результатов для автоматических писем очень похож на измерения в массовой рассылке. В конце концов, это тоже письма – их открывают, а по ссылкам в них кликают и выполняют целевые действия на сайте. Однако есть и нюансы.

Когда измерять

Автоматические письма отправляются каждый день, но измерять их так же часто нецелесообразно. Объемы ежедневных отправок не так уж и велики (несколько десятков, может быть, сотня писем – в то время как при массовой рассылке письма уходят тысячами). Да и просто проводить измерения ежедневно чересчур трудоемко. Удобнее измерять эффективность автоматических писем периодически, примерно раз в месяц.

Когда ведется отладка конкретного письма, замеры можно проводить чаще, но для полного набора авторассылок такой периодичности вполне достаточно.

Что измерять

Заведем еще одну таблицу под названием «Статистика автоматических рассылок» и будем создавать в ней отдельные листы для каждого типа писем.

• Бонус за подписку и напоминание о бонусе

У этих двух сообщений есть своя специфика – они отправляются через CMS, поэтому подробной статистики (доставка, просмотры, клики) по ним нет. Однако мы можем косвенно судить об эффективности работы этих писем по количеству использованных промокодов.

Организуем статистику по ним следующим образом:

В столбцах будем указывать количество промокодов по месяцам в формате: сгенерировано/использовано. Подсчитаем также % использования (с точностью до одного знака после запятой).

Предусмотрим суммарные и средние показатели за весь год, чтобы было с чем сравнивать результаты каждого месяца.

• Welcome e-mail

На новом листе «Статистики» будем собирать данные по приветственному письму:

Это практически универсальная структура таблицы для замеров автоответчиков.

В верхней части прописываем основные сведения по письму:

Название и момент отправки (например, welcome e-mail, на следующий день после подписки, в 8:00 по Мск).

Тема – тема автоматического письма.

Содержание – контент письма (удобно размещать ссылку на браузерную версию).

UTM – метка utm_campaign, использовавшаяся во всех ссылках (например, auto_welcome).

Ниже ведем учет показателей, во многом аналогичных массовой рассылке:

Дата – календарная дата замера.

Информация о доставке (Отпр, Дост, Откр, Кл, Отп, В спам) – та же, что и в массовой рассылке.