Ретроспективный анализ рассылок: о чём стоило подумать два года назад

Билли и Долл полезли на стол
Знакомиться с новым котом.
Первым был Билл, он шишку набил.
А Долли свалилась потом.

Проект с историей — это всегда кот в мешке. В первые недели и даже месяцы работы вы обязательно столкнётесь с проявлениями индивидуального стиля маркетологов, которые прошли через него до вас. Бессистемные utm-метки, отсутствие шаблонов, каша-мала из разнообразных офферов в каждом письме, бесконечные изменения в настройках сегментов, письма с названиями «Копия Первая рассылка 2», некорректная интеграция и далее по списку. С таким наследством можно как-то жить, постепенно приводя все практики к корректному, единообразному и системному виду. Но есть задачи, на которых такие исторические данные просто поставят крест.

Представьте, что бизнес дорос до желания жить по-новому и пригласил вас на проект, чтобы вы проанализировали опыт рассылок за два года и нашли инсайты — что именно приносит деньги. Далее вы должны исключить из применительной практики то, что неэффективно с точки зрения заработка, а удачные приемы возвести в систему. И вот вы смотрите на всё это и понимаете, что данные неполны, некорректны и не поддаются систематизации, а следовательно, ни о каком data-driven подходе пока не может быть и речи.

В общем, плохо, когда твой предшественник не сделал ничего для того, чтобы облегчить тебе жизнь. Ужасно, если этот предшественник — ты сам. Два года назад ты не загадывал надолго и смотрел на одну рассылку вперед, а теперь тебе подают вот эти вот данные по утрам и некому тебя пожалеть.

Читайте также

Стратегия email маркетинга для сложного продукта — наш пример

Попробуем разобраться, какие принципы организации email-маркетинга сделают будущий ретроспективный анализ рассылок возможным и полезным для бизнеса.

Изучаем контекст и собираем бизнес-требования

Email-маркетинг существует не в вакууме — он связан с закупками трафика, производством контента, планом продаж, возможностями клиентской поддержки и прочее, прочее. И он не является самоцелью. Бизнесу, как правило, интересна связь рассылок с доходом, а не средний Open Rate за два года.

Чтобы понять, какие вопросы к данным могут возникнуть в компании через месяц, год или два, изучите контекст, в котором находитесь, опросите коллег из маркетинга и продаж, взгляните на проект с точки зрения собственника. Список вопросов зависит от специфики бизнеса. Он может быть, например, таким:

1. Лиды с каких источников трафика приносят больше всего денег?
2. Какие письма стимулируют первую покупку лучше всего?
3. Какова роль приветственной серии в окупаемости лидов?
4. Какие акции наиболее эффективны?
5. Какие типы контента дают больше переходов на сайт?
6. Какие бонусы стимулируют покупки лучше всего?

Сформулировав вопросы, подумайте: действительно ли вы понимаете их физический смысл? Часто вопрос выглядит простым. Все как бы понимают, о чём речь, но на самом деле нет. Попробуйте описать механику поиска ответа на вопрос «Лиды с каких источников трафика приносят больше всего денег». Застопоритесь уже на том, что вам непонятно, что считать единицей источника трафика (об этом в самом конце).

Итак, вопросы к данным должны учитывать потребности и практику работы всей команды, быть бизнес-ориентированными и описываться в терминах параметров пользователей.

Изучаем возможности используемых платформ

На многие ваши вопросы ответят стандартные отчёты в платформе рассылок. Но не на все. Какие-то данные придётся добирать из Google Analytics, базы данных сайта и других систем. Возможно, потребуется совместить данные из разных платформ, поэтому лучше сразу проверить возможность выгрузки данных и формат файлов выгрузки.

Пример 1

В платформе Mindbox выгрузка стандартного отчёта «Доходность по каналам регистрации потребителей» представляет собой сводные данные по всем покупкам всех пользователей, зарегистрировавшихся в определённый диапазон дат. Там нет информации по дате регистрации потребителя и датам его покупок. Поэтому, если вас интересует доход с источника N в течение месяца после регистрации, из этого отчёта вы такую информацию не получите. Вам придётся придумать другой способ накопить и извлечь эти данные.

Пример 2

В платформе Mindbox выгрузка стандартного отчёта «Доходность рассылок» содержит как сводные данные, так и информацию по каждому заказу, включая идентификатор пользователя в базе сайта. Совместив эти данные с выгрузкой из базы данных сайта, вы сможете, например, выявить рассылки с высокой долей первых заказов.

Пример 3

Платформа ExpertSender в сводном отчёте по email-сообщениям даёт возможность группировать письма по тегам. То есть вы можете посмотреть, какие тематики писем сгенерировали больше всего переходов на сайт за определённый период.

От того, насколько полно стандартная отчётность платформы отвечает на ваши вопросы, зависят ваши решения: какую информацию о пользователе постить в платформу при импорте данных, какие utm-метки проставлять в письмах и т. д.

Поэтому крайне важно понимать, как устроена платформа, каковы её возможности и ограничения.

Формируем сегменты подписчиков

Надо понимать, что сравнивать можно только сравнимые вещи. Доходность на единицу доставленных у письма, отправленного по всей базе, будет разительно отличаться от доходности письма, отправленного по сегменту регулярных покупателей. Это не значит, что все письма надо слать по одному сегменту. Просто нужно выработать логичные правила формирования сегментов и в дальнейшем придерживаться их.

Читайте также

Сегменты и группы в MailChimp: как настроить и пользоваться

Пример 1

Допустим, в течение месяца вы сделали 5 ручных проморассылок по всей базе. И каждый раз формировали сегмент как в первый раз. Получилось так:

И вроде бы качество сегментов примерно одинаково, но, во-первых, это не точно, а во-вторых, даже формальные различия в настройках потребуют от вас их ручного анализа. Вам придётся задуматься о том, корректно ли сравнивать эти сегменты друг с другом, а это лишняя на вас нагрузка.

Пример 2

Вы профилируете пользователей по полу и часть рассылок делаете только на мужчин или только на женщин. И вот в течение месяца вы слали женские письма тем, у кого в профиле указан женский пол. А потом вспомнили, что есть ещё те, кто профиль не заполнил, и стали слать женские письма тем, у кого в профиле указан женский пол и у кого в профиле пол не указан совсем. Аналогично с мужскими письмами. Потом вы решили, что слать людям неизвестного пола по два гендерно-ориентированных письма в неделю нерелевантно, и вернулись к прежней схеме.

В общем, ничего страшного, но при сравнительном анализе эффективности гендерных рассылок вам придется исключить из рассмотрения часть писем. А качество анализа зависит от объёма данных, поэтому, чем больше писем вы включаете в анализ, тем более объективными будут ваши выводы.

Поэтому, чтобы правильно формировать сегменты:

— анализируйте все возможные значения параметров в фильтре;

— анализируйте влияния каждого параметра на качество сегмента;

— строго соблюдайте правила фильтрации.

Разрабатываем стандарты utm-разметки

Мы ставим метки с одной целью: посмотреть, как пользователи вели себя на сайте после перехода из писем. Данные о поведении этих пользователей хранит система аналитики, подключенная к сайту (как правило, Google Analytics).

Метки в письмах можно было бы не ставить в ситуациях, когда:

• нас не интересует поведение пользователей на сайте после перехода из письма,
• мы получаем всю интересующую нас информацию о поведении непосредственно в рассыльной системе.

Например, Mindbox даёт информацию о количестве заказов, конверсии в заказы и доходе с конкретной рассылки в стандартном отчёте. Поэтому для определения этих данных нам не требуется GA и, соответственно, utm-метки.

Но email-маркетинг существует в рамках общего маркетинга компании, где система аналитики часто имеет самостоятельную ценность. Поэтому трафик из рассылок надо размечать хотя бы для того, чтобы:

• снизить объём неопознанного трафика,
• оценивать качество других каналов трафика в сравнении с email-каналом,
• иметь дополнительный срез данных для проверки, бьются ли данные друг с другом (например, если данные по транзакциям в GA в разы отличаются от данных по транзакциям в Mindbox, то это повод проверить корректность интеграции сайта с Mindbox).

То есть у нас нет выбора — ставить метки или не ставить. Наша задача — ставить метки так, чтобы они отвечали на важные для нас вопросы.

Читайте также

Что такое utm-метки и зачем они нужны

Пример 1

Интернет-магазин отправляет подписчикам следующие типы писем: промо, приветственные, транзакционные. Ниже перечислены важные для маркетологов вопросы и принципы расстановки меток, которые позволят на эти вопросы ответить.

Вопрос: сколько денег зарабатывает интернет-магазин с email-канала?

Решение: во всех письмах поставить utm_medium=email.

Вопрос: сколько денег зарабатывает интернет-магазин с приветственной цепочки?

Решение:

• во всех письмах поставить utm_medium=email,
• в письмах приветственной цепочки поставить utm_campaign=welcome.

Вопрос: сколько денег приносит интернет-магазину каждое письмо из приветственной цепочки?

Решение:

• во всех письма поставить utm_medium=email,
• в письмах приветственной цепочки поставить utm_campaign=welcome,
• в каждом письме приветственной цепочки поставить utm_content=[email_name]

Таким образом, для этого интернет-магазина вырисовывается следующая структура utm_меток:

Пример 2

Компания оказывает b2b-услуги для разных категорий клиентов. На сайте есть формы заявок на услуги. В сервисе рассылок настроены приветственные письма, промо, брошенная форма.

Вопрос: сколько заявок на услуги компания получает с писем?

Решение: во всех письмах проставить utm_medium=email.

Вопрос: сколько заявок на услуги компания получает с писем, отправленных на пользователей категории N?

Решение:

• во всех письмах проставить utm_medium=email,
• во всех письмах поставить utm_source=[user_category].

Вопрос: сколько заявок на услуги компания получает с писем типа «брошенная форма», отправленных на пользователей категории N?

Решение:

• во всех письмах проставить utm_medium=email,
• во всех письмах поставить utm_source=[user_category],
• в письмах типа «брошенная форма» проставить utm_campaign=abandonment

Таким образом, для этой компании получаем следующую структуру utm_меток:

Вряд ли кто-то может похвастаться тем, что разработал единственно верную структуру utm-меток для своего проекта. Всегда возможны вариации со своими достоинствами и недостатками. Но стремиться к совершенству можно и нужно. В этом хорошо помогает такой прием: продумывать структуру для всего маркетинга в целом, а не конкретно для email-маркетинга.

Пример 3

Контент-портал подписывает пользователей на email- и push-рассылки. Трафик приходит с платных источников. При подписке на каждый канал пользователю отправляется приветственная серия сообщений. Анонсы новых статей доставляются и через email, и через push. Дополнительный заработок портала — реклама Google Adsense. Аккаунт Google Adsense привязан к GA.

Вопрос: сколько денег портал заработал с анонсов статей?

Решение: во всех каналах проставить utm_campaign=articles.

Вопрос: сколько денег портал заработал с анонсов статьи N через email-канал?

Решение:

• во всех каналах проставить utm_campaign=articles,
• во всех каналах проставить utm_content=[article_name],
• во всех письмах проставить utm_medium=email.

Вопрос: сколько денег портал заработал с анонсов статьи N по подписчикам с источника M?

Решение:

• во всех каналах проставить utm_campaign=articles,
• во всех каналах проставить utm_content=[article_name],
• во всех каналах проставить utm_source=[traffic_source].

Таким образом, для этого портала имеем:

Иногда решить определённые задачи помогают префиксы. Так, при разметке новостных писем с помощью utm_campaign=[news_name] мы можем посмотреть поведение трафика с этой конкретной рассылки, но не видим поведения со всех новостных рассылок за интересующий период. Решить проблему можно, включив в метку префикс: utm_campaign=news_[news_name].

В метки можно подставлять значения пользовательских полей и системные переменные. В ExpertSender можно подставить в метку переменную *[message_shortdate]*, которая обозначает дату отправки сообщения.

Пример

Трафик с рассылок размечен utm_campaign=news_*[message_shortdate]*, что позволяет смотреть как суммарные данные по всем новостным рассылкам за период, так и данные по конкретной рассылке.

Продумываем содержание писем и подачу информации в письмах

Вопрос «Какие акции наиболее эффективны?» подразумевает, что акции поддаются формализованному описанию.

Представьте, что у вас на руках информация о заработке с проморассылок, отправленных за последний год. Вы исключили рассылки по нестандартным сегментам, пересчитали доходность на единицу доставленных и отсортировали список по этому параметру, получив топ писем по доходности.

Как же применить эти данные? Нужно выявить общие характеристики успешных акций.

Читайте также

Какие ошибки в utm-метках мешают правильно анализировать email-маркетинг

Пример

Протегировав рассылки, вы можете отфильтровать те, что содержат определенный тег, посчитать среднюю доходность писем с таким тегом и сравнить её с доходностью по другим тегам.

Чтобы такой анализ стал возможным, нужно задумываться об этом на этапе подготовки акций и писем. Хорошо, если вы придумали несколько типов акций и в течение года отправляли письма с их анонсами, оформленные по определённым шаблонам. Например, такие:

• с акцентом на ограниченность срока действия,
• с бонусом за любой заказ,
• с бонусом за заказ на определенную сумму,
• со скидкой на все,
• со скидкой на подборку товаров.

Если же вы слали письма, похожие на сборную солянку всех возможных предложений, каждый раз меняя макет письма и проставленные текстом и дизайном акценты, вам будет сложно и проставить теги, и выявить закономерности.

Вывод: работать на ретроспективу

Работа email-маркетолога — как внедрение рассылок, так и рутина — влияет на решения, которые будут приняты в компании спустя месяцы и годы. Когда вы (или кто-то другой) будете проводить ретроспективный анализ своей сегодняшней деятельности и искать в её результатах инсайты, вам в любом случае будет сложно, потому что аналитика — это энергозатратный процесс. Но вы можете избежать хотя бы ощущения полной тоски и безысходности, присущих человеку, который копается в бессистемных и несвязных обрывках статистических данных.

P.S. Так что там с источниками трафика?

Ответ на вопрос «Что такое единица источника трафика?» зависит от ваших потребностей. Если вы спрашиваете с целью определить, из какой системы пришёл лид, то источник трафика для вас — фейсбук. Если вам важно, какие рекламные кампании дают хороших лидов, то фейсбук — это ни о чём. У вас может быть миллион кампаний в фейсбук, и они все приносят разный результат. Продолжать такие рассуждения можно до бесконечности, но лучше попробуем сформулировать вариант решения задачи.

1. Закупщики трафика должны вести таблицы соответствия между кодом источника трафика (sourceID), utm-метками этого трафика и настройками рекламных кампаний. Например, трафик, пришедший по ссылке с параметрами utm_source=vkads&utm_medium=cpc&utm_campaign=8march&sourceID=vkads1 — это трафик с рекламной кампании в «ВКонтакте», посвящённой 8 марта, с таргетингом на женщин старше 30 лет из ЦФО.
2. Фиксировать источник трафика при получении лида. Например, лида, полученного с трафика с параметрами из примера выше, отметить параметром sourceID=vkads1 в базе сайта и платформе рассылок.
3. Создать отчёт по анализу LTV подписчиков, полученных с определённого источника трафика.
4. Сформировать когорты для анализа исходя из sourceID и периода получения лида (например, номер недели в году).
5. Используя данные из базы сайта, отслеживать доход с когорты, полученный в течение недели, двух недель, месяца и т. д.
6. Используя матрицу соответствия между sourceID и настройками рекламных кампаний, анализировать причины высокого или низкого LTV, выявлять закономерности и масштабировать успешные закупки.