Bab 9: Analitik dan Pengukuran

Kebanyakan pemasar e-mel memeriksa kadar buka mereka selepas penghantaran, berasa baik atau buruk mengenainya, dan teruskan. Itu bukan analitik. Itu membaca papan markah tanpa memahami permainannya.

Pengukuran sebenar bermaksud menghubungkan aktiviti e-mel dengan keputusan perniagaan. Ia bermaksud mengetahui kempen mana yang benar-benar menjana hasil, segmen mana yang berkembang atau menyusut, dan di mana program anda berada berbanding dengan apa yang benar-benar boleh dicapai — bukan sahaja apa yang disampaikan oleh papan pemuka ESP anda.

Bab ini merangkumi metrik yang penting, model atribusi yang mendedahkan kebenaran (dan pembohongan), serta rangka kerja analitik yang memisahkan program e-mel serius daripada yang beroperasi berdasarkan gerak hati.

KPI Mengikut Jenis Kempen

Tidak setiap e-mel perlu diukur dengan cara yang sama. Siri alu-aluan dan kempen penglibatan semula mempunyai tugas yang sama sekali berbeza, jadi ia memerlukan kad skor yang sama sekali berbeza.

Berikut cara saya menyusun rangka kerja pengukuran anda:

Beberapa perkara yang perlu diperhatikan mengenai jadual ini.

RPR (hasil setiap penerima) adalah satu-satunya metrik terpenting untuk mana-mana e-mel penjana hasil. Ia menormalkan untuk saiz senarai dan memberi gambaran sebenar tentang kecekapan kempen. E-mel kepada 10,000 orang yang menjana $5,000 mempunyai RPR $0.50. Bandingkan dengan e-mel lain kepada 50,000 orang yang menjana $8,000, yang hanya mencapai RPR $0.16. Penghantaran yang lebih kecil dan lebih terarah adalah tiga kali lebih cekap.

Untuk e-mel sejuk, abaikan kadar buka sepenuhnya. Ia tidak boleh dipercayai (terutama dengan perubahan privasi) dan tidak memberitahu anda apa-apa yang boleh diambil tindakan. Kadar balasan positif adalah yang penting. Kadar balasan positif 3-5% bermaksud sasaran, baris subjek dan tawaran anda semuanya berfungsi bersama dengan baik. Di bawah 1% bermaksud ada sesuatu yang fundamental yang rosak. Pantau bounce rate dan kadar aduan spam anda dengan teliti juga, kerana deliverability e-mel sejuk merosot dengan cepat jika anda mengenai alamat yang buruk.

Untuk surat berita, kadar pertumbuhan lebih penting daripada yang disedari kebanyakan orang. Surat berita dengan kadar buka 40% tetapi pertumbuhan pelanggan yang mendatar adalah aset yang menyusut. Anda ingin menjejaki pertumbuhan bersih (pelanggan baharu tolak berhenti langgan tolak bounces) sebagai peratusan daripada jumlah saiz senarai. Surat berita yang sihat berkembang 5-10% sebulan pada peringkat awal, stabil kepada 2-5% bulanan setelah melepasi 10,000 pelanggan.

CTOR (kadar klik-kepada-buka) lebih berguna daripada CTR mentah untuk kempen nurture kerana ia mengasingkan kualiti kandungan e-mel anda daripada prestasi deliverability dan baris subjek anda. Jika kadar buka anda kuat tetapi CTOR lemah, masalahnya ada di dalam e-mel. Jika kedua-duanya lemah, mulakan dengan deliverability.

Satu lagi metrik yang jarang mendapat perhatian yang sewajarnya: hasil setiap e-mel yang dihantar. Bukan setiap kempen, setiap e-mel individu. Ini menangkap masalah pulangan yang semakin berkurang yang datang daripada penghantaran berlebihan. Jika anda menghantar tiga kempen seminggu dan hasil setiap e-mel yang dihantar telah menurun selama tiga bulan, anda meletihkan senarai anda. Hantar lebih sedikit, jana lebih banyak setiap penghantaran. Saya telah melihat jenama yang mengurangkan kekerapan penghantaran mereka sebanyak 30% dan melihat jumlah hasil kekal stabil atau bahkan meningkat kerana penglibatan setiap e-mel naik.

Model Atribusi

Atribusi adalah tempat pemasaran e-mel menjadi politik. Setiap saluran mahukan kredit atas jualan, dan model yang anda pilih menentukan siapa yang menang.

Berikut ialah analisis jujur setiap model.

Atribusi klik terakhir adalah lalai dalam kebanyakan platform analitik. Ia memberikan 100% kredit kepada titik sentuh terakhir sebelum pembelian. Mudah, tetapi sangat mengelirukan untuk e-mel. Jika seseorang melihat iklan Instagram anda, mengklik e-mel anda dua hari kemudian, dan kemudian Googling nama jenama anda untuk membeli, carian Google mendapat semua kredit. E-mel tidak mendapat apa-apa. Model ini secara konsisten meremehkan e-mel dan menggembungkan nilai carian jenama yang kelihatan.

Atribusi klik pertama memberikan semua kredit kepada titik sentuh pertama. Bagus untuk memahami saluran mana yang memacu kesedaran, tetapi ia sepenuhnya mengabaikan segala-galanya yang berlaku antara penemuan dan pembelian. Urutan nurture enam bulan? Tidak kelihatan.

Atribusi linear membahagikan kredit secara sama rata merentasi setiap titik sentuh. Adil pada prinsipnya, tetapi ia menganggap tayangan rawak sama dengan e-mel yang mencetuskan keputusan pembelian. Bukan begitu cara pembelian sebenarnya berfungsi.

Atribusi berbentuk U (berasaskan kedudukan) memberikan 40% kepada sentuhan pertama, 40% kepada sentuhan terakhir, dan membahagikan 20% selebihnya merentasi semua yang ada di antara. Ini adalah titik permulaan yang kukuh untuk kebanyakan perniagaan kerana ia mengiktiraf bahawa momen penemuan dan momen penukaran paling penting, sambil tetap memberikan sebahagian kredit kepada nurture di antaranya.

Atribusi pereputan masa memberikan lebih banyak kredit kepada titik sentuh yang lebih dekat dengan penukaran. Separuh hayat 7 hari adalah biasa, bermaksud titik sentuh 7 hari sebelum pembelian mendapat separuh kredit daripada yang ada pada hari pembelian. Model ini paling sesuai untuk perniagaan dengan kitaran jualan yang lebih panjang (B2B, pembelian pertimbangan tinggi) di mana sentuhan terbaru benar-benar melakukan lebih banyak kerja berat.

Atribusi berasaskan data menggunakan pembelajaran mesin untuk menentukan kesan sebenar setiap titik sentuh berdasarkan data khusus anda. Google Analytics 4 menawarkan ini. Ia adalah model yang paling tepat yang tersedia, tetapi memerlukan jumlah penukaran yang signifikan untuk berfungsi dengan betul. Jika anda menjalankan kurang daripada 300-400 penukaran sebulan, model tidak akan mempunyai data yang mencukupi untuk boleh dipercayai. Untuk kebanyakan perniagaan kecil dan sederhana, atribusi berbentuk U atau pereputan masa adalah pilihan praktikal yang lebih baik.

Ryan Phelan membuat poin penting tentang semua model ini: fokus pada kenaikan berbanding atribusi klik. Tidak kira klik mana yang mendapat kredit. Yang penting ialah sama ada e-mel sebenarnya menyebabkan tingkah laku yang tidak akan berlaku sebaliknya. Setiap model atribusi adalah cerita tentang apa yang berlaku. Ujian kenaikan memberitahu anda apa yang sebenarnya berlaku.

Kumpulan kawalan adalah cara paling mudah untuk menguji ini. Tahan secara rawak e-mel daripada subset kecil audiens anda (5-10%) dan bandingkan tingkah laku pembelian mereka dengan kumpulan yang menerima e-mel. Perbezaannya memberitahu anda kesan kenaikan sebenar e-mel tersebut.

Pelanggan berbilang saluran layak mendapat perhatian di sini. Orang yang berinteraksi dengan jenama anda melalui e-mel, media sosial dan laman web anda menunjukkan kadar pembelian dan nilai sepanjang hayat kira-kira 50% lebih tinggi berbanding pelanggan saluran tunggal. E-mel sering memainkan peranan penghubung antara saluran-saluran tersebut, tetapi atribusi klik terakhir jarang menunjukkannya. Pelanggan yang membuka e-mel anda, tidak mengklik, tetapi kemudian melawat laman web anda secara langsung dua jam kemudian adalah corak biasa yang tidak kelihatan dalam kebanyakan model atribusi.

Kesan Halo

E-mel menghasilkan halo hasil yang boleh diukur pada hari penghantaran, bahkan di kalangan orang yang tidak pernah membuka e-mel. Saya membincangkan ini dalam Bab 1 kerana ia adalah asas untuk memahami nilai e-mel. Untuk tujuan atribusi, berikut adalah pengukuran praktikal: tarik hasil harian anda selama 90 hari terakhir, tandai setiap hari sebagai 'hantar' atau 'tidak hantar', kawal untuk hari dalam seminggu, dan bandingkan. Perbezaannya adalah kesan halo anda. Hari penghantaran biasanya menunjukkan jumlah hasil tapak 15-30% lebih tinggi.

Jika CFO anda mempersoalkan ROI e-mel berdasarkan nombor klik terakhir, tunjukkan kepada mereka halo hasil hari penghantaran. Sokong dengan data kenaikan dan anda telah membuat kes yang sukar untuk dipertikaikan.

Ujian Kenaikan

Ujian kenaikan adalah piawaian emas untuk memahami apa yang sebenarnya e-mel sumbangkan kepada perniagaan anda. Ia lebih mudah daripada yang difikirkan oleh kebanyakan orang.

Berikut cara menjalankannya.

Tahan secara rawak 5-10% daripada segmen daripada kempen. Jangan beritahu mereka tentang jualan. Jangan hantar peringatan troli yang ditinggalkan. Jangan hantar e-mel penglibatan semula. Biarkan sahaja mereka. Bahagian 'secara rawak' adalah kritikal. Anda memerlukan kumpulan penahanan rawak yang sebenar, bukan segmen yang anda pilih kerana mereka memang kurang terlibat.

Kemudian bandingkan kadar pembelian kumpulan yang ditahan dengan kumpulan yang diemelkan dalam tempoh yang sama. Perbezaan antara kedua-dua nombor ini adalah hasil e-mel kenaikan sebenar anda. Semua yang lain — pembelian yang akan berlaku anyway — adalah permintaan organik yang e-mel tuntut kreditnya.

Sesetengah pemasar menentang ini kerana ia bermaksud sengaja tidak menghantar e-mel kepada bakal pembeli. Tetapi pandangan yang anda perolehi jauh lebih bernilai daripada hasil kecil yang anda lepaskan daripada kumpulan penahanan 5-10%. Anggaplah sebagai pelaburan dalam memahami nilai sebenar program anda.

Inilah yang biasanya didedahkan oleh ujian. Untuk e-mel troli yang ditinggalkan, anda sering mendapati bahawa 30-50% troli yang 'dipulihkan' akan ditukar anyway. Pelanggan sentiasa akan kembali. E-mel mempercepatkan jadual mereka tetapi tidak mengubah hasilnya. Untuk kempen promosi, kenaikan biasanya lebih rendah daripada yang dijangkakan. Untuk siri alu-aluan dan aliran pasca pembelian, kenaikan cenderung lebih tinggi kerana anda membentuk tingkah laku awal.

Jalankan ujian kenaikan bulanan atau suku tahunan untuk mengekalkan pengukuran berterusan. Atribusi hasil berubah dari masa ke masa seiring program anda berkembang, komposisi senarai anda berubah, dan tingkah laku pelanggan berubah mengikut musim.

Untuk kedai e-dagang yang dioptimumkan dengan baik, jangkakan e-mel memacu 25-40% daripada jumlah hasil. Tetapi jalankan ujian kenaikan sebelum mempercayai papan pemuka ESP anda. Kebanyakan ESP menggunakan tetingkap atribusi yang murah hati (kadang-kadang 5 hari selepas klik, kadang-kadang malah selepas buka) yang menggembungkan nombor mereka. Sumbangan kenaikan sebenar hampir selalu lebih rendah daripada yang dilaporkan ESP tetapi masih mengesankan tinggi berbanding saluran lain.

Analisis Kohort untuk E-mel

Analisis kohort menjawab soalan yang disembunyikan oleh metrik agregat: adakah keadaan semakin baik atau semakin buruk dari masa ke masa?

Daripada melihat kadar buka keseluruhan anda, bahagikan pelanggan anda kepada kohort mengikut bulan atau minggu pendaftaran. Kemudian jejaki keluk penglibatan setiap kohort dari masa ke masa.

Corak yang anda cari ialah sama ada kohort yang lebih baharu lebih atau kurang terlibat berbanding yang lebih lama pada titik yang sama dalam kitaran hayat mereka. Jika pelanggan yang menyertai pada Januari mempunyai kadar buka 45% pada bulan pertama mereka tetapi pelanggan yang menyertai pada Jun hanya mencapai 35%, sesuatu telah berubah. Sumber pemerolehan anda mungkin telah beralih. Siri alu-aluan anda mungkin telah merosot. Kandungan anda mungkin menarik audiens yang berbeza.

Analisis kohort juga mendedahkan 'tebing penglibatan' — titik di mana pelanggan biasanya berhenti terlibat. Untuk kebanyakan program e-mel, terdapat penurunan mendadak di suatu tempat antara bulan 2 dan bulan 4. Mengetahui dengan tepat bila ini berlaku membolehkan anda mengatur masa kempen penglibatan semula anda dengan tepat, menangkap orang tepat sebelum mereka jatuh dan bukannya berbulan-bulan selepas mereka sudah pergi.

Jejaki metrik ini mengikut kohort:

• Lintasan kadar buka (bulan 1, 2, 3, dsb.)
• Lintasan kadar klik
• Kadar pembelian (untuk e-dagang)
• Kadar berhenti langgan mengikut bulan
• Masa dari pendaftaran ke pembelian pertama

Jika anda menjalankan surat berita, analisis kohort memberitahu anda sama ada kualiti kandungan anda bertambah baik atau merosot. Pembaca yang menyertai enam bulan lalu mengundi dengan perhatian mereka, dan keluk penglibatan mereka berbanding kohort yang lebih baharu menceritakan kebenaran.

Contoh praktikal: anda perasan bahawa kohort dari S1 tahun ini mempunyai penurunan penglibatan yang lebih curam berbanding kohort dari S1 tahun lepas. Mereka bermula pada kadar buka yang serupa tetapi jatuh lebih cepat. Ini mungkin bermaksud kandungan anda telah menjadi kurang menarik selepas beberapa e-mel pertama, atau bahawa siri alu-aluan anda menetapkan jangkaan yang tidak dipenuhi oleh kandungan biasa anda. Dalam mana-mana kes, tanpa analisis kohort, trend ini tidak kelihatan dalam nombor agregat anda.

Bina analisis kohort anda dalam hamparan jika ESP anda tidak menawarkannya secara asli. Eksport data pelanggan dengan tarikh pendaftaran, kemudian kira metrik penglibatan untuk setiap kohort bulanan pada 30, 60, 90, 120 dan 180 hari selepas pendaftaran. Plot keluk tersebut. Visual menceritakan kisah lebih cepat daripada mana-mana jadual.

Nilai Seumur Hidup Pelanggan

Kebanyakan pemasar e-mel boleh memberitahu anda kadar buka mereka sehingga dua tempat perpuluhan tetapi tidak boleh memberitahu anda berapa nilai seorang pelanggan. Itu adalah masalah, kerana tanpa nombor itu, setiap keputusan tentang perbelanjaan pemerolehan, pelaburan kandungan dan pengurusan senarai adalah tekaan.

Nilai seumur hidup pelanggan (LTV) dikira dengan mudah: purata hasil setiap pelanggan sebulan didarabkan dengan purata bulan aktif.

Jika purata pelanggan anda menjana $2.50 sebulan dalam hasil (melalui pembelian, hasil iklan atau pengewangan lain) dan kekal aktif selama 14 bulan, LTV mereka ialah $35. Sekarang anda tahu apa yang anda mampu belanjakan untuk mendapatkan pelanggan baharu.

Segmenkan LTV mengikut sumber pemerolehan. Pelanggan daripada carian organik mungkin mempunyai LTV $42 manakala pelanggan daripada media sosial berbayar mungkin $18. Ini mengubah secara dramatik cara anda memperuntukkan belanjawan pemerolehan. Tidak semua pelanggan adalah sama, dan strategi pemerolehan anda harus mencerminkan perkara itu. Saya telah melihat perniagaan yang mengagihkan semula 40% belanjawan pemerolehan mereka selepas melakukan analisis ini buat kali pertama, kerana mereka mendapati pelanggan termurah mereka juga yang paling kurang berharga.

Nisbah LTV kepada CAC (kos pemerolehan pelanggan) harus lebih besar daripada 3:1 untuk pertumbuhan yang mampan. Di bawahnya bermaksud anda membelanjakan terlalu banyak untuk memperoleh pelanggan berbanding nilai mereka. Di atas 5:1 dan anda mungkin kurang melabur dalam pertumbuhan, meninggalkan wang di atas meja.

Khusus untuk perniagaan surat berita, berikut adalah kos pemerolehan pelanggan yang biasanya:

• Program rujukan (SparkLoop): $1-3 setiap pelanggan
• Iklan media sosial: $2-5 setiap pelanggan
• Promosi silang dengan surat berita lain: $3-8 setiap pelanggan
• Pengiklanan sejuk (paparan, programatik): $5-15+ setiap pelanggan

Ekonominya berubah berdasarkan model pengewangan anda. Surat berita yang menjana $40 CPM daripada pengiklanan boleh membayar lebih setiap pelanggan berbanding yang menjana $20 CPM. Kira matematik ke belakang dari hasil setiap pelanggan anda untuk menetapkan kos pemerolehan maksimum anda.

Jangan lupa mempertimbangkan garis masa hasil. Pelanggan yang diperoleh hari ini mungkin tidak menjana dolar pertama mereka selama 30-60 hari. Jika kedudukan tunai anda ketat, sumber pemerolehan yang lebih murah dengan tempoh bayar balik yang lebih cepat mungkin lebih penting daripada pemaksimuman LTV keseluruhan.

Penjejakan Hasil E-mel

Mendapatkan nombor hasil yang tepat daripada e-mel memerlukan usaha. Berikut adalah persediaan praktikal.

Gunakan parameter UTM pada setiap pautan dalam setiap e-mel: utm_source=klaviyo, utm_medium=email, utm_campaign=[nama_kempen]. Konsisten dengan konvensyen penamaan. Jika siri alu-aluan anda dipanggil 'welcome-series' dalam satu e-mel dan 'Welcome_Series' dalam e-mel yang lain, analitik anda akan menganggapnya sebagai kempen berasingan. Dokumentasikan konvensyen penamaan UTM anda dan kongsi dengan semua orang yang mencipta e-mel.

Tambah utm_content untuk penjejakan pautan individu dalam e-mel. Gunakan untuk mengenal pasti butang atau pautan mana yang diklik: utm_content=hero-cta berbanding utm_content=footer-link. Tahap terperinci ini memberitahu anda bahagian reka bentuk e-mel anda yang sebenarnya memacu penukaran.

Hasil yang dikaitkan oleh ESP anda sentiasa akan lebih tinggi daripada hasil yang dikaitkan oleh Google Analytics. ESP menggunakan tetingkap atribusi yang murah hati, kadang-kadang mengkreditkan pembelian kepada e-mel jika seseorang membuka e-mel dalam 5 hari lepas dan kemudian membeli, walaupun mereka kembali melalui saluran yang sama sekali berbeza. GA menggunakan klik terakhir secara lalai, jadi jika seseorang mengklik e-mel anda tetapi kemudian mencari nama jenama anda di Google untuk melengkapkan pembelian, GA mengkreditkan Google.

Hasil e-mel sebenar terletak di suatu tempat antara kedua-dua nombor ini. Gunakan atribusi ESP untuk perbandingan peringkat kempen (e-mel mana yang berprestasi terbaik berbanding antara satu sama lain) dan atribusi GA untuk belanjawan peringkat saluran (berapa jumlah hasil yang dijana e-mel berbanding carian berbayar, media sosial, dsb.).

Untuk program e-dagang yang dioptimumkan dengan baik, e-mel harus memacu 25-40% daripada jumlah hasil. Jika anda di bawah 20%, program anda mempunyai ruang penambahbaikan yang signifikan. Jika anda melebihi 40%, semak atribusi anda — anda mungkin terlalu mengira. Program melebihi 50% hampir pasti terlalu mengaitkan melainkan mereka mempunyai perbelanjaan media berbayar yang sangat rendah.

Sediakan papan pemuka hasil mudah yang menunjukkan:

• Jumlah hasil yang dikaitkan kepada e-mel (ESP dan GA bersebelahan)
• Hasil setiap penerima mengikut jenis kempen
• Hasil setiap pelanggan sebulan (arah aliran dari masa ke masa)
• Peratusan jumlah hasil daripada e-mel (arah aliran dari masa ke masa)
• Hasil setiap e-mel yang dihantar (untuk mengesan pulangan yang semakin berkurang daripada penghantaran berlebihan)

Semak ini setiap minggu. Arah aliran lebih penting daripada titik data individu. Satu penghantaran yang buruk tidak bermakna banyak. Penurunan RPR tiga bulan bermaksud sesuatu yang fundamental perlu berubah.

Kadar Pertumbuhan Senarai

Kebanyakan pemasar e-mel boleh memberitahu anda berapa ramai pelanggan yang mereka ada. Sedikit yang boleh memberitahu anda sama ada senarai mereka sebenarnya berkembang, menyusut atau kekal di tempat. Kadar pertumbuhan senarai adalah metrik yang menjawab ini, dan ia lebih bernuansa daripada sekadar mengira pendaftaran baharu.

Kadar pertumbuhan senarai bersih = (pelanggan baharu - berhenti langgan - bounces - aduan) / jumlah saiz senarai x 100.

Ini adalah pengiraan bulanan. Penanda aras yang sihat:

Jika kadar pertumbuhan bersih anda negatif, senarai anda menyusut. Ini lebih biasa daripada yang disedari kebanyakan orang. Purata senarai e-mel susut kira-kira 22-25% setahun melalui churn semula jadi (orang menukar alamat e-mel, kehilangan minat, menukar pekerjaan untuk B2B). Itu bermaksud anda perlu menambah sekurang-kurangnya 2% pelanggan baharu sebulan hanya untuk kekal stabil.

Jejaki komponen ini secara berasingan:

Penambahan kasar (pelanggan baharu sebulan). Ini memberitahu anda sama ada saluran pemerolehan anda berfungsi. Jika penambahan kasar sedang menurun, siasat borang pendaftaran, sumber trafik dan magnet petunjuk anda.

Kadar churn (berhenti langgan + bounces + aduan sebagai peratusan jumlah senarai). Kadar churn yang sihat ialah 0.2-0.5% sebulan. Melebihi 1% sebulan bermaksud ada sesuatu yang salah dengan kandungan, kekerapan atau jangkaan audiens anda.

Churn mengikut sumber. Pelanggan daripada iklan media sosial berbayar biasanya churn pada 2-3 kali kadar pelanggan organik. Mengetahui ini membolehkan anda menetapkan jangkaan yang realistik untuk setiap saluran pemerolehan dan memperuntukkan belanjawan kepada sumber yang menghasilkan pelanggan yang kekal.

Penunjuk kualiti senarai sama pentingnya dengan saiz. Senarai 10,000 pelanggan yang terlibat lebih bernilai daripada senarai 50,000 di mana hanya 3,000 yang kerap membuka. Jejaki peratusan pelanggan yang terlibat (pelanggan yang membuka atau mengklik dalam 90 hari lepas dibahagi dengan jumlah saiz senarai). Di bawah 30% yang terlibat bermaksud anda membayar untuk menyimpan kenalan yang tidak menjana nilai.

Prestasi Penangkapan

Borang pendaftaran anda adalah bahagian atas corong e-mel. Jika ia berprestasi rendah, semua yang berada di bawah aliran mengalami masalah.

Penanda aras kadar penukaran pop timbul:

Jika pop timbul anda menukar di bawah 2%, ada sesuatu yang salah. Masalah yang paling biasa: ia muncul terlalu awal (sebelum pelawat mempunyai sebarang konteks), tawaran tidak cukup menarik, borang meminta terlalu banyak maklumat (nama + e-mel + telefon = geseran tinggi), atau reka bentuknya mengganggu tanpa menjadi berharga.

Penanda aras penangkapan e-mel halaman pendaratan bergantung pada sumber trafik dan tawaran:

Ukur kadar penangkapan mengikut sumber trafik. Pelawat daripada carian organik menukar secara berbeza daripada rujukan media sosial. Pop timbul yang menukar pada 5% untuk trafik organik mungkin menukar pada 1% untuk trafik sosial kerana niat pelawat adalah berbeza. Laraskan tawaran dan masa anda dengan sewajarnya.

Metrik untuk dijejaki bagi pengoptimuman penangkapan berterusan:

• Kadar tayangan-kepada-penyerahan (berapa peratus orang yang melihat borang anda yang sebenarnya mengisinya)
• Kadar pengabaian borang (mula mengisi tetapi tidak menghantar)
• Kadar penangkapan mengikut peranti (mudah alih berbanding desktop — borang mudah alih sering menukar 30-50% lebih rendah jika tidak dioptimumkan dengan betul)
• Kadar penangkapan mengikut halaman (halaman mana yang menjana pendaftaran paling banyak, dan adakah halaman trafik tinggi tanpa borang pendaftaran?)
• Masa-kepada-pop timbul berbanding penukaran (uji masa kelewatan yang berbeza — kadang-kadang menunggu lebih lama menghasilkan pelanggan berkualiti lebih tinggi walaupun jumlah keseluruhan jatuh)

Kebanyakan alat pop timbul ESP (Klaviyo, OptinMonster, Privy, Justuno) menyediakan analitik ini secara asli. Jika yang anda gunakan tidak, sediakan penjejakan acara dalam GA4 untuk tayangan borang dan penyerahan.

Menentukan Kekerapan Penghantaran Optimum

Soalan yang paling biasa dalam pemasaran e-mel ialah "berapa kerap saya perlu menghantar e-mel kepada senarai saya?" Jawapan jujurnya: ia bergantung pada audiens, jenis kandungan dan model perniagaan anda. Tetapi terdapat cara berstruktur untuk mengetahuinya.

Lebih banyak biasanya lebih baik, sehingga satu titik. Penyelidikan menunjukkan bahawa menghantar 9-16 e-mel sebulan memberikan ROI 46:1 berbanding hanya 13:1 untuk penghantaran bulanan. Kadar buka kekal konsisten antara sekali sebulan dan dua kali seminggu — penurunan hanya berlaku dengan penghantaran harian. Siling adalah lebih tinggi daripada yang difikirkan oleh kebanyakan jenama.

Keluk pulangan yang semakin berkurang. Setiap e-mel tambahan yang anda hantar setiap minggu menghasilkan kurang hasil setiap e-mel secara berperingkat. E-mel mingguan pertama mungkin menjana RPR $2.00. Yang kedua mungkin menjana $1.50. Yang ketiga, $0.80. Yang keempat, $0.40. Pada satu ketika, hasil marginal daripada satu lagi e-mel diimbangi oleh peningkatan berhenti langgan dan penurunan penglibatan. Kekerapan optimum anda adalah titik tepat sebelum itu berlaku.

Cara mencari had kekerapan anda:

1. Mulakan dengan kekerapan semasa anda sebagai garis asas. Ukur RPR, kadar berhenti langgan dan kadar penglibatan.
2. Tingkatkan kekerapan satu penghantaran seminggu selama empat minggu. Jejaki metrik yang sama.
3. Jika RPR setiap e-mel jatuh tetapi jumlah hasil mingguan meningkat, penghantaran tambahan adalah berbaloi.
4. Jika kadar berhenti langgan meningkat lebih daripada 0.1 mata peratusan setiap penghantaran, anda telah melepasi had.
5. Jika kadar penglibatan (buka, klik) jatuh lebih daripada 10% secara keseluruhan, undur.

Garis panduan kekerapan umum mengikut jenis:

Hasil setiap e-mel yang dihantar adalah metrik utama di sini. Bukan jumlah hasil daripada e-mel. Bukan hasil setiap kempen. Hasil setiap e-mel individu yang dihantar. Metrik ini menangkap masalah penghantaran berlebihan yang disembunyikan oleh nombor agregat. Jika jumlah hasil e-mel anda stabil tetapi anda menghantar dua kali lebih banyak e-mel, hasil setiap e-mel yang dihantar anda telah separuh. Anda bekerja dua kali lebih keras untuk hasil yang sama sambil mempercepatkan keletihan senarai.

Kekerapan berasaskan penglibatan (dibincangkan secara terperinci dalam Bab 3) adalah pendekatan terbaik untuk kebanyakan jenama. Daripada satu kekerapan untuk semua orang, peringkatkan penghantaran anda mengikut tahap penglibatan. Pelanggan yang paling terlibat mendapat setiap kempen. Yang sederhana terlibat mendapat kandungan terbaik anda sahaja. Yang paling kurang terlibat mendapat penghantaran minimum semasa anda cuba melibatkan semula mereka. Pendekatan ini biasanya mengekalkan atau meningkatkan jumlah hasil sambil mengurangkan berhenti langgan sebanyak 20-40%.