Hoofdstuk 9: Analyse en meting

De meeste e-mailmarketeers controleren hun openingspercentage na een verzending, voelen zich er goed of slecht bij, en gaan verder. Dat is geen analyse. Dat is het lezen van een scorebord zonder het spel te begrijpen.

Echte meting betekent het verbinden van e-mailactiviteit met bedrijfsresultaten. Het betekent weten welke campagnes daadwerkelijk inkomsten genereren, welke segmenten groeien of krimpen, en waar uw programma staat ten opzichte van wat werkelijk haalbaar is — niet alleen wat uw ESP-dashboard u vertelt.

Dit hoofdstuk behandelt de statistieken die er toe doen, de attributiemodellen die de waarheid (en leugens) onthullen, en de analytische frameworks die serieuze e-mailprogramma's scheiden van programma's die op intuïtie draaien.

KPI's per campagnetype

Niet elke e-mail moet op dezelfde manier worden gemeten. Een welkomstserie en een heractiverencampagne hebben compleet verschillende taken, dus hebben ze compleet verschillende scorekaarten nodig.

Dit is hoe ik uw meetframework zou structureren:

Een paar dingen die de moeite waard zijn op te merken over deze tabel.

RPR (omzet per ontvanger) is de enige belangrijkste statistiek voor elke inkomstengenererende e-mail. Het normaliseert voor lijstgrootte en geeft u een echt beeld van de campagne-efficiëntie. Een e-mail naar 10.000 mensen die $5.000 genereert, heeft een RPR van $0,50. Vergelijk dat met een andere e-mail naar 50.000 mensen die $8.000 genereert, die slechts $0,16 RPR haalt. De kleinere, meer gerichte verzending was drie keer efficiënter.

Voor koude e-mails kunt u openingspercentages volledig negeren. Ze zijn onbetrouwbaar (vooral met privacywijzigingen) en ze vertellen u niets uitvoerbaars. Het positieve antwoordpercentage is wat telt. Een positief antwoordpercentage van 3-5% betekent dat uw targeting, onderwerpregel en aanbod allemaal goed samenwerken. Onder 1% is er iets fundamenteel mis. Houd ook uw bounce rate en spamklachtpercentage nauwlettend in de gaten, want de afleverbaarheid van koude e-mails verslechtert snel als u slechte adressen raakt.

Voor nieuwsbrieven telt de groeisnelheid meer dan de meeste mensen beseffen. Een nieuwsbrief met 40% openingspercentage maar vlak abonneegroei is een krimpend actief. U wilt de netto groei (nieuwe abonnees minus uitschrijvingen minus bounces) als percentage van de totale lijstgrootte bijhouden. Gezonde nieuwsbrieven groeien in vroege stadia met 5-10% per maand, en stabiliseren naar 2-5% maandelijks zodra u 10.000 abonnees overschrijdt.

CTOR (click-to-open-rate) is nuttiger dan ruwe CTR voor nurture-campagnes omdat het de kwaliteit van uw e-mailinhoud isoleert van uw afleverperformance en onderwerpregelprestaties. Als uw openingspercentage sterk is maar CTOR zwak, ligt het probleem binnenin de e-mail. Als beide zwak zijn, begin dan met afleverbaarheid.

Nog een statistiek die zelden de aandacht krijgt die ze verdient: omzet per verzonden e-mail. Niet per campagne, per individuele e-mail. Dit vangt het probleem van afnemende rendementen op dat voortkomt uit overmatig verzenden. Als u drie campagnes per week verstuurt en uw omzet per verzonden e-mail al drie maanden daalt, vermoeit u uw lijst. Stuur minder, verdien meer per verzending. Ik heb merken gezien die hun verzendfrequentie met 30% verminderden en de totale omzet zagen stabiliseren of zelfs toenemen omdat de betrokkenheid per e-mail omhoog ging.

Attributiemodellen

Attributie is waar e-mailmarketing politiek wordt. Elk kanaal wil de eer voor de verkoop, en het model dat u kiest bepaalt wie wint.

Dit is de eerlijke analyse van elk model.

Last-click-attributie is de standaard in de meeste analyseplatforms. Het geeft 100% van de eer aan het laatste contactmoment voor de aankoop. Eenvoudig, maar diep misleidend voor e-mail. Als iemand uw Instagram-advertentie ziet, twee dagen later op uw e-mail klikt, en vervolgens uw merknaam googelt om te kopen, krijgt de Google-zoekopdracht alle eer. E-mail krijgt niets. Dit model onderwaardeert e-mail stelselmatig en blaast de schijnbare waarde van merksearch op.

First-click-attributie geeft alle eer aan het eerste contactmoment. Goed om te begrijpen welke kanalen bewustwording stimuleren, maar het negeert volledig alles wat er is gebeurd tussen ontdekking en aankoop. Een zes maanden durende nurture-reeks? Onzichtbaar.

Lineaire attributie verdeelt de eer gelijkmatig over elk contactmoment. In principe eerlijk, maar het behandelt een willekeurige weergave hetzelfde als de e-mail die de aankoopbeslissing triggerde. Niet zo werkt kopen in werkelijkheid.

U-vormige (positiegebaseerde) attributie geeft 40% aan het eerste contact, 40% aan het laatste contact, en verdeelt de resterende 20% over alles daartussenin. Dit is een solide startpunt voor de meeste bedrijven omdat het erkent dat het ontdekkingsmoment en het conversiemoment het meest tellen, terwijl het toch enige eer geeft aan de nurture daartussenin.

Tijdvervalattributie geeft meer eer aan contactmomenten dichter bij de conversie. Een halfwaardetijd van 7 dagen is gebruikelijk, wat betekent dat een contactmoment 7 dagen vóór de aankoop de helft van de eer krijgt van een contactmoment op de dag van aankoop. Dit model werkt het best voor bedrijven met langere verkoopcycli (B2B, aankopen met hoge overweging) waarbij recente contacten daadwerkelijk meer van het zware werk doen.

Datagestuurde attributie gebruikt machine learning om de werkelijke impact van elk contactmoment te bepalen op basis van uw specifieke gegevens. Google Analytics 4 biedt dit aan. Het is het meest nauwkeurige beschikbare model, maar het heeft een significant conversievolume nodig om correct te werken. Als u minder dan 300-400 conversies per maand heeft, heeft het model onvoldoende gegevens om betrouwbaar te zijn. Voor de meeste kleine en middelgrote bedrijven is U-vormige of tijdvervalattributie een betere praktische keuze.

Ryan Phelan maakt een belangrijk punt over al deze modellen: focus op incrementaliteit boven klikattributie. Het maakt niet uit welke klik de eer krijgt. Wat telt is of de e-mail daadwerkelijk gedrag heeft veroorzaakt dat anders niet zou hebben plaatsgevonden. Elk attributiemodel is een verhaal over wat er is gebeurd. Incrementaliteitstests vertellen u wat er werkelijk is gebeurd.

Controlegroepen zijn de eenvoudigste manier om dit te testen. Hou willekeurig e-mails achter van een kleine subset van uw publiek (5-10%) en vergelijk hun aankoopgedrag met de groep die de e-mail ontving. Het verschil vertelt u de ware incrementele impact van die e-mail.

Multikanaalabonnees verdienen hier aandacht. Mensen die met uw merk omgaan via e-mail, sociale media en uw website vertonen ongeveer 50% hogere aankooppercentages en levensduurwaarden dan enkelvoudige kanaalabon­nees. E-mail speelt vaak de verbindende rol tussen die kanalen, maar last-click-attributie laat dat zelden zien. De abonnee die uw e-mail opent, niet klikt, maar twee uur later direct uw site bezoekt, is een veelvoorkomend patroon dat in de meeste attributiemodellen onzichtbaar is.

Het Halo-effect

E-mail produceert op verzenddagen een meetbare omzethalo, zelfs onder mensen die de e-mail nooit hebben geopend. Ik behandelde dit in Hoofdstuk 1 omdat het fundamenteel is voor het begrijpen van de waarde van e-mail. Voor attributiedoeleinden is dit de praktische meting: haal uw dagelijkse omzet van de afgelopen 90 dagen op, tag elke dag als 'verzending' of 'geen verzending', corrigeer voor dag van de week, en vergelijk. Het verschil is uw halo-effect. Verzenddagen vertonen doorgaans 15-30% hogere totale site-omzet.

Als uw CFO de ROI van e-mail in twijfel trekt op basis van last-click-cijfers, laat hem dan de omzethalo van de verzenddag zien. Onderbouw het met incrementaliteitsgegevens en u heeft een zaak opgebouwd die moeilijk te weerleggen is.

Incrementaliteitstesten

Incrementaliteitstesten is de gouden standaard voor het begrijpen van wat e-mail werkelijk bijdraagt aan uw bedrijf. Het is eenvoudiger dan de meeste mensen denken.

Dit is hoe u er een uitvoert.

Onderdruk willekeurig 5-10% van een segment van een campagne. Vertel hen niet over de verkoop. Stuur de herinnering voor verlaten winkelwagens niet. Stuur de heractiverings-e-mail niet. Laat ze er gewoon buiten. Het 'willekeurig' gedeelte is kritisch. U hebt een echte willekeurige wachthoudgroep nodig, geen segment dat u heeft gekozen omdat ze toch al minder betrokken waren.

Vergelijk vervolgens het aankooppercentage van de onderdrukte groep met de e-mailgroep over dezelfde periode. Het verschil tussen deze twee cijfers is uw werkelijke incrementele e-mailomzet. Al het andere — de aankopen die toch zouden zijn gedaan — is organische vraag waarvoor e-mail de eer opeist.

Sommige marketeers verzetten zich hiertegen omdat het betekent dat ze bewust geen e-mails sturen naar potentiële kopers. Maar het inzicht dat u verkrijgt is veel meer waard dan de kleine omzet die u opgeeft van een 5-10% wachthoudgroep. Zie het als een investering in het begrijpen van de werkelijke waarde van uw programma.

Dit is wat de test doorgaans onthult. Voor e-mails over verlaten winkelwagens zult u vaak merken dat 30-50% van de 'herstelde' winkelwagens sowieso zou hebben geconverteerd. De klant was altijd van plan terug te komen. De e-mail versnelde hun tijdlijn maar veranderde de uitkomst niet. Voor promotionele campagnes is de incrementaliteit doorgaans lager dan verwacht. Voor welkomstserieën en post-aankoop-flows is de incrementaliteit doorgaans hoger omdat u vroeg gedrag vormt.

Voer maandelijks of per kwartaal incrementaliteitstests uit om voortdurende meting te handhaven. Omzetattributie verschuift in de loop van de tijd naarmate uw programma evolueert, uw lijstsamenstelling verandert en klantgedrag seizoensmatig verschuift.

Voor een goed geoptimaliseerde e-commercewinkel verwacht u dat e-mail 25-40% van de totale omzet aandrijft. Maar voer de incrementaliteitstest uit voordat u het dashboard van uw ESP gelooft. De meeste ESP's gebruiken royale attributievensters (soms 5 dagen na de klik, soms zelfs na opening) die hun cijfers opblazen. De werkelijke incrementele bijdrage is bijna altijd lager dan de ESP rapporteert, maar nog steeds indrukwekkend hoog vergeleken met andere kanalen.

Cohortanalyse voor e-mail

Cohortanalyse beantwoordt een vraag die geaggregeerde statistieken verbergen: worden de dingen beter of slechter in de loop van de tijd?

In plaats van naar uw algemene openingspercentage te kijken, verdeelt u uw abonnees in cohorten per aanmeldingsmaand of -week. Vervolgens volgt u de betrokkenheidscurve van elk cohort in de loop van de tijd.

Het patroon waarnaar u zoekt is of nieuwere cohorten meer of minder betrokken zijn dan oudere cohorten op hetzelfde punt in hun levenscyclus. Als abonnees die zich in januari aanmeldden een openingspercentage van 45% hebben in hun eerste maand, maar abonnees die zich in juni aanmeldden slechts 35% bereiken, is er iets veranderd. Uw acquisitionsbron kan zijn verschoven. Uw welkomstserie kan zijn verslechterd. Uw inhoud kan een ander publiek aantrekken.

Cohortanalyse onthult ook de 'betrokkenheidsklif' — het punt waarop abonnees doorgaans stoppen met betrokken te zijn. Voor de meeste e-mailprogramma's is er een scherpe daling ergens tussen maand 2 en maand 4. Weten wanneer dit precies gebeurt stelt u in staat uw heractiverencampagnes nauwkeurig te timen, waarbij u mensen vangt net voordat ze afhaken in plaats van maanden nadat ze al zijn weggegaan.

Volg deze statistieken per cohort:

• Openingspercentage traject (maand 1, 2, 3, enz.)
• Klikpercentage traject
• Aankooppercentage (voor e-commerce)
• Uitschrijvingspercentage per maand
• Tijd tot eerste aankoop vanaf aanmelding

Als u een nieuwsbrief beheert, vertelt cohortanalyse u of de kwaliteit van uw inhoud verbetert of afneemt. De lezers die zes maanden geleden zijn aangemeld, stemmen met hun aandacht, en hun betrokkenheidscurve vergeleken met nieuwere cohorten vertelt de waarheid.

Een praktisch voorbeeld: u merkt dat cohorten uit Q1 van dit jaar een steilere betrokkenheidsdaling hebben dan cohorten uit Q1 van vorig jaar. Ze beginnen op vergelijkbare openingspercentages maar zakken sneller. Dit kan betekenen dat uw inhoud minder overtuigend is geworden na de eerste paar e-mails, of dat uw welkomstserie verwachtingen wekt die uw reguliere inhoud niet waarmaakt. Hoe dan ook, zonder cohortanalyse zou deze trend onzichtbaar zijn in uw geaggregeerde cijfers.

Bouw uw cohortanalyse in een spreadsheet als uw ESP het niet native aanbiedt. Exporteer abonneegegevens met aanmelddata, bereken vervolgens betrokkenheidsstatistieken voor elk maandelijks cohort bij 30, 60, 90, 120 en 180 dagen na aanmelding. Plot de curven. Het visuele vertelt het verhaal sneller dan welke tabel dan ook.

Abonneelevenswaarde

De meeste e-mailmarketeers kunnen u hun openingspercentage tot op twee decimalen vertellen, maar kunnen u niet vertellen wat een abonnee waard is. Dat is een probleem, want zonder dat getal is elke beslissing over acquisitieuitgaven, inhoudsinvesteringen en lijstbeheer een gok.

Abonneelevenswaarde (LTV) wordt eenvoudig berekend: gemiddelde omzet per abonnee per maand vermenigvuldigd met gemiddeld actieve maanden.

Als uw gemiddelde abonnee $2,50 per maand aan omzet genereert (via aankopen, advertentie-inkomsten of andere monetisatie) en 14 maanden actief blijft, is hun LTV $35. Nu weet u wat u zich kunt veroorloven te besteden aan het werven van een nieuwe abonnee.

Segmenteer LTV op acquisitionsbron. Abonnees uit organisch zoeken kunnen een LTV van $42 hebben terwijl abonnees uit betaalde sociale media $18 kunnen zijn. Dit verandert drastisch hoe u acquisitiebudget toewijst. Niet alle abonnees zijn gelijk, en uw acquisitionsstrategie zou dat moeten weerspiegelen. Ik heb bedrijven gezien die 40% van hun acquisitiebudget herverdeelden nadat ze deze analyse voor het eerst deden, omdat ze ontdekten dat hun goedkoopste abonnees ook hun minst waardevolle waren.

De LTV tot CAC (klantacquisitiekosten) verhouding moet groter zijn dan 3:1 voor duurzame groei. Daaronder geeft u te veel uit om abonnees te werven ten opzichte van wat ze waard zijn. Boven 5:1 investeert u waarschijnlijk te weinig in groei en laat u geld op de tafel liggen.

Voor nieuwsbriefbedrijven specifiek, dit is wat abonneewerving doorgaans kost:

• Verwijzingsprogramma's (SparkLoop): $1-3 per abonnee
• Advertenties op sociale media: $2-5 per abonnee
• Kruisbevruchting met andere nieuwsbrieven: $3-8 per abonnee
• Koude advertenties (display, programmatic): $5-15+ per abonnee

De economie verandert op basis van uw monetisatiemodel. Een nieuwsbrief die $40 CPM verdient aan advertenties kan meer per abonnee betalen dan een die $20 CPM verdient. Werk de wiskunde achterwaarts vanaf uw omzet per abonnee om uw maximale acquisitiekosten in te stellen.

Vergeet niet rekening te houden met de omzettijdlijn. Een abonnee die vandaag wordt geworven, genereert mogelijk zijn eerste dollar pas na 30-60 dagen. Als uw liquiditeitspositie krap is, kunnen goedkopere acquisitionsbronnen met snellere terugverdientijden belangrijker zijn dan algemene LTV-maximalisatie.

E-mailomzettracking

Nauwkeurige omzetcijfers uit e-mail vereist werk. Dit is de praktische instelling.

Gebruik UTM-parameters op elke link in elke e-mail: utm_source=klaviyo, utm_medium=email, utm_campaign=[campagnenaam]. Wees consistent met naamgevingsconventies. Als uw welkomstserie 'welcome-series' heet in de ene e-mail en 'Welcome_Series' in de andere, zal uw analyse ze als afzonderlijke campagnes behandelen. Documenteer uw UTM-naamgevingsconventie en deel deze met iedereen die e-mails maakt.

Voeg utm_content toe voor het volgen van afzonderlijke links in e-mails. Gebruik het om te identificeren welke knop of link is geklikt: utm_content=hero-cta versus utm_content=footer-link. Dit detailniveau vertelt u welke onderdelen van uw e-mailontwerp daadwerkelijk conversies aandrijven.

Uw door ESP-toegeschreven omzet zal altijd hoger zijn dan uw door Google Analytics-toegeschreven omzet. ESP's gebruiken royale attributievensters, soms waarbij een aankoop aan e-mail wordt gecrediteerd als iemand de e-mail in de afgelopen 5 dagen heeft geopend en vervolgens heeft gekocht, ook als ze via een volledig ander kanaal terugkwamen. GA gebruikt standaard last-click, dus als iemand op uw e-mail klikte maar vervolgens uw merknaam googelde om de aankoop te voltooien, crediteert GA Google.

De werkelijke e-mailomzet ligt ergens tussen deze twee cijfers in. Gebruik ESP-attributie voor vergelijking op campagneniveau (welke e-mails presteren het beste ten opzichte van elkaar) en GA-attributie voor budgettering op kanaalniveau (hoeveel totale omzet genereert e-mail vergeleken met betaald zoeken, sociale media, enz.).

Voor goed geoptimaliseerde e-commerceprogramma's zou e-mail 25-40% van de totale omzet moeten aandrijven. Als u onder 20% zit, heeft uw programma aanzienlijke ruimte voor verbetering. Als u boven 40% zit, controleer dan uw attributie — u kunt overmatig tellen. Programma's boven 50% schrijven bijna zeker te veel toe, tenzij ze een zeer lage betaalde mediauitgave hebben.

Stel een eenvoudig omzetdashboard in dat weergeeft:

• Totale aan e-mail toegeschreven omzet (ESP en GA naast elkaar)
• Omzet per ontvanger per campagnetype
• Omzet per abonnee per maand (trend in de tijd)
• Percentage van totale omzet uit e-mail (trend in de tijd)
• Omzet per verzonden e-mail (om afnemende rendementen door overmatig verzenden te detecteren)

Bekijk dit wekelijks. Trends zijn belangrijker dan individuele datapunten. Eén slechte verzending betekent niet veel. Een daling van drie maanden in RPR betekent dat er iets fundamenteels moet veranderen.

Lijstgroeisnelheid

De meeste e-mailmarketeers kunnen u vertellen hoeveel abonnees ze hebben. Weinigen kunnen u vertellen of hun lijst daadwerkelijk groeit, krimpt of op de plek blijft. Lijstgroeisnelheid is de statistiek die dit beantwoordt, en het is genuanceerder dan alleen nieuwe aanmeldingen tellen.

Netto lijstgroeisnelheid = (nieuwe abonnees − uitschrijvingen − bounces − klachten) / totale lijstgrootte x 100.

Dit is een maandelijkse berekening. Gezonde benchmarks:

Als uw netto groeisnelheid negatief is, krimpt uw lijst. Dit is gebruikelijker dan de meeste mensen beseffen. De gemiddelde e-maillijst daalt door natuurlijk verloop (mensen die e-mailadressen veranderen, interesse verliezen, van baan wisselen voor B2B) met ongeveer 22-25% per jaar. Dat betekent dat u minimaal 2% nieuwe abonnees per maand moet toevoegen alleen maar om gelijk te blijven.

Volg deze componenten afzonderlijk:

Bruto toevoegingen (nieuwe abonnees per maand). Dit vertelt u of uw acquisitiekanalen werken. Als de bruto toevoegingen dalen, onderzoek dan uw aanmeldingsformulieren, verkeersbronnen en leadmagneten.

Verlooppercentage (uitschrijvingen + bounces + klachten als percentage van de totale lijst). Een gezond verlooppercentage is 0,2-0,5% per maand. Boven 1% per maand betekent dat er iets mis is met uw inhoud, frequentie of publieksverwachtingen.

Verloop op bron. Abonnees van betaalde sociale media-advertenties verlopen doorgaans 2-3 keer sneller dan organische abonnees. Dit weten stelt u in staat realistische verwachtingen voor elk acquisitiekanaal in te stellen en budget toe te wijzen aan bronnen die abonnees produceren die blijven.

Lijstkwaliteitsindicatoren tellen net zoveel als grootte. Een lijst met 10.000 betrokken abonnees is meer waard dan een lijst met 50.000 waarbij slechts 3.000 regelmatig openen. Volg uw betrokken abonneespercentage (abonnees die de afgelopen 90 dagen hebben geopend of geklikt gedeeld door de totale lijstgrootte). Onder 30% betrokken betekent dat u betaalt om contacten op te slaan die geen waarde genereren.

Capture-prestaties

Uw aanmeldingsformulieren zijn de top van de e-mailable. Als ze ondermaats presteren, lijdt alles stroomafwaarts.

Benchmarks voor pop-upconversieratio:

Als uw pop-up onder 2% converteert, is er iets mis. De meest voorkomende problemen: het verschijnt te vroeg (voordat de bezoeker enige context heeft), het aanbod is niet overtuigend genoeg, het formulier vraagt om te veel informatie (naam + e-mail + telefoon = hoge wrijving), of het ontwerp is opdringerig zonder waardevol te zijn.

Benchmarks voor e-mailcapture op landingspagina zijn afhankelijk van verkeersbron en aanbod:

Meet de capturepercentage per verkeersbron. Bezoekers van organisch zoeken converteren anders dan verwijzingen via sociale media. Een pop-up die converteert op 5% voor organisch verkeer, kan converteren op 1% voor sociaal verkeer omdat de bezoekersintentie anders is. Pas uw aanbiedingen en timing dienovereenkomstig aan.

De statistieken om bij te houden voor doorlopende capture-optimalisatie:

• Vertonings-naar-inzendratio (welk percentage van de mensen die uw formulier zien, vult het daadwerkelijk in)
• Formulierabandonneerpercentage (begon in te vullen maar heeft niet verzonden)
• Capturepercentage per apparaat (mobiel vs desktop — mobiele formulieren converteren vaak 30-50% minder als ze niet goed zijn geoptimaliseerd)
• Capturepercentage per pagina (welke pagina's genereren de meeste aanmeldingen, en zijn er pagina's met veel verkeer zonder aanmeldingsformulier?)
• Tijd tot pop-up vs conversie (test verschillende vertragingstijden — soms levert langer wachten abonnees van hogere kwaliteit op, ook al daalt het totale volume)

De meeste ESP pop-uptools (Klaviyo, OptinMonster, Privy, Justuno) bieden deze analyses native. Als die van u dat niet doet, stel dan gebeurtenisbeheer in in GA4 voor formuliervertoningen en -inzendingen.

Optimale verzendfrequentie bepalen

De meest gestelde vraag in e-mailmarketing is "hoe vaak moet ik mijn lijst e-mailen?" Het eerlijke antwoord: dat hangt af van uw publiek, uw inhoudstype en uw bedrijfsmodel. Maar er is een gestructureerde manier om dat te ontdekken.

Meer is (gewoonlijk) beter, tot op een punt. Onderzoek toont aan dat het verzenden van 9-16 e-mails per maand een ROI van 46:1 oplevert, vergeleken met slechts 13:1 voor maandelijkse verzendingen. Openingspercentages blijven consistent tussen één keer per maand en twee keer per week — de daling treedt alleen op bij dagelijkse verzendingen. Het plafond ligt hoger dan de meeste merken denken.

De curve van afnemende rendementen. Elke extra e-mail die u per week verzendt, levert incrementeel minder omzet per e-mail op. De eerste wekelijkse e-mail kan $2,00 RPR genereren. De tweede kan $1,50 genereren. De derde, $0,80. De vierde, $0,40. Op een gegeven moment wordt de marginale omzet van nog een e-mail gecompenseerd door toegenomen uitschrijvingen en verminderde betrokkenheid. Uw optimale frequentie is het punt net daarvoor.

Hoe u uw frequentieplafond vindt:

1. Begin met uw huidige frequentie als basislijn. Meet RPR, uitschrijvingspercentage en betrokkenheidspercentage.
2. Verhoog de frequentie met één verzending per week gedurende vier weken. Volg dezelfde statistieken.
3. Als RPR per e-mail daalt maar de totale wekelijkse omzet toeneemt, is de extra verzending de moeite waard.
4. Als het uitschrijvingspercentage met meer dan 0,1 procentpunt per verzending stijgt, heeft u het plafond overschreden.
5. Als het betrokkenheidspercentage (openingen, klikken) meer dan 10% daalt over de hele linie, trek u dan terug.

Algemene frequentierichtlijnen per type:

Omzet per verzonden e-mail is hier de sleutelstatistiek. Niet de totale omzet van e-mail. Niet de omzet per campagne. Omzet per individueel verzonden e-mail. Deze statistiek vangt het probleem van overmatig verzenden dat geaggregeerde cijfers verbergen. Als uw totale e-mailomzet stabiel is maar u verzendt tweemaal zoveel e-mails, is uw omzet per verzonden e-mail gehalveerd. U werkt tweemaal zo hard voor hetzelfde resultaat terwijl u lijstvermoeidheid versnelt.

Betrokkenheidsgebaseerde frequentie (uitgebreid behandeld in Hoofdstuk 3) is de beste aanpak voor de meeste merken. In plaats van één frequentie voor iedereen, tieft u uw verzendingen op betrokkenheidsniveau. Uw meest betrokken abonnees ontvangen elke campagne. Uw matig betrokken ontvangen alleen uw beste inhoud. Uw minst betrokken ontvangen minimale verzendingen terwijl u probeert ze opnieuw te betrekken. Deze aanpak handhaaft of verhoogt doorgaans de totale omzet terwijl uitschrijvingen met 20-40% worden verminderd.