Rozdział 9: Analityka i pomiar

Większość marketerów e-mailowych sprawdza swój wskaźnik otwarć po wysyłce, czuje się z tym dobrze lub źle, i idzie dalej. To nie jest analityka. To czytanie tablicy wyników bez rozumienia gry.

Prawdziwy pomiar oznacza łączenie aktywności e-mailowej z wynikami biznesowymi. Oznacza wiedzę, które kampanie faktycznie generują przychody, które segmenty rosną lub zanikają, i gdzie Twój program się sytuuje w stosunku do tego, co jest faktycznie osiągalne – a nie tylko co mówi Ci dashboard Twojego ESP.

Ten rozdział omawia metryki, które mają znaczenie, modele atrybucji, które ujawniają prawdę (i kłamstwa), oraz frameworki analityczne, które oddzielają poważne programy e-mailowe od tych działających na wyczucie.

KPI według typu kampanii

Nie każdy e-mail powinien być mierzony w ten sam sposób. Seria powitalna i kampania ponownego zaangażowania mają zupełnie różne zadania, więc potrzebują zupełnie różnych kart wyników.

Oto jak zstrukturyzowałbym Twój framework pomiarowy:

Kilka rzeczy wartych odnotowania dotyczących tej tabeli.

RPR (przychód na odbiorcę) to pojedyncza najważniejsza metryka dla każdego e-maila generującego przychody. Normalizuje względem rozmiaru listy i daje prawdziwy obraz efektywności kampanii. E-mail do 10 000 osób generujący $5 000 ma RPR wynoszący $0,50. Porównaj to z innym e-mailem do 50 000 osób generującym $8 000, który osiąga jedynie $0,16 RPR. Mniejsza, bardziej ukierunkowana wysyłka była trzykrotnie bardziej efektywna.

W przypadku zimnych e-maili całkowicie ignoruj wskaźniki otwarć. Są zawodne (szczególnie przy zmianach prywatności) i nie mówią Ci nic wykonalnego. Liczy się wskaźnik pozytywnych odpowiedzi. Wskaźnik pozytywnych odpowiedzi na poziomie 3-5% oznacza, że Twój targeting, temat i oferta dobrze ze sobą współpracują. Poniżej 1% coś fundamentalnego jest zepsute. Śledź też uważnie swój bounce rate i wskaźnik skarg na spam, ponieważ dostarczalność zimnych e-maili szybko się pogarsza, jeśli trafiasz na złe adresy.

W przypadku newsletterów wskaźnik wzrostu ma większe znaczenie, niż większość ludzi zdaje sobie sprawę. Newsletter z 40% wskaźnikiem otwarć, ale z płaskim wzrostem liczby subskrybentów, jest kurczącym się aktywem. Chcesz śledzić wzrost netto (nowi subskrybenci minus rezygnacje minus bounces) jako procent całkowitego rozmiaru listy. Zdrowe newslettery rosną o 5-10% miesięcznie we wczesnych fazach, stabilizując się do 2-5% miesięcznie po przekroczeniu 10 000 subskrybentów.

CTOR (wskaźnik kliknięć do otwarć) jest bardziej przydatny niż surowy CTR w kampaniach nurturacyjnych, ponieważ izoluje jakość treści e-maila od wydajności dostarczalności i tematu. Jeśli Twój wskaźnik otwarć jest silny, ale CTOR jest słaby, problem leży wewnątrz e-maila. Jeśli oba są słabe, zacznij od dostarczalności.

Jeszcze jedna metryka, która rzadko otrzymuje należną uwagę: przychód na wysłany e-mail. Nie na kampanię, na poszczególny e-mail. Wychwytuje to problem malejących zwrotów wynikających z nadmiernego wysyłania. Jeśli wysyłasz trzy kampanie tygodniowo, a Twój przychód na wysłany e-mail spada od trzech miesięcy, zmęczasz swoją listę. Wysyłaj mniej, zarabiaj więcej na wysyłkę. Widziałem marki, które zmniejszyły częstotliwość wysyłania o 30% i obserwowały, jak całkowite przychody pozostają stabilne lub nawet rosną, ponieważ zaangażowanie na e-mail wzrosło.

Modele atrybucji

Atrybucja to miejsce, gdzie marketing e-mailowy staje się polityczny. Każdy kanał chce otrzymać zasługi za sprzedaż, a wybrany model decyduje o tym, kto wygrywa.

Oto uczciwy opis każdego modelu.

Atrybucja ostatniego kliknięcia to domyślna opcja w większości platform analitycznych. Przypisuje 100% zasług ostatniemu punktowi styku przed zakupem. Prosta, ale głęboko myląca dla e-maila. Jeśli ktoś widzi Twoją reklamę na Instagramie, klika Twój e-mail dwa dni później, a następnie szuka nazwy Twojej marki w Google, aby dokonać zakupu, wyszukiwanie Google otrzymuje wszystkie zasługi. E-mail nie dostaje nic. Ten model konsekwentnie zaniża wartość e-maila i zawyża pozorną wartość wyszukiwania marki.

Atrybucja pierwszego kliknięcia przypisuje wszystkie zasługi pierwszemu punktowi styku. Dobra do zrozumienia, które kanały generują świadomość, ale całkowicie ignoruje wszystko, co wydarzyło się między odkryciem a zakupem. Sześciomiesięczna sekwencja nurturacyjna? Niewidoczna.

Atrybucja liniowa dzieli zasługi równomiernie na każdy punkt styku. Sprawiedliwa w zasadzie, ale traktuje przypadkowe wyświetlenie tak samo jak e-mail, który wywołał decyzję zakupową. Nie tak zakupy naprawdę działają.

Atrybucja kształtu U (oparta na pozycji) daje 40% pierwszemu kontaktowi, 40% ostatniemu kontaktowi, i dzieli pozostałe 20% na wszystko pomiędzy. To solidny punkt wyjścia dla większości firm, ponieważ uznaje, że moment odkrycia i moment konwersji są najważniejsze, jednocześnie dając pewne zasługi nurturacji po drodze.

Atrybucja czasowego zaniku daje więcej zasług punktom styku bliższym konwersji. Popularny jest 7-dniowy okres półtrwania, co oznacza, że punkt styku 7 dni przed zakupem otrzymuje połowę zasług punktu styku w dniu zakupu. Ten model działa najlepiej w firmach z dłuższymi cyklami sprzedaży (B2B, zakupy wymagające dużej rozwagi), gdzie ostatnie kontakty faktycznie wykonują więcej ciężkiej pracy.

Atrybucja oparta na danych wykorzystuje uczenie maszynowe do określenia rzeczywistego wpływu każdego punktu styku na podstawie Twoich konkretnych danych. Google Analytics 4 to oferuje. To najdokładniejszy dostępny model, ale potrzebuje znacznego wolumenu konwersji, aby działać prawidłowo. Jeśli realizujesz mniej niż 300-400 konwersji miesięcznie, model nie będzie miał wystarczająco danych, aby być wiarygodnym. Dla większości małych i średnich firm atrybucja kształtu U lub czasowego zaniku jest lepszym praktycznym wyborem.

Ryan Phelan wskazuje na ważną kwestię dotyczącą wszystkich tych modeli: skup się na przyrostowości zamiast na atrybucji kliknięcia. Nie ma znaczenia, które kliknięcie otrzymuje zasługi. Liczy się to, czy e-mail faktycznie spowodował zachowanie, które w innym przypadku by nie nastąpiło. Każdy model atrybucji to historia o tym, co się wydarzyło. Testy przyrostowości mówią Ci, co faktycznie się wydarzyło.

Grupy kontrolne to najprostszy sposób na przetestowanie tego. Losowo wstrzymaj e-maile do małej podgrupy swojej grupy odbiorców (5-10%) i porównaj ich zachowanie zakupowe z grupą, która otrzymała e-mail. Różnica mówi Ci o prawdziwym przyrostowym wpływie tego e-maila.

Warto tu zwrócić uwagę na subskrybentów wielokanałowych. Osoby, które angażują się z Twoją marką przez e-mail, media społecznościowe i Twoją stronę internetową, wykazują o około 50% wyższe wskaźniki zakupów i wartość życiową niż subskrybenci jednokanałowi. E-mail często pełni rolę łączącą między tymi kanałami, ale atrybucja ostatniego kliknięcia rzadko to pokazuje. Subskrybent, który otwiera Twój e-mail, nie klika, ale odwiedza Twoją stronę bezpośrednio dwie godziny później, to powszechny wzorzec, który jest niewidoczny w większości modeli atrybucji.

Efekt halo

E-mail generuje mierzalne halo przychodów w dniach wysyłki, nawet wśród osób, które nigdy nie otworzyły e-maila. Omówiłem to w Rozdziale 1, ponieważ jest to fundamentalne dla zrozumienia wartości e-maila. W celach atrybucji, oto praktyczny pomiar: pobierz swoje dzienne przychody za ostatnie 90 dni, oznacz każdy dzień jako 'wysyłka' lub 'brak wysyłki', uwzględnij dzień tygodnia i porównaj. Różnica to Twój efekt halo. Dni wysyłki zazwyczaj pokazują 15-30% wyższe całkowite przychody ze strony.

Jeśli Twój CFO kwestionuje ROI e-maila na podstawie danych z atrybucji ostatniego kliknięcia, pokaż mu halo przychodów z dnia wysyłki. Poparte danymi z przyrostowości stanowi argument, który jest trudny do zakwestionowania.

Testy przyrostowości

Testy przyrostowości to złoty standard rozumienia tego, co e-mail faktycznie wnosi do Twojego biznesu. Jest prostsze niż większość ludzi myśli.

Oto jak przeprowadzić jeden.

Losowo wyklucz 5-10% segmentu z kampanii. Nie informuj ich o sprzedaży. Nie wysyłaj przypomnienia o porzuconym koszyku. Nie wysyłaj e-maila z ponownym zaangażowaniem. Po prostu zostaw ich poza kampanią. Słowo 'losowo' jest kluczowe. Potrzebujesz prawdziwie losowej grupy wstrzymania, a nie segmentu, który wybrałeś, ponieważ i tak był mniej zaangażowany.

Następnie porównaj wskaźnik zakupów wykluczonej grupy z grupą e-mailową w tym samym okresie. Różnica między tymi dwiema liczbami to Twój prawdziwy przyrostowy przychód e-mailowy. Wszystko inne – zakupy, które i tak by nastąpiły – to organiczny popyt, za który e-mail bierze zasługi.

Niektórzy marketerzy opierają się temu, ponieważ oznacza to celowe nieodsyłanie e-maili do potencjalnych kupujących. Ale uzyskany wgląd jest wart znacznie więcej niż mały przychód, który rezygnujesz z 5-10% grupy wstrzymania. Pomyśl o tym jako o inwestycji w zrozumienie prawdziwej wartości swojego programu.

Oto, co test zazwyczaj ujawnia. W przypadku e-maili o porzuconym koszyku często okaże się, że 30-50% 'odzyskanych' koszyków i tak by się skonwertowało. Klient zawsze zamierzał wrócić. E-mail przyspieszył jego harmonogram, ale nie zmienił wyniku. W przypadku kampanii promocyjnych przyrostowość jest zazwyczaj niższa niż się oczekuje. W przypadku serii powitalnych i przepływów po zakupie przyrostowość jest zazwyczaj wyższa, ponieważ kształtujesz wczesne zachowanie.

Przeprowadzaj testy przyrostowości miesięcznie lub kwartalnie, aby utrzymać ciągły pomiar. Atrybucja przychodów zmienia się z czasem wraz z rozwojem Twojego programu, zmianą składu listy i sezonowymi zmianami zachowań klientów.

Dla dobrze zoptymalizowanego sklepu e-commerce oczekuj, że e-mail będzie generował 25-40% całkowitych przychodów. Ale przeprowadź test przyrostowości przed uwierzeniem w dashboard swojego ESP. Większość ESP używa hojnych okien atrybucji (czasem 5 dni po kliknięciu, czasem nawet po otwarciu), które zawyżają ich liczby. Prawdziwy przyrostowy wkład jest prawie zawsze niższy niż raportuje ESP, ale wciąż imponująco wysoki w porównaniu z innymi kanałami.

Analiza kohortowa dla e-maila

Analiza kohortowa odpowiada na pytanie, które ukrywają zagregowane metryki: czy sprawy się poprawiają, czy pogarszają z czasem?

Zamiast patrzeć na ogólny wskaźnik otwarć, podziel subskrybentów na kohorty według miesiąca lub tygodnia rejestracji. Następnie śledź krzywą zaangażowania każdej kohorty w czasie.

Wzorzec, którego szukasz, to czy nowsze kohorty są bardziej lub mniej zaangażowane niż starsze w tym samym punkcie ich cyklu życia. Jeśli subskrybenci, którzy dołączyli w styczniu, mają 45% wskaźnik otwarć w pierwszym miesiącu, ale subskrybenci, którzy dołączyli w czerwcu, osiągają tylko 35%, coś się zmieniło. Twoje źródło pozyskiwania mogło się przesunąć. Twoja seria powitalna mogła się pogorszyć. Twoje treści mogą przyciągać inną grupę odbiorców.

Analiza kohortowa ujawnia też 'klif zaangażowania' – punkt, w którym subskrybenci zazwyczaj przestają się angażować. W przypadku większości programów e-mailowych pojawia się gwałtowny spadek gdzieś między 2. a 4. miesiącem. Wiedząc dokładnie, kiedy to się dzieje, możesz precyzyjnie zaplanować kampanie ponownego zaangażowania, chwytając ludzi tuż przed wypadnięciem, a nie miesiące po tym, jak już odeszli.

Śledź te metryki według kohorty:

• Trajektoria wskaźnika otwarć (miesiąc 1, 2, 3 itd.)
• Trajektoria wskaźnika kliknięć
• Wskaźnik zakupów (dla e-commerce)
• Wskaźnik wypisów według miesiąca
• Czas do pierwszego zakupu od rejestracji

Jeśli prowadzisz newsletter, analiza kohortowa mówi Ci, czy jakość Twoich treści się poprawia, czy pogarsza. Czytelnicy, którzy dołączyli sześć miesięcy temu, głosują swoją uwagą, a ich krzywa zaangażowania w porównaniu z nowszymi kohortami mówi prawdę.

Praktyczny przykład: zauważasz, że kohorty z pierwszego kwartału tego roku mają bardziej stromy spadek zaangażowania niż kohorty z pierwszego kwartału zeszłego roku. Zaczynają przy podobnych wskaźnikach otwarć, ale spadają szybciej. Może to oznaczać, że Twoje treści stały się mniej przekonujące po pierwszych kilku e-mailach, lub że Twoja seria powitalna tworzy oczekiwania, których Twoje regularne treści nie spełniają. W każdym razie bez analizy kohortowej ten trend byłby niewidoczny w zagregowanych liczbach.

Zbuduj analizę kohortową w arkuszu kalkulacyjnym, jeśli Twój ESP nie oferuje jej natywnie. Wyeksportuj dane subskrybentów z datami rejestracji, następnie oblicz metryki zaangażowania dla każdej miesięcznej kohorty przy 30, 60, 90, 120 i 180 dniach po rejestracji. Narysuj krzywe. Wizualizacja opowiada historię szybciej niż jakakolwiek tabela.

Wartość życiowa subskrybenta

Większość marketerów e-mailowych potrafi podać swój wskaźnik otwarć z dokładnością do dwóch miejsc po przecinku, ale nie potrafi powiedzieć, ile wart jest subskrybent. To problem, bo bez tej liczby każda decyzja dotycząca wydatków na pozyskiwanie, inwestycji w treści i zarządzania listą jest zgadywaniem.

Wartość życiowa subskrybenta (LTV) oblicza się prosto: średni przychód na subskrybenta miesięcznie pomnożony przez średnią liczbę aktywnych miesięcy.

Jeśli Twój przeciętny subskrybent generuje $2,50 miesięcznie w przychodach (poprzez zakupy, przychody reklamowe lub inne monetyzacje) i pozostaje aktywny przez 14 miesięcy, jego LTV wynosi $35. Teraz wiesz, ile możesz sobie pozwolić wydać na pozyskanie nowego subskrybenta.

Segmentuj LTV według źródła pozyskiwania. Subskrybenci z wyszukiwania organicznego mogą mieć LTV wynoszące $42, podczas gdy subskrybenci z płatnych mediów społecznościowych mogą wynosić $18. To dramatycznie zmienia sposób alokacji budżetu na pozyskiwanie. Nie wszyscy subskrybenci są równi, a Twoja strategia pozyskiwania powinna to odzwierciedlać. Widziałem firmy, które realokują 40% swojego budżetu na pozyskiwanie po przeprowadzeniu tej analizy po raz pierwszy, ponieważ odkryły, że ich najtańsi subskrybenci byli również ich najmniej wartościowi.

Stosunek LTV do CAC (koszt pozyskania klienta) powinien być większy niż 3:1 dla zrównoważonego wzrostu. Poniżej tego wydajesz za dużo na pozyskiwanie subskrybentów w stosunku do ich wartości. Powyżej 5:1 prawdopodobnie zbyt mało inwestujesz w wzrost, pozostawiając pieniądze na stole.

Dla firm prowadzących newsletter, oto ile zazwyczaj kosztuje pozyskiwanie subskrybentów:

• Programy poleceń (SparkLoop): $1-3 za subskrybenta
• Reklamy w mediach społecznościowych: $2-5 za subskrybenta
• Cross-promocja z innymi newsletterami: $3-8 za subskrybenta
• Zimna reklama (display, programmatic): $5-15+ za subskrybenta

Ekonomika zmienia się w zależności od modelu monetyzacji. Newsletter zarabiający $40 CPM na reklamach może sobie pozwolić na więcej za subskrybenta niż zarabiający $20 CPM. Oblicz wstecz od swojego przychodu na subskrybenta, aby ustalić maksymalny koszt pozyskiwania.

Nie zapomnij uwzględnić harmonogramu przychodów. Subskrybent pozyskany dzisiaj może nie wygenerować swojego pierwszego dolara przez 30-60 dni. Jeśli Twoja pozycja gotówkowa jest napięta, tańsze źródła pozyskiwania z szybszymi okresami zwrotu mogą być ważniejsze niż ogólna maksymalizacja LTV.

Śledzenie przychodów e-mailowych

Uzyskanie dokładnych liczb przychodów z e-maila wymaga pracy. Oto praktyczna konfiguracja.

Używaj parametrów UTM na każdym linku w każdym e-mailu: utm_source=klaviyo, utm_medium=email, utm_campaign=[nazwa_kampanii]. Bądź spójny z konwencjami nazewnictwa. Jeśli Twoja seria powitalna nazywa się 'welcome-series' w jednym e-mailu i 'Welcome_Series' w innym, Twoja analityka będzie traktować je jako osobne kampanie. Udokumentuj swoją konwencję nazewnictwa UTM i udostępnij ją wszystkim tworzącym e-maile.

Dodaj utm_content do śledzenia poszczególnych linków w e-mailach. Użyj go, aby zidentyfikować, który przycisk lub link został kliknięty: utm_content=hero-cta versus utm_content=footer-link. Ten poziom szczegółowości mówi Ci, które części projektu Twojego e-maila faktycznie napędzają konwersje.

Przychody przypisane przez ESP zawsze będą wyższe niż przychody przypisane przez Google Analytics. ESP używają hojnych okien atrybucji, czasem przypisując zakup do e-maila, jeśli ktoś otworzył e-mail w ciągu ostatnich 5 dni i następnie dokonał zakupu, nawet jeśli wrócił przez zupełnie inny kanał. GA domyślnie używa ostatniego kliknięcia, więc jeśli ktoś kliknął Twój e-mail, ale następnie szukał nazwy Twojej marki w Google, aby dokończyć zakup, GA przypisuje to Google.

Prawdziwy przychód e-mailowy leży gdzieś pomiędzy tymi dwoma liczbami. Używaj atrybucji ESP do porównań na poziomie kampanii (które e-maile działają lepiej od innych) i atrybucji GA do budżetowania na poziomie kanału (ile całkowitych przychodów generuje e-mail w porównaniu z płatnym wyszukiwaniem, mediami społecznościowymi itd.).

Dla dobrze zoptymalizowanych programów e-commerce, e-mail powinien generować 25-40% całkowitych przychodów. Jeśli jesteś poniżej 20%, Twój program ma znaczny potencjał do poprawy. Jeśli jesteś powyżej 40%, sprawdź swoją atrybucję — możesz nadmiernie liczyć. Programy powyżej 50% prawie na pewno nadmiernie przypisują, chyba że mają bardzo niskie wydatki na media płatne.

Skonfiguruj prosty dashboard przychodów, który pokazuje:

• Całkowity przychód przypisany do e-maila (ESP i GA obok siebie)
• Przychód na odbiorcę według typu kampanii
• Przychód na subskrybenta miesięcznie (trend w czasie)
• Procent całkowitych przychodów z e-maila (trend w czasie)
• Przychód na wysłany e-mail (aby wykryć malejące zwroty z nadmiernego wysyłania)

Przeglądaj to co tydzień. Trendy są ważniejsze niż pojedyncze punkty danych. Jedna zła wysyłka nie ma wielkiego znaczenia. Trzy miesięczny spadek RPR oznacza, że coś fundamentalnego wymaga zmiany.

Wskaźnik wzrostu listy

Większość marketerów e-mailowych potrafi powiedzieć, ilu ma subskrybentów. Niewielu potrafi powiedzieć, czy ich lista faktycznie rośnie, kurczy się, czy utrzymuje status quo. Wskaźnik wzrostu listy to metryka, która odpowiada na to pytanie, i jest bardziej niuansowana niż samo zliczanie nowych rejestracji.

Netto wskaźnik wzrostu listy = (nowi subskrybenci - wypisy - bounces - skargi) / całkowity rozmiar listy x 100.

To jest obliczenie miesięczne. Zdrowe wartości referencyjne:

Jeśli Twój netto wskaźnik wzrostu jest ujemny, Twoja lista się kurczy. Jest to częstsze niż większość ludzi zdaje sobie sprawę. Przeciętna lista e-mailowa zmniejsza się o około 22-25% rocznie przez naturalny odpływ (osoby zmieniające adresy e-mail, tracące zainteresowanie, zmieniające pracę w przypadku B2B). Oznacza to, że musisz dodawać co najmniej 2% nowych subskrybentów miesięcznie tylko po to, aby pozostać na równym poziomie.

Śledź te składniki osobno:

Brutto dodania (nowi subskrybenci miesięcznie). To mówi Ci, czy Twoje kanały pozyskiwania działają. Jeśli brutto dodania maleją, zbadaj swoje formularze rejestracji, źródła ruchu i lead magnety.

Wskaźnik odpływu (wypisy + bounces + skargi jako procent całkowitej listy). Zdrowy wskaźnik odpływu to 0,2-0,5% miesięcznie. Powyżej 1% miesięcznie oznacza, że coś jest nie tak z Twoimi treściami, częstotliwością lub oczekiwaniami odbiorców.

Odpływ według źródła. Subskrybenci z płatnych reklam w mediach społecznościowych zazwyczaj odchodzą 2-3 razy szybciej niż subskrybenci organiczni. Wiedząc to, możesz ustawić realistyczne oczekiwania dla każdego kanału pozyskiwania i alokować budżet do źródeł, które produkują subskrybentów, którzy zostają.

Wskaźniki jakości listy mają równie duże znaczenie jak rozmiar. Lista 10 000 zaangażowanych subskrybentów jest warta więcej niż lista 50 000, gdzie tylko 3 000 regularnie otwiera. Śledź procent zaangażowanych subskrybentów (subskrybenci, którzy otworzyli lub kliknęli w ciągu ostatnich 90 dni podzieleni przez całkowity rozmiar listy). Poniżej 30% zaangażowanych oznacza, że płacisz za przechowywanie kontaktów, które nie generują wartości.

Wydajność pozyskiwania

Formularze rejestracji to góra lejka e-mailowego. Jeśli działają słabo, wszystko poniżej cierpi.

Benchmark wskaźnika konwersji popupów:

Jeśli Twój popup konwertuje poniżej 2%, coś jest nie tak. Najczęstsze problemy: pojawia się zbyt wcześnie (zanim odwiedzający ma jakikolwiek kontekst), oferta jest niewystarczająco przekonująca, formularz wymaga zbyt wielu informacji (imię + e-mail + telefon = wysoke tarcie), lub projekt jest natrętny bez bycia wartościowym.

Benchmarki pozyskiwania e-maili na stronach docelowych zależą od źródła ruchu i oferty:

Mierz wskaźnik pozyskiwania według źródła ruchu. Odwiedzający z wyszukiwania organicznego konwertują inaczej niż osoby polecone przez media społecznościowe. Popup konwertujący na poziomie 5% dla ruchu organicznego może konwertować na poziomie 1% dla ruchu społecznościowego, ponieważ intencja odwiedzającego jest inna. Dostosuj swoje oferty i czas odpowiednio.

Metryki do śledzenia dla ciągłej optymalizacji pozyskiwania:

• Wskaźnik wyświetlenia do przesłania (jaki procent osób, które widzą Twój formularz, faktycznie go wypełnia)
• Wskaźnik porzucenia formularza (zaczął wypełniać, ale nie przesłał)
• Wskaźnik pozyskiwania według urządzenia (mobile vs desktop — formularze mobilne często konwertują 30-50% gorzej, jeśli nie są właściwie zoptymalizowane)
• Wskaźnik pozyskiwania według strony (które strony generują najwięcej rejestracji, i czy są strony o dużym ruchu bez formularza rejestracyjnego?)
• Czas do pojawienia się popupu vs konwersja (testuj różne czasy opóźnienia — czasem dłuższe oczekiwanie produkuje subskrybentów wyższej jakości, nawet jeśli całkowity wolumen spada)

Większość narzędzi popup ESP (Klaviyo, OptinMonster, Privy, Justuno) zapewnia te analizy natywnie. Jeśli Twoje nie, skonfiguruj śledzenie zdarzeń w GA4 dla wyświetleń formularzy i przesłań.

Określanie optymalnej częstotliwości wysyłania

Najczęstszym pytaniem w marketingu e-mailowym jest „jak często powinienem wysyłać e-maile do mojej listy?" Uczciwa odpowiedź: to zależy od Twojej grupy odbiorców, typu treści i modelu biznesowego. Ale istnieje strukturowany sposób, aby to ustalić.

Więcej jest (zazwyczaj) lepsze, do pewnego punktu. Badania pokazują, że wysyłanie 9-16 e-maili miesięcznie zapewnia ROI 46:1 w porównaniu z zaledwie 13:1 dla miesięcznych wysyłek. Wskaźniki otwarć pozostają spójne między raz na miesiąc a dwa razy w tygodniu — spadek następuje tylko przy codziennych wysyłkach. Pułap jest wyższy, niż większość marek myśli.

Krzywa malejących zwrotów. Każdy dodatkowy e-mail wysyłany tygodniowo generuje przyrostowo mniej przychodów na e-mail. Pierwszy tygodniowy e-mail może generować $2,00 RPR. Drugi może generować $1,50. Trzeci, $0,80. Czwarty, $0,40. W pewnym momencie marginalny przychód z kolejnego e-maila jest offsetowany przez zwiększone wypisy i zmniejszone zaangażowanie. Twoja optymalna częstotliwość to punkt tuż przed tym momentem.

Jak znaleźć swój limit częstotliwości:

1. Zacznij od swojej obecnej częstotliwości jako wartości bazowej. Mierz RPR, wskaźnik wypisów i wskaźnik zaangażowania.
2. Zwiększ częstotliwość o jedną wysyłkę tygodniowo przez cztery tygodnie. Śledź te same metryki.
3. Jeśli RPR na e-mail spada, ale całkowity tygodniowy przychód rośnie, dodatkowa wysyłka jest opłacalna.
4. Jeśli wskaźnik wypisów rośnie o więcej niż 0,1 punktu procentowego na wysyłkę, przekroczyłeś limit.
5. Jeśli wskaźnik zaangażowania (otwarcia, kliknięcia) spada o więcej niż 10% ogólnie, cofnij się.

Ogólne wytyczne dotyczące częstotliwości według typu:

Przychód na wysłany e-mail to kluczowa metryka tutaj. Nie całkowite przychody z e-maila. Nie przychody na kampanię. Przychód na pojedynczy wysłany e-mail. Ta metryka wychwytuje problem nadmiernego wysyłania, który ukrywają zagregowane liczby. Jeśli Twoje całkowite przychody e-mailowe są stabilne, ale wysyłasz dwa razy więcej e-maili, Twój przychód na wysłany e-mail o połowę się zmniejszył. Pracujesz dwa razy ciężej dla tego samego wyniku, jednocześnie przyspieszając zmęczenie listy.

Częstotliwość oparta na zaangażowaniu (omówiona szczegółowo w Rozdziale 3) to najlepsze podejście dla większości marek. Zamiast jednej częstotliwości dla wszystkich, warstwuj wysyłki według poziomu zaangażowania. Twoi najbardziej zaangażowani subskrybenci otrzymują każdą kampanię. Twoi umiarkowanie zaangażowani otrzymują tylko Twoje najlepsze treści. Twoi najmniej zaangażowani otrzymują minimalne wysyłki podczas próby ponownego zaangażowania ich. To podejście zazwyczaj utrzymuje lub zwiększa całkowite przychody, jednocześnie zmniejszając wypisy o 20-40%.