Триггерные email-рассылки: стратегия формирования триггеров с точки зрения аналитика

Давайте разбираться.

Формировать триггеры мы будем отдельно для каждого их трех блоков. Сперва разобьем характеристики пользователей внутри блоков на сегменты (группы), затем найдем взаимосвязи между получившимися группами, создадим на их основе план-схему триггерной рассылки и запустим ее. Связывать посетителя сайта и почтовый адрес будем по ClientId, через отправку в CRM-систему вместе с заполненным почтовым адресом ClientID клиента.

Начнем с поведенческой информации.

Предположим, что на сайте уже настроена воронка продаж и мы отслеживаем все основные паттерны (модели) поведения посетителей. Нам нужно выделить главные. Посетителя любого сайта, будь то онлайн-сервис, услуги или информационные сайты, можно определить к одной из четырех категорий:

- посетитель (был на сайте, не совершил целевое действие);
- новый покупатель (сделал одно целевое действие);
- постоянный покупатель (совершает целевые действия в течение долгого периода времени);
- ушедший покупатель (ранее совершил хотя бы одно целевое действие, но перестал их совершать).

Для посетителей нужно определить степень их заинтересованности в нашем продукте. Для чего отслеживаем не только целевые действия, но и микроконверсии. Например, посещение страницы с контактами, просмотр описания района при покупке квартиры, долгое нахождение на странице с описанием услуги.

Предлагаем всех посетителей разделить на три группы: заинтересован, заинтересован в средней степени, не заинтересован.

Незаинтересованных включать в триггерную рассылку не будем: как минимум она им не нужна, а как максимум — вряд ли у вас появится их почта.

Для заинтересованных в средней степени посетителей создадим цепочку Welcome писем. В ней будем подогревать интерес клиента к нашей услуге. Первое письмо будем отправлять почти сразу со знакомством клиента с нашим сайтом, второе — через 24 часа и третье — через неделю.

Примеры: к среднезаинтересованным посетителям мы отнесли лиц, просмотревших более 5 страниц в разделе шкафы и читавших описание услуги более 6 минут. Тогда WelCome цепочка писем для них будет выглядеть так: 10 причин, почему шкаф надо купить у нас — подарок при покупке шкафа — бесплатная доставка + скидка 10% на популярные модели шкафов. Для сегмента услуг: почему заказать услугу стоит у нас — отзывы наших довольных клиентов — триал-версия услуги на X дней.

Для заинтересованных клиентов микроконверсиями на сайте может быть брошенная корзина, не заполненная до конца форма заказа консультации. Таким клиентам мы будем высылать письма с Брошенной корзиной, брошенным просмотром, предлагать персональные консультации по продукту, помощь в оформлении заказа. Блок-схема:

А теперь немного математики: будет полезно посчитать ограничения на степень заинтересованности и время между отправками писем.

В нашем случае P(A|B) — это вероятность совершенного заказа при условии, что была совершена одна из микроконверсий. В качестве B мы можем рассматривать не одну из микроконверсий, а целый вектор (пусть B=цель1,цель2,цель3… то есть B=101, когда цель1=1,цель2=0,цель3=1), тогда для подсчета P(заказ=1|при разных значениях условий) надо посчитать следующее:

Считаем по таким формулам:

Из полученных значений мы хотим взять три группы: заинтересованы в большой степени, средне заинтересованы и мало заинтересованы. Выбор зависит только от вас. На полученных данных я бы выбрала следующие условия:

Очень заинтересованы (вероятность заказа выше 15%) — купить=1 и (поиск или магазины = 1)Средне заинтересованы (вероятность заказа ниже 15%, выше 7%) — (купить=1 и каталог=1) или (магазин=1 и поиск=1). Не заинтересованы — все остальные.

На самом деле вся эта математика очень простая, легко подсчитывается в Excel-файле и полезна для распределения посетителей на сегменты, если вы боитесь не угадать с правильными условиями.

Здесь совсем просто. Для каждого выбранного сегмента нужно посмотреть, через сколько дней после того, как человек становится причисленным к сегменту, совершается покупка. Построить гистограмму, определить три максимума по частоте. Рассмотрим на примере сегмента купить=1 и (поиск или магазины = 1)

Отрицательная разница между датами нас не интересует, так как в этом случае во время совершения заказа пользователь еще не входил в заданный сегмент.

Как видим, в нашем случае чаще всего покупка совершается в тот же день, поэтому будет разумным отправлять письмо через час после триггера и через 24 часа, следующий временной промежуток — это 4 дня и 7 дней. Мы бы остановились на отправке третьего письма через 5 дней.

Первое целевое действие на нашем сайте совершено. Мы наконец получили какую-то транзакционную информацию по этому покупателю.

Первое — мы знаем, что именно он купил, второе — на какую сумму приобрел товар, третье — у нас наверняка уже собрана статистика по тем, кто чаще всего приобретает именно такие продукты, то есть мы можем предположить некую персональную информацию об этом клиенте. Цепочки писем для таких клиентов мы можем разделить на:

• письма после покупки, основывающиеся на том, что купили (просьба оставить отзыв о товаре, предложение сопутствующих товаров);
• кросс-продажи (предложение купить другие товары из той же ценовой категории, которую выбрал человек);
• информационные письма (цепочки, дающие полезную информацию о сопутствующих товарах, об их использовании, правильном подборе и т.д., содержат ссылки на сами товары на сайте).

Блок-схема:

Немного математики:

Для осуществления кросс-продаж и предложений по сопутствующим товарам необходимо понимать, какие товары с какими могут покупать вместе, то есть какие товары являются дополнительными к другим товарам. Чтобы составить такой список, рекомендуем составить матрицу ковариаций. Например, в Power BI есть такая визуализация:

Чем больше размер кружочка и чем насыщеннее его цвет, тем чаще товары покупают друг с другом.

Другой вариант — самостоятельно задать основные категории и их дополняющие. Например, основная категория — велосипед, дополняющая — фонарики для велосипеда, бутылки для велосипеда, чехлы на велосипед и прочее.

Покупает много и часто. Такие встречаются только в тех сферах бизнеса, которые характеризуются частыми повторными покупками. Этих посетителей сайта стоит разделить как минимум по нескольким группам. По категориям покупок, по их частоте, по ценовому сегменту.

Тогда мы с помощью рассылок сможем стимулировать человека покупать чаще, начать приобретать более дорогие продукты или пользоваться более дорогими услугами. Используя персональную информацию, мы сможем создавать актуальные и персонифицированные рассылки. Предлагаем использовать:

• письма для повторных продаж: предлагать товар, когда он планово должен закончиться;
  
  
• письма в зависимости от частоты и среднего чека покупок: реанимационные (не купили, хотя должны были купить), предложения купить никогда ранее неприобретаемые товары из той же категории, но более дорогие, предложения купить сейчас со скидкой и не откладывать на потом (повысить частоту покупок).
  
  

Вспомним отдельно ушедшего покупателя (постоянного покупателя, который не купил в ожидаемый срок.) Здесь необходимо действовать очень аккуратно и продуманно. Именно они с наибольшей вероятностью отпишутся от рассылки или же отправят ваше письмо в спам. Рекомендуем использовать сразу все три типа информации о них: транзакционную, персональную и поведенческую.

Как изменилось их поведение с тех пор, как они перестали заказывать у вас товары и услуги? А что заказывали раньше? Выделите основные возможные причины ухода клиентов от вас. Попробуйте для каждой такой причины составить письмо, ее разрушающее или нивелирующее. Протестируйте, начиная с наиболее вероятной причины и заканчивая самой маловероятной.

Блок-схема:

Немного математики:

Интересными и сложными задачами для такого вида рассылки является вопрос о том, существует ли у клиента заданная частота покупок или он покупает редко, в зависимости от погоды или настроения.

Предположим, что клиент заказывает у нас массаж. Длительность в днях между всеми его заказами составляет 1, 2, 2, 5, 6, 7, 5, 5, 30, 1, 2, 5, 6, 6, 5, 6. Вопрос: какова средняя частота заказа массажа от этого пользователя?

Самый простой способ разбить числовой ряд на группы:

• сортируем по возрастанию числовой ряд;
  
• спускаясь вниз по ряду (по увеличению значения числа), считаем среднее значение;
  
• считаем разницу между средними значениями;
  
• считаем отношение между дельтой и средним значением.
  

В результате, получаем несколько максимальных значений отношений дельты к среднему значению и исходя из них делим числовой ряд на группы.

Если у нас не так много данных о заказах, например, всего 5 значений, то тоже получается неплохое разделение:

Если в группе меньше 20% длительностей, то эту группу можно считать ошибкой или погрешностью в измерениях.

В итоге может получиться примерно следующая схема триггерных рассылок:

Похожа на рассылку магазина Hoff, не правда ли?

Используя данный подход к триггерной рассылке, нам удалось существенно улучшить показатели почтовой рассылки в целом:

Итак, в настройке триггерной рассылки нет ничего сложного. Главное требование — подойти к вопросу разумно. Результатом продуманной настройки станет экономия времени работы маркетолога, более высокая конверсия, а вместе с ней — прибыль.