Недетский опыт:
автоматизация e-mail-маркетинга в Kinderly
Мария Ядрихинская
Маркетинг-директор компании Kinderly
Массовые e-mail-рассылки для интернет-магазина – как стрельба из пушки по воробьям:
долго, дорого и неэффективно. Клиентская база постепенно выгорает, продажи не растут
и после уже пяти писем 75% людей не открывают даже правильно составленное
предложение. Срабатывают таргетированные рассылки и персонализация сообщений, но
настроить их вручную – задача не из легких.
Маркетинг-директор компании Kinderly Мария Ядрихинская рассказывает, как
автоматизация рассылок позволила развеять мифы маркетологов интернет-магазина и
выйти на новый уровень.
Около спама
В 2011 году проект Kinderly начинался как интернет-магазин детской одежды и обуви.
Главная проблема этой категории товаров – ярко выраженная сезонность (еще сильнее,
чем в продажах одежды для взрослых). Предусмотрительные родители покупают одежду
на зиму в сентябре-октябре, а ноябрь и декабрь – мертвый сезон, когда все ждут
распродаж. Именно в это время мы усиливали традиционный маркетинг, построенный на SEO и контекстной рекламе, промо-рассылками для покупателей. В межсезонье мы
закупали стоки продукции и предлагали покупателям товары со скидками в 50-70%.
Продажи росли – рассылки работали.

С ростом объемов мы получили возможность закупать еще больше товара по низким ценам и чаще устраивать распродажи. Мы буквально заваливали наших клиентов письмами, но в какой-то момент рост продаж с e-mail рассылок замедлился, хотя база адресов продолжала расти. Аудитория потеряла интерес к спец-предложениям и акциям, а сами рассылки перестали вовлекать новых подписчиков и приводили к отмиранию старой базы. Пытаясь решить проблему, мы пробовали реанимировать подписчиков контентом – письмами с интересными статьями и полезным содержанием. Но это сработало ненадолго: статьи надоедают, к тому же, сколько интересных материалов вы сможет написать о детской одежде?

Вывод, к которому мы пришли – необходимо сократить количество рассылок на каждого
конкретного человека, при этом не уменьшая количество всех писем. Это можно сделать
при помощи триггерных рассылок – персонализированных писем, составленных по
конкретным сценариям поведения пользователей на сайте, с наиболее подходящими
каждому из них предложениями.

Но как реализовать это решение?
Боль автоматизации
Мы начали вручную настраивать триггерные рассылки через систему ExpertSender. Это
удобный инструмент для рассылки писем, но он не позволял перенести данные о
покупателях, построить пользовательские сегменты (выделить людей, которые купили
обувь, или людей, которые на прошлой неделе смотрели игрушки), чтобы автоматически
отправлять письма с выгодными предложениями. Сегменты строились в админке сайта
вручную, создавались триггерные события. Как только срабатывал один из триггеров, в
системе управления сайтом через специальное приложение-мессенджер в ExpertSender
уходило автоматическое письмо с просьбой реализовать рассылку по «вот этим людям».
Верстка и отправка каждого такого письма занимали много времени. В месяц нам
удавалось реализовать только 4-5 триггерных рассылок. Мало, учитывая, что до этого
промо-рассылки у нас уходили по два раза в день.

Автоматизировать этот сложный процесс: построение сегментов, выборку аудитории и
тут же получить анализ эффективности триггеров, при помощи собственных средств и
«рассыльщика», мы не смогли. Так пришли к сервису Mindbox, который пообещал
перенести полный массив данных о покупателях и предоставить возможность
моментально строить сегменты и запускать триггерные рассылки.

Интеграция не прошла гладко, были нюансы, к которым оказался не готов Mindbox.
Например, данные товаров имели множество параметров и дополнительных
характеристик. Цвет, сезон, бренд, размер, пол – параметры выбора одного товара,
которые важно учитывать при анализе поведения покупателя на сайте и построении
пользовательских сегментов. Спустя два месяца после начала работы с Mindbox мы все
еще не могли полноценно пользоваться рассыльщиком и даже проставлять UTM-метки в
письмах. До сих пор есть определенные сложности с этой программой рассылки, когда
для подготовки нового письма вам необходимо зайти в три разных места, чтобы задать
нужные параметры. Сравнивая с ExpertSender, это достаточно неудобно.
Основная сложность – интеграция с системой управления сайтом Insales. Так, например, внутри этой программы один пользователь мог иметь множество e-mail-адресов, или на один технический адрес было зарегистрировано несколько покупателей (операторы call-центра так делают, когда пользователь отказывается предоставлять данные). В результате мы начали "склеивать" и "расклеивать" покупателей между собой в рассылках, и письма не всегда уходили нужным адресатам. Но это был один из первых e-commerce клиентов и наш первый большой опыт в этом сегменте, который мы купили за свои деньги (интеграция и обкатка системы проходила бесплатно). Проект с Kinderly помог понять, что нужно от интерфейса рассылок. Мы сумели упростить систему и ускориться - теперь интеграция занимает 2-4 дня.

Александр Горник
исполнительный директор Mindbox
Постепенно нам удалось перенести письма из ExpertSender в Mindbox и запустить три
механики: товарные рекомендации, когда после заказа пользователям приходит
информация о похожих или комплементарных товарах; купоны - скидки после заказа на
конкретную категорию товаров; механику «брошенных просмотров» с контентной
рассылкой – если человек просматривал товары из одной категории и не совершал
покупку, мы высылали ему статью - как правильно выбирать товары из этой категории.

Спустя полгода работы мы настроили более 100 покупательских сегментов, а число
триггерных событий в рассылках выросло в 10 раз по сравнению с ручным режимом.
Вместо автоматических товарных рекомендаций, которые мы раньше отправляли по базе, мы смогли реализовать индивидуальные рекомендации с учетом сложности и специфики продукта. Автоматизация позволила увидеть эффективность каждой рассылки.

Мы сумели развенчать два распространенных мифа e-mail-маркетинга.
Миф #1: больше триггеров – больше выручка
В начале экспериментов с рассылками у нас была гипотеза – доходность рассылок растет
с их количеством. Мы предполагали, что каждая триггерная рассылка принесет дополнительные продажи, которые отразятся на общей картине.

С переходом на Mindbox мы в разы увеличили количество триггеров за 2-3 месяца.
Выручка из таких писем оказалась выше. Но большая часть этих рассылок игнорируется
пользователями. Необходимо не просто увеличивать количество триггеров – нужно
развивать стратегию в целом.

Для Kinderly сработали рассылки статей по механике «брошенный просмотр» -
хороший контент рассылают не многие. Менее успешными были триггеры по товарным
рекомендациям. Или люди не хотят знать, что мы можем дополнительно предложить им.
Или же необходимо лучше оформлять письма. Но я боюсь, что дело не в этом. Люди
привыкли к тому, что товарные рекомендации существуют в отрыве от реальных
ожиданий и предпочтений. Отсюда вытекает вывод №2.
Миф #2: автоматизированные товарные рекомендации всегда работают
Автоматизировать рассылку товарных рекомендаций просто – достаточно воспользоваться услугами готового сервиса. Но не в случае, когда вы реализуете
специфичные товары с массой дополнительных параметров. Ни одна система,
проанализировав поведение пользователя на сайте, не догадается, что нормальная мама
купила бы в паре с ортопедическими детскими сандалиями. И вряд ли такой робот
вспомнит, что через три месяца нога у ребенка вырастет и ему понадобятся новые
сандалии. Готовые сервисы копят статистику, но не персональные данные и живут в
отрыве от реальности. Представьте, что внезапно потеплело, снег растаял и людям стали
необходимы резиновые сапоги, но рассыльщик зафиксировал в статистике за прошлый
период спрос на полукомбинезоны и валенки (откуда ему знать, что с полукомбинезонами стоит предложить резиновые сапоги?).

С переходом на Mindbox мы сумели настроить вручную товарные рекомендации,
учитывающие сложные сценарии. До определенного момента эти триггеры будут «спать». Рассылка сработает по команде менеджера, как только прогноз погоды покажет, что через три дня наступит потепление, появятся лужи, и людям срочно понадобятся резиновые сапоги. Или перед майскими праздниками покупателям срочно понадобятся легкие ботинки. Таким образом, мы научили программу принимать решения о товарных
рекомендациях более классово.
Прозрачность
Один из показателей эффективности маркетинга торговой компании – количество заказов на человека в год. Последние два года мы росли по этому параметру, особенно, когда делали много рассылок с сезонными скидками и стоковыми коллекциями. И несмотря на трудности с автоматизацией мы сумели вырасти на 30% по триггерным рассылкам по отношению к показателям прошлого года. Плюс, на эти же 30% увеличилась конверсия самих рассылок. Лучший результат показал сценарий брошенного просмотра» – OR 43% и CR 17%.

Благодаря автоматизации у нас появилось больше измеримых показателей для оценки маркетинга. Так, мы сформировали сегмент по накопительным скидкам и увидели, что люди из первого уровня накопительной скидки имеют большую долю в обороте компании. А люди с большим уровнем скидки формируют самый высокий средний чек.
Мы получили доступ к информации по тому, сколько времени проходит между заказами,
и как распределяются доли людей по количеству заказов (сколько покупателей с одним
заказом, двумя и т.д.). Привыкание или лояльность к магазину сложно формируется при
первом заказе, и не так много людей переходят ко второй покупке. Но уже после второго
заказа вероятность последующих покупок резко возрастает. На определенном этапе нам
уже не надо так сильно поддерживать вовлечение людей. Они уже привыкли, знают нас и пойдут именно к нам. Глобально эти знания позволяют формировать точные
персонализированные сообщения и влиять на показатели среднего чека и количества
заказов по одному клиенту. Мы гораздо лучше видим провалы и дыры, где необходимо приложить максимум усилий.
Прочитайте еще
Made on
Tilda