Сегментация 2.0 и боль email-рассылок в малом e-commerce

Какой у вас в среднем CTR в рассылках? Даже не берем сейчас во внимание, что из всех отправленных писем открывают всего-ничего, процентов 10-15. Думаем, CTR у них далеко не торт.

17 сентября в 19:00 (по МСК)
Хотите узнать, как научить поиск на сайте продавать?
CEO REES46 Михаил Кечинов расскажет о том, как сократить путь клиента до покупки и увеличить выручку с помощью умного поиска.
webinar

netort

Один из главных советов в таком случае: надо рассылать письмо более «точечно», это давно известная истина. Сегментировать базу. Хотя бы по полу: а то ваши покупатели-мужчины немного озадачатся, получив скидочный купон на весь раздел дамских купальников и текст про то, как они прекрасны и женственны.

Сегментацией на таком уровне занимаются все, это правило хорошего тона.

Предел ручной сегментации

Когда вы только собираете базу — такие данные можно вести хоть в Excel’е. Пол, сумма покупок, география, что-то еще из основного. Потом становится труднее.

Вдруг оказывается, что нужно заводить CRM, чтобы данные обновлять автоматом, и все хранились в своем профиле. А еще нужно переводить на платный тариф ваш сервис рассылок — потому что база уже порядком распухла, а отказываться от встроенной сегментации и A/B-тестов жалко.

То есть — появляется еще одна статья расходов. При этом добавляется больше работы: 100 и 5000 контактов — почувствуйте разницу. И одновременно не покидает чувство, что вся возня вокруг email-маркетинга не окупается: сегментация, придумывание и написание текстов, верстка разных писем для разных сегментов, а в итоге всё те же жалкие проценты CTR и покупок. Побольше, чем были в то время, когда вы отправляли «скидка 30% на всё» ровно каждому контакту в базе. Но всё еще не стоящие такого труда.

Получается невеселая цепочка проблем:

  1. Много контактов в базе — надо сегментировать.
  2. Делать сегментированную рассылку вручную — долго и ресурсоемко, нужна автоматизация.
  3. Захотели автоматизацию — программист выкатил кругленький ценник, просит четкую постановку задачи и т.д.
  4. Решили искать готовое решение для сегментации — тоже дорого.
  5. Все-таки решились на покупку CRM — всплыла проблема разрозненности данных (что-то хранится в CRM, что-то в 1С, что-то в БД самого магазина).

На десерт: эти данные не всегда правильно и вовремя синхронизируются. И в итоге у вас их столько, что вообще не понятно, как теперь сегментировать, какие данные будут нужны, а какие нет.

Ок, вы всё преодолели и всё-таки решили делать сегментированный email-маркетинг. По каждому профилю ваша CRM (и другие базы) теперь хранит примерно такие данные:

  1. ФИО.
  2. Пол.
  3. Возраст.
  4. Дата рождения.
  5. Город.
  6. Количество заказов.
  7. Сумма заказов.
  8. Дата последних активностей на сайте: визит, покупка.
  9. Данные по активности в рассылках (читает/не читает, кликает или нет).

Вы понимаете, что заниматься «просто рассылками» уже некомильфо, не зря же вы столько данных ведете по каждому профилю. Поэтому вы подключаете систему товарных рекомендаций, с которой в нагрузку идет сервис email-рассылок. Получается, что часть рассылки становится динамической, с рекомендованными товарами внутри. И каждый сегмент получает свою рассылку. Вроде бы, всё хорошо.

Сегментация 1.0

Итак, вы можете отправлять письма с разделением получателей по полу, возрастной категории и месту проживания (само собой ваш столичный интернет-магазин не хочет присылать письма о неделе бесплатной доставки жителям Петропавловска-Камчатского).

Рассылки теперь могут быть не только информационными, но и с рекомендациями конкретных товаров внутри. Причем каждый будет рекомендован исходя из тех же данных: пол, возраст, география, история покупок и т.д.

А еще, так как ваша система рекомендаций (или CRM, или сайт) умеет вести статистику заказов по каждому профилю — у вас появляется ресурс для ABC-сегментации.

ABC-сегментация — это разделение базы по маржинальности. Кто покупает чаще других (небольшой процент, обычно 15% от всей базы) — получает статус А. Кто менее активен (35%) — B. Те, кто купили год-два назад и с тех пор не покупали ничего (статистически, это оставшиеся 50%) — статус С.

Далее с каждым сегментом ведется соответствующая работа с помощью рассылок. Группу А, самых лояльных клиентов, пытаются «привязать» к магазину: дарят мелкие подарочки, шлют поздравительные письма, дают «золотые» накопительные карты и так далее.

Группу B обрабатывают на предмет «купи еще», дают большие скидки, пытаются довести уровень прибыли до такового от группы А. Также можно отправлять письма с таким содержанием:

  • Благодарность за заказ + товарные рекомендации в письме.
  • Запрос отзыва (через несколько дней после заказа, это стимулирует вернуться на сайт).
  • Кросс-селл и ап-селл: товарные рекомендации товаров, сопутствующих уже купленному.

И, наконец, чтобы разбудить задремавшую группу С применяются совсем уж запрещенные методы: им дают самые соблазнительные скидки в надежде расшевелить и сподвигнуть к покупке. Всё-таки это 50% всей базы.

Чтобы автоматизировать всё еще круче, к обычным дайджестным рассылкам добавляются триггерные. Это такие заранее заготовленные автоматические сценарии: если определенное событие наступает (например, клиент купил товар, но уже два месяца не заходит на сайт) — ему автоматически прилетает письмо определенного содержания. Например, в данном случае: «напоминалка» с просьбой оставить отзыв о товаре или банальная скидка с учетом данных клиента.

Само собой, никаких волшебных схем нет, нужно экспериментировать и выяснять, что на ваших клиентах работает лучше. Для этого есть A/B-тесты рассылок.

Однако о настоящей Big Data даже в таком подходе к рассылкам речи не идет. Причина простая — это слишком общие данные о клиенте, не учитывающие отраслевую специфику.

Сегментация 2.0

На самом деле, сегментированный почтовый маркетинг можно успешно делать и без громоздких CRM.

Будет достаточно, если ваша система персональных рекомендаций отвечает трем условиям:

    1. В ней есть сервис email-рассылок. Так как любая такая система имеет дело с ремаркетингом брошенных корзин, то подобный сервис есть практически в каждой.
  • Она собирает данные о посетителях сайта и автоматически сегментирует их. Это удобно: на выходе получаем готовую базу, разделенную на сегменты: по покупкам, возрасту, полу и т.д.
  • Она учитывает отраслевую специфику при сегментации. Например, в продажах косметики критично важными являются данные о типе кожи, волос, предрасположенность к аллергии. Если эти данные не уметь распознавать, не хранить и не использовать — ваш email-маркетинг сдуется очень стремительно.

И еще совет. Можно иметь сколько угодно технически совершенный инструмент и удивляться, почему нет продаж из рассылок. А нет их по простой причине: вы решили не ждать, пока база накопится сама собой и рискнуть. Купили готовую, по рекомендации на одном популярном форуме.

Если вы думаете, что покупка готовой базы избавит вас от бед, то забудьте. Владелец базы может сколько угодно уверять вас, что база живая, а контакты платящие — только платят они тем, кому реально оставляли свою почту. А вы для них будете вторженцем, Вероятно, вам даже несколько раз напишут возмущенные письма. Стоит затевать покупку базы, только если она поступила из очень надежного источника: например, ваш коллега по бизнесу по доброте душевной решил с вами поделиться своей собственной.

В остальном: нужно вставать на трудный путь накопления собственной базы и работать с лояльностью клиентов буквально с первых дней. Собирать нужные данные. Делать не только информационные рассылки, но и включать в рассылки персонально рекомендуемые товары.

А сегментировать с учетом специфики вашей отрасли, и никак иначе.

По теме

  1. Сервис сегментации аудитории для интернет-магазинов.
  2. Сервис триггерных рассылок для интернет-магазинов.
  3. Сервис персонализированных регулярных рассылок для интернет-магазинов.

Подпишитесь на рассылку

Два письма в месяц: полезные статьи про маркетинг, исследования, инструкции, гайды, чек-листы и кейсы с лучшими практиками наших клиентов.