14-15 октября в Москве пройдет конференция «Электронная торговля-2021» — узнайте главные кейсы рынка e-commerce 2021 года. Подробнее

Будьте в курсе событий бизнеса

Получайте первыми приглашения на вебинары, анонсы курсов и подборки статей, которые помогут сделать бизнес сильнее

Подписываясь на рассылку, вы соглашаетесь с политикой конфиденциальности
Блоги компаний Редактор: Юлия Кабанова

Как анализировать email-маркетинг

В статье рассказываем, по каким метрикам можно понять, как работает рассылка, делимся формулами расчета и объясняем, как трактовать полученные данные

Виктория Агейкова

Виктория Агейкова

Cтарший аналитик Email Soldiers

Прежде чем оценивать денежную пользу от рассылки, надо понять, насколько правильно она настроена. Ведь рассылка, в которой допущены ошибки при настройке, не принесет продаж или принесет прибыли меньше, чем могла бы.

Найти ошибки помогает анализ метрик, а также изучение настроек почтовых сервисов, базы клиентов и форм на сайте.

В этой статье разберемся, какие метрики рассылок нужно проверять, чтобы оценить работу email-маркетинга. Подробно разберем каждый показатель, дадим формулу его расчета, расскажем о видах анализа рассылок и частых ошибках при их проведении.

Статья будет полезна тем, кто регулярно отправляет email-рассылки клиентам и хочет разобраться, как оценить их эффективность.

Почему нужно анализировать email-маркетинг

Допустим, у маркетолога стоит задача — разослать по базе письма с подборкой детских колясок. База подписчиков состоит из незамужних девушек. Такие девушки — не целевая аудитория детских товаров, им не нужны коляски.

Если маркетолог не проанализирует базу до начала рассылки, то позже увидит низкую открываемость писем. Он может по ошибке решить, что причина неудачи, например, в заголовке письма, тексте или дизайне. Тогда маркетолог потратит время и бюджет, чтобы переделать и перезапустить рассылку, но так и не увидит роста открываемости. В конце месяца директор компании посмотрит в отчет, увидит, что рассылка не окупилась, и больше не будет вкладываться в email-маркетинг.

Избежать такого финала помог бы предварительный анализ базы клиентов. Он показал бы заранее, что аудитория не целевая. А значит, нет смысла тратить деньги и время на письма, которые никто не прочтет.

Регулярный анализ email-маркетинга поможет:

  • распределить рекламный бюджет в соответствии с четкими целями и прогнозами;
  • заработать больше, запуская механики, которые действительно работают;
  • персонализировать email-коммуникации;
  • вовремя заметить отток клиентов и принять меры.

Анализ почтового маркетинга изучает метрики, которые указывают на открываемость писем, сегменты подписчиков и их поведение, рост и качество базы и другие, но не рассматривает денежную прибыль и окупаемость. Для этого нужны другие способы оценки, о них мы в этой статье говорить не будем.

Далее мы расскажем, какие методы анализа рассылок существуют, как провести анализ от начала до конца и не ошибиться, и что нужно делать после.

Общий анализ email-рассылки: какие метрики нужно изучить

Чтобы проанализировать email-рассылки, нам нужны метрики, которые указывают на все, что происходит с письмом до или в момент открытия. Такие метрики обычно собираются в отчетах платформ автоматических email-рассылок, но их можно посчитать и вручную.

Чтобы провести общий анализ email-маркетинга, вот на что нужно смотреть:

  • открываемость, или Open Rate;
  • кликабельность, или CTR;
  • процент отписок;
  • время жизни подписчика, или CLT;
  • доставляемость;
  • уровень ошибок;
  • процент жалоб;
  • браузеры и устройства подписчиков;
  • геолокация.

Разберем подробно, что это за метрики и как их рассчитать.

Открываемость, или Open Rate. Указывает, какой процент получателей открыл письмо из рассылки. Зависит от качества базы подписчиков.

Формула Open Rate для анализа эффективности email-рассылки

Если ваши подписчики сами подписались на ваши рассылки, вероятно, им интересны письма, поэтому они будут их открывать.

Согласно исследованиям Mailchimp, хорошей открываемостью считается 20%. Если у вас ниже, проверьте:

Исследование Mailchimp
  1. Тему письма — делайте ее такой, чтобы заинтересовать читателя и передать суть содержимого письма.
  2. Контент — он должен совпадать с интересами подписчиков: для юных девушек не стоит делать рассылку омолаживающей косметики, потому что они не целевая аудитория для такого товара.
  3. Сегментацию базы — например, в одной базе зоомагазина могут быть владельцы кошек и собак, а это два сегмента с разными интересами.
  4. Качество базы — если в базе много неактивных подписчиков, лучше перенести их в отдельный список, чтобы отправлять им не общую рассылку, а письма, которые могут мотивировать их продолжить взаимодействие с компанией.

Кликабельность, или CTR. Указывает, сколько читателей кликнуло по ссылке или кнопке внутри письма. Если подписчикам интересно читать вашу рассылку, кликабельность будет расти.

Формула CTR для анализа эффективности email-рассылки

Определить среднюю кликабельность сложно, потому что метрика зависит от ниши бизнеса. Но среднее значение, согласно Mailchimp, 2,62%. Если у вас CTR ниже, сделайте вот что:

Исследование Mailchimp
  1. Проверьте отображение письма на разных гаджетах: письма, которые отображаются плохо — расползаются, сжимаются, не масштабируются — тяжело читать, поэтому их закрывают до того, как нажать ссылку или кнопку.
  2. Проверьте текст: подписчики могут не дойти до ссылки или кнопки, если в начале письма много текста, он написан сложным языком или не разделен на абзацы.

Отписки. Указывают процент подписчиков, которые отписались от рассылки.

Как посчитать процент отписок от email-рассылки

Читатели отписываются от рассылки, если она стала им неинтересна. Например, человек читал письма про велоспорт, а потом увлекся теннисом. Письма про велосипеды и сопутствующие товары больше не актуальны. Тут ничего сделать нельзя.

Но иногда читатели отписываются, если не нравится содержание рассылки, хотя тема все еще интересна. Допустим, читателям хочется узнать про велосипеды среднего ценового сегмента, а в рассылке только дорогие модели.

Если отписки растут, то меняйте содержание письма, пока не найдете темы, которые интересны подписчикам.

Время жизни подписчика, или CLT. Указывает, как долго рассылка интересна подписчикам, какой период они ее открывают и читают. Метрика зависит от того, какие товары и услуги продает компания.

Метрика CLT для анализа email-рассылки

Например, компания продает автомобили. Подписчик может интересоваться рассылкой компании, пока не купит автомобиль. Так как автомобиль приобретают на несколько лет, то после покупки интерес у подписчика может упасть, и он отпишется.

Если компания продает что-то, что нужно постоянно, допустим, бытовые чистящие средства, то время жизни подписчика может быть долгим.

Доставляемость. Доставляемость показывает, сколько писем попадает в почтовый ящик клиентов.

Формула доставляемости писем email-рассылки

Доставляемость ниже 90% — плохо.

Снижаться она может, если письмо напоминает спам и почтовый ящик получателя его заблокировал. Тогда просите новых подписчиков в момент подписки проверять папку «Спам» и вносить вас в белый лист.

А еще этот показатель может снижаться, если что-то не так с вашим почтовым ящиком, поэтому он не отправляет письма. Например:

  • произошли ошибки в доставке — напишите в техническую поддержку;
  • адрес вашего почтового ящика содержит ошибки — проверьте адрес, измените его;
  • почтовый ящик заблокирован, с него нельзя отправлять рассылки — заведите новый ящик.

Уровень ошибок. Это когда в ответ на отправленное письмо пришло сообщение об ошибке доставки. Если на вашей стороне все в порядке, тогда стоит проверить базу подписчиков.

Чаще всего сообщение об ошибке приходит, если некоторые адреса не существуют.

Расчет уровня ошибок при анализе email-рассылки

Если уровень ошибок больше 3%, стоит проверить базу подписчиков в валидаторе. Например, в QuickEmailVerification или MailboxValidator. Так вы обнаружите несуществующие адреса.

Жалобы. Процент тех, кто отметил ваши письма как спам. Жалоб может быть много, если база подписчиков куплена нелегально, а не собрана своими силами. Или если база неправильно сегментирована. Например, рассылка корма для собак отправляется владельцам кошек.

Расчет процента жалоб при анализе email-рассылки

Показатель жалоб не должен превышать 0,4—0,5%, иначе почтовый ящик, с которого происходит рассылка, будет заблокирован.

Чтобы снизить процент жалоб:

  1. Проверяйте качество базы и правильно ее сегментируйте.
  2. Размещайте кнопку для отписки от рассылки в начале письма и оформляйте так, чтобы ее было хорошо видно.
  3. Настройте отписку по одному клику: если для отписки придется загружать новое окно, пользователь может не дождаться, а просто отправит письмо в спам.
  4. Собирайте базу сами, а не покупайте готовую: так будете уверены, что подписчики в базе — целевые.

Браузеры и устройства подписчиков. Эта информация позволит оформлять внешний вид писем так, чтобы они открывались без искажения на тех устройствах, которыми чаще пользуются подписчики.

Нужно также проверять, как чаще открывают письма подписчики: через компьютер, смартфон или приложение. В каждом случае письмо будет также отображаться по-разному, поэтому подготавливать дизайн следует с учетом всех особенностей.

Геолокация. Поможет узнать, где находятся ваши подписчики, и скорректировать время отправки рассылки. Например, жителям Москвы и Екатеринбурга стоит отправлять письма в разное время, поскольку между городами есть часовая разница.

Углубленный анализ email-рассылки

Углубленный анализ нужно проводить ручным методом. Для этого собирают разные метрики и группируют в один отчет. Потом отчет анализируют и находят закономерности, позволяющие понять, почему рассылка принесла такие результаты и как их улучшить.

Методы углубленного анализа, которые мы советуем использовать:

  1. Анализ статистики по доменам — для повышения репутации почтового домена.
  2. Аудит рассылок на макроуровне — для выявления ошибок, которые мешают подписчикам.
  3. RFM-анализ — для оценки лояльности подписчиков.
  4. Когортный анализ — для установления частоты, с которой подписчики взаимодействуют с рассылками.

Разберемся, как выполнять каждый из этих методов углубленного анализа.

Анализ статистики по доменам

Зачем. Чтобы улучшить репутацию почтового домена и повысить доставляемость рассылки.

Что нужно для анализа. Нужен почтовый ящик, с которого ведется почтовая рассылка, и подключенный к нему постмастер.

Как провести анализ. Действуйте так.

Шаг 1. Проверьте показатели SPF, DKIM и DMARC. Это три механизма, которые помогают почтовым серверам распознать, кому принадлежит ящик — мошенникам или обычным пользователям. Каждый почтовый сервер имеет свои настройки этих метрик.

SPF — Sender Policy Framework — это система проверки электронной почты, предназначенная для блокировки спама. SPF обнаруживает общую уязвимость почты и проверяет IP-адрес отправителя.

DKIM — DomainKeys Identified Mail — метод, с помощью которого система проверяет, действительно ли домен, от чьего имени отправлена email-рассылка, принадлежит отправителю. Это как цифровая подпись отправителя.

DMARC — Domain-based Message Authentication, Reporting and Conformance — протокол, защищающий домен от фишинга с его использованием.

Быстро проверить показатели можно в Mail Tester. Нужно скопировать почтовый адрес сервиса и отправить на него письмо из рассылки. Когда письмо будет доставлено, необходимо вернуться на Mail Tester и нажать кнопку «Затем проверьте оценку». Откроется результат теста.

Протестировать свои письма на спам — Mail Tester

Тест нужен, чтобы в случае низкой доставляемости писем исключить влияние показателей SPF, DKIM и DMARC.

Главная страница Mail Tester
Рабочее окно сервиса Mail Tester

Шаг 2. Если все в порядке, проверьте доставляемость, жалобы, репутацию и прочие метрики. Делается это через постмастеры — инструменты аналитики рассылок. Постмастер предоставляет почтовый провайдер, на котором зарегистрирована почта.

Например, чтобы настроить постмастер в Gmail, нужно зайти на сайт постмастера, ввести свой домен, подтвердить, что он действительно ваш, и далее следовать инструкции провайдера.

Постмастер Gmail
Анализ домена для email-рассылки в постмастере

Постмастер не показывает открываемость или количество недоставленных писем — только причины попадания писем в спам, находит ошибки в доставке, отслеживает репутацию домена и IP, мониторит спам-рейтинг отправителя.

В постмастерах аналитика собирается автоматически.

Шаг 3. После постмастера дополнительно проверьте, не попал ли домен, с которого ведете рассылку, в черный или серый список. Письма от участников этих списков блокируются на большинстве адресов из базы рассылки. Проверить домен можно, например, в сервисе Multirbl.valli.org. Он покажет, если домен попал в списки.

Проверить свой домен в черном и сером списках — Multirbl.valli.org

Анализ рассылок на макроуровне через аудит

Зачем. Чтобы проверить все этапы создания email-рассылки: от сбора базы и настроек домена до внешнего вида рассылок. Анализ нужен, чтобы найти ошибки, мешающие читателям. После готовят список рекомендаций:

  • как улучшить сценарий, по которому отправляются email-рассылки;
  • как повысить доставляемость писем, если это требуется;
  • как улучшить показатели Open rate и Click rate;
  • как уменьшить количество жалоб, ошибок и отток базы;
  • как быстрее наращивать базу подписчиков;
  • как наиболее эффективно использовать инструменты email-маркетинга.

Что нужно для анализа. База подписчиков, доступ к формам на сайте, макеты писем, статистика по письмам, включая доходность.

Как провести анализ. Действуйте по плану:

  1. Проверьте качество базы подписчиков на пригодность к рассылкам. Важно, чтобы адреса были реальные, активные, правильно написанные, не повторялись в списке контактов.
  2. Если база в порядке, очистите ее от недействительных адресов. Это можно сделать с помощью валидатора, например, Mailvalidator. Потребуется зарегистрироваться в сервисе, подготовить список с контактами в формате ТХТ или EXCEL (XLS, XLSX, CSV) и загрузить его. После изучить отчет.
  3. Проверьте формы подписок на сайте, лендинге или в социальных сетях. Формы должны быть в видимой части экрана, кнопки работать, а полей для заполнения не больше трех — тогда пользователи не устанут заполнять их.
  4. Проанализируйте HTML-модули писем. Можно использовать сервис Email On Acid. Он проверяет отображение макетов на различных устройствах. Если в верстке есть ошибки, которые сделают чтение письма неудобным, сервис это покажет.
  5. Проверьте дизайн и контент письма. Лучше всего доверить это специалистам, а после попросить отчет с рекомендациями по улучшению.
  6. Проанализируйте точки лидогенерации. Для этого соберите информацию обо всех точках, где собираются контакты клиентов: поп-апы, статичные формы, офлайн. После изучите конверсию, количество полей, внешний вид и контент, условия показа, настройки интеграции и попадания в сегмент.
  7. Составьте отчет, что можно доработать.

Часто в таком анализе еще изучаются открываемость, кликабельность, показатель ошибок, количество отписок, количество жалоб, сколько посетителей приходит на сайт и из каких источников и другое. Если где-то проблемы, нужно найти, в чем причина.

Например, видим, что снизилась открываемость. Кажется, что проблема в заголовках, но оказывается, большая часть писем улетает в спам. Подписчикам просто нечего открывать — они не получают этой рассылки.

RFM-анализ

Зачем. RFM-анализ позволяет найти:

  • самых лояльных клиентов, которые проявили больше всего активности: открыли письмо, нажали на ссылку, совершили покупку;
  • самых неактивных клиентов, которые почти не читают рассылку.

Если предположить, что подписчик, оказавшийся в базе недавно, больше заинтересован в рекламной рассылке, то по результатам RFM-анализа можно выстроить общение через письма так, чтобы побуждать клиентов из одной группы переходить в другую. А также продлевать их время жизни и подталкивать к повторным покупкам.

Что нужно для анализа. В соответствии со спецификой бизнеса необходимо определиться, какая активность будет оцениваться: момент совершения последней покупки или последнее открытие письма.

Потом для каждого покупателя собирают информацию по трем показателям:

  1. Recency, давность — время, прошедшее с последней активности.
  2. Frequency, частота — количество активностей за период.
  3. Monetary, вложения — денежные затраты подписчика на товары и услуги, время или глубина просмотра страницы сайта после перехода по ссылке в письме.

Как провести анализ. После того как информация по показателям собрана, нужно выделить три или более равных групп по каждому показателю.

Например, оцениваем активность — покупку. И с последней покупки прошло 90 дней.

Тогда представляем Recency — R — в виде трех периодов:

  • 0—30 дней;
  • 31—60 дней;
  • свыше 60 дней.

Еще выбирать временные промежутки можно, основываясь на количестве дней между покупками.

Frequency — F — также разбиваем на три части, сколько покупок сделал клиент за период:

  • 0—1 покупка;
  • 2—5 покупок;
  • 6 и более покупок.

И повторяем деление для Monetary — M, создаем три группы по стоимости покупки. Например:

  • 2000 ₽;
  • 5000 ₽;
  • свыше 5000 ₽.

Все оформляем в табличном виде. При этом лучшие показатели надо размещать в верхней части таблицы.

Таблица RFM-анализа для email-рассылки
Так выглядит таблица RFM-анализа. Лучшим будет результат клиентов, которые в течение 30 дней совершили более шести покупок на сумму более 5000 ₽ каждая. Худшим — одна покупка на сумму 2000 ₽ за период больше двух месяцев или вообще ни одной

Всех покупателей нужно распределить по ячейкам. В итоге получается матрица, где из совокупности трех показателей с одинаковыми оценками складываются сегменты:

  • новички: R 1 — F 3 — M (1—3);
  • лояльные: R 1 — F 1 — M (1—2);
  • развивающиеся: R 1 — F 2 — M (1—3);
  • спящие лояльные: R 2 — F 1 — M (1—2);
  • спящие: R 2 — F (2—3) — M (1—3);
  • потерянные: R 3 — F (2—3) — M (1—3);
  • потерянные лояльные: R 3 — F 1 — M (1—2).

Сегментов можно создавать больше.

Для каждого сегмента можно создавать свой тип рассылок. Например, для спящих клиентов делать самые выгодные предложения, чтобы вернуть их, а новых познакомить с компанией и ответить на популярные вопросы через цепочку welcome-писем.

Когортный анализ

Зачем. Когорта — это группа пользователей, который объединены каким-то общим признаком в одном промежутке времени. Например, пользователи, подписавшиеся на рассылку в одном и том же месяце, будут отдельной когортой.

Когортный анализ нужен, чтобы узнать, как часто и активно клиенты взаимодействуют с рассылкой. Результат анализа используют:

  • для создания рассылок, учитывающих интересы подписчиков;
  • захвата внимания тех, кто перестал открывать и читать письма;
  • расчета затрат на почтовые рассылки;
  • увеличения времени жизни подписчика.

Что нужно для анализа. Вот какие показатели необходимо определить для когортного анализа:

  1. Признак формирования когорты — событие, по которому пользователи объединяются в группы: дата первого посещения, первой покупки, регистрации, открытия письма и так далее.
  2. Размер когорты — промежуток времени для формирования когорты: день, неделя, месяц.
  3. Временной интервал — с какого момента нужно отслеживать поведение когорт: за предыдущий год, два, три.
  4. Ключевой показатель — метрику, которая интересна для компании: посетители сайта, покупатели, транзакции, доход.

Как провести анализ. Действовать нужно так.

Шаг 1. Выбрать цель анализа. Предположим, что цель — это отследить взаимодействие подписчиков с рассылками на основе количества кликов — Click Rate.

Шаг 2. Определить показатели для анализа. Предположим, что:

  • признак формирования когорты — дата подписки;
  • размер когорты — месяц;
  • временной интервал — с января 2018 по ноябрь 2019;
  • ключевой показатель — коэффициент конверсии, CR.

Шаг 3. Оформить таблицу 1 с клиентами. Внести в нее ID подписчика или e-mail и дату подписки.

Таблица 1 с данными клиентов для когортного анализа
Таблица 1 с данными клиентов для когортного анализа. Указаны ID подписчика и дата подписки

Шаг 4. Оформить таблицу 2. В нее внести информацию о взаимодействии подписчиков с рассылкой. При этом одна строка — одно действие. Колонками таблицы будут:

  • ID или e-mail подписчика;
  • дата, когда было совершено действие;
  • рассылка, в которой совершено действие.
Таблица 2 с данными клиентов для когортного анализа
Таблица 2 с данными клиентов для когортного анализа. Указаны ID подписчика, номер рассылки, дата

Шаг 5. В таблице 2 группируем пользователей по дате подписки — формируем когорты. Получаем количество подписчиков в каждой когорте.

Таблица для когортного анализа с группировкой по дате подписки
Таблица 2 с данными клиентов для когортного анализа, в которой пользователи сгруппированы по дате подписки

Шаг 6. Объединяем таблицу 2 с таблицей 1. Общее поле — ID подписчика — будет ключом.

Шаг 7. Группируем полученную таблицу по полям «дата совершения действия» и «дата подписки» и подсчитываем для такой пары общее количество кликов.

Сводная таблица для когортного анализа
Сводная таблица для когортного анализа

Шаг 8. Рассчитываем для каждой пары значение ключевого показателя CR. Делается это так:

Расчет CR для когортного анализа

Шаг 9. Полученные результаты представляются в виде матрицы, где строки — это когорты, столбцы — месяцы, значения — ключевой показатель. В нашем примере ключевой показатель — CR.

Матрица когортного анализа
Матрица когортного анализа

Шаг 10. Когда когорты сформированы, остается сравнить их. При анализе выявляют отличия, находят закономерности и объясняют модель поведения, которая характерна для конкретной когорты. После чего можно изменять стратегию рассылок согласно прошлому позитивному опыту.

Например, в октябре 2018 года CR был мал. Даже те когорты, которые до этого месяца и в следующие месяцы показали себя довольно лояльными, в октябре 2018 плохо взаимодействовали с рассылками.

Причины могут быть разными. Может, компания сменила подход к контенту или же ссылки в письмах были некликабельными.

Как часто надо проводить анализ и когда проверять метрики

Определенных правил нет. Например, метрики для общего анализа рекомендуем проверять не раньше, чем через 48 часов после отправки рассылки, потому что пользователи открывают письма не сразу, как те пришли, а спустя время.

Рост базы подписчиков лучше смотреть раз в месяц. В некоторые дни база может уменьшаться, а в другие — расти, например, из-за успешной рекламы или акции. Проверка раз в месяц позволяет наблюдать динамику.

Прочие методы анализа рекомендуем проводить в период, который лучше подходит компании. Периодом может быть месяц, полгода или год. Часто период зависит от цикла сделки. Чем больше цепочка рассылок, тем больше период для анализа рассылок.

Например, в компании, где клиенты покупают регулярно, запланирована определенная схема email-коммуникаций и запущены некоторые рассылки, отработавшие год:

Схема коммуникаций для эффективности email-рассылки
Пунктирными блоками выделены рассылки, которые в этой схеме коммуникаций уже запущены

При такой цепочке писем логично проводить анализ раз в год по всем продуктам компании.

Основные ошибки в анализе почтовых рассылок

При проведении анализа необходимо ориентироваться на средние показатели эффективности. Тогда будет ясно, к чему стремиться.

Если ошибиться с выбором средних значений, можно начать ориентироваться на слишком высокие цифры: достичь их не получится, зато будет потрачено время, бюджет и ресурсы команды.

Перечислим несколько ошибок, которые часто допускают при анализе рассылок.

Ориентироваться на показатели бизнеса из других ниш. На показатели влияет конкуренция, целевая аудитория, продукты и их стоимость. Поэтому те показатели, которые считаются высокими, например, для недвижимости, для e-commerce будут низкими.

Если нужно сравнить свои показатели со средними, то лучше сравнивать с показателями конкурентов.

Сравнивать показатели большого и малого бизнеса. Чем крупнее компания, тем больше у нее ресурсов: бюджета и технических возможностей, например, сервисов для аналитики или сегментации базы подписчиков.

Поэтому они могут создавать масштабную персонализацию, выстраивать сложные коммуникации, анализировать результаты. Все это сказывается на показателях.

Маленькие компании ограничены в бюджете и специалистах, в итоге результаты рассылки могут быть не такими высокими, как у крупных конкурентов.

Сравнивать показатели уже работающей и недавно настроенной рассылок. Прежде чем запустить рассылку, маркетологи проводят ряд тестов. Например, проверяют заголовок и содержание письма. В итоге выбирают вариант, который показывает лучший результат по открытиям и кликам. Его маркетологи запускают на всю базу.

Новая рассылка еще не протестирована, и в ней могут быть ошибки, которые покажут тесты. Поэтому сравнивать результаты новой непроверенной рассылки с уже работающей неверно.

Сравнивать показатели триггерной и обычной рассылок. Триггерная рассылка генерируется автоматически, когда пользователь что-то делает на сайте, например, оформляет покупку или заказывает обратный звонок. Подписчики ждут подобные письма, поэтому они чаще их читают. Вот почему метрики триггерной рассылки выше средних.

Показатели обычной рассылки ниже, потому что она работает на большие сегменты подписчиков или по всей базе. Пользователи обычно не ждут такие письма, а значит, будут реже открывать их и переходить по ссылкам.

Автоматический анализ email-маркетинга

Маркетологи редко сами считают метрики. Чаще они используют платформы, которые делают анализ автоматически. Это позволяет допускать в расчетах меньше ошибок, собирать все данные в одном месте, экономить время на создание отчетов и вовремя реагировать на изменения. У платформ есть API, а значит, к ним можно подключить свои приложения, CRM-систему или сервисы.

Отчеты из аналитических платформ удобно выгружать и работать с ними. Не нужно проводить какие-то дополнительные действия и обработку. Достаточно посмотреть на цифры, сравнить их со средними значениями, и если они сильно отклоняются от них, исправить настройки рассылки.

Популярные платформы для анализа email-маркетинга и их основные аналитические возможности:

SendPulseGetResponseUniSenderMailchimp
Статистика и аналитика популярных метрикОтслеживание уровня вовлеченности. Аналитика базы, статистика рассылокГлубокая аналитика писем, статистика рассылок, карта кликов в письмахТегирование писем для сводных отчетов, изучение репутации доменов

Самое важное для анализа эффективности email-маркетинга

  1. Если в базе много неактивных адресов или домен ящика, с которого отправляются письма, попал в черный список, такая рассылка не окупится и не принесет прибыли. Поэтому анализировать email-маркетинг надо до того, как считать прибыль.
  2. Можно анализировать только общие метрики или использовать дополнительные методики. Общие метрики удобно собирать на специальных сервисах: там они представлены в виде таблиц, графиков и диаграмм, и с ними удобно работать. Дополнительные методики чаще всего считаются ручным способом.
  3. Когда проводится анализ email-маркетинга, нужно ориентироваться либо на свои показатели в прошлых периодах, либо на средние показатели конкурентов. Если ориентироваться на показатели бизнеса из другой ниши или бизнес крупнее вашего, можно поставить слишком высокие цели, которых не получится достичь.

Рассылка для бизнеса

Получайте первыми приглашения на вебинары, анонсы курсов и подборки статей, которые помогут сделать бизнес сильнее

Подписываясь на рассылку, вы соглашаетесь с политикой конфиденциальности

Тинькофф Бизнес защищает персональные данные пользователей и обрабатывает Cookies только для персонализации сервисов. Запретить обработку Cookies можно в настройках Вашего браузера. Пожалуйста, ознакомьтесь с Условиями обработки персональных данных и Cookies.

Чтобы скачать чек-лист,
подпишитесь на рассылку о бизнесе

После подписки вам откроется страница для скачивания

Подписываясь на рассылку, вы соглашаетесь с политикой конфиденциальности

[popup_uchebnik_ip]

[popup]