fbpx

6 βασικοί κανόνες που πρέπει να ακολουθούμε όταν κάνουμε αλλαγές στα newsletter μας


Όσοι παρακολουθείτε τα άρθρα μας και ασχολείστε ενεργά με την μαζική αποστολή email θα έχετε παρατηρήσει την συνεχή μας προτροπή να κάνετε συνεχώς πειράματα, δοκιμές και αλλαγές στα newsletter που στέλνετε. Είμαστε ένθερμοι οπαδοί των συχνών αλλαγών, διότι έτσι μπορείτε να βελτιστοποιήσετε τις καμπάνιες σας.

Πάρα πολλοί χρήστες του EmailSYSTEM μας ζητάνε να τους υποδείξουμε μερικές απλές οδηγίες για να βελτιώσουν το υπάρχον newsletter που στέλνουν. Θέλουν να μάθουν πώς μπορούν να δουν αν μια μικρή αλλαγή που κάνανε στο newsletter τους, έφερε καλύτερο ή χειρότερο αποτέλεσμα. Υπάρχει κάποιο τέχνασμα ή κάποια τεχνική; Ποιος είναι ο πιο σωστός τρόπος που πρέπει να γίνονται οι αλλαγές;

Σ’ αυτό το άρθρο σας παρουσιάζουμε 6 κανόνες που πρέπει να ακολουθήσετε για να δείτε ουσιαστική βελτίωση στην αποστολή των newsletter σας. Για να μπορέσετε να δείτε ουσιαστικά και στατιστικά σημαντικά αποτελέσματα σε βάθος χρόνου, πρέπει να υιοθετήσετε μια μέθοδο στις αποστολές σας, μια στρατηγική. Δεν είναι δύσκολο, σας το εγγυόμαστε, απλά χρειάζεται λίγη προσπάθεια.

1) Γνωρίζουμε τα βασικά μετρήσιμα των newsletter μας

Θα πρέπει να γνωρίζετε τα βασικά μετρήσιμα, τους βασικούς, καίριους δείκτες απόδοσης (KPIs) που έχουν οι καμπάνιες που στέλνετε. Δεν μπορείτε να βελτιώσετε καμία καμπάνια, αν δεν ξέρετε πώς και τι να μετρήσετε. Πρέπει οπωσδήποτε να ξέρετε κατά μέσο όρο το ποσοστό ανοίγματος των newsletter σας (open rate), την αναλογία κλικ προς αριθμό εμφανίσεων (Click Through Rate) ακόμα και το ποσοστό μετατροπής (conversion rate) στην ιστοσελίδα σας (που προέρχεται από το μέσο: email). Το EmailSYSTEM, στην ενότητα των στατιστικών έχει πληθώρα από μετρήσιμα στοιχεία και δείκτες για να έχετε μια ξεκάθαρη εικόνα των αποστολών σας.
Για παράδειγμα, κάνουμε ένα πείραμα για μια νέα μας καμπάνια. Στέλνουμε την πρώτη φορά την καμπάνια μας, την οποία ονομάζουμε καμπάνια Α και παρατηρούμε ότι έχει ποσοστό ανοίγματος 20%. Κάνουμε κάποιες αλλαγές σ’ αυτήν την καμπάνια, την ονομάζουμε καμπάνια Β και την ξαναστέλνουμε. Το ποσοστό ανοίγματος της Β είναι 24%. Έχουμε νικητή, η καμπάνια Β είναι πιο πετυχημένη από την Α.
Αυτό όμως δεν είναι αρκετό για να βγάλετε ασφαλές συμπέρασμα. Αν από το ιστορικό των αποστολών σας, έχετε κατά μέσο όρο ποσοστό ανοίγματος 29%, τότε καμία από τις δύο καμπάνιες Α και Β, δεν έχει καταφέρει να αποδώσει το κάτι παραπάνω στην συνολική μας προσπάθεια, στον συνολικό μας στόχο.

2) Δοκιμάζουμε ΜΟΝΟ μια αλλαγή κάθε φορά

Αυτό είναι το κλειδί για πετυχημένα (και πραγματικά) αποτελέσματα. Μην δοκιμάζετε δύο διαφορετικά template ή layout με πολλές αλλαγές μεταξύ τους όταν πρόκειται να συγκρίνετε δύο καμπάνιες. Αυτή η σύγκριση δεν έχει βάση καθώς παρακολουθείτε ανόμοια πράγματα. Πρέπει να είστε σε θέση μετά τις δοκιμές που θα κάνετε, να μπορείτε να αναγνωρίσετε συγκεκριμένα το μοναδικό εκείνο στοιχείο που αύξησε ή μείωσε την απόδοση του newsletter σας. Αν συγκρίνετε δύο καμπάνιες που έχουν διαφορές στα κουμπιά, στις εικόνες, στο λεκτικό ή στους τίτλους τότε είναι εξαιρετικά δύσκολο να εντοπίσετε ποιες απ’ όλες αυτές τις αλλαγές οδήγησαν σε καλύτερα ή χειρότερα αποτελέσματα.

3) Αποστολή σε τυχαίες ομάδες

Αν έχετε μια ομάδα με επαφές, τότε αντιγράφετε και χωρίζετε τις επαφές σας σε δύο ΝΕΕΣ τυχαίες ομάδες, την ομάδα Α και ομάδα Β. Αν έχετε περισσότερες από μια ομάδες, απλά θα πρέπει να φτιάξετε δύο ΝΕΕΣ ομάδες από τις ήδη υπάρχουσες και να μεταφέρετε εκεί τις επαφές που θα χρησιμοποιήσετε. Η επιλογή των επαφών και ο διαμοιρασμός στις δυο ομάδες πρέπει να είναι τυχαίος. Θέλετε να συγκεντρώσετε εμπειρικά δεδομένα, όχι προκατειλημμένα!

Όσο μεγαλύτερη είναι η ομάδα που θα πραγματοποιηθούν οι δοκιμές, τόσο πιο αξιόπιστα θα είναι τα αποτελέσματα. Εάν δοκιμάσετε τις αλλαγές που κάνετε σε μικρές, διαφορετικές ομάδες ή υποομάδες μπορεί να μην καταλήξετε σε στατιστικά σημαντικά αποτελέσματα.

4) Δοκιμάζουμε τις αλλαγές την ίδια ώρα και μέρα

Όταν δοκιμάζετε διαφορετικές εκδόσεις του ίδιου newsletter, θα πρέπει να βεβαιωθείτε ότι η αποστολή τους γίνεται την ίδια μέρα και ώρα. Όπως έχουμε αναφέρει και σε παλιότερο άρθρο, με βάση δικά μας εσωτερικά στοιχεία, οι βέλτιστες ημέρες για την αποστολή των email είναι από Τρίτη έως και Παρασκευή, κυρίως τις πρωινές ώρες. Εάν κάνετε μια αποστολή την Τρίτη για την καμπάνια Α και αποφασίσετε να κάνετε την Παρασκευή την αποστολή της καμπάνιας Β , δεν μπορείτε να υπολογίσετε τους αστάθμητους, τυχαίους παράγοντες που άλλαξαν ανάμεσα στην Τρίτη και την Παρασκευή. Έτσι, τα αποτελέσματα σας δεν θα είναι συγκρίσιμα.
Μπορείτε να στείλετε την καμπάνια Α μια συγκεκριμένη μέρα και ώρα που επιθυμείτε και ταυτόχρονα να στείλετε την αποστολή της καμπάνιας Β.

5) Μετράμε μόνο ό,τι είναι σημαντικό

Όπως αναφέρθηκε και προηγουμένως, μπορείτε να πειραματιστείτε με πολλές αλλαγές όπως αλλαγή όλου του template, εικόνες, το θέμα του email, τα κουμπιά. Κάθε ένα από αυτά θα έχουν και διαφορετικό αντίκτυπο στα μετρήσιμα αποτελέσματα.
Ας υποθέσουμε ότι θέλετε να δοκιμάσετε την απόδοση σε δύο διαφορετικά κουμπιά όπου πρέπει να διαπιστώσετε ποιο από τα δύο μαγνητίζει περισσότερο τους παραλήπτες σας να κάνουν κλίκ. Με αυτήν την αλλαγή αυτό που είναι σημαντικό να μετρήσουμε είναι το click through rate (CTR), δηλαδή πόσοι παραλήπτες έκαναν κλίκ επάνω στο κουμπί και όχι το ποσοστό ανοίγματος του newsletter.

Το ποσοστό ανοίγματος σαφώς και είναι πολύ σημαντικό, όμως θα ήταν πιο κατάλληλο να μας απασχολήσει αν για παράδειγμα δοκιμάζαμε δύο διαφορετικούς τίτλους για το θέμα του email. Σε τούτη την περίπτωση πραγματικά έχει νόημα να μετρήσετε πια καμπάνια είχε το μεγαλύτερο ποσοστό ανοίγματος (open rate).

6) Βεβαιωθείτε ότι τα αποτελέσματα σας είναι στατιστικά σημαντικά

Στατιστικά σημαντικό είναι το αποτέλεσμα το οποίο δεν έχει προέλθει από τυχαίους παράγοντες. Για παράδειγμα, αν είχατε πολύ χαμηλή ανταπόκριση σε μια καμπάνια που στάλθηκε παραμονή Χριστουγέννων, αυτό δεν αποτελεί κανόνα και θα πρέπει να θεωρήσετε ότι οι διακοπές ενδέχεται να έχουν επηρεάσει αρνητικά τα ποσοστά ανοίγματος (open rates).
Εάν κάνετε διάφορες δοκιμές δώστε μεγάλη προσοχή σε παράγοντες που πιθανό να επηρεάζουν γενικότερα τα αποτελέσματα σας. Γιορτές, εκλογές, απεργίες επηρεάζουν πάντα τα αποτελέσματα και αυτό θα πρέπει να το λαμβάνετε υπόψη σας όταν ερμηνεύετε τα στατιστικά.
Θα πρέπει να έχετε ένα επίπεδο εμπιστοσύνης (confidence level) τουλάχιστο 90%-95% για να θεωρήσετε ότι τα αποτελέσματα σας είναι στατιστικά σημαντικά. Εάν τα αποτελέσματα των στατιστικών που έχετε στα χέρια σας δεν είναι σημαντικά, τότε το πείραμα που κάνετε την συγκεκριμένη χρονική στιγμή θεωρείται αποτυχημένο.

Αφήστε μια απάντηση

Η ηλ. διεύθυνση σας δεν δημοσιεύεται. Τα υποχρεωτικά πεδία σημειώνονται με *