strategia Posts

Aumentare del 30% il tasso di apertura della newsletter

Aumentare del 30% il tasso di apertura della newsletter

Da sempre su questo blog ho parlato dell’importanza della segmentazione e della personalizzazione delle newsletter. Due elementi in grado di determinare il successo o l’insuccesso di una campagna.

Ho sempre affrontato la tematica da un punto di vista abbastanza teorico, oggi invece vorrei raccontarvi una storia vera, vissuta in prima persona.

Contenuti contestuali per le newsletter

Contenuti contestuali per le newsletter

La grossa diffusione di smartphone e tablet che rendono le informazioni accessibili in mobilità in qualsiasi momento e in qualsiasi luogo ha aperto nuove strade per la comunicazione digitale.

Dal concetto di “Content is King” si è rapidamente passati al concetto di “Context is King” laddove il contesto in cui l’utente si trova nel momento in cui fruisce l’informazione è in grado di influenzare le sue scelte.

A/B Test: quali variabili e quali metriche considerare

Nel mese di marzo sul blog di MailUp ho pubblicato un articolo su come pianificare un A/B test partendo da un’ipotesi. In quell’articolo ho anche affermato come sia l’ipotesi a definire le variabili da considerare.

Segmentare i contatti con Google Analytics

Una delle principali sfide per chi fa e-mail marketing è quella di comunicare sempre in modo diretto con i propri utenti. Comunicare in modo diretto significa offrire i contenuti che gli utenti si aspettano e soprattutto che vogliono. Sintetizzando possiamo dire che è e sarà sempre più necessario offrire messaggi rilevanti.

Per offrire messaggi rilevanti occorre capire gli interessi degli utenti e questo lo si può fare raccogliendo le loro preferenze con questionari oppure analizzando la storia dei loro acquisti se sono clienti fidelizzati. Ma gli interessi degli utenti li possiamo anche dedurre dai loro comportamenti e da come interagiscono con i nostri messaggi e con il nostro sito web.

Chi utilizza sistemi professionali per l’invio di newsletter sa bene che dopo aver eseguito l’invio di una newsletter è fondamentale analizzare i dati statistici della stessa e capire quante persone l’hanno letta, quante l’hanno cliccata e quali link sono stati cliccati.

L’immagine sopra riportata è l’esempio di un dettaglio statistico di una campagna dal quale possiamo vedere per ogni link quante volte è stato cliccato. Inoltre, cliccando su dettagli nella colonna a destra, possiamo vedere quali utenti hanno cliccato quel link.

Questi dati raccolti dal sistema di invio già ci dicono qualcosa circa l’interesse degli utenti verso quello che proponiamo. Ipotizzando che questa sia la newsletter di un hotel che propone pacchetti benessere, pacchetti per famiglie e pacchetti per vacanze in bici, possiamo già segmentare le nostre liste in base agli interessi dimostrati dagli utenti tramite i click sulle singole offerte.

Ma questi dati sono sufficienti?

I dati raccolti dal sistema di invio delle newsletter sono però dati parziali. Se un utente è appassionato di bicicletta clicca sui pacchetti per le vacanze in bici. Arrivando sul sito però trova tutti i trattamenti benessere e decide di regale un week-end di relax alla ragazza. Comincia quindi a navigare il sito alla ricerca delle informazioni sui trattamenti, sulle terme, sul benessere etc. Se utilizzassi solo i dati statistici della campagna newsletter andrei a inserire questo utente solo nel segmento “Appassionati di bici”, ma in realtà andrebbe inserito anche nel segmento “Benessere”.

Come recupero i dati comportamentali per la segmentazione?

Per avere una profilazione comportamentale più precisa possibile e svolgere una dettagliata analisi post-click dei comportamenti dei nostri utenti ci possiamo avvalere di Google Analytics.

Una piccola premessa metodologica

Prima di procedere è necessario fare una precisazione circa la metodologia utilizzata nel caso in esame. Il processo riportato di seguito prevede la codifica dei link inseriti nella newsletter per tracciare le sorgenti di traffico. Nel caso specifico ai link presenti nella newsletter sono stati aggiunti i seguenti parametri:

  • utm_source= per identificare il sorgente della campagna
  • utm_campaign= per identificare la campagna
  • utm_medium= per identificareil mezzo promozionale
  • utm_term= per identificare l’utente
  • utm_content= per identificare lo specific link

Ad esempio, il link apposto sul logo presente nella newsletter era il seguente:

http://www.nomesito.it/page.php?utm_source=newsletter&utm_campaign=NL-10&utm_medium=email&utm_term=[IDutente]&utm_content=logo

Il parametro utm_term è quello fondamentale per tutta l’analisi dei comportamenti degli utenti e per la successiva segmentazione comportamentale.

Come faccio a ricavare i percorsi di navigazione di un singolo utente?

Google Analytics tramite i segmenti avanzati offre la possibilità di creare di report personalizzati. Utilizzando questa opzione posso analizzare per ogni utente che è arrivato dalla mia newsletter i suoi percorsi di navigazione e i contenuti più visti.

L’immagine sopra riportata evidenzia come impostare un segmento basato sulla navigazione di un utente  specifico identificato dal parametro utm_term (parola chiave) passato nel link della newsletter.

Una volta creato il segmento e applicato al profilo è possibile analizzare i dati di navigazione:

Ad esempio (immagine sopra) posso vedere che l’utente è passato dalla pagina di dettaglio dell’offerta (index.php?id=…) alla pagina dedicata alle terme. Ma posso anche vedere l’elenco completo delle pagine da lui visualizzate:

E scoprire in questo modo che dal dettaglio dell’offerta dedicata alle bici (riquadro verde) è poi passato ad una navigazione quasi completamente dedicata alle tematiche del benessere (riquadri gialli).

Con questo processo sono riuscito ad ottenere maggiori informazioni sul mio utente e adesso dispongo di maggiori dati per profilarlo e inviargli offerte più specifiche e su misura.

Lavorare sui cluster

E’ chiaro che quello fino ad ora esposto è un procedimento limite per evidenziare le potenzialità di questo tipo di integrazione. Analisi così dettagliate non sempre sono necessarie. Nella maggior parte dei casi è sufficiente creare dei gruppi di utenti accomunati dagli stessi interessi (cluster).

Ad esempio se voglio creare un cluster di utenti interessati al benessere ma che non hanno prenotato per inviargli una proposta specifica posso creare un nuovo segmento come  segue:

Applicando il segmento al profilo e andando ad analizzare le sorgenti di traffico, scegliendo il mezzo (in questo caso “e-mail”) e la campagna (in questo caso “NL-10”), posso ottenere il mio cluster di utenti:

Per ogni  IDutente posso ricavare l’indirizzo e-mail corrispondente e importarlo nel mio sistema di invio newsletter. A questo punto posso inviare a questi contatti un’offerta specifica per il benessere e incrementare i tassi di riposta e il ROI della mie campagne di e-mail marketing.

Qualcuno potrebbe chiedersi perché è stato utilizzato un IDutente invece di un dato più facilmente riconoscibile come  il nome, il cognome o l’e-mail. La risposta è che i termini di utilizzo di Google Analytics vietano l’utilizzo di dati personali nella tracciatura dei link. Questa violazione può portare alla chiusura dell’account e quindi non è una soluzione praticabile.

In alternativa all’utilizzo degli IDutente è possibile trasformare le e-mail in hash univoci che solo chi invia la newsletter può ricondurre alla reale e-mail. Se “pippo@pippo.com” diventa “h7243gf874584” i termini di servizio di Google non vengono violati. In questo modo è possibile scaricare l’elenco degli hash e convertirli più facilmente in indirizzi e-mail da utilizzare per i successivi invii.

Tutto qui?

Assolutamente no! Quelli che ho riportato sono solo due semplici esempi di quello che si può fare. Il limite in questo caso è dato solo dalla fantasia e dalle esigenze di profilazione.

Pensandoci su un attimo altri cluster da creare avrebbero potuto essere:

  1. Utenti con bounce rate 100%
    Da contattare con un’offerta speciale relativa all’offerta che hanno visto, ma che probabilmente per il prezzo o il periodo non andava bene.
  2. Utenti che hanno visto più di N pagine senza prenotare
    Da contattare per chiedere se hanno bisogno di un preventivo personalizzato o se hanno avuto difficoltà a trovare quello che cercavano.
  3. Utenti che hanno fatto più visite in giorni diversi senza prenotare
    Da contattare con un recall sull’offerta inviata perché hanno dimostrato interesse ripetuto verso le nostre proposte.

E a voi quali cluster vengono in mente?

PS: Ringrazio di cuore Marco Cilia di GoAnalytics per il supporto tecnico relativo ai termini di utilizzo di Google Analytics, per la revisione del  post, per gli utili consigli e per l’idea dell’hash dell’indirizzo e-mail in alternativa all’utilizzo dell’IDUtente.