Tiimi A käy sähköpostimittarit läpi kuukausittain ja arkistoi raportin, jota kukaan ei lue. Tiimi B valitsee joka viikko yhden luvun, muuttaa yhtä asiaa ja vertaa tuloksia seuraavana perjantaina. Kuusi kuukautta myöhemmin tiimi B vastaa nopeammin, kirjoittaa terävämpiä otsikkorivejä ja lähettää vähemmän viestejä, jotka eivät johda mihinkään.
Sähköpostidatan käyttäminen viestinnän parantamiseen tarkoittaa mittarien yhdistämistä tiettyyn muutokseen, muutoksen kokeilua ja tuloksen mittaamista. Kyse ei ole useampien lukujen keräämisestä. Kyse on silmukan sulkemisesta sen välillä, mitä data näyttää ja mitä tiimisi kirjoittaa, lähettää ja vastaa. Luvun sähköpostimittarit, joita yrityksen kannattaa seurata mittarit ja luvun sitoutumisen seuranta ajan yli trendit syöttävät suoraan tätä prosessia.
Näin käytät sähköpostidataa viestinnän parantamiseen
Aloita yhdestä ongelmasta, jonka haluat ratkaista. Matalat avaukset? Heikot klikkaukset? Hitaat vastaukset? Valitse ongelmaan liittyvä mittari ja sivuuta muut toistaiseksi. Keskittynyt kokeilu tuottaa selkeämpiä tuloksia kuin viiden asian muuttaminen kerralla.
Muuta mittari hypoteesiksi. ”Avausprosenttimme laski, koska otsikkorivit muuttuivat epämääräisiksi” on testattavissa. ”Sähköposti ei toimi” ei ole. Kirjoita kaksi otsikkoriviä uusiksi luvun ammattimaiset sähköpostin otsikkorivit ohjeilla, lähetä ne samankaltaisille ryhmille ja vertaa avausprosentteja seuraavalla viikolla.
Yleisiä sähköpostidatan ohjaamia parannuksia
Matala avausprosentti viittaa usein otsikkoriveihin, lähetysaikaan tai lähettäjän nimen tunnistettavuuteen. Korjaa ensin otsikkorivi, koska se on nopein kokeilu. Matala klikkausprosentti terveiden avausten kanssa viittaa viestin sisältöön, linkin sijaintiin tai heikkoon toimintakehotukseen. Käytä luvun miten kirjoitat selkeän ja tiiviin sähköpostin selkeyssääntöjä.
Hidas vastausaika viittaa postilaatikon työnkulkuun, ei kirjoituksen laatuun. Tarkista luvun ammattimaisen sähköpostin hallinnan työnkulku delegointisäännöt ja se, merkitäänkö kiireelliset viestit oikein. Matala vastausprosentti myyntipostissa voi tarkoittaa, että pyyntö on epäselvä tai että luvun automaattiset seurantasähköpostit seurannan ajoitusta pitää säätää.
Viikoittainen parannussilmukka
Kirjaa joka viikko tärkeimmät mittarisi, tunnista heikoin luku, muodosta yksi hypoteesi, tee yksi muutos ja tarkastele tuloksia seitsemän päivän kuluttua. Dokumentoi, mitä kokeilit, jotta et toista epäonnistuneita kokeiluja. Jaa tulos tiimin kanssa kahdella lauseella, jotta kaikki oppivat samasta datasta.
Seuraava luku, sähköpostiraportoinnin virheet, joita yritykset tekevät, käsittelee ansoja, jotka estävät tämän silmukan toimimisen.
Usein kysytyt kysymykset
Kuinka paljon sähköpostidataa yritys tarvitsee ennen muutosten tekemistä?
Kahden viikon lähtötasodata riittää yhden muuttujan kokeilun aloittamiseen. Neljä viikkoa antaa enemmän varmuutta trendin suunnasta. WEMASYn lomake- ja sivuanalytiikka Sivustonrakentajassa tuo kontekstia, kun sähköpostin linkit ohjaavat vierailuja sivustolle.
Pitäisikö yritysten muuttaa ensin otsikkorivejä vai viestin sisältöä?
Muuta ensin otsikkorivejä, kun ongelmana on avausprosentti. Muuta viestin sisältöä, kun avaukset ovat terveet mutta klikkaukset tai vastaukset ovat matalia. Data kertoo, mikä portti on pettänyt.
Voiko sähköpostidata parantaa yksittäistä viestintää?
Vastausprosentti ja vastausaika näyttävät, saako suora yhteydenottosi vastauksia riittävän nopeasti. Seuraa, mitkä otsikkorivimuodot tarjousviesteissä saavat nopeimmat vastaukset, ja käytä kuviota uudelleen.
Miten yhdistät sähköpostidatan verkkosivuston suorituskykyyn?
Vertaa sähköpostilinkkien klikkausprosenttia laskeutumissivun sivukäynteihin ja lomakelähetyksiin. Klikkausten ja konversioiden välinen kuilu viittaa sivun ongelmaan, ei sähköpostin ongelmaan. Katso luku miten ammattimainen sähköposti vaikuttaa konversioihin.
Entä jos data näyttää ongelman mutta korjaus ei toimi?
Aja kokeilua kaksi viikkoa, ennen kuin päätät sen epäonnistuneen. Yksi hidas viikko on kohinaa. Jos korjaus ei edelleenkään nosta lukuja, muodosta uusi hypoteesi ja kokeile yhtä toista muutosta.
Miten sähköpostidata parantaa automaattisia viestejä?
Sarjan data näyttää, missä vastaanottajat tippuvat pois. Matalat avaukset toisessa vaiheessa tarkoittavat, että ensimmäinen viesti loi vääriä odotuksia. Matalat klikkaukset kolmannessa vaiheessa tarkoittavat, että toimintakehotus kaipaa työtä. Tarkista luku sähköpostiautomaation virheet, joita kannattaa välttää lukujesi rinnalla.