Segmentasyon kılavuzu: Etkili e-posta kampanyaları için 4 teknik

Doğru iletişimi doğru zamanda doğru alıcıya gönderin. Bu, bir e-posta pazarlama stratejisi geliştiren herkes için tekrarlanan bir slogan, bir mantradır .

Ama tam olarak ne anlama geliyor? Bu pratikte nasıl tercüme edilir? Cevap, veritabanınızı ilgili gruplara bölmek için yararlı olan faaliyetler dizisi olan segmentasyonda yatmaktadır. Otomatik e-posta ile satışların nasıl artırılacağını anlattıktan sonra, segmentasyondaki temel faaliyetleri keşfetmeye geçiyoruz.

Veritabanınızı bilin

Kişilerinizi ayırmadan ve özel e-postalar oluşturmadan önce, neyin toplandığını, miktarını, kalitesini, türünü ve güncel veya eski veri olup olmadığını anlamak için verilerin derinlemesine bir analizi yapılmalıdır. Yalnızca veritabanının değerini bilerek en iyi segmentasyon türünü belirleyebilirsiniz.

İkinci olarak, iletişim kurmak istediğiniz pazarlama stratejisi ve müşteri profili tanımlanmalıdır. Veri analizi, elimizdeki verilerin yeterli olup olmadığı veya yeni verilerin elde edilmesinin gerekli olup olmadığı, hangi bilgilerin gerekli olduğunun anlaşılmasına yardımcı olur. MailUp'ın , anketler, dijital formlar ve kanallar arası satın alma kampanyalarının yardımıyla, platformun gelişmiş segmentasyon işlevleri sayesinde yüzleşmenize izin verdiği karmaşık bir etkinlik.

Hedefleri tanımladıktan ve veritabanınızı analiz ettikten sonra, kişilerinizi bölümlere ayırmaya hazırsınız. Hadi bazı örneklere bakalım.

Kişisel veri

Kişisel verilere dayalı bölümleme, kişileri bölmenin en kolay yoludur: cinsiyet , yaş , adres , kümeler oluşturmak için yararlı verilerden sadece birkaçıdır. Bu verilere kolayca erişilebilir, genellikle kullanıcı tarafından kayıt işlemi sırasında sağlanır.

Bir veri toplama formu oluşturmak ve birçok alan eklemek istiyorsanız, tek zorunlu istek alanını kullanıcının e-posta adresi yapmayı unutmayın, böylece kullanıcıya sizinle ne ve ne kadar kişisel bilgi paylaşacağı seçimini bırakın. Çünkü bu etkileşim düzeyinde, muhataplarınız kendileri hakkında çok fazla bilgi paylaşmaya daha az eğilimlidir.

Bu nedenle, talep ettiğiniz bilgilerin pazar stratejiniz için gerekli olduğundan emin olun. Aşırı talepler küçük dönüşüm oranlarına yol açabilir.

davranışsal veriler

Davranışsal verilere dayalı segmentasyon, kullanıcıların, örneğin gönderdiğiniz bir e-postaya yanıt olarak veya sitenize göz atarken gerçekleştirdiği eylemlere odaklanır. Bu tür bir segmentasyon, kullanıcıların dönüşüm sürecinin hangi aşamasında bulunduğunu anlamaya yardımcı olur.

Bir alıcının bir e-posta ile sahip olabileceği farklı etkileşimleri göz önüne alırsak, dört davranışa dayalı olarak dört küme belirleyebiliriz:

• abone mesajı açar ;
• abone mesajı açmaz ;
• abone mesajı açar ve tıklar ;
• abone açılır ve mesaja tıklamaz .

Kişilerinizin katılım düzeyini merak ediyorsanız, basit bir hesaplama ile sadakat endeksini hesaplayabilirsiniz: Açılan mesaj sayısını gönderilen toplam mesaj sayısıyla karşılaştırın. Ardından verileri şu üç kategoriyle karşılaştırın:

• %75'e eşit veya daha büyük bir dizine sahip sadık abone . Bu durumda sadakatlerini özel içerik, ücretsiz hizmet veya özel indirim ile ödüllendirin;
• sadakat değerleri %25 ile % 74 arasındaysa belirsiz abone : içeriği, konuyu, gönderme zamanlamasını optimize ederek ve iletişimlerinize bağlılığın ödüllendirileceğini bildirerek potansiyel olarak sadık müşterilerdirler;
• %24'ün altında bir puana sahip sadakatsiz abone : bu kişileri yeniden etkinleştirmek zordur ve kıt katılımlarının arkasında tek bir neden yoktur; esas olarak, mesajın değerine ilişkin algıları, onları mesajları açmaktan alıkoyan şeydir. Promosyonlardan ve özel tekliflerden yararlanmak, şirketten ziyade teklife sadakat yaratan iki ucu keskin bir kılıç olabilir.

İşlem verileri

Hem fiziksel hem de çevrimiçi kanallardaki satın alma davranışıyla ilgili tüm bilgilerdir: seçilen ürün türü, satın alma sıklığı, sipariş sayısı, toplam satın alma değeri, marka tercihleri, renkler ve daha fazlası.

Bu bilgiler arasında gezinmek ve bunları kullanmak kolay değildir. Tavsiyemiz, veritabanınızı özel kılan verileri analiz etmeniz ve bunları etkili bir segmentasyon geliştirmek için birleştirmenizdir. İşte bazı örnekler:

• belirli bir markanın ürünlerini tekrar tekrar tıklayan veya satın alan müşteriler için özel teklifler ;
• satın alma işlemini tamamlamadan ürünleri seçen kullanıcılar için terkedilmiş sepetleri kurtarmak için e-posta ;
• çapraz satış kampanyaları : bir kullanıcı belirli bir renk elbise ve çanta satın aldıysa, aynı renkteki ilgili ürünleri önermek için bir e-posta (indirimli veya indirimsiz) gönderin;
• yukarı satış kampanyaları : müşterinin harcadığı ortalamaya göre bir ürün seçimi önermek;
• ön satış kampanyaları : Son aylarda belirli sayıda sipariş veren müşterilere e-posta ile sezonluk indirimleri tahmin edin.

RFM Analizi

RFM analizi, pazarlama ve e-posta pazarlamasında çok popülerdira: Müşterileri her bir ölçüm talebi için bir puanla ilişkilendirebilmeniz sayesinde, üç değişkene dayalı olarak davranış üzerinde tahmine dayalı istatistiksel metodoloji kullanan karmaşık bir segmentasyon örneği:

• yenilik : yapılan son satın alma tarihi;
• frekans : satın alma sıklığı;
• parasal : Belirli bir zaman dilimindeki ortalama harcama.

RFM analizinin üç ilkesi şunlardır:

• yakın zamanda satın alan müşteriler, geçmişte daha fazla satın alan müşterilere göre yeni promosyonlara daha açık;
• düzenli müşteriler ara sıra olanlardan daha açık;
• Ortalama harcamaları yüksek olan müşteriler, daha az harcama yapanlara göre daha anlayışlıdır.

Özel ve özel mesajları yönlendirmek için en iyi müşteriler elbette yüksek RFM puanları alan müşterilerdir. Ayrıca, altında kampanya göndermeye devam etmenin artık uygun olmadığı ve yeni yeniden etkileşim stratejilerini denemenin daha iyi olacağı bir eşik puanı belirlemenizi de öneririz.

Kişilerinizi bölmek için hangi kriterleri kullanıyorsunuz? Segmentasyon tekniklerinizi aşağıdaki alanda bizimle paylaşın.