Искате ли да видите как се прави анализ на мейл маркетинг с ChatGPT? Третият по ред казус за анализ на данни беше на тема дигитален, по-точно мейл маркетинг. Получих три много интересни решения и в статията, ще споделя няколко идеи как можем да анализираме такива данни.
Но трябва да призная, че самият аз нямам опит в тази област и затова реших ползвам помощ от ChatGPT. Зададох му въпрос – какви са основните показатели за анализ на имейл маркетинг кампании. И той ми даде това:
Основни KPIs за Анализ на Имейл Маркетинг Кампании
Open Rate (Процент Отворени Имейли)
Формулата за изчисление на Open Rate е следната:
Този показател е индикатор за привлекателността на вашите съобщения.
Click-Through Rate (CTR) (Процент Кликвания)
Формулата за CTR е:
CTR показва колко добре вашето съдържание ангажира получателите.
Click-to-Open Rate (CTOR) (Процент Кликвания Спрямо Отворените)
CTOR се изчислява по следния начин:
Това измерва ефективността на съдържанието след отваряне на имейла.
Conversion Rate (Процент Конверсии)
Conversion Rate се определя с формулата:
Този показател отразява успеха на имейл кампанията в постигане на конкретни бизнес цели.
Bounced Emails (Отхвърлени или недоставени имейли)
Отхвърлените имейли могат да бъдат ‘твърди’ (hard) или ‘меки’ (soft), като представляват имейли, които по различни причини не са доставени до получателя.
Conversions (Конверсии)
Конверсиите представляват действията, които получателите предприемат след кликване върху връзка, което може да включва покупка, регистрация за събитие или изтегляне на материал. В нашия случай – дали собственикът на имейла е направил покупка СЛЕД КАТО е кликнал на линка, който сме му изпратили.
То било лесно да се прави анализ на мейл маркетинг с ChatGPT .
Практически анализ на данните
Тази теория ми беше много полезна като въведение и вече имах в главата си идеи как да анализирам данните. Но реших да бъда модерен и просто попитах ChatGPT, ако му дам файла с данните дали може да ги анализира вместо мен. Отговорът беше обещаващ:
И да – данните бяха успешно заредени (става дума за две таблици с около 2-3 хиляди реда) и след няколко минути получих този спретнат доклад:
Базирайки се на предоставените данни, ето анализа и резултатите за KPIs на имейл маркетинг кампанията:
Bounce Rate (Процент на недоставени): 1.55% – това е много добър резултат, показващ, че голямата част от имейлите успешно достигат до получателите.
Open Rate (Процент на отворени): 37.82% – значително по-висок от средните стойности за индустрията, което показва силно ангажиране с имейлите от страна на получателите.
Click-Through Rate (CTR) (Процент на кликвания): 4.44% – това също е впечатляващо и показва, че съдържанието е достатъчно убедително за потребителите да предприемат действия.
Click-to-Open Rate (CTOR) (Процент на кликвания спрямо отворените): 11.75% – доста висок показател, което означава, че от хората, които отварят имейлите, значителна част кликват на предоставените връзки.
Conversion Rate (Процент на конверсии): 65.85% – изключително висок процент, което означава, че от доставените имейли, много водят до продажби. Този процент изглежда необичайно висок, което може да е резултат от това, че продажбите са свързани с имейли извън тези, изпратени само през текущата кампания, или пък стойностите може да са изкривени поради грешки в данните или изчисленията.
Ако Conversion Rate е точен, това би било изключително показателно за изключителна ефективност на кампанията. Въпреки това, препоръчвам този процент да бъде прегледан за потенциални неточности.
От тук, можете да направите по-задълбочен анализ, като разгледате KPIs в разрез по региони, време на изпращане, видове съобщения и др. Такива анализи могат да помогнат за оптимизиране на бъдещите имейл кампании.
Както виждате – без грам опит в тази област, аз съм способен да направя анализ на мейл маркетинг с ChatGPT за минути. При това анализът на вид изглежда много добре.
Дали?
Да задълбаем в числата
Направи ми впечатление, че Conversion rate е изключително висок – над 65% от хората, получили мейл са направили покупка. Но това някак си изглежда странно при положение, че само 37.8% от хората са прочели мейла. Има нещо гнило в Дания, както се казва. Затова директно запитах: „Според теб какви са възможните причини Conversion Rate да е толкова висок? Допускаме, че данните са коректни.“
На което получих един такъв отговор:
И директно отговорих така:
И за секунди получих поисканите данни
Продължих с разсъжденията и ChatGPT се съгласи, че съм прав
След това преизчисли стойността на Conversion Rate
27% изглежда доста по-реалистично наистина, но тогава ми хрумна да проверим има ли с какво да го сравним:
Както се вижда, дори 27% Conversion Rate е много над средното. Освен това ChatGPT ми предостави и линк с данни от пазарно проучване, където стойностите бяха дори по-ниско от 1%. Затова продължих с въпросите:
Всичко това явно дойде твърде много за машинката:
В крайна сметка стигнахме до тук:
А ето и инструкциите за изчисляването на Conversion Rate в Excel:
Длъжен съм да кажа, че технически това не е най-добрият начин, но върши работа. Ако не се ориентирате, правилното изчисление на този показател е да разделим броя на извършили покупка, но след като са кликнали на линк от изпратения мейл, върху общия брой изпратени мейли, намален с този на неполучените.
А аз продължих разговора с моя приятел:
В крайна сметка стана ясно, че истинският Conversion Rate е някъде около 3%, което е горе-долу по средата на нормалните стойности. С други думи – определено кампанията е успешна. Но честно казано, като лаик в темата, за мен е много странно,е че толкова нисък процент се приема за успешен. Затова го попитах за някакво обяснение. И то звучи доста логично:
И това ли е всичко?
Не, разбира се. Когато имаме данни – можем да ги анализираме, разглеждаме и въртим по всякакъв начин, за да „изстискаме“ от тях изводи за съответната дейност. Но аз реших да попитам за идеи как да продължа самия ChatGPT. Ето и какво ме посъветва той:
1. Сегментация на данните
Анализирайте резултатите по различни демографски групи, географски региони, поведение на потребителите или по тип клиент (нов срещу връщащ се). Това може да ви помогне да разберете кой сегмент реагира най-добре на вашите имейли и да насочите ресурсите си към най-перспективните групи.
2. Анализ на време и честота
Изследвайте как времето на изпращане на имейлите и честотата им влияят на ангажираността и конверсиите. Можете да тествате различни времеви точки и интервали между имейлите, за да определите оптималния график.
3. Тестване на съдържанието (A/B тестове)
Провеждайте A/B тестове за различни аспекти на вашите имейли, включително заглавията, графиките, текста на съобщенията и призивите за действие. Това може да ви помогне да идентифицирате кои елементи на имейлите най-много допринасят за ангажираността и конверсиите.
4. Анализ на взаимодействията на уебсайта след кликване
Следете действията на потребителите на вашия уебсайт след кликване върху връзките в имейла. Използвайте инструменти като Google Analytics за анализ на поведенческия поток, времето прекарано на сайта, броя на посетените страници и крайните конверсии.
5. Откази от абонамент и техния анализ
Анализирайте данните за отказ от абонамент, за да разберете кога и защо потребителите решават да прекратят абонамента си. Това може да ви даде индикации за това какво не работи във вашата стратегия и как може да подобрите съдържанието и ангажираността.
6. Икономически показатели
Изчислете ROI на вашата имейл кампания, като сравните разходите за кампанията с генерираните приходи от нея. Това ще ви помогне да оцените финансовата ефективност на вашите усилия и да вземете информирани решения за бъдещи инвестиции в маркетинга.
7. Дългосрочни тенденции
Разгледайте данните за ангажираност и конверсии през времето, за да идентифицирате тенденции или циклични промени. Това може да ви помогне да планирате за сезонни флуктуации и да адаптирате стратегиите си съответно.
Честно казано – всичко това звучи много разумно. Разбира се, за реализирането на всяка една от тези идеи са нужни много действия. Има много подробности, които трябва да се вземат предвид. Но мисля, че имам няколко чудесни отправни точки
А как да го направим без ChatGPT в Excel?
Мисълта, че можем да правим анализ на мейл маркетинг с ChatGPT като си седим пред компютъра и му задаваме въпроси е доста примамлива. Както се вижда обаче – той способен доста да ни подведе и обърка. Първоначално изчисли Conversion rate от над 65%. После спадна до 27%, накрая стигнахме до 3%. Изводът е, че трябва много да внимаваме какви отговори ни дава ChatGPT. И затова е хубаво да знаем как да си изчислим съответните коефициенти и да обработим данните в Ексел (или друг инструмент по избор). А това вече е предмет на втората част на тази статия.