В първата част на тази статия видяхме как можем без абсолютно никакъв опит да анализираме данни от една имейл маркетинг кампания с помощта на ChatGPT. Научихме няколко полезни показателя, които специалистите по дигитален маркетинг следят. Тук ще покажа няколко насоки за анализ на мейл маркетинг с Excel.
Получих три много интересни решения за този казус и ще използвам тях, за да онагледя идеите.
В общи линии анализът минава през няколко стъпки:
Комбиниране на данните
Тук целта е към данните за продажбите да се добави колона със статуса на изпратените имейли. Това ще даде възможност да се анализира връзката между продажбите и мейл маркетинга. Това комбиниране може да стане по най-простия начин с VLOOKUP или с XLOOKUP, както е на снимката.
Може да стане и като се свържат двете таблици в дата модел на Power Pivot
Или пък с помощта на Power Query.
Всеки един от участниците е избрал различен подход, но това е само поредното доказателство, че Excel предоставя много начини да се свърши една работа.
Изчисляване на KPIs за мейл маркетинг
Независимо от начина и метода на работа в крайна сметка можем да създадем тези четири таблички за нашия анализ на мейл маркетинг с Excel (номерирани са за удобство от 1 до 4).
В таблица 1 виждаме изпратените мейли в кампанията групирани по статуси по региони (Abroad / Bulgaria) и общо. До нея в таблица 2 същата информация е представена като процент спрямо реда Grand Total, т.е. общия брой изпратени по регион и тотал.
В таблица 3 са групирани бройките на продажбите по стус от кампанията, а в таблица 4 – отново същата информация е представена като процентни дялове.
Например:
гледаме първия ред на таблица1. За 133 от изппратените мейли, получателят е кликнал на предоставения линк (86 са в България, 47 – в чужбина). Съответно това е 4% от общо изпратените мейли (8% и 2% за България и чужбина)
Някои от показателите, които в първата част ме посъветва ChatGPT да изчисля са сметнати наготово в таблица 2. Например Open Rate (Процент Отворени Имейли) е точно делът на отворените мейли (opened), тоест около 37%. Click-Through Rate (CTR) (Процент Кликвания) пък е 4%.
Най-отдолу вдясно е изчислен Conversion rate. Той е изчислен като броят на продажбите, осъществени след кликване на линк от мейла (96) e разделен на общия брой изпратени мейли (3,040). Нарочно съм използвал ръждиво-кафеникавия цвят, за да се ориентирате кои редове участват в изчислението.
Между другото, това е една опростена формула. Някои специалисти по дигитален маркетинг биха казали, че е редно да извадим бройката на недоставените мейли, защото от тях няма как да очакваме продажби. Други – че не трябва да го правим, за да имаме по-вярна представа за качеството на нашата база от имейл адреси. Оставям това на преценката на читателя. Както с много други показатели, важното е на всички, които получават съответния анализ, да е ясно какво гледат и избраният метод да се прилага последователно.
Малко материал за размисъл
Накрая – обърнете внимание на трите стойности 67%, 68% и 67% под таблиците вляво. Те показват колко процента от хората, на които сме изпратили имейл, са направили покупка. Моята първа мисъл беше, това е един измамен коефициенти би било твърде лековато да кажем, че 67% от изпратените мейли са довели до продажба и следователно кампанията е успешна. Но после се поразговорих с един от участниците, изпратил решение и получих от нея много интересно разсъждение. Цитирам го без редакторска намеса:
„като жена получавам много рекламни имейли от различни магазини. От няколко дни например си мисля, че любимият ми парфюм свършва и трябва да си поръчам нов. Но динамиката на деня ме завърта и така и не го правя, до тази сутрин, в която отваряйки си пощата виждам най-отгоре в получените имейли такъв от Douglas, не го отварям защото знам какво продава този онлайн магазин и директно го трия, защото е spam. Затваряйки пощата си обаче след напомнящия имейл влизам веднага в онлайн магазина на Douglas и правя поръчка. Ако бях получила имейл от Нотино, можеше да си купя и от тях, но в случая те не са ми пратили рекламен имейл. Та си мисля, защо моята покупка да не се брои, като извършена, нищо че не съм отворила имейла, те са достигнали до мен с името и бранда си.“
Така стигнахме до извода, че нещата не са толкова прости. Вероятно има смисъл да се следи динамиката на този коефициент. Защото ако той се задържа месеци наред около 65% – това е едно. Но ако стойността му плавно намалява (или нараства) с времето – това е друго.
Анализ на резултатите
Нека да разгледаме по-внимателно четирите таблици. Веднага прави впечатление не особено големият процент на отворени имейли – 37%, като той е малко по-голям за чужбина (39%) спрямо България (34%). Това на пръв поглед ми изглеждаше малко, но после се замислих – колко от мейлите от разни он-лайн магазини, които получавам всъщност отварям. По груби сметки не повече от 20%. Така че 37% отворени мейли вече не ми изглежда толкова зле, даже ми се струва много добре.
Всъщност в условието на задачата беше предоставен един линк https://wpshout.com/email-marketing-statistics/ с пазарна информация за стойностите на тези KPIs. Там средната стойност на процента отворени мейли е около 31%, така че резултатите на нашата компания изглеждат отлични.
Интересни са стойностите на Click-Through Rate (CTR) – 4% общо, което е много над средната стойност посочена в горния линк (1.25%). Нашите маркетинг специалисти могат да са доволни.
Интересното тук е, че този процент е много висок за България – 8%, докато в чужбина (2%) е по-скоро сравним със средното
Conversion Rate (3.16%) също е много, много висок в сравнение с пазарните стойности (0.08%). Честно казано такава голяма разлика дори е леко притеснителна, особено като видим, че за България стойността е почти 6%. Задължително данните трябва да се проверят!
Да обобщим резултатите
Условието на задачата изискваше да се напише писмо до изпълнителните директори на фирмата, в което кратко и ясно да се опишат резултатите от анализа.
В общи линии и тримата участници са се справили добре с това изискване като най-много ми хареса това:
Възможен е и такъв формат:
Какво точно трябва да се каже, подчертае и изведе като основно послание в едно такова писмо зависи изключително много от контекста и целите. Но идеята е да пишем кратко и само най-същественото. Да използваме форматирането, за да подчертаем това, което считаме за важно. Да се придържаме към кратки изречения, да цитираме източниците на информация, когато използваме такива.
Няколко идеи за размисъл
Горе-долу с горния анализ покриваме изискването на шефовете – да кажем успешна ли е кампанията. Но нашият анализ на мейл маркетинг с Excel не бива да приключва с това.
Най-забавната част в анализа на данни е, когато се загледаме в детайлите. Затова ще дам няколко идеи, които ми хрумват за по-задълбочен анализ. Повечето изискват и по-детайлни данни от поне няколко месеца.
1. Много купуват без да отварят
Това е много интересно – повече от половината продажби са направени от хора, които дори не са отворили рекламното ни писмо. Тук е хубаво да се анализира дали тези клиенти извършват периодични покупки от нашия магазин. Какво купуват – едно и също на сравнително равни интервали или най-различни неща. Може би има и от двата случая – хубаво е да се позадълбае в тази посока. Това ще ни даде представа за навиците на нашите клиенти и евентуално ще се ориентираме какви рекламни съобщения да им изпращаме
2. Регионалните различия:
С просто око се вижда, че чужденците отварят повече мейлите си, но пък кликат по-рядко. Можем ли да разберем защо? Също така CTR е значително по-висок за България, отколкото за чужбина. Защо? Това с рекламното послание ли е свързано или може би е заради съвпадение с някакъв местен празник. Примерно писмото е било за Свети Валентин, но в България имаме и много уважаващи Трифон Зарезан и това може да е повлияло.
3. Покупки от хора с недоставен мейл
2% от покупките са направени от хора, на които мейлът е със статус „недоставен“. Може да изглежда малко, но е хубаво да опитаме да разберем нещо повече за тези хора. Тук бях заложил една шегичка за участниците. Вижте списъка с мейли, за които има продажба, но се водят недоставени от България. Какво ви прави впечатление:
Шегата настрана – примерът е по действителен случай, споделен от читател в блога. Той имаше подобен казус с недействителни мейли, които се регистрират на сайта на фирмата, за която работи. Безобидно на пръв поглед, но се оказа опасен пробив в сигурността.
Идеята в случая е, ако забележим нещо странно, колкото и дребно и назначително да е – да не го оставяме. Хубаво е да го разгледаме, пък току-виж сме открили нещо интересно и полезно.
4. Какво купуват
При изчисляване на Conversion rate ние взимаме броя на хората, които са купили, след като са кликнали на линка в изпратения мейл. Но дали са купили това, което е на линка? Същия въпрос можем да зададем и за хората, които са отворили мейлите и са купили нещо. Това може да е много интересна посока за анализ – това, което купуват хората има ли нещо общо с темата и посланието на изпратените мейли? Ако сме изпратили предложение за отстъпки – възползалили са се от тях? Тук може да се използва т.нар. А/В анализ. Тоест на две подобни групи хора изпращаме един и същ имейл, но едните имат отстъпка 10%, а другите – 25%. Съответно сравняваме за всяка група какви са резултатите и преценяваме.
5. Клиенти, закупили без да са получили мейл
Както се вижда от данните – не малък брой продажби са направени от клиенти, които не са получили имейл. Те чисто нови ли са или просто не са попаднали в извадката? Възможно е например фирмата да има вътрешно правило да не се изпраща мейл на клиенти, които са закупили предходния месец (за да не им досаждаме). Или пък да сме им изпращали 3-4 поредни месеца и те да не са отваряли мейлите и затова да сме ги изключили от списъка. Но ето – те решават да закупят. Можем ли да се опитаме да разберем защо като разгледаме какво са купили? Примерно ако са ножчета за бръснене – нормално е една опаковка да свършва за около 6 месеца. Тоест – защо да не пробваме след 6 месеца да пратим на тези клиенти купон за отстъпка за ножчета за бръснене.
А възможно е и това да са клиенти, които купуват за пръв път. Тогава може би е интересно от къде са дошли на нашия сайт, кои страници са разглеждали на него преди да закупят, какво са закупили и т.н. Доколкото знам google analytics и други подобни инструменти могат да дадат доста ценна информация за такъв анализ
В заключение:
Този казус беше много интересен за мен, защото ме заведе на територия, която ми е непозната. Научих нови неща, видях интересни идеи и от тримата, изпратили решение, за което им благодаря. Да правиш анализ на мейл маркетинг с Excel изглежда не само забавно занимание, но и доста благодатно откъм възможности за откриване на възможности за подобряване на резултатите на фирмата.
По мое мнение това е една област с голям потенциал. Все още в България анализът на мейл маркетинг кампаниите не е много популярен и бизнесите, особено по-малките, са го оставили в ръцете на рекламните агенции, с които работят. Колко от тях разполагат със специалисти, добри в анализа на данни – не е ясно. Колко от хората, които анализират данните от мейл маркетинг, отиват отвъд изчислението на тези 5-6 споменати показателя – също не е ясно. Затова ми се струва добра идея за всеки, който иска да се развива в областта на анализа на данни, да проучи материята и възможностите за прилагане на теорията в практиката на компанията, за която работи. Надявам се този казус да помага поне малко за това.