ΤΕΛΕΥΤΑΙΑ ΕΝΗΜΕΡΩΣΗ: ΜΑΪΟΣ 2019
Κάθε επαγγελματίας που εφαρμόζει το Email Marketing για να προωθήσει προϊόντα ή υπηρεσίες, αναρωτιέται, αν οι email καμπάνιες του έχουν απήχηση, ανταποκρίνονται στις ανάγκες των συνδρομητών-πελατών του και εν τέλει συμβάλλουν στην κερδοφορία της επιχείρησής του. Πώς όμως θα αποφασίσει ποιο design για τα email του είναι πιο ελκυστικό, ποιοι τίτλοι οδηγούν στο άνοιγμα των email, ποια Call to Actions αυξάνουν τις πωλήσεις; Η απάντηση είναι μία: Δοκιμές με την αποτελεσματική μέθοδο του A/B testing.
Το Α/B ή split testing είναι μια πετυχημένη μέθοδος δοκιμών, η οποία χρησιμοποιείται ευρέως στο Digital Marketing. Είναι η δοκιμή δύο εκδοχών του ίδιου περιεχομένου σε παρόμοιους χρήστες στο ίδιο χρονικό διάστημα. Έτσι, μπορεί να εκτιμηθεί η απόδοση της μιας εκδοχής (Α) απέναντι στην άλλη (Β). Για παράδειγμα, χρησιμοποιείται για να δοκιμάσει κανείς διαφορετικές εκδοχές κειμένων ή design μιας ιστοσελίδας, διαφορετικές εκδοχές μιας διαφήμισης στις μηxανές αναζήτησης και πολλά άλλα, έτσι ώστε να καταλήξει στο τί λειτουργεί καλύτερα για αυτόν.
Ειδικά στο Email Marketing, το A/B testing σημαίνει την αποστολή δύο εκδοχών μιας καμπάνιας σας, ώστε να εκτιμήσετε, ποια από τις δύο είχε την καλύτερη και μεγαλύτερη ανταπόκριση από τους συνδρομητές σας. Επομένως και ποια από τις δύο έχει τα καλύτερα αποτελέσματα για την επιχείρησή σας.
Έχουμε τονίσει επανειλημμένως, ότι θα πρέπει να αναλύετε τα στατιστικά και την απόδοση των καμπανιών σας. Έτσι, μπορείτε να κρίνετε την απόδοση των προσπαθειών σας στο Email Marketing. Για να είναι μια Εmail Marketing στρατηγική επιτυχημένη, πρέπει να είναι δυναμική, να βελτιώνεται και να εξελίσσεται συνεχώς. Τα Α/B tests είναι ένας πολύ αποτελεσματικός τρόπος, ώστε να βελτιστοποιήσετε τις email καμπάνιες σας. Κάνοντας δοκιμές, θα δείτε για παράδειγμα ποιο περιεχόμενο και ποιες αλλαγές στα email σας είχαν τις καλύτερες επιδόσεις στα ποσοστά ανοίγματος (Open Rate) και στα κλικ (Click-Through-Rate).
Πέρα όμως από τα στατιστικά στοιχεία, το A/B testing σάς δίνει τη δυνατότητα να γνωρίσετε καλύτερα το κοινό σας, τί το ελκύει και τί όχι. Γνωρίζοντας τις προτιμήσεις του κοινού σας θα είστε σε θέση να πάρετε πιο σωστές αποφάσεις και να δημιουργήσετε πιο ελκυστικές και αποτελεσματικές καμπάνιες. Με αυτόν τον τρόπο θα οδηγηθείτε σε αύξηση των πωλήσεων και των κερδών της επιχείρησής σας.
Οι δυνατότητες είναι πολλές. Μπορείτε να δημιουργήσετε νέες και διαφορετικές εκδοχές για:
Όπως κάθε βήμα για την κατασκευή και οργάνωση των καμπανιών σας, έτσι και τα test που θα κάνετε χρειάζονται την κατάλληλη προετοιμασία και οργάνωση. Για να έχετε λοιπόν τον έλεγχο των δοκιμών σας, πρέπει να λάβετε υπόψη τα παρακάτω στάδια:
Αρχικά πρέπει θέσετε τον στόχο της δοκιμής σας. Θέλετε να αυξήσετε το Open Rate ή το Click-Through Rate των email σας; Να οδηγήσετε περισσότερους συνδρομητές στην ιστοσελίδας σας και να αυξήσετε την κίνησή της; Να αυξήσετε τα downloads ή τις πωλήσεις σας; Να προωθήσετε μια προσφορά (έκπτωση, κουπόνι κτλ.);
Μόλις μπείτε στην διαδικασία εφαρμογής των test, υπάρχει ο κίνδυνος να παρασυρθείτε, να θέλετε να δημιουργήσετε πολλές εκδοχές και να προχωρήσετε σε πολλές και ριζικές αλλαγές των email σας.
Αντισταθείτε στον πειρασμό! Διαφορετικά κινδυνεύετε να χάσετε τον έλεγχο και τελικά τον στόχο της δοκιμής σας. Επομένως, προχωρήστε σε μόνο δύο διαφορετικές εκδοχές, Α και Β, και περιοριστείτε αρχικά μόνο σε μια αλλαγή, π.χ. τον τίτλο του email σας. Σε επόμενο test μπορείτε να δοκιμάσετε μια άλλη αλλαγή, π.χ. σε ένα διαφορετικό Call to Action – κοκ.
Αφού κάνατε τις επιθυμητές αλλαγές που θα τεστάρετε, πρέπει να αποφασίσετε σε πόσους και ποιους συνδρομητές σας θα στείλετε τα email σας. Στις περισσότερες περιπτώσεις θα θέλετε να στείλετε τα email σας σε όλους τους συνδρομητές της λίστας σας χωρίζοντας την στα δύο, ώστε να έχετε μια ξεκάθαρη εικόνα της απόδοσης των δύο διαφορετικών εκδοχών.
Υπάρχουν όμως μερικές περιπτώσεις, όπου καλύτερο θα ήταν να χρησιμοποιήσετε ένα μέρος αυτής. Για παράδειγμα:
α) Αν έχετε κάνει πολλές και ριζικές στα email σας, τότε καλύτερα να περιορίσετε τον αριθμό των συνδρομητών που θα τις δει. Μειώνετε έτσι και το ρίσκο, σε περίπτωση που αποτύχει ή πάει κάτι στραβά.
β) Αν θέλετε να προωθήσετε διαφορετικές προσφορές ή εκπτώσεις περιορισμένης χρονικής διάρκειας και θέλετε να πετύχετε τις περισσότερες δυνατές πωλήσεις, ίσως να θέλετε αρχικά να δείτε ποια έχει την μεγαλύτερη απήχηση σε έναν ορισμένο αριθμό συνδρομητών και κατόπιν σε όλους τους συνδρομητές σας.
Το πότε θα αρχίσει και πότε θα τελειώσει ένα Α/B test δεν είναι εύκολο να απαντηθεί. Εξαρτάται από τη δραστηριότητά σας, τους στόχους, το είδος της καμπάνιας και την συχνότητα που στέλνετε email. Αν διαρκέσει λίγο, δεν θα έχετε αντιπροσωπευτικό δείγμα. Εάν δε διαρκέσει πολύ, μπορεί τα αποτελέσματα να «παραποιηθούν» και να οδηγήσουν σε λάθος συμπεράσματα.
Αυτό όμως που είναι το πιο σημαντικό, είναι ότι το test και η αποστολή των δύο εκδοχών πρέπει να γίνει ταυτόχρονα και στο ίδιο χρονικό διάστημα, ώστε να μην επηρεάζονται τα αποτελέσματα από διαφορετικά χρονικά κι εποχικά φαινόμενα στην συμπεριφορά των χρηστών-συνδρομητών.
Αφού έχετε στείλει την καμπάνια σας σε δύο διαφορετικές εκδοχές και έχει ολοκληρωθεί το test, συγκρίνετε τα στατιστικά απόδοσης της κάθε μίας. Τα πιο σημαντικά είναι το Open Rate και το Click-Through-Rate και δείχνουν πόση ανταπόκριση είχαν οι αλλαγές που κάνατε.
Έχετε όμως πάντα υπόψη, ότι ως επιτυχημένη εκδοχή καμπάνιας θεωρείται αυτή, η οποία ανταποκρίνεται στον στόχο που έχετε θέσει εσείς.
Για παράδειγμα, σύμφωνα με τα αποτελέσματα του Α/B test που κάνατε, η καμπάνια Α έχει υψηλότερο Οpen Rate από την Β, η Β όμως έχει υψηλότερο Click-Through-Rate από την Α. Αν ο στόχος σας ήταν η αύξηση του Open Rate, νικητής είναι η καμπάνια Α. Αν όμως ήταν η αύξηση της κίνησης στην ιστοσελίδα σας, τότε η καμπάνια Β πέτυχε καλύτερα αποτελέσματα.
Τα αποτελέσματα των επιδόσεων ενός Α/B test θα πρέπει επομένως να συγκρίνονται και με τους στόχους που έχετε θέσει, ώστε να είστε σε θέση να κρίνετε ποιες αλλαγές ήταν επιτυχημένες και ποιες όχι και ανάλογα να πράξετε στο μέλλον.
Επιγραμματικά, έχετε υπόψη τις παρακάτω πρακτικές, όταν κάνετε A/B testing:
Και τελευταίο και πιο σημαντικό: Συνεχίστε τις δοκιμές!