نویسنده: کیم مکومبر، مدیر ارشد محتوا
آیا متوجه شدهاید تیمتان بیش از هر زمان ایمیل میفرستد اما نتایج تغییر محسوسی نکرده است؟
بیشتر بازاریابان هوش مصنوعی را به سمت مسئله اشتباهی در ایمیل مارکتینگ نشانه گرفتهاند. فرصت واقعی، فهم نیت مشتری، خودکارسازی تصمیمها و شخصیسازی تجربه در مقیاس است. بیشتر تیمها از هوش مصنوعی برای نوشتن ایمیل بیشتر استفاده میکنند، بدون آنکه بخشهایی از برنامه را که واقعاً درآمد میسازند درست کنند.
شخصیسازی ایمیل، خودکارسازی و رسیدپذیری سه حوزهای هستند که واقعاً درآمد را جابهجا میکنند. با آسانتر شدن تولید محتوا به کمک هوش مصنوعی، صندوق ورودی شلوغتر میشود و شلوغتر کممعنیتر است. در ادامه، در هر یک از این سه حوزه به تغییرات میپردازیم و میبینیم چطور میتوان آنها را به یک سیستم بههمپیوسته تبدیل کرد.
نکات کلیدی
پذیرش هوش مصنوعی در ایمیل متمرکز بر تولید محتواست؛ شخصیسازی، خودکارسازی و رسیدپذیری که سود بزرگتر همانجاست، توجه بسیار کمتری میگیرند. شخصیسازی از بخشبندیهای کلی مثل جغرافیا و جمعیتشناسی به هدفگیری فردی و پیشبینانه در حرکت است. سهم خودکارسازی از درآمد ایمیل با اندازه شرکت رشد میکند: کسبوکارهای بالای ۵۱ میلیون دلار درآمد، ۷۱ درصد درآمد ایمیل خود را از خودکارسازی میگیرند در مقابل ۱۱ درصد از کمپینها. نزدیک به یکپنجم ایمیلهای ارسالی هرگز به صندوق ورودی نمیرسد و بیشتر این هدررفت پیش از آن اتفاق میافتد که مشترک فرصتی برای تعامل داشته باشد. برنامههای برنده، شخصیسازی، خودکارسازی و رسیدپذیری را در یک سیستم واحد به هم وصل میکنند که خودش را تقویت میکند.
تغییر هوش مصنوعی: چه چیزی در ایمیل مارکتینگ در حال تغییر است
تیمهای بازاریابی الان زیر فشار واقعیاند: با منابع کمتر کار بیشتری انجام دهند، شخصیسازی را در مقیاس بالا ببرند، نگهداشت و ارزش طول عمر مشتری را بهبود دهند و کارایی بازاریابی را بالا ببرند — همه در یک زمان. هوش مصنوعی پاسخ واضح به نظر میرسد.
مسئله این است که این تلاش کجا میرود. اگر از بازاریابان بپرسید امروز بزرگترین چالش ایمیلتان چیست، رشد فهرست با ۲۹ درصد بالای فهرست است، پس از آن شخصیسازی با ۲۵ درصد. رسیدپذیری آخر میایستد، با فقط ۶ درصد — با اینکه پایهای است که همهچیز به آن وابسته است. ایمیلی که به صندوق ورودی نمیرسد، هرقدر هم شخصیسازیشده و زمانبندیشده باشد، بیفایده است.
چارچوب تازه ایمیل مارکتینگ
اجزا اینگونه تفکیک میشوند:
شخصیسازی: رساندن پیام درست. خودکارسازی: رساندن آن در لحظه درست. رسیدپذیری: مطمئن شدن از اینکه پیام اصلاً به صندوق ورودی میرسد.
نمیتوانید این اهرمها را جدا از هم بهبود دهید و انتظار همان میزان جهش را داشته باشید. سود در یکی با شکاف در دیگری از بین میرود. شخصیسازی بینقص که در اسپم فرود میآید هیچ کاری نمیکند و رسیدپذیری بیعیب همراه با پیام عمومی و یکاندازه برای همه، فقط یعنی افراد بیشتری ایمیلی را که دریافت کردهاند نادیده میگیرند.
شخصیسازی در عصر هوش مصنوعی
بیشتر برندها در چیزی گرفتارند که در عمل «تله بخشبندی» است. آنها با سطلهای کلی شخصیسازی میکنند — مشتری جدید در مقابل بازگشتی، جغرافیا، صنعت، جمعیتشناسی — و اسمش را شخصیسازی میگذارند. تنها ۳۴ درصد شرکتها واقعاً از شخصیسازی پیشبینانه یا مبتنی بر هوش مصنوعی در ایمیل استفاده میکنند. ۲۴ درصد دیگر همچنان در سطح بخشبندی پایه مخاطباند و ۵ درصد هیچ شخصیسازیای ندارند.
بیشتر تیمها داده مشتری لازم برای شخصیسازی واقعی را دارند، فقط از آن برای پیشبینی اتفاق بعدی استفاده نمیکنند. تیمها خودشان را در سنجش و انتساب قویترین میدانند (۵۵ درصد این توانایی را قوی یا بسیار پیشرفته مینامند) و در داده مشتری و هویت ضعیفترین (فقط ۳۷ درصد قوی یا پیشرفته) — همراه با مهارتهای هوش مصنوعی و حاکمیت داده.
شخصیسازی سه مرحله دارد. شخصیسازی جمعیتشناختی (مکان، سن، جنسیت) سادهترین برای راهاندازی است اما فرضهای کلی و ارتباط کم میسازد. شخصیسازی رفتاری (محصولات دیدهشده، خریدها، تعامل) تعامل بالاتر و تبدیل بهتری میدهد. شخصیسازی پیشبینانه یک قدم جلوتر میرود و از احتمال خرید، ریسک ریزش و ارزش طول عمر مشتری برای هدایت اقدام بعدی استفاده میکند.
نرخ باز شدن همین حالا هم میان گروههای سنی متفاوت است؛ از حدود ۲۰.۶ درصد در ۱۸ تا ۲۴ سالهها تا ۲۵.۷ درصد در ۵۵ تا ۶۴ سالهها. همین موضوع استدلال قویای میسازد برای افزودن سیگنالهای رفتاری و پیشبینانه روی بخشبندی جمعیتشناختی پایه.
چهار تاکتیک قابل اجرا در همین هفته: پیشنهادهای پویای محصول بر پایه تاریخچه مرور و خرید، بلوکهای محتوای پویا که تیتر و پیشنهاد را بر پایه بخش تغییر میدهند، بهینهسازی زمان ارسال بر پایه زمانی که مشترک واقعاً تعامل میکند، و پیشنهادهای پیشبینانه ساختهشده حول اینکه مشترک احتمالاً بعداً چه میخرد.
خودکارسازیای که واقعاً درآمد میسازد
بازاریابی کمپینی روی یک حلقه ساده کار میکند: کمپین، ارسال، تکرار. بازاریابی چرخه عمر متفاوت کار میکند: یک اقدام مشتری پاسخ خودکار را فعال میکند و هیچکس لازم نیست یادش باشد دکمه ارسال را بزند.
این جابهجایی با رشد شرکت مهمتر میشود. کسبوکارهای با درآمد کمتر از یک میلیون دلار، ۴۹ درصد درآمد ایمیل خود را از کمپینها میگیرند. این نسبت با رشد درآمد برعکس میشود: شرکتهای بالای ۵۱ میلیون دلار، ۷۱ درصد درآمد ایمیل را از خودکارسازی و فقط ۱۱ درصد را از کمپینها میگیرند. زمانبندی دستی خودش را به شکل سفرهای یکنواخت مشتری، ناکارآمدی عملیاتی روزمره و درآمدی نشان میدهد که یک تریگر میگرفت اما یک انسان از دست داد.
برخی خودکارسازیها بسیار بیشتر از بقیه بار میکشند. سبد رهاشده با ۳۲ درصد بزرگترین سهم درآمد خودکارسازی را دارد، پس از آن سری خوشآمدگویی با ۲۱ درصد و فروش مکمل یا سفارش مجدد پس از خرید با ۱۶ درصد.
جریانهای پس از خرید به شکلی مرکب اثر میگذارند که دستکم گرفتنش آسان است: ایمیل مارکتینگ نرخ خرید مجدد را ۳۱ درصد بالا میبرد و زمان تا خرید مجدد را حدود ۸ روز کوتاه میکند، و این سود در کل پایه مشتریان تکرار میشود.
بلوغ خودکارسازی مرحلهبهمرحله ساخته میشود. کمپینهای تریگری فقط به یک تریگر نیاز دارند تا شلیک شوند. خودکارسازی رفتاری به داده درباره آنچه مردم واقعاً میکنند نیاز دارد. بازاریابی چرخه عمر پیشبینانه به هوش مصنوعی نیاز دارد که درباره زمانبندی و پیشنهاد تصمیم بگیرد.
رسیدپذیری: چرا ایمیلهای خوب هم به اسپم میروند
اینکه یک ارسال معمولی چه مقدار از مخاطب را پیش از آنکه فرصت تعامل پیدا کند از دست میدهد: از ایمیلهای ارسالی ۹۸ درصد توسط ارائهدهنده صندوق پستی پذیرفته میشود، اما فقط ۸۲ درصد واقعاً به صندوق ورودی میرسد. تنها ۳۶ درصد باز میشود و فقط ۲.۵ درصد کلیک میخورد. هر مرحله میان ارسال و کلیک بخشی از مخاطب را از دست میدهد و بیشتر این هدررفت پیش از آنکه مشترک ایمیل را ببیند اتفاق میافتد.
ارائهدهندگان صندوق ورودی قواعد این بازی را عوض میکنند. آنها بهطور فزایندهای از هوش مصنوعی استفاده میکنند تا تصمیم بگیرند کدام ایمیل به صندوق ورودی برسد، کدام فیلتر شود و اصلاً به کدام فرستنده اعتماد شود. بازاریابان معمولاً احراز هویت و نرخ باز شدن را مهمترین میدانند، اما ارائهدهندگان صندوق ورودی به اعتبار فرستنده و دامنه و شکایتهای اسپم وزن بسیار بیشتری میدهند. سیگنالهای اعتماد مثل پاسخها و نرخ شکایت، بیسروصدا تعیین میکنند چه کسی فیلتر شود؛ چه بازاریابان تماشا کنند و چه نکنند.
بهترین شیوههای رسیدپذیری ایمیل بر سه پایه استوار است: احراز هویت (SPF، DKIM، DMARC)، اعتبار فرستنده که با تعامل ساخته و با شکایتها خراب میشود، و کیفیت فهرست، که در آن مخاطب کوچکتر اما فعالانه همیشه از فهرست بزرگتر اما غیرفعال بهتر عمل میکند. بهداشت خوب فهرست هر سه را تقویت میکند: بخشبندی بر پایه تعامل، رفتار خرید و تازگی فعالیت، و پشتیبانی از آن با کمپینهای بازتعامل، سیاستهای حذف و راهبردهای سرکوب برای مخاطبانی که ساکت شدهاند.
پایان.