Поскольку массовая рассылка – двигатель e-mail маркетинга интернет-магазина, измерение ее результатов крайне значимо для нас. Собирая статистику по каждой проведенной кампании, мы получим ответы на многие вопросы и, правильно реагируя на обстановку, сумеем увеличить отдачу от наших писем.

 

Когда измерять

Обычно отклик подписчиков на кампанию распределяется следующим образом: основная масса результатов накапливается в первые два-три дня, 90 % результатов – примерно за неделю. Дальше следует длинный шлейф запоздалых просмотров и кликов, которые нас уже мало интересуют.

Примем за стандартный интервал ожидания именно первую неделю. Через три дня после отправки кампании мы еще можем что-то упустить, но через семь дней статистика по рассылке достаточно достоверна и полна, чтобы ее измерить. К тому же такой интервал обычно совпадает с частотой ведения рассылки. Это удобно, поскольку позволяет нам оперативно реагировать на отклик аудитории.

 

Что измерять

Заведем таблицу в Excel под названием «Статистика рассылок» (сам я предпочитаю онлайн-таблицы Google, поскольку с ними проще работать совместно с другими пользователями).

Назовем первый лист таблицы «Массовая рассылка»:

Предлагаю следующий набор показателей для регулярного измерения:

№ – номер рассылки в текущем месяце.

Время отправки:

Дата – календарная дата рассылки.

День нед. – день недели, в который состоялась отправка.

Время – точное время отправки в часах и минутах.

Содержание:

Тема – тема письма (из строки subject line).

Содержание – контент письма (удобно размещать ссылку на браузерную версию).

UTM – метка utm_campaign, использовавшаяся во всех ссылках (нужна обязательно).

Информация о доставке:

Отпр – количество отправленных писем.

Дост – количество доставленных писем.

Откр – количество открытых/просмотренных писем (имеются в виду уникальные просмотры, т. е. 1 подписчик – максимум 1 просмотр).

Кл – количество кликов с рассылки (имеются в виду уникальные клики, т. е. 1 подписчик – максимум 1 клик).

Отп – количество отписавшихся (кликнувших по ссылке «отписаться» в ходе данной кампании).

В спам – количество пожаловавшихся на спам (подписчиков, считающих полученное письмо спамом).

Информация о доставке берется из внутреннего отчета рассылочного сервиса:

Как правило, в нем есть все необходимые данные. Если какую-то информацию сервис не предоставляет (например, не подсчитывает жалобы на спам), можно исключить соответствующий столбец из таблицы.

Показатели эффективности:

Кд (коэффициент доставки) = Дост/Отпр.

Кпр (коэффициент просмотров) = Отпр/Дост.

Кд (коэффициент кликов) = Кл/Дост.

CTR (кликабельность) = Кл/Откр.

Котп (коэффициент отписки) = Отпр/Дост.

Ксп (коэффициент жалоб на спам) = В спам/Дост.

Показатели эффективности рассчитываются на основе информации о доставке (удобно автоматизировать эти подсчеты с помощью формул Excel). Значения коэффициентов указываются в процентах (×100 %) и округляются до одного знака после запятой. Для Котп и Ксп можно увеличить точность до двух-трех знаков, поскольку порядок этих величин небольшой.

Данные о заказах:

Кол-во заказов – количество заказов, совершенных подписчиками благодаря рассылке.

Конверсия (к размеру базы) = Кол-во заказов/Отпр × 100 %.

Доход – доход, полученный от заказов в рассылке.

Информация о заказах берется из сервиса веб-аналитики (Гугл Аналитикс, Яндекс. Метрика) по utm-метке.

Чтобы ее получить, нужно настроить сервис соответствующим образом: либо установить цель «Оформил заказ» (фиксируется по демонстрации страницы «Спасибо за покупку!»), либо воспользоваться функционалом «Электронная торговля» в Гугл Аналитикс, который ведет не только подсчет заказов, но и суммы чеков (понадобится помощь программиста).

Если у вас еще нет подобной статистики, обязательно настройте. Она будет полезна для аналитики не только e-mail маркетинга, но и любых других каналов коммуникации.

При подсчете количества заказов, если вы пользуетесь целью «Оформил заказ», нужно корректировать получившееся значение с учетом среднего процента оплаченных заказов (берется из общей статистики продаж интернет-магазина). Например, если вам известно, что заказы оплачивают около 80 % тех, кто их оформил, то количество заказов следует умножать на 0,8.

Если вы пользуетесь «Электронной торговлей», очень важно понимать, каким образом такой отчет формируется именно у вас: учитываются ли все оформленные заказы или только оплаченные, – и в зависимости от этого использовать или не использовать поправочный коэффициент.

При оценке дохода тоже есть нюансы. Если вы пользуетесь целью «Оформил заказ», итоговая сумма рассчитывается как произведение количества заказов на средний чек (берется из общей статистики продаж интернет-магазина). Например, если количество заказов 9 (уже с учетом поправочного коэффициента), а ваш средний чек 3000 рублей, то доход от рассылки составит 27 000 рублей. Это не самый точный способ, но представление о порядке величин он вам даст.

Если вы пользуетесь «Электронной торговлей», то будете получать информацию о доходе с каждой рассылки более точно – сервис просуммирует все счета по заказам. Опять же, нужно принимать во внимание, оплачены ли они.

В любом случае данные о заказах в сервисе веб-аналитики лучше соизмерять с данными в CMS: был ли всплеск заказов после рассылки? какая их часть оплачена через неделю? И помнить, что веб-аналитика почти никогда не дает стопроцентно точных величин, но позволяет примерно оценивать результат.

Примечание – завершающий столбец таблицы, в котором подводятся краткие итоги рассылки (в свободной форме).

Предложенный набор показателей удобен для аналитики рассылок, но если вам понадобится узнать что-то еще, вы всегда можете расширить его за счет дополнительных величин (например, вести подсчет конверсии не только по отношению к базе, но и по отношению к просмотрам и кликам). Однако чересчур усердствовать не рекомендую: если показателей больше тридцати, аналитика становится затруднительной.

Пример статистики массовой рассылки вы найдете в приложении 8А.

 

Как анализировать

В процессе анализа будем двигаться по таблице слева направо, последовательно оценивая каждый показатель (сравнивая его со средним/с предыдущими значениями) и по итогам делая вывод о рассылке в пределах простой шкалы «хорошо – средне – плохо».

Коэффициент доставки

Хорошим считается уровень доставки 98–99 %. Если Кд<95 %, доставка некачественная. При Кд<90 % уже возникают проблемы с рассылочным сервисом, который может заблокировать последующие отправки.

Если ваш уровень доставки невысок, займитесь чисткой базы (о том, как лучше это сделать, посоветуйтесь с техподдержкой рассылочного сервиса).

Коэффициент просмотра

Как правило, для интернет-магазинов уровень просмотров составляет 15–20 %. Но это «средняя температура по больнице». В e-mail маркетинге нет большого смысла ориентироваться на отрасль – даже если вы знаете, что у кого-то просмотры под 30 %, это мало поможет вам в работе со своей базой, которая определенным образом собрана и получает предложения именно ваших товаров.

Здесь (да и во всех прочих показателях) уместнее соревноваться с самим собой. Если ваш средний уровень просмотров 20 %, а в текущей рассылке вам удалось достичь 25 % – прекрасно, вы выросли; если 15 % – то заметно просели. Тем не менее в знании «нормальных» показателей есть определенный смысл. Если ваш уровень просмотров 5–6 %, у вас точно что-то не так.

Основной инструмент для увеличения коэффициента просмотров – работа с темой письма. Подробнее о том, как оптимизировать этот и другие показатели, пойдет речь в девятой главе.

Коэффициент кликов и кликабельность

Средний уровень кликов – 2–4 %. Здесь, как и в случае с просмотрами, лучше определить собственное среднее значение по итогам нескольких кампаний и проводить сравнение с ним.

Клики неразрывно связаны с темой письма. Чем эффективнее отработала тема, тем больше кликов в итоге можно получить. Другой способ повышения этого показателя – улучшение содержания. В первую очередь это работа над предложениями в рассылках, во вторую – усовершенствование дизайна (выделение кнопок, ссылок, укрупнение картинок).

Средняя кликабельность в письмах интернет-магазина – 20–30 %. Это производная величина от количества просмотров и кликов. Повышая эти показатели, можно улучшить и кликабельность.

Коэффициенты отписки и жалоб на спам

Приемлемым считается уровень отписки и жалоб на спам менее 0,1 %, т. е. на каждую 1000 подписчиков в рассылке приходится 1 отписка и 1 жалоба. Для товарных рассылок интернет-магазина эти показатели обычно выше: 0,2–0,3 %. При Котп (Ксп) >0,5 % рассылочный сервис может запретить последующие отправки – это критически высокий показатель.

При повышенной отписке и жалобах на спам стоит пересматривать свою тактику: снижать частоту рассылок и корректировать предложения. Возможно, стоит изменить что-то и в способах подписки.

Количество заказов и % конверсии

Количество заказов – сугубо индивидуальный показатель, зависящий как от размера и качества вашей базы, так и от стоимости и свойств товаров. Подсчитайте среднее по итогам первых кампаний и ориентируйтесь по нему.

Если ваше среднее – 5 заказов с рассылки, то вы будете понимать, что текущая акция, принесшая 10 заказов, очень удачна, а подборка новинок, после анонса которой последовал только 1 заказ, провалилась.

Хорошо, если на каждую 1000 подписчиков в рассылке приходится 1 заказ – т. е. конверсия к базе составляет 0,1 %. Средние показатели – 0,02–0,03 %. Впрочем, если товары недорогие и пользуются постоянным спросом (книги, сувениры), отклик может быть и выше.

Доход

Как и количество заказов, доход с рассылки – индивидуальный показатель. На первых порах хорошо, если вы будете просто окупать расходы на e-mail маркетинг. С постепенным ростом базы можно рассчитывать выйти в плюс.

Повышение дохода (как и количества заказов) осуществляется за счет экспериментов с предложениями, количеством товаров в письмах и их средними ценниками. Конечно, товары с более низкой стоимостью (до 3–4 тысяч рублей) продаются в рассылке лучше, чем более дорогие товары (свыше 10 тысяч рублей). Для дорогих товаров требуется больше писем («касаний»), больше информации и рычагов убеждения.

Примечание

Итоги рассылки подводим в графе «примечание». Последовательно оцениваем каждый показатель, двигаясь по таблице слева направо (начинаем с коэффициента доставки). Формулируем мысли кратко и намечаем возможные корректировки.

Например:

Доставка высокая (99 %), просмотры и клики приличные (привлекла скидка в теме), отписка и жалобы на спам в норме, количество заказов и доход – лучшие за последнее время (распродажа сработала). Хорошо. Добавить напоминание про акцию в следующее письмо.

 

Сбор и анализ результатов для автоматических писем очень похож на измерения в массовой рассылке. В конце концов, это тоже письма – их открывают, а по ссылкам в них кликают и выполняют целевые действия на сайте. Однако есть и нюансы.

 

Когда измерять

Автоматические письма отправляются каждый день, но измерять их так же часто нецелесообразно. Объемы ежедневных отправок не так уж и велики (несколько десятков, может быть, сотня писем – в то время как при массовой рассылке письма уходят тысячами). Да и просто проводить измерения ежедневно чересчур трудоемко. Удобнее измерять эффективность автоматических писем периодически, примерно раз в месяц.

Когда ведется отладка конкретного письма, замеры можно проводить чаще, но для полного набора авторассылок такой периодичности вполне достаточно.

 

Что измерять

Заведем еще одну таблицу под названием «Статистика автоматических рассылок» и будем создавать в ней отдельные листы для каждого типа писем.

• Бонус за подписку и напоминание о бонусе

У этих двух сообщений есть своя специфика – они отправляются через CMS, поэтому подробной статистики (доставка, просмотры, клики) по ним нет. Однако мы можем косвенно судить об эффективности работы этих писем по количеству использованных промокодов.

Организуем статистику по ним следующим образом:

В столбцах будем указывать количество промокодов по месяцам в формате: сгенерировано/использовано. Подсчитаем также % использования (с точностью до одного знака после запятой).

Предусмотрим суммарные и средние показатели за весь год, чтобы было с чем сравнивать результаты каждого месяца.

• Welcome e-mail

На новом листе «Статистики» будем собирать данные по приветственному письму:

Это практически универсальная структура таблицы для замеров автоответчиков.

В верхней части прописываем основные сведения по письму:

Название и момент отправки (например, welcome e-mail, на следующий день после подписки, в 8:00 по Мск).

Тема – тема автоматического письма.

Содержание – контент письма (удобно размещать ссылку на браузерную версию).

UTM – метка utm_campaign, использовавшаяся во всех ссылках (например, auto_welcome).

Ниже ведем учет показателей, во многом аналогичных массовой рассылке:

Дата – календарная дата замера.

Информация о доставке (Отпр, Дост, Откр, Кл, Отп, В спам) – та же, что и в массовой рассылке.

Показатели эффективности (Кд, Кпр, Ккл, CTR, Котп, Ксп) – те же.

Данные о заказах (кол-во заказов, конверсия, доход) – те же.

Параметры трафика:

Отказы – % подписчиков, покинувших сайт после просмотра одной страницы.

Страницы – среднее количество страниц, просмотренных подписчиками за посещение.

Время на сайте – средняя продолжительность посещения.

Параметры трафика доступны в сервисе веб-аналитики по utm-метке. Для компактности их можно объединить в один столбец в формате:

Отказы,%/Страницы/Время на сайте, мин (величины округляем до целого).

Примечание – заключительный столбец, в котором подводятся итоги.

• Запрос отзыва

Третий лист «Статистики» посвящаем обработке результатов автоматизированного запроса отзывов:

Таблица заполняется так же, как и для welcome e-mail, за исключением последних столбцов. Конечно, отправка этого письма также может приводить к заказам, но нас больше интересует, насколько эффективно оно работает с точки зрения обратной связи.

Кол-во отзывов – указываем количество отзывов, полученных через рассылку.

Если отзывы собираются с помощью анкеты, подсчитать их несложно – достаточно заглянуть в сводку ответов.

Если отзывы размещаются на сайте или стороннем ресурсе, нужно подсчитывать их вручную (в случае сайта можно попробовать настроить соответствующую цель в сервисе веб-аналитики). Пусть значение окажется неточным, но если придерживаться одной и той же методики подсчета, наблюдать за эффективностью письма в динамике оно поможет.

% отклика = Кол-во отзывов/Отпр × 100 % (округляем до одного знака после запятой).

Абсолютные величины всегда должны дублироваться относительными. На них не влияют такие переменные факторы, как рост базы или качество доставки, поэтому они позволяют проводить оценку точнее.

• Стимулирование второго заказа

Следующий лист заполняется для писем, стимулирующих второй заказ через N дней после совершения первого:

В таблицу вносятся те же показатели, что и для welcome e-mail. Здесь нас в первую очередь интересует количество заказов. Данные по трафику можно не указывать.

• Прочие письма

Думаю, принцип понятен: если у вас действуют дополнительные письма, то для аналитики каждого из них нужно завести отдельный лист в «Статистике автоматических рассылок».

Информацию о доставке и показатели эффективности стоит фиксировать повсеместно. Заключительные столбцы могут варьироваться в зависимости от целей письма.

Например, в случае welcome e-mail нас интересует, удается ли возвращать подписчиков на сайт и как они себя там ведут. При запросе отзывов считаем % отклика. Во время стимуляции второго заказа мы сосредоточены на продажах. Дальше следуем той же логике: приглашаем в соцсети – смотрим за динамикой вступления новых участников в сообщества. Даем промокод на день рождения – отслеживаем % его использования и заказы. И так далее.

Пример «Статистики автоматических рассылок» для всех основных видов писем вы можете посмотреть в приложении 8Б.

 

Как анализировать

Метод анализа автоматических писем повторяет аналитику для массовых рассылок: мы по очереди рассматриваем каждый показатель, сравниваем его с предыдущими значениями (соревнуемся сами с собой) и поставленными целями.

• Бонус за подписку и напоминание о бонусе

Процент использования промокодов в среднем составляет 5–10 (не так много, но стоит вспомнить, что многие получают его на всякий случай). Если эта величина ниже 5 % и от месяца к месяцу ситуация не меняется, пора заняться корректировкой.

• Welcome e-mail

Поскольку приветственное письмо отправляется исключительно новым подписчикам, его показатели эффективности в целом выше, чем у массовой рассылки.

Коэффициент просмотров

Высоким считается уровень 50–60 %. Хороший средний результат – 30–40 %. Если просмотры ниже 30 %, надо работать с темой письма и моментом отправки.

Коэффициент кликов

Высокие клики >20 %. Нормальные – 10–20 %. Если Ккл<10 %, потенциал welcome e-mail не раскрыт, нужно дорабатывать содержание. Впрочем, не стоит забывать, что средние показатели отрасли значат очень мало – настоящие величины вы увидите, когда включите собственные письма.

Параметры трафика

Одна из задач welcome – рассказать больше о магазине. Устроить своеобразную экскурсию по сайту. Поэтому, конечно, показатель отказов хочется видеть поменьше, а количество просмотренных страниц и длительность посещения – побольше. Это покажет, что заинтересованность подписчиков высока.

Тем не менее по факту придется работать с чем придется. «Наращивать обороты» здесь можно с помощью полезного контента, ссылки на который размещаются в письме.

• Запрос отзыва

Как правило, отзыв запрашивается через 2–3 недели после покупки. Здесь эффект новизны, как в случае с welcome e-mail, уже теряется, поэтому показатели эффективности не так высоки, однако в среднем все равно выше, чем у массовой рассылки.

Наиболее пристального внимания заслуживает % отклика. Если 5–10 % подписчиков, которым вы отправили письмо, поделились с вами обратной связью – хорошо. Если отклик <5 %, пора подумать о дополнительном бонусе.

• Стимуляция второго заказа

Это письмо отправляется в среднем через полгода после первого заказа, и ожидать от него какой-то фантастической отдачи не стоит. В конце концов, ваши активные покупатели совершат второй заказ и без подсказки. Если понадобился стимул – значит, аудитория письма уже не так активна и вряд ли будет интенсивно реагировать на предложение.

Показатели эффективности здесь ожидаются на уровне массовой рассылки, а вот % конверсии, вероятно, будет пониже. Установите разумное значение, которого можно достигнуть, и, если не вписываетесь в него после нескольких сотен отправленных писем, дорабатывайте содержание.

• Прочие письма

Автоматические рассылки обладают одним полезным свойством: в среднем отклик на них выше, чем на письма массовой рассылки. Это связано и с подходящим моментом отправки, и с более высоким уровнем персонализации, и с каким-то особым контентом, который отличается от рядового содержания писем.

Поэтому, проводя измерение показателей своих автоответчиков, стоит ориентироваться на уровень массовой рассылки как на нижнюю границу прогнозируемого результата.

Процент конверсии по цели каждого письма во многом будет зависеть от глубины проработки предложения и точного выбора момента для отправки. Здесь нужно ставить реалистичные цели и продвигаться к ним путем последовательного улучшения контента.

О том, как это сделать, будет довольно подробный разговор в заключительной, девятой главе.

 

Нотификации имеют свою специфику. Во-первых, они, как правило, отправляются через CMS (как и письма о бонусе за подписку) и по ним нет подробной статистики. Во-вторых, их попросту слишком много, чтобы детально анализировать каждое сообщение. Ограничимся периодическими сокращенными замерами, которые позволяют нам оставаться в курсе событий, не утопая в цифрах.

 

Когда измерять

Периодичность измерений та же, что и для автоматических рассылок, – раз в месяц. Проводим замеры в начале каждого месяца по итогам предыдущего.

 

Что измерять

Поскольку нотификации – тоже автоматические письма, заводим для них новый лист в «Статистике автоматических рассылок»:

Измеряем количество кликов, заказов и доход для каждого типа нотификаций. Для этого используем метку utm_campaign, которую заблаговременно разместили во всех маркетинговых элементах писем.

Количество кликов есть в сервисе веб-аналитики. Количество заказов и доход определяем аналогично массовой рассылке.

Усредняем показатели, чтобы появился инструмент для оценки результатов. Также суммируем все показатели в нижней части таблицы, чтобы определить общую эффективность нотификаций (пригодится для сводной аналитики e-mail маркетинга).

Пример заполненной таблицы есть в приложении 8В.

 

Как анализировать

Среднеотраслевых показателей здесь нет – все слишком индивидуально (зависит в первую очередь от количества писем, которое отправляется ежемесячно).

Посмотрите, какие письма работают эффективнее всего (регистрация, новый заказ)? Какие менее эффективны (восстановление пароля, отправить другу)? Чем это можно объяснить – типом нотификации, объемом отправки?

Показатели каких-то писем нулевые? Проверьте, действуют ли вообще эти нотификации – возможно, произошел технический сбой.

Коррективы в письма на данном этапе можно не вносить, пусть работают несколько месяцев как есть. Но общую эффективность стоит отслеживать регулярно – для полноты понимания своего e-mail маркетинга.

 

Приведенные выше таблицы необходимы для детального анализа отдельных кампаний. С их помощью вы легко определите, как обстоит дело с тем или иным письмом, но вряд ли сможете провести оценку e-mail маркетинга в целом.

Когда есть целый ворох данных, естественным образом напрашивается сводная аналитика. Некая «выжимка», которая физически объединит все ключевые показатели в одном пространстве и поможет отслеживать намечающиеся тенденции.

 

Когда измерять

Сводка заполняется раз в месяц – в начале каждого месяца по итогам предыдущего. Со времени отправки последней массовой рассылки в прошедшем месяце должно пройти не менее недели (для полноты анализируемых показателей). Но слишком затягивать с подведением итогов не стоит, иначе ежемесячная сводка легко может превратиться в ежеквартальную:-)

 

Что измерять

Мы будем заимствовать многие показатели из массовых рассылок, поэтому удобно организовать сводку отдельным листом в «Статистике рассылок»:

Будем учитывать в таблице:

Месяц – месяц, за который подводятся итоги.

Кол-во рассылок – количество массовых рассылок за это время.

Прирост базы – количество новых e-mail адресов в базе (подробнее остановимся на этом показателе в конце главы).

Убыль базы – количество подписчиков, которых мы потеряли за счет отписки, жалоб на спам и технических сбоев почтовых серверов.

Эта информация доступна в рассылочном сервисе.

Ср. просмотры – количество уникальных просмотров, которое приходится в среднем на одну кампанию массовой рассылки (усредняем соответствующий показатель в статистике массовых рассылок за месяц и переносим в сводку).

Ср. клики – количество уникальных кликов, которое приходится в среднем на одну кампанию массовой рассылки (рассчитываем аналогично).

Сум. клики – общий трафик с рассылок на сайт за месяц. При подсчете удобно воспользоваться сервисом веб-аналитики (источники трафика/метка utm_medium = e-mail). Учитываем весь (в т. ч. не уникальный) трафик.

Средние показатели эффективности (Кд, Кпр, Ккл, CTR, Котп, Ксп) – усредненные за месяц показатели эффективности массовой рассылки.

Средние данные о заказах (кол-во заказов, конверсия, доход) – то же.

Заказы с массовой/автоматических рассылок и нотификаций (заказы масс, заказы авто, заказы нотификац.) – суммарное количество заказов по каждому типу рассылок за месяц. Находим в сервисе веб-аналитики по соответствующим utm-меткам.

Доход с массовой/автоматических рассылок и нотификаций (доход масс, доход авто, доход нотификац.) – суммарный доход по каждому типу рассылок за месяц. Здесь тоже используем данные из сервиса веб-аналитики и методику расчетов, как для массовой рассылки.

Сум. заказы – общий итог по заказам через e-mail (сумма заказов из соответствующих трех столбцов).

Сум. доход – общий итог по доходности e-mail маркетинга (аналогично).

Прибыль – прибыль, полученная за месяц. Определяется с учетом средней торговой наценки. Например, если наценка составляет 50 %, то итоговая прибыль составит: Сум. доход × 0,5.

Примечание – заключительный столбец для выводов.

Пример сводной статистики рассылок приведен в приложении 8Г.

 

Как анализировать

Пришло время вспомнить цели, которые мы ставили перед e-mail маркетингом в самом начале. Будем сравнивать их с тем, что получилось. Обзор показателей начнем, как обычно, с левой стороны таблицы.

Количество рассылок

Насколько часто мы делали массовую рассылку? Удалось ли придерживаться запланированной частоты (2–4 кампании в месяц)? Если нет, будем ли принимать меры, чтобы обеспечить своевременный выпуск рассылки, или просто понизим частоту?

Прирост базы

Насколько интенсивно растет база? Сумели ли мы выполнить первоначальную цель – удвоить темпы роста? Если да, стабилен ли наш результат? Если нет, как будем работать с источниками подписки?

Убыль базы

Каковы потери подписчиков в минувшем месяце? Велика ли отписка? Большую ли роль играют технические потери, связанные с качеством e-mail адресов? Если убыль базы стабильна, можем оставить все как есть или работать над понижением этого показателя. Если потери растут, определяем, за счет чего, и обязательно принимаем меры.

Средние просмотры

Каков охват нашей аудитории при каждой рассылке? Многих ли подписчиков нам удается «зацепить»? Показатель должен расти по мере увеличения базы, но достаточно медленно – не все подписчики с течением времени остаются активными.

Средние и суммарные клики

Сколько подписчиков нам удается привлечь на сайт с каждой рассылки? Какой трафик мы получаем ежемесячно? Соответствует ли он нашему прогнозу в плане e-mail маркетинга? Что еще можно предпринять, чтобы вырасти?

Хорошо, если e-mail занимает 3–4‑е место в сервисе веб-аналитики среди источников трафика (после поисковой выдачи и контекстной рекламы).

Средние показатели эффективности и данные о заказах

Сравниваем величины со среднегодовыми показателями и с результатами позапрошлого месяца. Рост или спад? С чем это может быть связано? Какова общая тенденция на длительном промежутке времени (от полугода)?

Суммарные данные о заказах и прибыль

Какова доля каждого типа рассылок в общих показателях? (Если выстраивается цепочка: массовая рассылка – нотификации – авторассылки, это в порядке вещей.)

Какое количество заказов удается получить с помощью e-mail маркетинга? Соответствует ли эта величина поставленной цели? Может быть, пора приподнять планку?

Каковы суммарные доход и прибыль? Соответствуют ли ожиданиям? (Если доходность e-mail маркетинга составляет 10 % от оборота магазина – это нормально.) Окупаются ли расходы на рассылочный сервис, дизайн? Можно ли позволить себе дополнительные инвестиции – привлечь еще одного сотрудника, вложиться в технологии и контент?

Охарактеризуем минувший месяц по нашей простой трехбалльной шкале «хорошо – средне – плохо» и резюмируем аналитику в примечании. Самое важное – на основе результатов спланировать ближайший месяц. Вести ли рассылки в том же режиме или вносить корректировки? Заняться внедрением дополнительных автоматических писем или оптимизировать массовые кампании?

Если все цели e-mail маркетинга достигнуты, накидываем 10–20 % сверху и думаем, как добиться прогресса.

 

В первой главе мы поставили себе цель увеличить темпы роста базы в 2 раза, а в третьей – претворяли план в жизнь, подключая разные способы подписки. Уже после первого месяца их полноценной работы можно оценивать результаты.

 

Когда измерять

Мы используем показатели прироста базы в ежемесячной сводке. Поэтому измерения проводим в то же время и с той же периодичностью: в начале каждого месяца, по итогам предыдущего.

 

Что измерять

Организуем учет по приросту базы на новом листе «Статистики рассылок»:

В первом столбце укажем месяц, за который проводятся измерения.

В последующих столбцах перечислим все наши источники подписки:

• регистрация;

• заказ;

• форма подписки;

• главная страница;

• поп-ап;

• страница подписки;

• офлайн;

• прочее.

Последний столбец делаем суммирующим. В нем будем подсчитывать общий прирост базы (показатель для сводки). Также определяем среднее значение по каждому источнику и для всей базы в целом, чтобы получить критерии оценки.

Данные по основным источникам доступны нам в сервисе рассылок. Мы выбирали сервис, который умеет сегментировать подписчиков по интересующим нас параметрам – в данном случае по источнику и дате подписки. Также мы организовали передачу в сервис сведений о каждом конкретном источнике посредством API.

Теперь задача сводится к тому, чтобы последовательно «вынимать» нужные данные из сервиса. Например:

• источник подписки: поп-ап;

• дата подписки: 01–30.11.2014;

• итоговое количество подписчиков: 697.

Если подписчик задействовал несколько способов подписки (к примеру: поп-ап, регистрация, заказ), ведем подсчет по первому источнику, которым он воспользовался.

Если какие-то источники подписки в сервисе не учитываются (офлайн-заказы или подписка на изменение цены), их нужно подсчитывать вручную. Однако в перспективе удобно организовать поступление e-mail адресов в базу со всех источников подписки с соответствующими метками («офлайн», «цена»). Тогда полная информация о приросте базы будет доступна в рассылочном сервисе.

 

Как анализировать

Окидываем взглядом все результаты. Какие источники подписки работают эффективно, какие не очень?

Количество подписчиков через регистрацию/заказ зависят от вашей средней конверсии в продажи. Примерно половина всех пользователей оставляют галочку в чек-боксе «Подписаться на рассылку» включенной.

У формы подписки на каждой странице возможна конверсия в десятые доли процента (0,1 % – уже очень хорошо). От всплывающей (pop-up) формы в интернет-магазине можно ожидать конверсию в подписку на уровне 1–2 % (т. е. 1 из 100 новых посетителей сайта становится подписчиком). Результативность прочих источников индивидуальна.

Если какой-то из источников работает на ваш взгляд недостаточно эффективно, можно пробовать оптимизировать его путем последовательного или параллельного тестирования (см. подробности в девятой главе). Если через какой-то источник вообще не заходят адреса, стоит перепроверить его на работоспособность, а в дальнейшем, возможно, от него отказаться.

* * *

Теперь в нашем распоряжении целый арсенал таблиц и методов определения эффективности e-mail рассылок. В чем-то вы можете упростить предложенный набор показателей (только не забывайте, что чрезмерное упрощение ведет к потере информации), в чем-то дополнить – исходя из потребностей и специфики вашего бизнеса.

Главное, не теряйте системного подхода, который поможет вам увидеть всю картину целиком. Система проявляется в том, что вы не делаете замеры от случая к случаю, проверяя лишь выборочный набор показателей, а ведете измерения регулярно, строго по графику, планомерно заполняя все ячейки в таблицах Excel и рассчитывая все коэффициенты.

Не бойтесь количества измерений: когда методика отлажена, каждый отдельно взятый этап аналитики займет у вас не более 15 минут. Четверть часа в день (и около получаса на подведение итогов месяца) – не самая высокая цена за абсолютную прозрачность инструмента, которая в конечном итоге позволит вам развиваться.

Если посреди ночи вы неожиданно проснетесь от мысли, что забыли провести аналитику очередной рассылки по расписанию, я за вас совершенно спокоен – с качеством измерений e-mail маркетинга у вас полный порядок:-)