Recomandările personalizate de produse aleg produsele din fiecare e-mail pe baza navigării, comenzilor și coșurilor fiecărui abonat;
Cei mai mulți cumpărători se așteaptă la personalizare, iar o listă care primește produse relevante cumpără mai mult fără să crească;
Cele mai mari câștiguri apar în e-mailurile de bun venit, de după cumpărare, de coș abandonat și de reaprovizionare, cu conținut încărcat în momentul deschiderii;
Aqurate Personalize adaugă recomandări bazate pe AI în instrumentul de e-mail pe care îl folosești deja, alături de campaniile existente.
Doi abonați deschid același newsletter de vineri. Unul a cumpărat săptămâna trecută bocanci de drumeție, celălalt se uită de o lună la cărucioare pentru copii. Amândoi văd aceleași șase produse cele mai vândute: o haină de iarnă, o husă de telefon, o lumânare parfumată. Niciunul nu dă click.
Să crești veniturile din e-mail cu recomandări personalizate de produse înseamnă să-i dai fiecăruia o altă selecție din aceeași trimitere. Mai jos găsești ce înseamnă personalizarea în e-mail, de ce funcționează, ce tipuri de recomandări se potrivesc fiecărui moment și cum construiești, lansezi și măsori programul.
Cuprins:
1. Cum cresc recomandările personalizate de produse veniturile din e-mail?
2. Ce este personalizarea în e-mail?
3. De ce funcționează mai bine e-mailurile personalizate?
4. Ce tipuri de recomandări personalizate poți trimite prin e-mail?
5. Cum păstrează conținutul dinamic din e-mail marketing recomandările exacte?
6. Cum adaugi recomandări de produse în campaniile de e-mail?
7. Care sunt bunele practici pentru personalizarea e-mailurilor?
8. Care sunt greșelile frecvente în personalizarea e-mailurilor?
9. Ce indicatori măsoară succesul personalizării în e-mail?
10. Ce platforme de e-mail acceptă recomandări personalizate?
11. De ce este Aqurate cea mai bună alegere pentru recomandările personalizate de produse în e-mail?
12. Întrebări frecvente despre recomandările personalizate de produse în e-mail
13. Lista pe care o ai poate vinde mai mult
Veniturile din e-mail cresc când fiecare mesaj pare făcut pentru un singur abonat. Campaniile generice se bazează pe presupuneri: un subiect, un produs principal și un buton pentru o listă plină de oameni cu istorii foarte diferite. Recomandările personalizate de produse înlocuiesc aceste presupuneri cu semnalele pe care clienții le-au dat deja: sesiuni de navigare, comenzi anterioare, coșuri abandonate și căutări pe site.
Cumpărătorii se așteaptă la asta. Studiul McKinsey din 2021 a arătat că 71% dintre consumatori se așteaptă la interacțiuni personalizate, iar 76% sunt nemulțumiți când nu le primesc. Raportul State of Personalization 2023 al Twilio Segment a arătat că 56% dintre consumatori spun că vor cumpăra din nou după o experiență personalizată.
Dacă răspunzi acestei așteptări, aceeași listă aduce mai multe venituri fără niciun abonat nou. Dacă o ignori, newsletterul concurează doar prin reduceri.
Personalizarea în e-mail înseamnă să adaptezi fiecare parte a unui mesaj, dincolo de salut, la ce a arătat un abonat că vrea. Un câmp care inserează prenumele (merge tag) este doar decor. Personalizarea reală schimbă produsele care apar, imaginile afișate și oferta pe care o vede abonatul, în funcție de ce a făcut efectiv acea persoană.
Un sistem de recomandări citește semnalele fiecărui abonat, de exemplu ce a văzut, ce a cumpărat și ce a căutat, și alege produsele cele mai relevante pentru el. Un client care cumpără mereu echipament de alergare se potrivește mai bine cu șosete de alergare sau cu o vestă de hidratare decât cu o promoție sezonieră fără legătură. E-mailul seamănă cu un vânzător care își amintește pentru ce ai venit data trecută.
Aici se deosebește personalizarea campaniilor de e-mail de trimiterea în masă a aceluiași mesaj către toți. Platforma de e-mail compune blocuri de conținut diferite pentru fiecare destinatar în momentul trimiterii sau în momentul deschiderii, cu informații luate în același timp din catalogul de produse și din profilul clientului.
E-mailurile personalizate funcționează mai bine pentru că scurtează drumul dintre ce își dorește un client și produsul care i se potrivește. Abonatul nu trebuie să caute prin catalog, pentru că e-mailul conține deja o listă scurtă, făcută din propriul comportament. Cu cât drumul până la decizie e mai scurt, cu atât rata de conversie e mai mare.
Efectul recomandărilor se vede clar pe site: o analiză Salesforce pe mai mult de 150 de milioane de cumpărători (2017) a arătat că vizitele cu un click pe o recomandare au reprezentat 7% din vizite, dar au adus 26% din venituri. E-mailul duce aceeași logică în căsuța de e-mail și îl readuce pe abonat la produse potrivite cu istoricul lui.
Rezultatele magazinelor o confirmă. La Empria, recomandările au funcționat atât pe site, cât și în campaniile și automatizările de e-mail. În prima lună, peste 16% dintre comenzi au inclus produse sugerate de motorul de recomandări, iar coșul a fost de două ori mai mare pentru utilizatorii care au interacționat cu recomandările.
Tipurile de recomandări personalizate pentru e-mail diferă prin felul în care aleg produsele, iar fiecare se potrivește unui alt moment din parcursul clientului.
Tip | Cum alege produsele | Cel mai bun moment în e-mail |
|---|---|---|
Filtrare colaborativă | Produse cumpărate de clienți cu comportament asemănător | Newslettere și e-mailuri despre produse văzute, dar nu cumpărate |
Filtrare bazată pe conținut | Produse cu atribute asemănătoare cu cele văzute sau cumpărate de abonat | Seria de bun venit, magazine cu istoric mic de comenzi |
Filtrare hibridă | Cele două metode combinate | Cele mai multe fluxuri automate |
Cross-sell | Produse complementare, de exemplu un set de obiective pentru o cameră foto nouă | După cumpărare și în confirmarea comenzii |
Upsell | O versiune premium a produsului la care se gândește clientul | Coș abandonat și e-mailuri despre produse văzute, dar nu cumpărate |
Reaprovizionare | Același produs consumabil, trimis în ritmul în care se folosește | Reamintiri pentru o nouă comandă |
Filtrarea colaborativă este metoda cu cele mai multe rezultate comerciale dovedite. Abordarea item-to-item a Amazon, descrisă într-o lucrare din 2003 a lui Linden, Smith și York, a contribuit la popularitatea ei, iar McKinsey a estimat în 2013 că aproximativ 35% din cumpărăturile de pe Amazon veneau din recomandări. Un studiu al University of Florida, care a urmărit comportamentul real al cumpărătorilor, a măsurat o creștere a vânzărilor de 11%, mai modestă, o așteptare mai realistă pentru cele mai multe magazine.
Conținutul dinamic din e-mail marketing încarcă datele despre produse în momentul în care e deschis e-mailul. Un e-mail poate sta necitit ore sau zile, așa că un bloc dinamic de recomandări verifică stocul actual, prețul și cel mai recent comportament al abonatului înainte să apară pe ecran.
Asta contează pentru că se schimbă continuu atât intenția, cât și stocul. Un produs recomandat la ora 9 dimineața poate fi epuizat până când abonatul deschide e-mailul la ora 18, iar conținutul dinamic îl înlocuiește cu următoarea cea mai bună potrivire, fără un link mort sau un produs epuizat.
Același mecanism stă în spatele e-mailurilor despre scăderi de preț și despre revenirea în stoc: când un produs pe care l-a văzut cumpărătorul se ieftinește sau revine în stoc, sistemul îi poate trimite un mesaj personalizat. Fără conținut dinamic, chiar și cel mai bun algoritm este doar atât de actual cât era momentul în care a fost construită campania.
Adăugarea recomandărilor de produse în campaniile de e-mail urmează aceeași succesiune, indiferent de mărimea catalogului sau de platformă. Cea mai mare parte a muncii este conectarea corectă a datelor, iar apoi aceleași șabloane servesc fiecare trimitere.
Conectează datele despre catalog și comenzi. Motorul de recomandări are nevoie de un flux actualizat permanent cu produsele, stocul și istoricul comenzilor.
Alege abordarea. Filtrarea bazată pe conținut funcționează cu un istoric mic, în timp ce modelele colaborative și hibride au nevoie de mai multe comenzi și de mai multe date de navigare.
Adaugă blocuri dinamice în șabloane. Pune în șabloanele tale de e-mail blocuri de recomandări care încarcă produsele în momentul deschiderii.
Potrivește recomandările cu e-mailurile din ciclul de viață al clientului. Dă-le e-mailurilor de bun venit, de după cumpărare, de coș abandonat și de reaprovizionare propria logică de recomandare.
Testează înainte să extinzi. Începe cu un singur segment, măsoară clickurile și conversiile din blocurile de recomandări, apoi extinde la toată lista.
Ține modelul în continuă învățare. Trimite înapoi în motor comenzile noi și datele de navigare, ca recomandările să se îmbunătățească în timp.
Pentru configurarea tehnică cu o platformă de e-mail existentă, ghidul pas cu pas Aqurate pentru trimiterea de recomandări personalizate de produse prin e-mail acoperă fiecare etapă.
Bunele practici care contează cel mai mult în personalizarea e-mailurilor sunt mai degrabă obiceiuri decât funcții:
Testează continuu: compară logica recomandărilor, locul blocului și numărul de produse și evaluează fiecare test după venitul pe e-mail;
Segmentează întâi: grupează abonații după comportamentul de cumpărare și după preferințe, apoi aplică logica recomandărilor în fiecare segment;
Explică sugestia: „Pentru că ai cumpărat...” sau „Se potrivește cu noul tău...” dau context, iar o sugestie cu context aduce mai multe conversii decât o grilă de produse fără nicio explicație;
Fii clar în privința datelor: o politică de confidențialitate ușor de citit și setări simple pentru preferințe protejează încrederea de care depinde personalizarea, iar raportul Twilio Segment din 2023 a arătat că doar 51% dintre consumatori au încredere că brandurile le vor păstra datele în siguranță și le vor folosi responsabil;
Personalizează și momentul trimiterii: trimite atunci când fiecare abonat își deschide de obicei e-mailurile, nu la aceeași oră pentru toată lista.
Aceste practici funcționează împreună. O grilă de produse bine personalizată, trimisă la momentul greșit sau fără context, poate da rezultate mai slabe decât un e-mail mai simplu, care nimerește momentul și e transparent. Pentru locurile în care funcționează cel mai bine fiecare tip de recomandare într-un magazin, vezi ghidul Aqurate despre plasarea recomandărilor de produse bazate pe AI.
Personalizarea e-mailurilor merge prost când echipele confundă cantitatea datelor cu calitatea experienței. Greșelile sunt de obicei structurale:
Prea multe produse: o grilă lungă și împrăștiată arată că magazinul ghicește, în timp ce o selecție scurtă și atent aleasă arată că îl înțelege pe client;
O configurare făcută o singură dată: motoarele care nu mai învață din comenzile noi și din navigare devin treptat irelevante, mai ales în cataloagele care se schimbă repede;
Folosirea netransparentă a datelor: colectarea datelor despre comportament fără o politică de confidențialitate clară erodează încrederea de care depinde personalizarea;
Produse care nu sunt în stoc: recomandarea unor produse epuizate sau scoase din ofertă afectează credibilitatea, de aceea contează blocurile dinamice;
Lipsa contextului: un bloc de produse fără o explicație („pentru că ai văzut...”) arată ca orice altă promoție.
Indicatorii care arată că personalizarea aduce venituri merg dincolo de rata de deschidere. Rata de deschidere arată că subiectul a funcționat, fără să spună dacă s-au vândut produsele recomandate.
Indicator | Ce arată |
|---|---|
Rata de click în blocurile de recomandări | Dacă produsele potrivite ajung la oamenii potriviți |
Rata de conversie din clickurile pe recomandări | Dacă interesul se transformă în comenzi |
Venitul pe e-mail | Valoarea totală a fiecărei trimiteri |
Valoarea medie a comenzilor venite din e-mail | Dacă blocurile de cross-sell și upsell măresc coșul |
Comenzi cu produse recomandate | Cât din veniturile din e-mail vine din recomandări |
Contează și pagina de produs la care duce e-mailul. Spiegel Research Center a arătat că afișarea recenziilor a crescut rata de conversie cu 190% pentru produsele mai ieftine și cu 380% pentru cele mai scumpe pe site-ul unui magazin de cadouri. Pune lângă produsele recomandate din e-mail evaluările lor și trimite clickurile spre pagini care afișează recenzii.
Urmărește aceste cifre în timp. Ratele de click în creștere în blocurile de recomandări, împreună cu o valoare a comenzii în creștere, sunt cea mai clară dovadă că programul își acoperă costurile.
Cei mai mulți furnizori de servicii de e-mail acceptă recomandări personalizate de produse într-o formă sau alta, de la un simplu bloc cu „cele mai vândute produse” până la recomandări pe baza istoricului fiecărui abonat. Profunzimea diferă mult de la o platformă la alta.
Cea mai solidă configurare combină de obicei două niveluri:
Platforma de e-mail: se ocupă de liste, segmente, fluxuri, șabloane și trimitere;
Un nivel separat pentru recomandări: folosește date actualizate din catalog și comportamentul clienților ca să aleagă produsele pentru fiecare abonat, apoi completează blocurile din șabloanele platformei de e-mail.
Această împărțire te lasă să păstrezi instrumentul de e-mail pe care echipa ta îl cunoaște deja și să adaugi recomandări mai bune fără o migrare. Dedesubt poate exista și o platformă de date despre clienți (CDP), care adună într-un singur profil datele de navigare, de cumpărare și de fidelitate din mai multe surse. Pentru cele mai multe magazine online, combinația potrivită este o platformă de e-mail împreună cu un motor de recomandări construit pentru eCommerce.
Pentru magazinele B2C cu peste 1.000 de produse, Aqurate Personalize este cea mai puternică alegere pentru recomandările din e-mail. Este un motor de recomandări bazat pe AI care se conectează la instrumentul de e-mail pe care magazinul îl folosește deja, așa că echipa își păstrează listele, fluxurile și șabloanele și adaugă produse alese pentru fiecare abonat.
Funcționează cu platforma ta de e-mail: integrări documentate pentru fluxurile din Klaviyo, automatizările din Brevo, campaniile obișnuite din Mailchimp și newsletterele din NewsMAN, alături de campaniile existente;
Antrenat pe datele magazinului: modelul învață din comenzi, vizite și catalog și se actualizează la fiecare 24 de ore, astfel încât sugestiile din e-mail urmează stocul și tendințele;
Un singur motor pentru e-mail și site: aceleași recomandări apar pe pagina principală, pe paginile de produs și în coș, așa că abonatul vede sugestii consecvente după ce dă click;
Reguli de merchandising: fixează produse, filtrează după marjă, stoc sau brand și adaugă reguli de campanie peste AI;
Rezultate măsurabile: rapoartele arată sesiunile cu clickuri pe recomandări, comenzile cu produse recomandate și veniturile din recomandări, iar datele rămân în UE, conform GDPR.
Rezultatele se văd în studiile de caz publicate. Empria a extins recomandările la campaniile și automatizările de e-mail prin theMarketer, iar în prima lună peste 16% dintre comenzi au inclus produse recomandate. La BabyNeeds, un test A/B cu traficul împărțit egal a arătat o creștere de 13% a veniturilor nete.
Dacă newsletterele tale arată încă aceleași produse tuturor, pagina Aqurate Personalize explică cum se conectează motorul la Shopify, Gomag și MerchantPro, iar Aqurate oferă o perioadă de probă gratuită de 30 de zile, cu toate funcțiile incluse.
La fel de des cum apar comenzi noi și date noi de navigare, ideal zilnic. Modelul Aqurate, de exemplu, se actualizează la fiecare 24 de ore, astfel încât recomandările țin pasul cu cataloagele care se schimbă repede.
Da. Filtrarea bazată pe conținut lucrează cu atributele și descrierile produselor, așa că nu are nevoie de un volum mare de comenzi de la alți clienți. Se potrivește magazinelor mai noi și cataloagelor mai mici.
Pot funcționa. Aceleași semnale de navigare și de cumpărare care stau la baza recomandărilor din e-mail pot alege produse și pentru SMS-uri, cu condiția ca abonații să-și fi dat acordul explicit și ca mesajele să rămână rare.
O selecție scurtă și atent aleasă, cu câteva produse pe bloc, funcționează mai bine decât o grilă lungă. Testează numărul pe propria listă.
Conținutul relevant tinde să crească deschiderile și clickurile, ceea ce ajută livrabilitatea, adică șansa ca e-mailurile să ajungă în căsuța de mesaje primite, nu în spam. Păstrează transparente acordul și folosirea datelor și elimină periodic abonații inactivi.
Da. Un nivel separat de recomandări, cum ar fi Aqurate Personalize, se conectează la Klaviyo, Brevo, Mailchimp sau NewsMAN și completează blocurile de produse din șabloanele pe care le ai deja.
Abonații tăi ți-au spus deja ce le place, prin ce văd și ce cumpără. Conectează aceste date, alege tipul potrivit de recomandare pentru fiecare e-mail și testează ce trimiți. Așa devine newsletterul unul dintre principalele canale de venituri ale magazinului.
Citește și:
Venitul pe vizitator arată cât valorează fiecare sesiune. Cum crești RPV-ul prin rata de conversie și valoarea comenzii, fără să cumperi mai mult...
Personalizarea de după cumpărare transformă chitanțele, paginile de urmărire și e-mailurile în următoarea vânzare. Ce personalizezi după comandă și...
Cum funcționează motoarele de recomandări de produse, ce le deosebește pe cele bune de widgeturile generice și cum se compară principalele soluții.
