CZC case studies

Optimalizace e-mailové komunikace

CDP: Bloomreach
Země: Česká republika
Segment: B2C

"Rádi bychom co nejvíce snížili množství e-mailů (newsletterů) zasílaných zákazníkům v rámci inspirativní komunikace, aniž by to mělo dopad na objem prodeje, kterému napomáhají."

Nasadili jsme vlastní osvědčené řešení nazvané ATEP (Active Email Target Policy), které obsahuje soubor pravidel pro komunikaci se zákazníky/kontaktní bází. Postupným testováním a nastavováním těchto pravidel se nám podařilo snížit objem pravidelně odesílaných e-mailů. Výsledná pravidla se stala součástí pravidelného nasazení e-mailů, takže výpočet nově definovaného e-mail targetu se automaticky koriguje.

Příklady pravidel založených na činnosti:

Počet e-mailů za čas
Míra otevření
Míra CTR
Signály o odhlášení / míra odmítnutí
Recidiva nákupu

Výsledky:

68% snížení objemu odeslaných e-mailů, objem prodeje podpořeného zasíláním e-mailů nebyl ovlivněn
Míra nákupů se zvyšuje u zákaznické základny vyloučené z cílených newsletterů (strukturální změna v cílení tak, aby vyhovovala chování základny)
e-mailové trigger based automaty získaly větší cílové skupiny (efekt anti-SPAM politiky), což díky vyšší míře konverze přineslo další dodatečné zvýšení prodeje.

"Při kombinaci řešení ATEP s inteligentním cílením vygeneruje 5% původního targetu stejný objem asistovaného prodeje." Práce s aktivní bází je klíčová, nadefinovat aktivní bázi je inženýrský projekt. Díky definici ATEP pak může začít další projekt a sice jak reaktivovat všechny, kteří aktivní nejsou."

Rozsah prací

Nastavení a nasazení ATEP pravidel a e-mail policy
Zahrnutí politiky ATEP do pravidel elektronického obchodu
Monitoring, analýza a vyhodnocování

Personalizace newsletterů

CDP: Bloomreach
Země: Česká republika
Segment: B2C

"Chceme zvýšit angažovanost našich newsletterů, zvýšit míru konverze , mít větší personalizaci, lepší cílení a maximalizovat zájem zákazníků o obsah našich newsletterů.

To vše při splnění potřeb prodejců reklamy v rámci newsletteru."

Zaškolili jsme klienta a předali mu informace, aby viděl, že zájmy zákazníka se musí přesně odrážet v obsahu newsletteru. Vzhledem k velikosti zákaznické základny bylo žádoucí definovat segmenty zákazníků, v nichž by byly jejich potřeby uspokojovány nabídkami značek a produktů prodávaných na e-shopu klienta na míru.

Příklady parametrů cílení a doručování obsahu

chování na webu v čase
Historie transakcí
Afinita k produktu
Afinita ke značce
Afinita ke kategorii
Datové modely kombinující výše uvedené parametry
Produktové portfolio klienta (marže, kampaně, prodejní priority)
Aktuální kampaňový sortiment prodejců
Skórování cílení/segmentů a doporučení obsahu produktového newletteru
Personalizované předměty e-mailů

Výsledky

Míra otevření e-mailu (OR): až 83,5 %.
Míra prokliku na e-mail (CTR): až 90,4 %.

"K dosažení stejného obratu, jaký generoval původní newsletter, stačí pomocí personalizace a chytrých produktových doporučení oslovit pouze 5 % původní cílové skupiny.

Pro zbývajících 95 % zákaznické základny můžeme nabízet produkty podle jiných obchodně-datových modelů (RFM, NBO,...)."

Rozsah prací

Koncept cílení
Model doporučování produktů
Návrh a kódování e-mailů
Copywriting
Personalizace
Nastavení scénáře
Samotné provádění kampaní, analýza a vyhodnocování
Nový koncept e-mail marketingu