Согласитесь, странно предлагать действующему клиенту стать клиентом, или предлагать человеку купить то, что он только что купил. Следовательно, фильтровать и разделять базу не просто желательно, а необходимо.
Сегментация базы – важнейшая часть email-маркетинга и не только. Разделение базы по категориям позволяет сделать предложение персональным, а значит с большей вероятность конвертировать в заказ или в сделку. В конце статьи забавная история про Walmart 😉
Критерии сегментации могут быть следующими:
По статусу в компании 👉 Базовая сегментация для понимания кто есть кто.
Примеры сегментов:
✔ действующие клиенты
✔ остывающие клиенты (еще не ушли, но есть признаки нелояльности)
✔ бывшие клиенты
✔ лиды (еще не клиенты)
✔ холодные контакты✅ Цель: Действующих и остывающих → сохранить, холодных → подогреть, лидов → сконвертировать в сделку / заказ.
По процессам взаимодействия с компанией 👉 Реакция на конкретное действие клиента или событие, связанное с ним
Примеры сегментов:
✔ Брошенная корзина
✔ Запрос на консультацию / демо
✔ Закончился пробный период
✔ Не оплатили счет / заказ
✔ Запрос прислать закрывающие документы✅ Цель: Сомневающихся в покупке → убедить в ее важности, забывающим и должникам → напомнить о нужном событии или проинформировать о чем-либо.
По личным характеристикам 👉 На основе этой информации можно готовить письма с упором на преимущества, которые релевантны характеристикам контакта. Например, плюсы предлагаемого решения для руководителя или полезные витамины для людей пожилого возраста и пр.
Примеры сегментов:
✔ Должность
✔ Пол (если это важно учитывать в предложении, например, продажа одежды)
✔ Возраст
✔ Гео-признак / национальность
✔ Информация о компании контакта (отрасль, к-во сотрудников)
✔ Иные личные характеристики✅ Цель: Сформировать интересное предложение на основе личных данных или поздравить с праздниками (национальными, гендерными или профессиональными).
По интересам аудитории 👉 Предварительно придумываем категории и критерии по которым мы можем оценивать интересы аудитории. За основу можно взять данные по заказам или по тому, какие страницы сайта контакт чаще всего посещает. В общем любые данные, которые можно собрать. Далее настраиваем трекинг и автоматически распределяем базу.
Например, если у вас что-то типа Википедии и пользователь 70% статей читает о Ботанике, его можно отнести в категорию "Ботаники" и в дальнейшем предлагать ему статьи и товары из этой категории. Либо разработать персональный сценарий писем.
Примеры сегментов (из головы, т.к. это сильно зависит от проекта):
✔ Ученые (имеется ввиду любители вебинаров, курсов и обучения)
✔ Булочники (часто покупают булочную продукцию)
✔ Кошатники (тут понятно 😂)
✔ Уютники (интерес: домашний интерьер)
✔ Для магазинов одежды: мужской кэжуал, женская классика, любители анимэ и пр.
✔ Крупняки (большие компании)
✔ Читатели (прочитали все материалы) и пр.✅ Цель: Познакомиться со своей аудиторией, а также предложить релевантные интересам пользователя услуги / товары, сообщать о событиях, важных для этой категории, в целях повышения лояльности и пр.
По источнику базы 👉 Актуально для проектов, которые собирают базы из партнерских программ, форумов и иных источников, т.е. прежде чем прислать письмо, нужно объясняться почему человек получил это письмо.
Примеры сегментов (исходя из источника):
✔ База с форумов
✔ Контакты с личных встреч, презентаций
✔ База с маркетплейсов
✔ Рекомендации друзей, партнерки
✔ Контакты с бизнес-мероприятий✅ Цель: Тот же прогрев "не клиентов", просто заход будет с отсылкой к источнику и немного прелюдии для знакомства с отправителем.
История одной сегментации от Walmart
Когда-то давно в известной американской сети Walmart случился интересный случай. Руководство одного из магазинов пришло к выводу, что самый прибыльный сегмент для них – это будущие родители. Аналитикам поставили задачу как можно быстрее вычислить тех, кто готовится к появлению ребенка, цель → раньше других предложить семейные товары. Была проведена колоссальная работа по сбору и обработке данных, чтобы понять после покупки каких товаров можно предлагать товары для новорожденных.
И не зря!
Аналитики заметили, что когда женщина узнает о своей беременности или готовится к ней, она старается приобретать более экологичные товары, например, уходовые товары и моющие средства без отдушек, натуральные составы, гиппоалергенную продукцию и многое другое, учитывалось огромное количество факторов. Разработав свой алгоритм вычисления таких клиентов, они запустили в ход свои рекламные кампании. Когда сценарий срабатывал, то покупателю отправлялись рекламные материалы с предложениями товаров для детей (коляски, бутылочки и пр).
Спустя несколько месяцев некий мужчина со скандалом и жалобами ворвался в Walmart. Его возмутило, почему его несовершеннолетней дочери предлагаются товары для будущих матерей. Директору магазина, в который пришел мужчина, пришлось объясняться и приносить извинения. Каково же было удивление директора, когда через несколько месяцев, этот же мужчина ему позвонил и принес извинения уже со своей стороны. Оказалось, что его дочь действительно была беременной, а он просто об этом не знал.
Тут мог быть мем: «Ситуация когда магазин раньше тебя узнает о беременности твоей дочери». Это пример, когда сегментация действительно сработала и магазин в итоге неплохо увеличил выручку.
Вместо вывода, лишь скажу, что уход от шаблонного мышления позволит найти ключ к "черному ящику", т.е. к процессу принятия решения о покупке. Пробуйте и анализируйте, как с ИИ, так и без!
На связи и удачи в проектах! 🤗