Как ИИ изменит email-маркетинг

В ближайшие год-два в email-маркетинге начнутся большие изменения. Рассылки по шаблону уйдут в прошлое, им на смену придут рассылки по центральному профилю. Изменятся и приоритеты в работе email-маркетолога. Своим видением будущего поделился Артём Кухаренко, CEO компании iAGE.

Я люблю говорить, что занимаюсь email-маркетингом всё последнее тысячелетие. Люди сначала пытаются представить эту цифру, а потом до них доходит игра слов, и они улыбаются. А всё началось в 2002 году, когда несколько программистов из Рязани решили заняться бизнесом. Логично, что это оказался бизнес в нише цифровых продуктов: email, ERP-системы, фреймворки для тестирования и так далее.

Постепенно мы выросли с четырёх человек до 50 человек, а потом и до 130. Трижды за эти годы мы меняли вектор развития компании. Дали жизнь шести крупным проектам, каждый из них лидер в своей нише. И вот теперь мы сосредоточились на идее автоматизации бизнеса. Я считаю, что за этим будущее. Недавно Джефф Безос, основатель Amazon, сказал, что “на горизонте десяти лет самыми значительными будут перемены в сфере машинного обучения”. Я с ним полностью согласен.

На данный момент существуют две концепции развития ИИ. Первая говорит о том, что алгоритмы (ИИ) сами должны принимать решения, вторая ограничивает действия ИИ на уровне рекомендаций по запросу человека. Мне ближе второй подход.

Примеров концепции “Human+AI” уже много. Они отличаются разным уровнем проработанности. Например, биржевые сводки, прогнозы погоды, результаты спортивных состязаний в некоторых новостных изданиях США пишут алгоритмы. Как правило, это сообщения длинной не более 400 символов. Почему такой размер? Потому что такие сообщения хорошо поддаются шаблонизации.

Есть примеры и в email-маркетинге. Робот Phrasee создаёт тысячи вариантов заголовков для сообщений в различном эмоциональном стиле, и это вызывает всплеск интереса у тех, кто получает письма.

Еще один робот делает мультивариантное тестирование. Раньше нас всех учили, что надо делать A/B тестирование, но такой подход уже устарел. Сейчас тесты идут на сотни компонентов, и лучшее письмо по результатам автоматических тестов отправляется в рассылку.

Чтобы объяснить ключевую идею центрального профиля, для начала расскажу, какую информацию собирают email-маркетологи о пользователях. Это история посещения сайтов, история покупок, обращения в сервисный центр, с какого устройства заходил в почтовый ящик, во сколько заходил, как часто заходит, и так далее. Что делал с письмом — открыл или сразу удалил, сколько времени читал, куда кликал и так далее. Практически все действия с письмом фиксируются с привязкой к конкретному человеку.

Это первая часть задачи. Вторая часть связана с многоканальностью цифрового мира. Данные, о которых я говорил выше, собирают десятки различных сервисов. Email-маркетолог, как осьминог с восемью “руками”, работает с каждым каналом, ищет, анализирует информацию.

Находит — создает сегменты пользователей. Вот по классике: “мужчина 28-35, москвич, холост, любит собак и так далее”. Это пример сегмента. В то же время этот человек может быть влюблен, и это еще один сегмент, жить в центре — ещё сегмент, у него есть или нет автомобиля — еще два сегмента, выезжал за границу — опять сегмент. И так далее. Человек может быть одновременно в 27 сегментах, и это не предел!

Так вот, идея центрального профиля состоит в том, что коммуникации нужно строить под конкретного человека. Сколько при этом должно быть сегментов? Один человек — один сегмент. А теперь представьте, что у вас в базе 100 000 человек. Это значит, что надо отправить 100 000 разных писем в соответствии с центральным профилем. Как вам такая задачка?

Классическая философия email-маркетинга построена на цепочках. Ещё раньше всё строилось на кампаниях. Максимальный уровень персонализации — подстановка имени человека. Ещё можно подставлять какие-то товары, услуги, но всё равно это аналог массовой рассылки.

Стандартный пример рассылки по шаблону — booking.com. Вы сделали бронирование — вам последовательно приходит серия писем ”Спасибо за бронирование”, “Ваше бронирование…”, “Вам подтвердили бронирование…”, “Как прошла ваша поездка”, “Поставьте оценку...” и так далее.

В e-commerce есть около 50 шаблонов, связанных с корзинами, праздниками, поздравлениями, распродажами. Человек получает письмо не потому, что ему что-то нужно, а потому что у email-маркетолога горит кнопка — скоро 8 марта, женский праздник, отправь одну рассылку женщинам, вторую — мужчинам. Женщинам — поздравления, мужчинам — скидки.

Это всё простые примеры работы email-маркетолога. Но сегодня человек “живёт” одновременно в нескольких каналах. Маркетологи подсчитали, что в среднем необходимо пять касаний, чтобы человек принял решение, например, о покупке электродрели. Первый раз он “коснулся” товара в поиске, второй раз увидел его на баннере, затем зашёл на несколько сайтов, почитал характеристики и отзывы, посмотрел обзоры на YouTube и в какой-то момент принимает решение о покупке. Выигрывает тот, кто оказался пятым в этом соревновании за внимание покупателя.

Что же делать?

Подключать автоматизацию и настраивать маркетинговые цепочки с аналитикой по разным каналам. Процесс решения задачи состоит из трёх этапов. Первый этап — хранение информации. Второй — прогнозирование поведения пользователя. Третий — выбор лучшего предложения и отправка письма.

Подобные софтовые комбайны сейчас пытаются делать Яндекс и Сбербанк. У них хорошо получается первый этап — хранить информацию. Что с ней делать дальше, они не знают. Максимум, на что способен Сбербанк 360° — это прислать сообщение “вам одобрен кредит на такую-то сумму”.

Между тем задача алгоритмизации труда email-маркетолога гораздо сложнее, чем отправка письма с предложением кредита. Возьмем для примера алгоритм TensorFlow для почты Google. Именно он решает, куда попадёт письмо: в ящик, в спам, в “промоакции”, в “соцсети” и так далее. Скажу даже больше, на техподдержке TensorFlow нет живых людей. Всё решает машина.

А раз так, то и email-маркетологу тоже нужна своя машина. Например, в рассылке сложилась такая ситуация: ежедневное падение открытий на 5%. Через некоторое время TensorFlow это увидит и начнёт отправлять письма в спам. Всё логично: раз письмо не читают, значит, оно не имеет ценности. Задача маркетолога — вернуть число открытий на прежний уровень. Например, за счёт уменьшения объёма рассылки. И алгоритмы могут за такими вещами следить.

Еще пример. Известно, что большое число пользователей начинает свой день с чтения новостей. При этом 70% населения планеты ходит в ванную с телефоном и просматривает там новости, соцсети и электронную почту. Если вы знаете, в какое время ваш человек встаёт, вы можете сразу к нему постучаться. Как правило, пользователь подвержен импульсной реакции. Если ваше письмо приходит, и оно сверху, то у него много шансов быть открытым.

То же самое с транспортом. Почта входит в топ-3 приложений, которые люди открывают в транспорте. Как только алгоритм увидел, что человек сел, условно говоря, в автобус, можно отправлять письмо с подходящим к моменту контентом.

А вот пример работы алгоритма, который вернул нам 10% пользователей. У нас была база, по которой мы отправляли рассылку каждый день. Постепенно алгоритм заметил, что часть пользователей перестала открывать письма. Для этих пользователей алгоритм стал присылать письма раз в неделю. И вот 10% из них стали снова читать письма. Значит, мы предоставляли им слишком много информации, они от нас устали, но при еженедельном контакте им снова стало с нами комфортно.

И вот такая задача — построение коммуникации под каждого отдельного клиента — под силу только алгоритмам. Что остаётся человеку? То же, что и во все времена: креатив, творчество, созидание, работа над идеями контента.

Теперь нужно ответить на вопрос: а стоит ли овчинка выделки? Мы же не просто так придумываем автоматизацию, а для того, чтобы заработать денег, да побольше.

Цифровой маркетинг как раз отличается тем, что его можно очень точно измерить. Когда компания видит, что маркетинг не только приносит деньги, но и генерирует прибыль, то она вкладывает больше денег в маркетинг, чтобы увеличить заработок.

Ключевое понятие — LTV (жизненная ценность клиента). Сейчас LTV считается, условно говоря, раз в квартал. А вот алгоритмы смогут пересчитывать LTV ежедневно. И подсказывать email-маркетологу, как строить коммуникацию с целью получения большей выручки за время жизни пользователя.

Второе важное понятие — вовлечение. Это именно то, над чем предстоит работать email-маркетологу будущего. Рутинную работу по настройке, рассылке писем возьмут на себя алгоритмы. А вовлечение — это прогноз действий в будущем, предсказание жизненного цикла клиента, прогноз его поведения в воронке. И ценностная оценка — сколько мы получим с клиента за время его жизни с нами. Каким будет время жизни — это часть прогноза, аналитический подход.

Что нам это даёт? Мы можем понять, сколько мы готовы тратить на привлечение нового клиента, для нас это самое ценное, потому что маркетинг — это как машинка, фабрика, мы должны привлекать, покупать новых пользователей, зная, что мы с них заработаем. И это позволяет увеличить бюджет на привлечение новых клиентов. Для бизнеса это всегда ценно.

Подведу итог. Классический емейл-маркетолог привык мыслить листами, сегментами, рассылками. А нам надо, чтобы такое решение принимал алгоритм. У нас есть пользователи (их центральные профили), и у нас есть набор контента. А вот кому и что отправлять, мы уже не решаем. За нас это делает алгоритм, причём решение он принимает сиюминутно, на основе анализа десятков данных о конкретном человеке.

Вот что будет делать ИИ:

• выбирать идеальную тему письма;
• тестировать элементы письма;
• определять частоту email-сообщений;
• выбирать идеальное время отправки;
• подбирать контент под конкретного пользователя.

Конечно, человек пугается, когда слышит, что теперь он работает по-новому. Не все email-маркетологи смогут перестроиться на новый способ работы. Но выбора нет. Если компания хочет оставаться конкурентоспособной, ей необходимо вводить автоматизацию email-маркетинга.

Аудиоверсию интервью слушайте в подкасте “Ценная инфа” (iOS, Android).

#emailмаркетинг #emailmatrix #iage #kuharenko