Как составить кликабельную тему письма с помощью компонентного анализа

Благодаря новым темам письма «Нетологии» стали открывать на 42 тысячи человек больше.

Рассылка «Нетологии»

В «Нетологии» нашли способ писать кликабельные тем на основе данных. Методику протестировали на дайджесте с подборкой курсов, статей и партнерских коллабораций. Open rate удалось поднять на 6% — теперь письмо открывают на 42 тысячи людей больше.

Пётр Ермаков, руководитель CRM-маркетинга «Нетологии», рассказал:

  • как в теме письма продавать пользу и эмоции;
  • что такое компонентный анализ темы и чем он полезен для маркетолога;
  • как составить формулы кликабельных тем;
  • как проверить эффективность формул с помощью AB-тестов.

Если вы строите весь маркетинг на данных, можете показать эту статью своему маркетологу и попробовать такой подход на рассылках.

Тема письма: как продавать пользу и эмоции

Тема обычно называет объект, о котором говорится в письме, и связанное с ним полезное действие. Возьмем, к примеру, тему «Выберите свой карьерный путь в аналитике». Объект здесь — «карьерный путь в аналитике». Полезное действие — «выберите». Из такой темы понятно, о чем письмо и зачем его читать. Это важно, если в рассылках вы продаете практическую пользу, допустим, медицинские или маркетинговые услуги, онлайн-образование.

Темы без объекта и полезного действия тоже бывают эффективными. Обычно они срабатывают, если бизнес продает эмоции. Подписчиц fashion-бренда вполне может заинтересовать тема «Сезон летних вечеринок начинается! Понимаете, к чему мы?». Правда, эту гипотезу нужно тестировать.

Понять, что делает тему кликабельной, можно с помощью компонентного анализа. Для этого нужно:

  • Разбить темы писем на компоненты.
  • Собрать по всем письмам статистику: open rate, click rate и процент отписок.
  • Посмотреть, какие сочетания компонентов дают наилучшие показатели, и вывести формулу кликабельной темы.
  • Составить план эксперимента и проверить эффективность формулы с помощью AB-тестов.

Для начала разберемся с компонентным анализом.

Компонентный анализ: что это такое и чем он полезен маркетологу

Компонентный анализ — это метод лингвистики. Он позволяет находить у слов общий признак, группировать их и таким образом выявлять языковые закономерности. То же можно проделать с темами писем, чтобы повысить open rate рассылок.

Суть в том, чтобы выделить одинаковые по строению темы, объединить их и выбрать группы с наибольшей кликабельностью. Зная, из чего состоят эффективные темы, можно вывести образец для дальнейших рассылок.

Тема письма — это предложение, которое надо расщепить на минимальные смысловые единицы, или компоненты. Есть разные типы компонентов в зависимости от значения. Мы в «Нетологии» проанализировали массив писем и вывели четыре таких типа:

  • how to,
  • слово-триггер,
  • perso,
  • no context.

Можно вывести и другие, но эти — базовые, поскольку встречаются чаще всего. Их достаточно для компонентного анализа тем любой рассылки.

Компоненты и их значения:

1. how to

Указывает, что из письма читатель узнает, как что-то сделать. Признаки компонента:

  • союзы «как», «чтобы»;
  • повелительное наклонение: сделайте, узнайте, освойте;
  • слова «гайд», «советы», «рекомендации» и т.п.

Примеры:

  • Как управлять бизнесом в fashion
  • Как стать программистом

2. слово-триггер

Должно цеплять взгляд.

Примеры:

  • Выбрали четыре лучших курса для вас
  • Персональная скидка на курсы «Нетологии»

3. perso

Персонализирует тему. Это динамический контент: имя или название курса, на который оставлена заявка.

Указывает на поведенческий паттерн, который мы можем вывести из повторяющихся действий пользователя.

Примеры:

  • Пётр, вы так и не посмотрели запись, начнем?
  • Вы интересовались курсом «Программирование с нуля» — можете начать изучение уже сейчас
  • Вы уже начали путь в программировании

4. no context

Не имеет конкретного содержания и носит общий характер.

Пример:

  • Чем заняться осенью, если не учебой?

Эмодзи не относятся к компонентам. Этот UX-элемент не привносит новый смысл, но может влиять на кликабельность, поэтому при оценке результатов нужно рассматривать темы с эмодзи и без по отдельности.

Ниже — несколько примеров компонентного анализа.

Тема 1: от чего зависит успех руководителя?

Компоненты:

  • how to — «от чего зависит успех»,
  • слово-триггер — «успех»,
  • perso — нет,
  • no context — нет.

Эмодзи: нет.

Комбинация компонентов: how to, слово-триггер.

Тема 2: создайте сайт на JavaScript с нуля за 3 дня.

Компоненты:

  • how to — «создайте сайт на JavaScript»,
  • слово-триггер — «с нуля за 3 дня»
  • ,perso — нет,
  • no context — нет.

Эмодзи: нет.

Комбинация компонентов: how to, слово-триггер.

Тема 3: как вкатиться в SMM.

Компоненты:

  • how to — «как вкатиться в SMM»,
  • слово-триггер — нет,
  • perso — нет,
  • no context — нет.

Эмодзи: нет.

Комбинация компонентов: how to.

Тема 4: вы посмотрели урок по JavaScript, перейдем к React?

Компоненты:

  • how to — нет,
  • слово-триггер — нет,
  • perso — «вы посмотрели урок по JavaScript»,
  • no context — нет.

Эмодзи: нет.

Комбинация компонентов: perso.

Исследование: анализируем данные рассылок и выводим формулу кликабельности

Чтобы понять, как разные комбинации компонентов влияют на кликабельность темы, нужно проанализировать большую выборку писем. Лучше всего собрать данные за все время. Если это нереально, подойдут показатели за максимально возможный срок — желательно 6 месяцев или больше. Если в вашем бизнесе произошло значительное изменение, например ребрендинг, возьмите его за точку отсчета. Статистика, которая была до ребрендинга, неактуальна в новых условиях. Важно захватить кварталы, которые сильно отличаются по трафику, — такой массив данных будет достаточным для объективного исследования.

Следующий шаг — собрать статистику по каждому письму. Понадобятся:

  • число отправок,
  • open rate,
  • click rate,
  • процент отписок.

После этого для каждого письма из выборки нужно провести компонентный анализ темы и внести результаты в таблицу:

Затем объедините в сводной таблице комбинации компонентов и статистику по рассылке.

В колонке «Компонент» зеленым выделены комбинации, которые дают наиболее высокую кликабельность при низком проценте отписок

В сводной таблице лучше всего группировать данные по типам (массовые, триггерные) или сегментам рассылок. К примеру, в «Нетологии» можно было бы сегментировать рассылки так:

  • для разовых посетителей бесплатного занятия;
  • для клиентов, которые оставили заявку на курс, но не оплатили его;
  • для разовых посетителей бесплатного курса;
  • для постоянных посетителей бесплатных занятий и курсов.

После этого можно выделить наилучшие комбинации для каждой рассылки и получить более точные формулы кликабельности. Но, чтобы сегментировать данные, нужна система автоматизированного трекинга, которая соотносит отправленное письмо с сохраненным в базе сегментом. Создать и поддерживать ее трудозатратно, если у вас нет двух-трех программистов. Мы в «Нетологии» еще строим такую сегментацию.

Рабочие формулы можно получить и без сегментации рассылок в сводной таблице. Для этого выберите из общей массы 10 комбинаций компонентов с наилучшими показателями. Если используете эмодзи, возьмите пять комбинаций с ними и пять — без. Это и будут формулы кликабельных тем.

В наших таблицах собраны 10 самых успешных комбинаций компонентов, цветом выделены лучшие из лучших. Есть комбинации, которые отличаются только порядком компонентов: влияет ли он на эффективность, можно выяснить после дополнительных исследований

AB-тест: будут ли составленные по формуле темы эффективнее прежних

Гипотеза: у темы письма, составленной по формуле кликабельности, open rate и click rate будут выше обычных.

A-вариант: тема, которую составили бы при обычных условиях.

B-вариант: тема, которую составили по формуле кликабельности.

Ключевые показатели: open rate, click rate, процент отписок.

Количество тестов. Предположим, вы собираетесь проверить пять формул кликабельности. Чтобы результат эксперимента был релевантным, каждую формулу следует протестировать не менее трех раз. То есть в сумме надо провести 15 AB-тестов. Если вы сегментируете рассылки, для каждого сегмента придется тестировать свой набор формул. К примеру, проверить по пять формул на четырех сегментах — это 60 AB-тестов. Такой основательный подход хорош тем, что дает максимально достоверные результаты. А целесообразен ли он, зависит от ваших ресурсов и ожидаемой пользы.

Выборка. Каждая формула должна одинаково срабатывать как на малых выборках, так и на больших. Поэтому при тестировании варьируйте объем выборки — до первого квартиля, до третьего квартиля и посередине.

Дни для тестирования. По опыту «Нетологии», отправлять письма лучше в понедельник, вторник или среду, чтобы до конца рабочей недели у получателей было время их открыть. Пик открываемости приходится на первые три дня после отправки. Если отправить письмо в четверг или пятницу, вмешается фактор выходного дня, когда большинство людей не проверяет почту. Поэтому, чтобы получить чистые данные, делайте рассылку в начале недели.

Сбор и интерпретация результатов. Отслеживайте open rate, click rate и процент отписок в течение 3–5 дней после отправки писем. Результаты лучше всего агрегировать в таблице.

Вот так выглядела наша таблица по итогам семи AB-тестов:

Результаты AB-тестирования трех формул кликабельности: how to; слово-триггер; how to + слово-триггер

Видно, что у тем, составленных по формуле, open rate выше в абсолютном большинстве случаев. Разница часто не превышает одного процентного пункта, но, если экстраполировать показатели на всю базу, эффект будет заметным. Результаты тестирования следует проверять на калькуляторе статистической значимости.

Дизайн эксперимента

  1. Написать тему, которую составили бы в обычных условиях (А-вариант), и тему по формуле кликабельности (B-вариант).
  2. Отправить письма с обеими темами в понедельник, вторник или среду.
  3. Отслеживать статистику по каждому письму в течение 3–5 дней и внести результат в таблицу.
  4. Провести для каждой формулы три AB-теста с вариацией выборки.

Итоги: польза от исследования на примере «Нетологии»

Результаты эксперимента можно имплементировать как для отдельной рассылки, так и для всего email-канала.

К примеру, у «Нетологии» дважды в месяц выходит дайджест. Благодаря формуле кликабельности open rate удалось поднять на 6%. Для «Нетологии» это значит, что теперь письмо открывают на 42 тысячи людей больше. Если точно так же увеличить open rate в масштабах всего email-канала, это добавит без малого 1,3 миллиона читателей.

Что еще почитать о маркетинге на данных

0
2 комментария
Dmitriy Islamov

Письма с эмоджи задолбали, с «бесплатно» и скидки — аналогично. Да и вообще, весь email-спам откровенно достал.

Если точно так же увеличить open rate в масштабах всего email-канала, это добавит без малого 1,3 миллиона читателей.

Если бы да кабы, то во рту росли грибы. Не надо пытаться предсказывать, какие результаты будут при увеличении масштаба — это как ткнуть пальцем в небо.

Ответить
Развернуть ветку
Dmitriy Islamov
В «Нетологии» нашли способ писать кликабельные тем на основе данных.

А кликабельные этим не нашли способ писать?

А с заголовка про создание сайта на JavaScript поржал, спасибо.

Ответить
Развернуть ветку
Читать все 2 комментария
null