Efekty działań opartych na AI w e-mail marketingu, na podstawie kampanii przeprowadzonych dla Zrabatowani.pl

1. Case Study
Kampanie e-mailingowe targetowane z wykorzystaniem algorytmu AI

2. Zrabatowani.pl oferują swoim zarejestrowanym użytkownikom cashback, czyli zwrot pewnej części kwoty wydanej na
zakupy. Serwis udostępnia także swoim użytkownikom darmowe kody rabatowe, dzięki którym zakupy w sklepach
internetowych i stacjonarnych stają się atrakcyjne i tanie.
Posiadając w swojej bazie ponad 200 sklepów, Zrabatowani.pl codziennie oferują swoim użytkownikom tysiące
wyselekcjonowanych ofert, w najróżniejszych kategoriach.
W tym wypadku właściwe targetowanie kampanii jest koniecznością, ponieważ klientom oferowany jest bardzo
zróżnicowany asortyment i właściwe określenie intencji zakupowych jest sprawą kluczową dla sukcesu prowadzonych
kampanii sprzedażowych.
Zobacz, jak analiza i dobór grupy docelowej przez algorytm uczenia maszynowego pozwoliły podnieść rezultaty działań
prowadzonych w e-mail marketingu.
Problem - targetowanie

3. Właściwy dobór grupy docelowej
Dzięki uczeniu maszynowemu udało się skuteczniej niż dotychczas
dotrzeć do osób zainteresowanych zakupami letniej kolekcji
odzieży. Dzięki właściwie dobranej do wysyłki bazie udało się
uzyskać OR wyższy o 24%. Wskaźnik przejść na stronę docelową
również znacząco wzrósł. Względem kampanii targetowanych
tradycyjnie CTR był wyższy o 40%
Wynika to z faktu, że AI analizuje znacznie szersze spektrum
danych o każdym z adresatów, dzięki czemu trafniej określa ich
aktualne intencje zakupowe. Szuka także i uczy się korelacji
pomiędzy wieloma, na pozór niezwiązanymi ze sobą informacjami
zgromadzonymi podczas poprzednich wysyłek.

4. Ograniczenie ilości i kosztów wysyłki
W bardzo szerokim targecie, jakim są kobiety zainteresowane
zakupem obuwia, udało się wysłać 33% mniej wiadomości
a tym samym zrealizować kampanię 30% niższym kosztem.
Spośród milionów adresów zgromadzonych w bazach fashion
wyselekcjonowane zostało precyzyjnie 435 000 adresów kobiet,
najbardziej zainteresowanych w danej chwili zakupem obuwia.
Mniejszy, ale bardziej precyzyjny wolumen wysyłki przyniósł
dwukrotny wzrost współczynnika konwersji.

5. Aktywacja nieaktywnych userów
Algorytm AI wytypował adresy użytkowników, którzy nie
reagowali na e-mailingi produktowe w poprzednich kampaniach.
Przeprowadzona została do nich wysyłka zachęcająca do
instalacji wtyczki, umożliwiającej automatyczne robienie
zakupów z cashbackiem.
Dzięki takiemu działaniu, a zwłaszcza dzięki trafnemu doborowi
godziny wysyłki dla każdego rekordu z osobna,
możliwa była reaktywacja prawie 1000 użytkowników,
a następnie aktualizacja ich cech, która pozwoli w przyszłości na
skuteczniejszą wysyłkę kampanii produktowych na te adresy. To
stanowi 1000 dodatkowych szans na sprzedaż podczas kolejnej
kampanii.

6. Optymalizacja konwersji i ROI
Wykorzystanie algorytmu AI do planowania kampanii przyniosło
pozytywne rezultaty w całościowym wzroście konwersji
z prowadzonych kampanii.
Właściwy dobór grup docelowych, przywrócenie do wysyłek
nieaktywnych rekordów i optymalizacja częstotliwości,
a także personalizacja czasu wysyłki dla każdego rekordu
spowodowały, że współczynnik konwersji wzrósł o 244%
a ROI z tych kampanii wzrósł o 38% w stosunku do
kampanii targetowanych bez AI.

7. Podsumowanie rezultatów
mniej
wysłanych
wiadomości
niższy
koszt kampanii
33%
wyższy ROIwyższy CTR
wyższy CR
wyższy OR
reaktywowanych
nieaktywnych
użytkowników
30%
40%
244%
24%
1000
38%