№98 Аналитика рассылок за 5 минут

В прошлый раз мы получили от подписчиков 600 заполненных анкет. А в этот поговорим об аналитике рассылок.

Если собрать основные публикации в блоге по этой теме, то получится следующее:

№7 Показатели эффективности рассылок
№18 Расширенная аналитика рассылок
№53 Суперрасширенная аналитика рассылок

В итоге показателей, за которыми можно следить в рассылках, набирается довольно много. Конечно, такая глубина погружения в данные прекрасна, но есть фактор, который вносит в повседневную аналитику существенные коррективы — дефицит времени.

Чтобы тщательно разбираться с результатом каждой кампании, как правило, ресурсов оказывается недостаточно. У email маркетолога по 5 рассылок на неделе, интернет-маркетолог параллельно с рассылкой решает ещё 100 разнородных задач.

Но и совсем без измерений, очевидно, не обойтись. Иначе у нас просто не будет обратной связи с тем, что мы делаем: стоит ли нам отправлять такие письма, с такой частотой, анонсировать именно эти акции, вкладывать дополнительный бюджет в дизайн и программирование (исходя из финансовой отдачи рассылок) и т.д.

Таким образом, мы приходим к тому, что число измерений нужно ограничивать, сводя аналитику к необходимому минимуму — чтобы измерение одной отдельно взятой рассылки занимало в сумме, скажем, не более 5 минут.

Тут сразу замечу, что речь идёт именно про измерение отдельных рассылок. Есть ещё совокупные метрики email маркетинга вроде прироста/оттока базы, доли канала в обороте и прочее, но это выходит за рамки нашего разговора.

Вместе с тем, гонясь за сокращением измерений, можно потерять часть важной информации. Поэтому попробуем нащупать «золотую середину» и собрать такой набор показателей, который хотя и не будет выглядеть запредельно, всё же окажется достаточным для адекватной оценки рассылки.

При этом, конечно, сокращение измерений можно применять выборочно. Если мы провели какую-то значимую кампанию, то ничто не мешает нам глубже изучить её результаты, если на это найдётся время.

 

Показатели сервиса рассылок

Возьмём для начала показатели, которые предоставляет в своих отчётах среднестатистический сервис рассылок.

Показатели сервиса рассылок

Зададим для каждого показателя проверочный вопрос:
каким образом он может нам пригодиться?

К количеству отправленных и доставленных писем, уникальным просмотрам и кликам, отписке и жалобам на спам никаких претензий нет — все эти показатели информативны как сами по себе, так и полезны для расчёта относительных величин (% доставки, просмотров, кликов и т.д.). Поэтому отметим их все зелёным.

А вот показатели, помеченные в таблице красным, на мой взгляд, избыточны для экспресс-аналитики, потому что или не несут дополнительной информации или эту информацию сложно интерпретировать.

Количество ошибок доставки дублирует уже имеющийся показатель доставленных писем. Количество неуникальных просмотров и кликов, возможно, покажет повышенный интерес подписчиков к кампании, но что из этого следует и как поможет при подготовке следующей рассылки — мне не очень понятно.

 

Относительные показатели

На основе данных сервиса рассылок мы рассчитываем относительные показатели: % просмотров, % кликов и т.д.

Обычно они представлены прямо в сервисе, но если мы выносим измерения за его пределы — скажем, в какую-нибудь Гугл-таблицу — то удобнее пересчитать их там заново с помощью формул в ячейках, чтобы не «тащить» копипастом.

Относительные показатели эффективности email рассылки

Относительные значения, в принципе, дублируют показатели сервиса, но с ними проще работать — оценивать и сравнивать между собой.

Например, нашу рассылку открыли 200 человек из 1000. Хорошо это или плохо? Мы делим это значение на количество успешно доставленных писем и получаем 20%. Посмотрев на средний показатель открытий по базе (15%), мы делаем вывод — да, это хорошо.

Или, мы видим, что одну рассылку открыли 200 человек, а другую 220. Вроде бы второй результат лучше, однако рассылки проводились с интервалом в 2 недели, за которые база успела вырасти на 100 подписчиков. Соответственно, относительный показатель открытий остался примерно тем же — одна рассылка ничуть не лучше другой. И так далее.

Теперь остаётся отсеять избыточные показатели. 

Вновь, к открытиям, кликам, отписке и жалобам на спам — никаких вопросов. Это всё полезные данные, которые помогают нам сделать выводы на будущее.

Хороший % открытий? — запишем тему, которая его вызвала, в пул эффективных тем, и будем пользоваться ей время от времени как в массовых рассылках, так и при настройке автоматических писем.
Высокие жалобы на спам? — больше не будем делать таких предложений в рассылке + возможно, скорректируем что-то по механизму подписки: чётче покажем пользователю, что он подписывается, сформируем ожидания в первом welcome-письме.

Красным в таблице отмечены показатели, от которых без проблем
можно отказаться.

40% общих открытий при 20% уникальных скажет нам, что письмо открывали в среднем по 2 раза. Предложение оказалось для подписчиков суперполезным? Или недостаточно понятным с первого прочтения? Или мы отправили письмо в такое время, когда подписчики смогли просмотреть его только с телефона, а затем вернулись к нему на десктопе? В общем, картина довольно смутная. Тут можно поиграться, но только не в рамках пятиминутных измерений.

С жёлтыми отметками в таблице другая история: это не 100% жизненно необходимые показатели, но тем не менее дополнительную информацию они несут, и я предпочитаю их оставлять.

% доставки, если у нас всё в порядке, как правило находится в районе 99%. Даже если в отдельных рассылках он внезапно опустится до 95 или 90%, мы сможем только констатировать факт: окей, в этот раз доставка хуже. А в следующей рассылке доставка может быть уже 99,9%, и нам остаётся только гадать — что это было?

Если же по доставке полный провал, мы довольно быстро заметим это и без % по доставляемости — по абсолютному количеству доставленных писем, по показателям просмотров и кликов и, возможно, по уведомлению от сервиса рассылок, который, скорее всего, обратит на это внимание. Так что % доставки фиксировать в общем ряде измерений не обязательно — тем не менее, лично меня его присутствие перед глазами как-то успокаивает:)

То же и с % кликабельности (его обычно называют CTOR — click to open rate — то есть соотношением кликов и просмотров в письме). Сам по себе показатель можно не использовать, поскольку у нас есть % кликов. Но если поставить эти два показателя рядом: например, 4% кликов и 25% кликабельности, то смотрится так всё же понятнее. Клики у нас средние, при этом каждый четвёртый подписчик, открывший письмо, перешёл в нём по ссылке — само содержание сообщения выстроено неплохо 👍👍

 

Показатели сервиса аналитики

Теперь перемещаемся в сервис веб-аналитики (как правило, это Гугл Аналитикс или Яндекс.Метрика). Там будем собирать посткликовые данные — как подписчики повели себя на нашем сайте после перехода по ссылкам, размеченным UTM-метками.

Показатели сервиса веб-аналитики для оценки эффективности email рассылок

Вообще, этих данных может быть куда больше, но мы остановимся только на самых общих, подходящих почти для любого проекта.

Показатели качества трафика — отказы, количество просмотренных страниц и т.д. — нас, в принципе, не очень интересуют. Как правило, трафик, поступающий с email, качественнее прочих каналов, но каких-то практических выводов это не приносит.

Остаётся ключевое — количество выполненных подписчиками целевых действий и связанные с ними конверсия и доход. 

Целевых действий на сайте может быть несколько: это и просмотр страницы контактов, и заход в корзину, и заполнение каких-либо форм. Но всё это сопутствующие действия. Мы же сосредоточимся на том, что приносит проекту доход: заказ в интернет-магазине, оформление заявки на сайте услуг, регистрация платного аккаунта в онлайн-сервисе и т.д.

Если такого действия не предусмотрено (например, мы рекламная площадка и нас интересует только трафик для показа рекламы), от этого блока показателей вообще можно отказаться.

Во всех прочих случаях, помимо абсолютного показателя удобно иметь перед глазами и относительный — конверсию в целевое действие, посчитанную с учётом привлечённого с рассылки трафика.

Конверсию можно пересчитывать также на количество отправленных и открытых писем, но для нас это лишнее — так мы получаем три показателя вместо одного. К тому же, конверсия с прочих каналов (контекста, SEO, SMM), как правило оценивается именно по отношению к трафику. Чтобы эти величины можно было сопоставить, и для email имеет смысл сосредотачиваться именно на нём.

Далее особой строкой идёт доход. Если для интернет-магазинов его не так трудно посчитать, фиксируя суммы заказов, то для b2b сайтов, онлайн-сервисов и т.д., где оформление заявки ещё напрямую не приносит денег, и нет точных данных по средней стоимости одной конверсии, эффективность рассылки в деньгах можно и не учитывать (напомню, что речь сейчас про отдельные кампании, а не про канал в целом).

 

Прочие показатели

Помимо сервисов рассылки и веб-аналитики, существуют и другие системы, где на интернет-проекте можно раздобыть данные: CMS, CRM,  — для уточнения данных по конверсии, набор постмастеров (Мэйл, Джимэйл, Яндекс) — для более детальных сведений о доставляемости.

Статистика рассылки в Посмастер Мэйл.ру

Однако, опять же, в нашем случае всё это слишком долго и глубоко. Поэтому для рядовых рассылок имеет смысл отставить такие показатели в сторону.

 

Соединяем

Пробуем соединить показатели, рассмотренные выше:

Таблица для экспресс-аналитики рассылок

В итоге получается таблица где-то на 2 десятка столбцов с данными. Это всё ещё много, хотя мы и прореживали показатели, как могли. Однако часть ячеек будет заполняться автоматически по формулам, так что по факту всё сводится к внесению исходных данных о кампании + десятку показателей из двух мест.

Попробуем провести замер рассылки с помощью получившегося набора показателей и посмотрим, получится ли у нас действительно экспресс-аналитика?

 

• Отправляем рассылку

Запускаем нашу очередную рассылку и тут же, по «горячим следам» вносим в таблицу её отправные данные:

Аналитика email рассылок: исходные данные кампании

Время заполнения ~1 минута.

 

• Измеряем показатели сервиса рассылок + считаем относительные показатели

Ждём примерно неделю, чтобы «набежал» более полный результат от рассылки, после чего заходим в отчёт сервиса по кампании и берём оттуда нужные данные: доставка, просмотры, клики и т.д.

Аналитика рассылок: данные по кампании из сервиса рассылок

На их основе таблица посчитает нам относительные показатели. Это просто и быстро, если у нас заранее заготовлены формулы в ячейках:

Аналитика рассылок: относительные показатели рассылки

Время заполнения ~1 минута.

 

• Берём показатели из сервиса веб-аналитики

Далее идём в сервис веб-аналитики, который используется у нас на проекте, задаём там интересующий диапазон дат (с момента отправки рассылки по текущее число), вбиваем в строку поиска UTM-метку из «отправных» данных рассылки — это та метка, которая у нас использовалась во всех ссылках письма:

Аналитика рассылок: данные из сервиса веб-аналитики

И переносим информацию по ключевому целевому действию +/- доходу в нашу таблицу:

Аналитика рассылок: финальный набор показателей

Хотя показателей здесь немного, но с учётом того, что нам нужно войти в сервис, отыскать там нужные данные, вручную «перебить» их в таблицу, время заполнения — также порядка 1 минуты.

 

• Анализируем результат

Завершаем измерения аналитикой получившегося результата в графе «Примечание». Для ускорения процесса его можно максимально формализовать. Моя обычная практика: оценить все показатели таблицы слева-направо, начиная с просмотров и заканчивая конверсией и доходом.

Вот, как это может выглядеть:

Аналитика рассылок с подведением итогов в свободной форме

Доставка ок, просмотры немного ниже среднего, но клики хорошие (одни из самых высоких за год), заказы и доход — очень хорошие, значительно выше, чем обычно, т.е. рассылка с обзором товарных категорий отработала очень успешно, берём такой формат на вооружение (но лучше с ним не частить). 

Измерение результатов рассылки не всегда приводит к каким-то действиям: например, мы можем просто убедиться, что показатели средние и всё стабильно. Но иногда действия прямо-таки напрашиваются. Их маркер — значительное отклонение показателя от среднего.

Упал % просмотров? — обращаем внимание на тему, сегмент подписчиков, время отправки, количество доставленных.
Хороший % кликов? — сохраняем письмо в шаблонах для будущих рассылок.

При таком систематическом подходе, даже если не особо спешить и действительно вдумываться в каждую цифру, заполнение графы «Примечание» займёт где-то в районе 2-х минут.

В результате получаем:

→ 1 минута на внесение «отправных» данных,
→ 1 минута на показатели сервиса рассылок,
→ 1 минута на посткликовые показатели сервиса веб-аналитики,
→ 2 минуты на подведение итогов и планирование следующих действий.

На всё про всё около  5 минут . Кажется, уложились:)

 

Заключение

Когда речь заходит об аналитике рассылок, часто это не вызывает особенного энтузиазма. Не всегда понятно, для чего её делать. И даже если польза от статистики ясна, могут напрягать объёмы измерений и необходимое для этого время, которое, как правило, в дефиците.

Однако эта часть работы является не менее важной, чем непосредственно подготовка и отправка рассылки.

Если это осознать, желание делать измерения на регулярной основе появляется как-то само собой. И тогда фокус в том, чтобы не тратить на них слишком много времени, но и не терять важной информации.

Даже после придирчивого отбора показателей, за которыми нужно следить в каждой рассылке, их остаётся немало. Однако это тот случай, когда отказываясь ещё от чего-то, можно запросто «выплеснуть с водой и младенца». Поэтому стараемся всё же собирать достаточно информации о рассылке, чтобы на её основе можно было делать реально полезные выводы.

Довольно часто это: окей, у нас всё стабильно. Но иногда — и, кстати, не так уж и редко — показатели сообщают нам о чём-то ещё: вот это удачный ход, который нужно тиражировать, а это — явная неудача или выдохшаяся идея. Думаем дальше, и что-то меняем в рассылках, откликаясь на абстрактные цифры в столбцах живым, активным действием.

 

В следующий раз у нас на очереди кейс по тестированию в рассылках. Пока, правда, ещё не решил, какой именно:) 

 

P.S. Ещё больше информации об аналитике рассылок есть в моём курсе «Email маркетинга под ключ» (7, 8, 9 и 10-й уроки). Если вам интересно подробнее исследовать этот вопрос — добро пожаловать на курс! Тем более его основные материалы совершенно бесплатны.

Если вы ещё не подписались на мою рассылку — самое время это сделать 😉