هر وقت با مشتریان جدیدی شروع به کار می کنم که با بازاریابی ایمیل، یکی از اولین چیزهایی که بررسی میکنم این است که چگونه آزمایش ایمیل خود را انجام میدهند.
آزمایش A/B/n بهترین روشی است که برای ساختار کمپینهای مؤثر و اندازهگیری موفقیت یا شکست استراتژیهای ایمیل مارک تجاری میدانم. اما اغلب، تیم ها برای تنظیم درست تست ها و اندازه گیری دقیق نتایج تلاش می کنند. این معمولاً منجر به آزمایشهای ایمیل ناکارآمد و نتایج ضعیف میشود.
اگر برنامه آزمایشی شما غیرقابل اعتماد باشد، نمیدانید که استراتژیها و تاکتیکهای انتخابیتان کار میکنند یا ناموفق. اگر تلاشهای ایمیل شما نتایج مورد نیاز خود را ارائه نمیدهد، خود کانال ایمیل را سرزنش نکنید. در عوض، به نحوه آزمایش و اندازه گیری نتایج نگاه کنید.
MarTech را دریافت کنید! روزانه. رایگان. در صندوق ورودی شما.
7 مشکل رایج تست و نحوه رفع آنها
اینها اغلب در کار من با مشتریان ظاهر میشوند. راهحلهای برخی از این چالشها مستلزم تغییر ذهنیت کامل است. برای دیگران، فقط یادگیری روش صحیح تنظیم تست ها می تواند بسیاری از مشکلات فعلی شما را حل کند.
این بخش خوبی در مورد آزمایش است. برای هر مشکلی، راهی برای اصلاح آن وجود دارد. هر بار که مشکلی را از طریق آزمایش حل می کنید، یک گام دیگر به سمت قرار دادن برنامه ایمیل خود در مسیر درست برمی دارید.
1. تست بدون فرضیه
بسیاری از بازاریابان ایمیل، اصول اولیه آزمایش را با استفاده از ابزارهایی که ESP در اختیارشان قرار می دهد، به کار می گیرند، عمدتاً برای راه اندازی تست های تقسیم A/B پایه بر روی ویژگی های ساده مانند خطوط موضوع.
با این حال، این رویکرد موقت و یکباره مانند یادگیری رانندگی با ماشین بدون دانستن نحوه خواندن نقشه است. شما می توانید ماشین را به خوبی روشن کنید. اما برای برنامه ریزی سفری که با کمترین ترافیک و مسیرهای انحرافی، شما را به جایی که می خواهید بروید، به مهارت های نقشه نیاز دارید.
بله، میتوانید به Google Maps اجازه دهید کار برنامهریزی را برای شما انجام دهد. اما همه دادهها – آنچه شما ارائه میدهید و آنچه از منابع دیگر استخراج میکنند – باید درست در یک راستا قرار گیرند. اگر مقصد اشتباهی را تایپ کنید یا به یک منطقه مرده رانندگی کنید، میتوانید کیلومترها از جایی که میخواهید باشید.
این همان چیزی است که برای برنامه ایمیل شما اتفاق میافتد، زمانی که آزمایش نمیکنید یا اشتباه آزمایش میکنید. فرضیه شما نقشه راه شما برای آزمایش است. آنچه را که فکر می کنید ممکن است رخ دهد را نشان می دهد و انتخاب های شما را برای متغیرها، بخش های آزمایشی، معیارهای موفقیت و حتی نحوه استفاده از نتایج راهنمایی می کند.
2. استفاده از محاسبه تبدیل اشتباه
این به سفر مشتری و هدف آزمایش مربوط می شود.
وقتی تست تقسیم A/B استاندارد را در صفحه فرود وبسایت انجام میدهید، اغلب از «تراکنشها/جلسات وب» بهعنوان محاسبه تبدیلتان استفاده میکنید تا ببینید صفحه چقدر در حال تبدیل است. این منطقی است زیرا شما مسیری را که مشتریانتان برای رسیدن به آن سایت طی کردهاند، نمیدانید، بنابراین روی این بخش خاص از سفر تمرکز میکنید، زیرا هر چیزی که قبل از آن اتفاق میافتد را نادیده میگیرد.
در ایمیل، ما مسیری را که مشتریان ما برای رسیدن از ایمیل به صفحه فرود طی کردند را بدانید. ما آنها را روی آن قرار می دهیم و می خواهیم آن را بهینه کنیم. ما میخواهیم بفهمیم که ایمیل ما چقدر خوب تبدیل شده است، بنابراین باید از «تراکنشها/ایمیلهای تحویلشده» برای محاسبه تبدیلمان استفاده کنیم. این کل سفر ایمیل را در نظر می گیرد و فقط به چگونگی تبدیل صفحه فرود نگاه نمی کند.
همانطور که در این دو مثال مشتری مشاهده میکنید، تبدیل با آنچه که بازها و کلیکها نشان میدهند، انجام شد. بازاریابان از محاسبه «جلسه/خریدهای صفحه» برای بیهودگی استفاده میکنند، زیرا درصد بالاتری را به همراه دارد. با این حال، به این معنی است که شما می توانید برای نتیجه اشتباه بهینه سازی کنید.
آزمایش بخشها از طریق کمپینهای کسب و کار معمول
آزمایش برنامه های خودکار
3. سنجش موفقیت با معیارهای اشتباه
یک برنامه آزمایشی قابل اجرا برای اندازهگیری دقیق موفقیت به معیارهای مرتبط نیاز دارد. معیارهای اشتباه می تواند نتایج شما را متورم یا کاهش دهد. این به نوبه خود می تواند شما را به سمت بهینه سازی برای نوع بازنده به جای برنده گمراه کند.
مثلاً از زمانی که در روزهای اولیه ایمیل HTML نحوه استفاده از آن را یاد گرفتیم، نرخ باز شدن یک معیار موفقیت محبوب بوده است. اما این یک معیار معیوب و غیرقابل اعتماد است، به خصوص اکنون که ویژگی محافظت از حریم خصوصی ایمیل اپل، نرخ باز واقعی یک کمپین را پنهان می کند. اما حتی اگر بازها هر بار دقیق بودند، نرخ باز هنوز لزوما معیار درستی نیست.
برای مثال، کلیکها معیار تعامل دقیقتری هستند، اما نشان نمیدهند که کمپین شما چقدر پول ایجاد کرده است. اگر هدف شما فقط دریافت کلیک است، ادامه دهید و از نرخ کلیک استفاده کنید. اما اگر از درآمد کمپین پاداش دریافت میکنید، باید از معیار درآمدی مانند تعداد خرید یا ارزش سبد استفاده کنید.
4. تست بدون معناداری آماری
اگر نتایج آزمایش شما از نظر آماری معنیدار است، به این معنی است که تفاوتهای بین گروههای آزمایش (گروه کنترل، که بدون تغییر بود، و گروهی که متغیری را دریافت کردند، مانند تماس برای اقدام یا خط موضوع) متفاوت نبود. به دلیل شانس، خطا یا رویدادهای شمارش نشده رخ می دهد.
داشتن تعداد کمی از نتایج میتواند آزمایشهای معنیداری را بیاثر کند، یا به این دلیل که میتوانید تنها کسری از جمعیت خود را آزمایش کنید یا به این دلیل که آزمایش به اندازه کافی برای ایجاد نتایج کافی اجرا نشده است. به همین دلیل است که آزمایشها باید تا زمانی که ممکن است (برای اتوماسیونها) اجرا شوند و به حجم نمونه آماری قابل توجهی (برای کمپینها) برسند.
اکثر آزمایشها از ضریب اهمیت 5% استفاده میکنند. این بدان معناست که متغیر شما حداقل در 95 مورد از هر 100 نتیجه در آزمون شما تفاوت ایجاد کرده است و پنج نتیجه باقی مانده می تواند تصادفی باشد.
نتایجهایی که از نظر آماری معنیدار نیستند میتوانند شما را به نتیجهگیری اشتباه سوق دهند و هم نتایج آزمایش و هم نتایج کمپین خود را اشتباه تفسیر کنند. دستیابی به 95 درصد از اهمیت آماری نشان دهنده خطر 5 درصدی نتیجه گیری است که زمانی که تفاوت واقعی وجود ندارد، تفاوت وجود دارد.
همه آنچه که باید در مورد قابلیت ارسال ایمیل مارکتینگ بدانید که مشتریان شما می خواهند و صندوق های ورودی مسدود نمی شوند. جدول تناوبی بازاریابی ایمیلی MarTech را دریافت کنید.
برای بررسی اینجا را کلیک کنید!
5. توقف با یک تست
هراکلیتوس فیلسوف گفت: “هیچ کس هرگز دو بار در یک رودخانه قدم نمی گذارد، زیرا نه همان رودخانه است و نه همان انسان.”
این موضوع برای کمپین های ایمیل شما نیز صادق است. پایگاه مشترک شما همیشه در حال جذب مشترکین جدید و از دست دادن مشترکان قدیمی است و مشتریان هر بار به هر کمپین واکنشی مشابه نشان نمی دهند. کمپینی که یک بار خوب کار میکرد، ممکن است بار دیگر خراب شود.
اگر فقط یک آزمایش را اجرا کنید و سپس نتایج را برای همه کمپینهای آینده اعمال کنید، این تغییرات ظریف اما مهم را از دست خواهید داد. به همین دلیل است که باید آزمایش را در هر کمپین انجام دهید و همه چیز را بیش از یک بار آزمایش کنید تا ناهنجاریها را حذف کنید.
این به شما گرایش هایی می دهد که می توانید با آنها مشورت کنید تا حقایق کلی درباره مخاطبان خود را بیاموزید و تغییرات مهمی را در نگرش ها و رفتارها نشان دهید. از اینها برای تنظیم دقیق یا بازنگری رویکردهای کمپین های خود استفاده کنید.
6. آزمایش فقط یک عنصر در کمپین
تست خط موضوع همه جا حاضر است، عمدتاً به این دلیل که بسیاری از پلتفرمهای ایمیل، آزمایش تقسیم خط موضوع A/B را در پلتفرمهای خود ایجاد میکنند. این یک شروع عالی است، اما تنها بخشی از یک تصویر را به شما می دهد و اغلب گمراه کننده است. یک خط موضوع برنده که بر اساس نرخ باز سنجیده می شود، همیشه یک کمپین دستیابی به هدف را پیش بینی نمی کند.
این یکی از دلایلی است که من روشی به نام آزمایش کل نگر را توسعه دادم، که فراتر از آزمایش تک کاناله، یکباره و تک متغیره است.
در اینجا مثالی از یک فرضیه مبتنی بر انگیزه آورده شده است که می توانید از آن به عنوان بخشی از آزمایش کل نگر استفاده کنید. معیارهای مناسب (تبدیلها) را نامگذاری میکند و عوامل مرتبط با کپی مانند خطوط موضوع، سرفصلها، بلوکهای کپی، فراخوانها به کنشها و حتی صفحات مقصد را در بر میگیرد:
“کپی بیزاری از دست دادن باعث تبدیل بیشتر نسبت به کپی منفعت می شود زیرا مطالعات متعدد نشان داده اند که مردم بیشتر از اینکه از سود بردن لذت ببرند از دست دادن متنفرند.”
تا زمانی که تغییرات متغیرها از فرضیه پشتیبانی می کند، با استفاده از متغیرهای متعدد، آزمون را قوی تر می کنید. تفاوت بین این و آزمون چند متغیره این است که همه متغیرها از فرضیه پشتیبانی می کنند و زمانی که برنده اعلام شد، می توانیم آنچه را که آموخته ایم اعمال کنیم.
7. از آنچه آموخته اید برای بهتر کردن ایمیل استفاده نکنید
ما آزمایش نمی کنیم تا ببینیم در یک کمپین چه اتفاقی می افتد یا کنجکاوی را ارضا نمی کنیم. ما آزمایش می کنیم تا بفهمیم برنامه های ما چگونه کار می کنند و چه چیزی آنها را بهبود می بخشد – اکنون و دراز مدت. ما آزمایش می کنیم تا مشخص کنیم که آیا برای چیزهایی که به ما در رسیدن به اهدافمان کمک می کند پول خرج می کنیم.
ما آزمایش میکنیم تا روندها و تغییراتی را در مخاطبان خود کشف کنیم که میتوانیم آنها را در سایر کانالهای بازاریابی اعمال کنیم – زیرا مخاطبان ایمیل ما جمعیت مشتریان ما در دنیای کوچک هستند. اجازه ندهید نتایج آزمون شما در پلتفرم ایمیل یا دفترچهی تیم شما از بین برود.
یک برنامه اقدام برای آزمایش برای اصلاح کمپین ایمیل به این صورت است:
1. فرضیه ای ایجاد کنید که بیان کند انتظار دارید چه چیزی را ببینید و چرا و چگونه موفقیت را اندازه گیری می کنید.
2. نتایج را بهطور دقیق طبق برنامه آزمایشی تعیینشده گزارش دهید.
3. معیارهای مربوطه را انتخاب کنید که نتایج را اندازه گیری می کند (تبدیل، درآمد، بارگیری، ثبت نام، فرآیندهای تکمیل شده و موارد مشابه).
4. مدت زمانی را برای آزمایش (اگر اتوماسیون است) یا تعداد آزمایش هایی که باید انجام شود (اگر کمپین است) تعیین کنید تا نتایج کافی برای گذراندن آزمایش قابل توجه ایجاد شود.
5. نتایج را تجزیه و تحلیل کنید، نتیجهگیری را بنویسید و کمپینهای آینده را توصیه کنید.
6. نتایج را عملی کنید – هم در برنامه بازاریابی ایمیلی خود و هم در کانال های دیگر در صورت لزوم.
7. برای بهبود و ادامه چرخه آزمایش، تجزیه و تحلیل و پیاده سازی، فرآیند آزمایش را اصلاح و تکرار کنید.
کاوش عمیق تر: آیا A/B تست مرده؟
آزمایش مهمتر از همیشه است. آماده اید؟
همهگیری COVID-19 دانش بازاریابان ایمیل را از مشتریان ما بهبود بخشید. در سال 2020، ما به آزمایش نیاز داشتیم تا تشخیص دهیم مشتریان چه چیزی میخواهند و چه چیزی تغییر کرده و چه چیزی در پاسخهای آنها به کمپینهای ما ثابت مانده است.
این بیماری همه گیر در بسیاری از مناطق در حال کاهش است، اما در مناطق دیگر در حال افزایش دوباره است. آزمایش به ما کمک می کند تا از تغییرات جدید جلوتر بمانیم و آن بینش ها را فوراً به کار ببندیم. این برنامههای ایمیل ما را برای مشتریان مرتبط و ارزشمند نگه میدارد و نمایه ایمیل را به عنوان ابزاری قابل اعتماد برای کمک به شرکتهایمان در دستیابی به موفقیت ارتقا میدهد.
قبلاً اشاره کردم که پایگاه داده ایمیل شما کوچکی از پایگاه مشتری شماست. نتایج آزمایش دقیق میتواند تغییراتی را در تفکر و انگیزه مشتری آشکار کند که میتوانید از آنها برای آزمایش و بهروزرسانی رسانههای اجتماعی، وبسایت، بازاریابی پیامکی و حتی آفلاین در بازاریابی مستقیم استفاده کنید.
من نمیتوانم ابزار دیگری در کیت بازاریابی فکر کنم که همهکارهتر، مقرونبهصرفهتر و سازگارتر از ایمیل باشد. آزمایش دقیق و به روز این ابزار قابل اعتماد قدیمی را براق و جدید نگه می دارد.
نظرات بیان شده در این مقاله نظرات نویسنده مهمان است و لزوماً MarTech نیست. نویسندگان کارکنان اینجا فهرست شدهاند.
درباره نویسنده
Kath Pay مدیر عامل شرکت بازاریابی ایمیلی جامع و نویسنده برنده جایزه آمازون شماره 1 پرفروش “بازاریابی ایمیل جامع: یک فلسفه عملی برای متحول کردن کسب و کار شما و خوشحال کردن مشتریان شما” است.
