Večina poročil o ponovnem pridobivanju precenjuje lastno vrednost, razlog pa je preprost: vsako naročilo zaspane stranke štejejo kot “ponovno pridobljeno”, tudi tista, ki bi se zgodila brez enega samega e-sporočila. Da prihodek ponovnega pridobivanja izmerite pravilno, morate izolirati inkrementalni del — naročila, ki so se zgodila samo zaradi toka — najčistejši način za to pa je kontrolna skupina: zadržite naključni delež zaspanih strank, ki ne dobijo nobenega sporočila za ponovno pridobivanje, nato njihovo stopnjo vračanja primerjajte s strankami, ki so jih dobile. Razlika med njima je vaš resnični prihodek ponovnega pridobivanja. Vse nad to razliko je tok, ki si pripisuje zasluge za vrnitve, ki jih ni povzročil.

Če še nikoli niste izvedli kontrolne skupine, je vaša trenutna številka prihodka ponovnega pridobivanja skoraj zagotovo previsoka.

Zakaj pripisovanje zadnjemu kliku laska vašemu toku ponovnega pridobivanja

Privzeta nastavitev v večini e-poštnih orodij je radodarna. Zaspana stranka dobi e-sporočilo za ponovno pridobivanje, znotraj okna pripisovanja nekaj kupi in orodje celotno naročilo pripiše toku. Čisto, urejeno in pogosto napačno.

Težava je, da bi se nekatere od teh strank vrnile tako ali tako. Všeč jim je bil vaš izdelek, zmanjkalo jim ga je, imele so vas med zaznamki. E-sporočilo je prispelo približno ob pravem času, kliknile so in orodje je zabeležilo “ponovno pridobivanje” — a e-sporočilo izida ni spremenilo. Le pripeljalo se je zraven vrnitve, ki je že prihajala.

To je razlika med pripisanim prihodkom in inkrementalnim prihodkom. Pripisano je “naročilo se je zgodilo po e-sporočilu”. Inkrementalno je “naročilo se je zgodilo zaradi e-sporočila”. Le drugo je denar, ki ga je tok dejansko zaslužil. In iz standardnega poročila ju ne morete ločiti — poročilo ne vidi stranke, ki bi se vrnila ne glede na vse, ker sta v podatkih videti enaki tisti, ki je bila resnično rešena.

Zakaj več oken pripisovanja tega ne bo popravilo

Nagon je, da se poigravate z oknom. Skrajšate ga na en dan, da štejete le hitre odzivnike. Podaljšate ga na 30 dni, da ne zamudite počasnih. Nobeno ne reši prave težave, ker oba še vedno predpostavljata, da je vsako naročilo po e-sporočilu povzročilo e-sporočilo.

Kratko okno podceni resnične zmage ljudi, ki so za odločitev potrebovali dva tedna. Dolgo okno močno preceni in zajame vsako organsko vrnitev, ki je slučajno padla v mesec. Vrtite gumb, ki ne more doseči tistega, kar v resnici želite, to pa je vzročnost.

Vzročnost potrebuje primerjalno skupino. Brez nje vam nobeno okno pripisovanja — kratko, dolgo, prvi klik, zadnji klik — ne more povedati, kaj je tok dodal v primerjavi s tem, kar bi se zgodilo tako ali tako.

Kje vas napačno merjenje stane resničnih odločitev

Recimo, da vaš tok ponovnega pridobivanja poroča o 6.000 € pripisanega prihodka na mesec (za ponazoritev). Ta številka poganja resnične odločitve: obdržite popust v toku, dodate četrto e-sporočilo, morda zgradite še več podobnih tokov.

Zdaj predpostavimo, da preizkus s kontrolno skupino razkrije, da so se zaspane stranke, ki niso dobile e-sporočil, vseeno vračale po stopnji, vredni 3.500 € na mesec same od sebe. Vaš resnični inkrementalni prihodek ponovnega pridobivanja ni 6.000 € — je razlika 2.500 €. (Ponazoritvene številke, a pomembna je oblika.) To spremeni vse. Popust, ki ga plačujete na vseh 6.000 € naročil, je upravičen le z 2.500 € novega denarja. Polovica vašega “prihodka ponovnega pridobivanja” so bile organske vrnitve, ki nosijo etiketo ponovnega pridobivanja.

Napačne odločitve razširite na podlagi napihnjene številke in preveč vlagate v tok, ki je manj močan, kot je videti — pri tem pa še naprej dajete popuste strankam, ki bi plačale polno ceno. To je isto puščanje marže, ki se začne višje v toku, ko se ta sproži prezgodaj, obravnavano v kako se izogniti prezgodnjemu pošiljanju sporočil za ponovno pridobivanje.

Praktična metoda: izvedite kontrolno skupino

Ne potrebujete ekipe podatkovnih znanstvenikov. Potrebujete disciplino in nekaj potrpljenja.

1. Naključno zadržite delež upravičenih zaspanih strank. Ko stranke prečkajo vaš prag zaspanosti in postanejo upravičene za tok, naključno dodelite del — recimo 10 % — v kontrolno skupino, ki ne prejme ničesar. Naključnost je tukaj celotna igra. Če se kontrolna skupina od obravnavane sistematsko razlikuje na kakršen koli način (višja vrednost, bolj nedavni, ena kategorija izdelkov), se primerjava zlomi.

2. Kontrolne skupine se ves čas okna ne dotikajte. Nobenih e-sporočil za ponovno pridobivanje, nobenega “pogrešamo te”. Še vedno dobijo vaša običajna razpošiljanja, če ta niso namenjena ponovnemu pridobivanju, a nič iz tega toka. Pustite, da teče dovolj dolgo, da zbere pomembno število vrnitev — običajno več tednov, dlje za počasne nakupne cikle.

3. Primerjajte stopnjo vračanja in prihodek na stranko. Izmerite odstotek vsake skupine, ki se je vrnila, in prihodek na upravičeno stranko, obravnavana proti kontrolni. Razlika na stranko, pomnožena s celotno vašo obravnavano populacijo, je vaš inkrementalni prihodek ponovnega pridobivanja.

4. Strošek popusta odštejte le od inkrementalne strani. Če tok uporablja kodo, se strošek tega popusta odšteje od inkrementalnega prihodka, ne od pripisanega skupka. Tukaj se veliko tokov tiho izkaže za skoraj na pragu rentabilnosti, ko ste do tega iskreni.

5. Ponovite periodično. Vedenje strank se premika, letni časi se menjajo, vaš katalog se spreminja. Kontrolna skupina iz lanske pomladi morda ne opisuje te jeseni. Obravnavajte to kot ponavljajoče se preverjanje, ne kot enkratno razsodbo.

Kaj dejansko spremljati

Nabor metrik naj bo majhen in vzročen:

• Inkrementalna stopnja vračanja: stopnja vračanja obravnavanih minus stopnja vračanja kontrolne skupine. Osrednja številka.
• Inkrementalni prihodek na upravičeno stranko: razlika v prihodku na glavo med skupinama. Pomnožite za resnični prispevek toka.
• Strošek popusta proti inkrementalnemu prihodku: kar ponudba stane, tehtano le proti denarju, ki ga je tok dejansko dodal.
• Porazdelitev časa do vrnitve: kako dolgo trajajo vrnitve, da nastavite pošteno okno pripisovanja za obravnavano skupino in veste, kako dolgo mora teči kontrolna skupina.

Opazite, česa ni na seznamu: surovega pripisanega prihodka kot samostojne metrike uspeha. V redu je kot kontekst, neuporaben kot razsodba.

Vrednostni razredi tudi spremenijo sliko — kontrolna skupina na nekdanjih VIP-strankah lahko bere zelo drugače kot na prvih kupcih. Delitev analize po vrednosti se izplača, ko vam obseg to dovoli; glejte segmentacija tokov ponovnega pridobivanja glede na vrednost stranke.

Kako Omnisend podpira pošteno merjenje

Za mehaniko vam Omnisend ponuja poročanje in segmentacijo, da to izvedete: zgradite lahko naključno kontrolno skupino kot segment, ki je izključen iz avtomatizacije ponovnega pridobivanja, nato pa v izbranem oknu primerjate naročila in prihodek na stranko med kontrolno in obravnavano skupino. Njegova analitika prikazuje prihodek na sporočilo in na avtomatizacijo, kar je vaše izhodišče — le zapomnite si, da je ta številka pripisana, ne inkrementalna, dokler ne odštejete kontrolne skupine.

Razkritje: Shopimation uporablja partnerske povezave Omnisend, jaz pa Omnisend uporabljam v svojih trgovinah. Izbral sem ga, potem ko sem ga preizkusil neposredno proti Klaviyu, predvsem zaradi lažje samopostrežbe in cen, ki so imele smisel na moji ravni. Poštena omejitev: nobena e-poštna platforma za vas ne izračuna inkrementalnosti kar vnaprej. Primerjava s kontrolno skupino — grajenje izključene skupine, čakanje in odštevanje — je ročno delo, ki se mu morate zavezati. Orodje to omogoči; namesto vas ne razmišlja in vas ne ustavi, da bi pripisano številko brali, kot da bi bila inkrementalna.

Vaš naslednji korak

Pred svojim naslednjim pregledom ponovnega pridobivanja nastavite 10-odstotno naključno kontrolno skupino na na novo zaspanih strankah in jo pustite teči en poln nakupni cikel. Ko se okno zapre, primerjajte prihodek na stranko z obravnavano skupino — ta ena primerjava vam bo povedala, koliko je vaš tok v resnici vreden. Ko poznate svojo resnično inkrementalno številko, jo uporabite, da se odločite, kaj preizkusiti naprej v kako A/B-testirati spodbude za ponovno pridobivanje, in ugotovitve vnesite v izboljšanje slabo delujoče avtomatizacije za ponovno pridobivanje.