Kako izločiti oglede izdelkov z nizkim nakupnim namenom

Vsak ogled izdelka ne pomeni, da je nekdo zainteresiran. Veliko jih je naključnih — napačen klik, dvosekundni pogled, bot, ki prečesava vaš katalog, odboj z napačnega rezultata iskanja ali obstoječi kupec, ki le preverja podrobnost o nečem, kar že ima. Če vaš tok po zapuščenem ogledu izdelka vse to obravnava kot nakupne znake, pošiljate nadaljnja sporočila ljudem, ki v resnici niso pogledali, in številke toka, ugled pošiljatelja ter verodostojnost vse trpijo. Rešitev so tesnejši pogoji za vstop plus nabor izključitev: zahtevajte minimalen čas na strani, filtrirajte bote in odboje ter zadušite ljudi, ki so že kupili ali resnično ne razmišljajo o nakupu. Cilj je sprožilec, ki se sproži le ob resničnem zanimanju, tako da ima vsaka e-pošta, ki jo pošljete, razlog za obstoj.

Tukaj je, kako dvigniti kakovost tega, kar vstopa v tok.

Zakaj ohlapen sprožilec tiho škodi toku

Ogled izdelka je najbolj ohlapen znak v celotni družini zapuščenih interakcij. Ni košarice, ni blagajne, ni dodajanja — le nalaganje strani. Zapuščena košarica vsaj nakazuje resničen namen; ogled izdelka je lahko skoraj karkoli. To je jedrna razlika in vredno jo je razumeti v celoti v zapuščen ogled izdelka proti zapuščenemu brskanju: kakšna je razlika.

Nastavite sprožilec na »ogledal si je izdelek« brez pogojev in poberete vsak napačen klik in vsak trisekundni odboj. Zapravljena pošiljanja so najmanj od tega. Prava škoda:

Dostavljivost. Pošiljanje e-pošte ljudem, ki se v resnici niso vključili, znižuje odpiranja in dviguje pritožbe, kar poštne ponudnike uči, da več vaše pošte usmerijo v neželeno — kar škodi kampanjam, ki so delovale.
Onesnaženje znaka. Vaše poročanje se napolni s prejemniki, ki nikoli niso bili potencialni kupci, tako da vaša stopnja pretvorbe izgleda slabše, kot si tok zasluži, in ne morete ugotoviti, ali je dejansko dober.
Nadležnost. Nekdo, ki se je odbil z napačne strani, dobi e-pošto o izdelku, ki ga nikoli ni želel, kar zveni srhljivo ali brezbrižno.

Šibek sprožilec je eden najpogostejših razlogov, da ti tokovi ne dostavijo — zakaj e-pošta po zapuščenem ogledu izdelka spodleti pokriva preostanek seznama.

Kako pravzaprav izgleda ogled z nizkim namenom

Preden filtrirate, poimenujte, kaj filtrirate ven. Ogledi z nizkim namenom se združujejo v nekaj vrst:

Pogled. Na strani nekaj sekund, brez pomikanja, odšel. Niso prebrali ničesar.
Odboj. Pristali z oglasa ali iskanja, ki se ni ujemalo, takoj odšli, ne da bi se dotaknili druge strani.
Bot. Prečesovalniki, strgalniki in predoglednj boti, ki nalagajo strani in ustvarjajo fantomske oglede.
Lastnik. Obstoječi kupec, ki išče specifikacijo, priročnik ali velikost pri izdelku, ki ga je že kupil.
Nedejavno vnovično odprtje. Zavihek, pustljen odprt ure, ki sproži pozne dogodke, tako da izgleda kot sveže zanimanje, medtem ko je oseba že zdavnaj odšla.

Vsaka potrebuje drugačno izključitev. Njihovo mešanje v »promet« je tisto, kar sploh vodi v ohlapen sprožilec.

Kje vas ohlapen sprožilec stane

Recimo, da izdelek dobi 1.000 ogledov znanih kontaktov na mesec in vsem pošljete e-pošto. (Ponazoritveno.) Če je bilo 300 pogledov, odbojev ali botov, ste poslali 300 e-pošt nepotencialnim kupcem. Teh 300 vleče vašo stopnjo odpiranja navzdol, dodaja pritožbe in — del, ki ga ljudje spregledajo — udarec dostavljivosti se razširi na vaše dobre kampanje, tako da tokova dobrodošlice in košarice, ki sta pretvarjala, začneta nekoliko pogosteje pristajati v neželeni pošti.

Strošek niso 300 zapravljenih pošiljanj. Je davek, ki ga ta pošiljanja naložijo vsemu drugemu, kar pošiljate. Zategovanje sprožilca ne počisti le enega toka; ščiti ugled pošiljatelja, na katerem teče celoten račun.

Pogoji za vstop, ki to popravijo

Naložite jih kot vrata na sprožilec. Ogled mora prestati vse, da vstopi v tok.

1. Minimalen čas zadrževanja. Zahtevajte, da oseba na strani preživi resnično količino časa — dovolj, da nakaže branje, ne pogled. Nekaj sekund je pogosto meja. Pod njo ni sprožitve. Ta en filter odstrani večino odbojev in napačnih klikov.

2. Vključenost onkraj nalaganja strani. Kjer vaše orodje to podpira, zahtevajte pomik ali drugo interakcijo, ne le dogodka nalaganja strani. Branje pod pregibom je namen; naložiti in oditi ni.

3. Filtriranje botov in kakovosti. Izključite znane bote in nečloveški promet, da prečesovalniki nikoli ne vstopijo. Večina spodobnih orodij filtrira očitne bote, a to potrdite, namesto da bi domnevali.

4. Samo dosegljivi kontakti s privolitvijo. Tok tako ali tako lahko pošlje e-pošto le znanim kontaktom, a naredite to izrecno: brez prepoznavnega kontakta s privolitvijo ni vstopa.

5. Smiselno okno ogleda. Štejte le oglede znotraj svežega okna, da zavihek, znova odprt naslednji dan, ne sproži kot novo zanimanje.

Izključitve, ki napačne ljudi držijo zunaj

Pogoji za vstop odločajo, kdo pride noter. Izključitve izvlečejo ljudi, ki tehnično ustrezajo, a jim ne bi smeli slediti:

Nedavni kupci tega izdelka. Če so ga kupili, jih ne preganjajte zaradi ogleda — to je lastnik, ki preverja podrobnost. Ista logika zadušitve, ki ustavi e-pošto o košarici po nakupu, velja tudi tukaj; glejte kako preprečiti e-pošto o zapuščeni košarici, potem ko kupec opravi nakup.
Kdorkoli v aktivnem toku košarice ali blagajne. Če so izdelek dodali, jih zdaj ima obnovitev košarice. Zapuščen ogled izdelka mora izstopiti.
Ljudje, ki so pravkar dobili e-pošto po zapuščenem ogledu izdelka. Omejite pogostost, da brskalec mnogih izdelkov ne dobi sporočila na ogled.
Ponovni ogledovalci, obravnavani kot namen, ne kot neželena pošta. Nekdo, ki si isti izdelek ogleda petkrat, ima visok namen, a ne bi smel dobiti petih e-pošt — to usmerite v eno samo, močnejše sporočilo po obravnavi ponovljenih ogledov istega izdelka.

Primer iz trgovine

Trgovina, ki prodaja kuhinjske pripomočke, je vklopila zapuščen ogled izdelka z golim sprožilcem »ogledal si je izdelek« in gledala, kako stopnja odpiranja tega toka sedi precej pod njenimi drugimi avtomatizacijami. (Ponazoritveno.) Ob kopanju v podatke se je izkazalo, da je bil velik delež prejemnikov na strani manj kot tri sekunde — odboji iz široke kampanje Shopping, usmerjene k ohlapno ujetim izrazom.

Dodali so dvoje vrat: minimalen čas zadrževanja, da so vstopili le bralci, in izključitev za kogarkoli, ki je ta izdelek kupil v zadnjih 60 dneh. Obseg pošiljanja na toku je padel za približno tretjino, stopnja odpiranja pa se je povzpela na raven njihovih drugih tokov, ker so ljudje, ki so ostali v segmentu, dejansko pogledali. Manj e-pošt, boljše številke in nič več sporočanja ljudem o ponvi, ki so jo kupili prejšnji mesec.

Kaj meriti

Stopnjo odpiranja toka proti povprečju vašega računa — tok precej pod povprečjem običajno pomeni, da je sprožilec preohlapen.
Obseg pošiljanja pred zategovanjem in po njem — zdrav padec je filter, ki deluje, ne izguba.
Stopnjo pritožb o neželeni pošti na toku — biti mora zelo nizka; če ni, ogledi z nizkim namenom še vedno prihajajo noter.
Stopnjo ogleda do košarice — naj se dvigne, ko je segment le še resnično zanimanje, ker imenovalec preneha vključevati nepotencialne kupce.

Kako se v to vključi Omnisend

Kar to potrebuje: sprožilce ob ogledu izdelka, ki jih lahko omejite s pogoji, filtriranje botov, segmentacijo za izključitev nedavnih kupcev in kontaktov z aktivno košarico ter omejevanje pogostosti, da nihče ni prekomerno obveščen. Poročanje, ki ta tok loči od preostalih, vam pomaga zgodaj opaziti ohlapen sprožilec.

Omnisend v svojih trgovinah uporabljam po tem, ko sem ga preizkusil proti Klaviyu, deloma zato, ker sem te pogoje za vstop in izključitvene segmente lahko nastavil in prilagajal sam. (Priporočam ga in razkrijem morebitno partnersko povezavo; načela filtriranja veljajo na vsakem zmogljivem orodju.) Ena iskrena omejitev: nobeno orodje ne ujame vsakega ogleda z nizkim namenom — nekaj odbojev in botov vedno pronikne skozi, znaki časa zadrževanja pa niso popolni. Zategnite sprožilec, da odrežete glavnino, nato pa raje spremljajte stopnji odpiranja in pritožb, kot da bi domnevali, da je filter neprepusten.

Vaš naslednji korak

Potegnite stopnjo odpiranja svojega toka po zapuščenem ogledu izdelka in jo primerjajte s tokovoma dobrodošlice ali košarice. Če je opazno nižja, ta teden dodajte dvoje vrat: minimalen čas zadrževanja, da vstopijo le bralci, in izključitev za kogarkoli, ki je ta izdelek nedavno kupil. Spremljajte obseg pošiljanja in stopnjo odpiranja dva tedna — nižji obseg z višjo stopnjo odpiranja je zmaga. Ko se vaš sprožilec sproži le ob resničnem zanimanju, poskrbite, da to zanimanje ne dobi dvojnega sporočila: preprečevanje, da zapuščen ogled izdelka tekmuje z obnovitvijo košarice pokriva predajo, ko se ogled spremeni v košarico.

The junk-signal problem every product-view flow has

A product view is the weakest purchase signal you can automate on. Some of those views are genuine shopping. Plenty aren’t: a curious click from a Reel, someone price-checking for a friend, your own newsletter driving traffic to a featured product, a shopper who bounced in four seconds, a returning customer admiring the thing they already own. If every one of these starts your flow, you get the worst of both worlds — a busy-looking automation and a list that’s learning to ignore you.

You’ve probably felt the symptom before the diagnosis: unsubscribes creep up on the flow, open rates sag, and someone eventually replies “I looked at this for two seconds, why are you emailing me?”

Why “send more, someone will convert” is the wrong instinct

Volume feels free in email, so the temptation is to trigger on everything and let the numbers sort it out. They don’t. Every low-intent send costs you three ways: deliverability (mailbox providers watch engagement, and a flow full of ignored emails drags your whole domain down, including your campaigns and cart recovery), unsubscribes (each one is a permanently lost contact for every future flow), and trust (the shopper who got nagged over a stray click doesn’t come back to browse freely). More ad spend can’t fix this either — it just pours more mixed-intent traffic into the same unfiltered trigger.

What untargeted triggering costs — a quick illustration

Invented numbers to show the mechanics. Say your flow sends to 2,000 recipients a month and converts 1.5%, so 30 orders. Suppose half those sends are low-intent views that convert at almost nothing but generate two-thirds of your unsubscribes — say 40 of 60 monthly unsubs. Filtering them out drops you to 1,000 sends and maybe 28 orders (you lose a couple of flukes) but saves ~480 subscribers a year. If your list generates even €1 per subscriber per year across all flows and campaigns, the filtered version wins comfortably — and your engagement rates, and therefore inbox placement, improve on top. The orders you “lose” were mostly people who’d have bought anyway or never would.

Add filters in this order

Start with exclusions you already know are right: recent purchasers of the viewed product or category (30–90 days), contacts currently in cart or checkout recovery, and views generated within an hour of clicking one of your own emails.

Add an engagement threshold: require a second signal — a repeat view of the same product within 48 hours, or 2+ pages viewed in the session. This is the big lever.

Add frequency caps: one flow entry per contact per 7 days, regardless of how many products they viewed.

Only later: source-based filtering (suppressing views from broad prospecting campaigns via UTM-based segments) and time-on-page rules, if your platform exposes them. These are refinements, not foundations.

The exact trigger spec, with every filter named

Trigger event: product viewed.

Trigger filters: same product viewed 2+ times in 48 hours, or product viewed plus at least one more page in the session. If your platform can’t combine these, pick the repeat-view rule alone — it’s the strongest single intent signal, and the logic behind following up after a single product view explains what to do with the one-view case instead.

Audience exclusions: purchased from the product’s category in the last 60 days; entered abandoned cart or checkout flow in the last 7 days; entered this flow in the last 7 days; clicked any campaign email in the last 2 hours (they’re your traffic, not new intent).

Delay: 4–24 hours depending on price point — filtering buys you the confidence to send properly instead of hedging.

Channel and content: email, product-focused, one clear message — what goes inside is covered in what a product abandonment email should include.

Goal: fewer, better sends — a flow where the recipient thinks “fair enough, I was looking at that.”

Example: a fashion store drowning in ad-driven views

Illustrative scenario with invented numbers. A womenswear store runs broad TikTok prospecting. 15,000 monthly product views, of which 9,000 come from cold ad clicks with a 70% bounce rate. Unfiltered, the flow mails every identified viewer and the store sees unsubscribe rates triple on ad-heavy weeks. After adding the repeat-view rule plus the 7-day frequency cap, sends drop by roughly 60%, but the remaining audience is people who came back to look twice — the ones actually deciding between the two dresses in their head. Click-through roughly doubles on the smaller send (invented, but that’s the direction filtering pushes; improving product abandonment click-through starts with audience, not subject lines). Once the audience is clean, splitting the message by category is the natural next refinement — see personalizing product abandonment by category.

How to check you haven’t over-filtered

Filters can be too aggressive. Watch these four numbers for 30 days after any change:

Revenue per recipient — should rise noticeably; if total flow revenue also collapsed, you cut real buyers.

Total flow revenue — expect a small dip at most; a big dip means a filter (usually the category-purchase exclusion set too wide) is catching genuine shoppers.

Unsubscribe and spam-complaint rate on the flow — the direct payoff; this should fall within the first weeks.

Flow entries per week — track it so you notice when an ad campaign or a platform change suddenly shifts your signal mix.

Attribution honesty matters here more than anywhere — a flow that mails everyone will always “look” profitable. Tracking revenue from product abandonment properly is what makes the before/after comparison real.

Doing this in Omnisend

I run five core flows on my own stores — welcome, abandoned cart, browse abandonment, cross-sell, win-back — and the browse-and-view flows were the ones that taught me this lesson: they were the noisiest by far until I tightened the entry rules, and every other flow’s deliverability benefited when I did. In Omnisend, the pieces live in three places: trigger filters on the product viewed event (product and session properties), audience filters on the flow (purchase history, segment membership), and the flow’s entry frequency setting for the 7-day cap. Exclusions for contacts in cart recovery are handled with audience rules referencing those flows. Limitations to expect: view events only exist for identified visitors, anonymous traffic never enters regardless of filters; session-depth data depends on your store connection; and no filter stack rescues a flow whose email itself is weak. Plan an hour to implement, then leave it alone for 30 days before judging.

Avtomatizacija zapuščenega izdelka