“данные”

Анализ поведения пользователя на сайте

Статистика действий подписчика после перехода из рассылки является приоритетным направлением анализа эффективности email-стратегии. Для многих, представление о фиксации данных ограничивается только цифрами доставки, чтений и количеством кликов по ссылкам, но правильным будет пытаться узнать более глубокие данные о подписчиках.

Основные типа данных, которые мы можем получить о пользователе:

1. Данные, которые пользователь сообщается сам;
2. Данные о поведении пользователя на сайте (например, оставленный в корзине, но не оплаченный товар);
3. Данные статистики (клики, отказы, пути по сайту, время присутствия на странице);

Данные, которые пользователь сообщается о себе

Эта история начинается c landing page и развивается с помощью опросов, голосований, т.е. любой информации, которую мы можем использовать расширяя профиль клиента. Обратите внимание сколько информации оставляет о себе человек, желающий подписаться на рассылку IKEA и при этом вся эта информация вводится не в одной огроменной форме, а в постепенно затягивающейся воронке, разбитой на несколько этапов.

Но это только часть картины. Необходимо помнить, что есть данные, у которых ограничен срок актуальности и та информация, которую пользователи оставляет о себе может через неделю потерять всякую правдоподобность. Есть ещё один важный аспект — многие пользователи сообщают о себе заведомо ложную информацию. Эти проблемы мы ещё рассмотрим, но не в этом посте.

Тут надо сказать, что у некоторых специалистов присутствует некая скованность в отношении выспрашивания своих клиентов. Считается, что проявлять излишний интерес к потребительским ориентациям клиентов неприлично и даже постыдно. Однако при этом оказывать плохой сервис и отправлять нелепые рассылки считается вполне приемлемым способом ведения бизнеса. Есть тут какая-то нестыковка…

Данные о поведении пользователя на сайте

В достоверности этой информации мы действительно можем быть уверены. Здесь все достаточно очевидно — надо смотреть куда идет пользователь, сколько там проводит времени и куда там нажимает или не нажимает. Если вы сможете привязать эту информацию к конкретному пользователю, о котором уже есть какая-то информация (имя, email), то это будет почти директ-маркетинг, что круто и правильно.

Есть решения, которые позволяют связывать такую «слежку» на сайте с данными из социальных сетей. Это гораздо более технологичный и интересный подход, ну и гораздо более эффективный. Безусловно все эти процессы требуют особой компетенции и правильной интерпретации. Я не слышал, чтобы в России кто-то делал такую аналитику, хотя технологии и методы есть (думаю, что купивип, озон.ру и другие продвинутые ребята именно так и делают).

Суммируя ту информацию, которую пользователь сообщил при регистрации с данными о поведении на сайте, расширяя все это данными из профиля подписчика в социальных сетях, заряжая данными о покупках и транзакциях вы можете создать очень чуткую и динамичную модель сегментации, которая будет реагировать на малейшие изменения в потребительском поведении. Следуя этой сегментации при составлении сценариев рассылок, вы увидите как email может активизировать продажи и направлять ваших клиентов по нужному пути.